Πρόσκληση 44/2017 (Α/Α 2267) "Ενίσχυση Επιχειρήσεων για ερευνητικά έργα στους τομείς αγροδιατροφής δημιουργικής βιομηχανίας ΤΠΕ υγείας και βιοτεχνολογίας"

• Τρέχων Συνολικός Προϋπολογισμός Πρότασης
  €260,030.20
• Τρέχων Προϋπολογισμός Πρότασης
  €260,030.20

Το έργο αυτό χρηματοδοτείται από το Ευρωπαϊκό Ταμείο Περιφερειακής Ανάπτυξης.

Τα άτομα που υποφέρουν από Χρόνια Αποφρακτική Πνευμονοπάθεια (ΧΑΠ) αποτελούν μια ιδιαίτερα ευπαθή αλλά και πολυπληθή ομάδα του πληθυσμού, έχουν δε το χαρακτηριστικό ότι κινδυνεύουν από αιφνίδιες παροξύνσεις της νόσου ενώ είναι εκτεθειμένα και σε συννοσηρότητες (αρτηριακή υπέρταση, ταχυαρρυθμίες, στεφανιαία νόσος, κλπ.) σε πολύ μεγαλύτερο βαθμό σε σύγκριση με τα άτομα χωρίς τη νόσο. Ως εκ τούτου, πρωταρχικής σημασίας στην ευάλωτη περίοδο που έπεται της παρόξυνσης είναι η παρακολούθηση και σωστή διαχείριση της νόσου και των συννοσηροτήτων, η πρόληψη και έγκαιρη ανίχνευση υποτροπών. Είναι λοιπόν προφανές ότι η πρόβλεψη σε πραγματικό χρόνο των επερχόμενων "επεισοδίων υγείας" σε ασθενείς που πάσχουν από ΧΑΠ, αποτελεί μεγάλη πρόκληση για την ιατρική κοινότητα αλλά και για τις εταιρίες τεχνολογίας που παρέχουν υπηρεσίες τηλεπαρακολούθησης ασθενών εκτός νοσοκομείου (Remote Patient Monitoring systems - RPM) οι οποίες βασίζονται σε καινοτόμες τεχνολογίες ΤΠΕ και λειτουργούν σε συνδυασμό με συστήματα προγνωστικής ανάλυσης και με μοντέλα λήψης αποφάσεων σε πραγματικό χρόνο. Το αντικείμενο του προτεινόμενου Έργου PRECURSOR είναι η ερευνητική προσέγγιση, η πειραματική επίδειξη και η ολοκλήρωση στο σύστημα IFS_RPM της "Εταιρίας" (βλ. περιγραφή του IFS_RPM στο επισυναπτόμενο έγγραφο "Παρουσίαση της πρότασης PRECURSOR κατά κατηγορία κριτηρίων"), ενός ολοκληρωμένου προγνωστικού εργαλείου για την πρόβλεψη των επερχόμενων "επεισοδίων υγείας" σε χρόνιους ασθενείς που υποφέρουν από ΧΑΠ. Η τηλεπαρακολούθηση εκτός νοσοκομείου ασθενών με ΧΑΠ, επωφελείται από την εξέλιξη της τεχνολογίας στο έπακρο. Η τηλεπαρακολούθηση δίνει τη δυνατότητα συλλογής μεγάλου όγκου δεδομένων τα οποία σε συνδυασμό με τα υπάρχοντα ηλεκτρονικά ιατρικά αρχεία ασθενών, βελτιώνουν την διαχείριση των ασθενειών και αυξάνουν την αποτελεσματικότητα και την αποδοτικότητα της. Η μηχανική μάθηση (ή "διδασκαλίας μηχανής") χρησιμοποιεί πολλά δεδομένα για να παράγει υποθέσεις και να οικοδομεί αλγοριθμικά μοντέλα προβλέψεων. Η συλλογή και η ανάλυση μεγάλων δεδομένων (big data) προσφέρει λύσεις και υποστηρίζει τη λήψη αποφασιστικών μέτρων σε κρίσιμα θέματα όπως ο περιορισμός των επανεισαγωγών των ασθενών σε κλινικές, η πρόληψη της επιδείνωσης της υγείας τους καθώς και η πρόβλεψη των επερχόμενων "επεισοδίων υγείας", η βελτιστοποίηση των θεραπειών των συννοσηροτήτων της ΧΑΠ, αλλά και η περιστολή του κόστους διαχείρισης της ασθένειας. Οι δικαιούχοι της Σύμπραξης PRECURSOR έχουν αναπτύξει, ο καθένας από τη σκοπιά του, σημαντική ερευνητική δράση τόσο στο ιατρικό αντικείμενο του έργου όσο και στις τεχνολογικές πτυχές του. Από ιατρική άποψη οι κυρίαρχες προκλήσεις του Έργου, που αναγνωρίζονται από τις δύο Πνευμονολογικές Πανεπιστημιακές Κλινικές που συμμετέχουν στη σύμπραξη PRECURSOR, περιλαμβάνουν : - Την αξιολόγηση της δυνατότητας επιχειρησιακής εκμετάλλευσης μιας καινοτόμου διαγνωστικής - προληπτικής ιατρικής υπηρεσίας που εδράζεται στα πρωτοποριακά συστήματα τηλεπαρακολούθησης ασθενών (Remote Patient Monitoring - RPM) και η οποία μπορεί να συνεισφέρει αποτελεσματικά στη πρόληψη των παροξύνσεων και της εκδήλωσης συννοσηροτήτων σε ασθενείς με ΧΑΠ και γενικότερα στη βελτίωση της διαχείρισης της νόσου - Την αποτίμηση της προοπτικής βελτίωσης της ποιότητας της ζωής των ασθενών που επηρεάζεται από τη νόσο (Health-Related Quality of Life - ΗRQL), καθώς και τη προοπτική βελτίωσης της φροντίδας τους Από κοινωνική σκοπιά, τα αποτελέσματα του έργου - εκτός της συνεισφοράς τους στη πρόληψη και στη βελτίωση της ποιότητας της ζωής των ασθενών με ΧΑΠ - αναμένεται να έχουν και θετικές οικονομικές επιπτώσεις, καθώς η έγκαιρη πρόβλεψη επερχόμενων επεισοδίων υγείας που συνδέονται με την ΧΑΠ μπορεί να μειώσει δραστικά το κόστος διαχείρισης της νόσου. Σε τεχνολογικό τέλος επίπεδο το έργο επικεντρώνεται σε 3 κεντρικές αναζητήσεις : - Στην έρευνα στα συστήματα προγνωστικής ανάλυσης με τη χρήση τεχνικών "διδασκαλίας μηχανής", με στόχο την ανάπτυξη ενός αξιόπιστου μοντέλου λήψης αποφάσεων που θα χρησιμοποιηθεί στο πρ

-

-

• CO02.Παραγωγικές επενδύσεις: Αριθμός επιχειρήσεων που λαμβάνουν επιχορηγήσεις
• CO26.Έρευνα, καινοτομία: Αριθμός επιχειρήσεων που συνεργάζονται με ερευνητικά ιδρύματα

• T1605.ΔΑΠΑΝΗ Ε&Α ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ