AI4HF

AI4HF, kalp yetmezliği (HF) yaşayan hastaların kişiselleştirilmiş risk değerlendirmesi ve yönetimi için güvenilir yapay zeka çözümlerini geliştirmeyi amaçlar. Proje, kardiyoloji alanında önemli AB fonlu projelerin geliştirmiş olduğu güvenilir yapay zeka yöntemleri, hesaplama araçları ve klinik sonuçlar ve büyük veri depoları kümesi üzerine inşa edilecektir. Yapay zeka sistemlerinin doğrulama işlemi dayanıklılık, adillik, şeffaflık, kullanılabilirlik ve aktarılabilirlik süreçlerinin test edilmesi için, AB’de ve dünyanın farklı bölgelerinde bulunan yüksek ve orta düşük gelirli ülkelerdeki sekiz klinik merkezde gerçekleştirilecektir. AI4HF, konsorsiyum üyeleri tarafından geliştirilen FUTURE-AI yönergelerine dayalı olarak güvenilir ve etik AI geliştirme ve değerlendirme için kapsamlı ve standartlaştırılmış bir metodolojik çerçeve geliştirecektir. Temel hedef, büyük, tamamlayıcı çok kaynaklı kardiyovasküler verilerden (1) kalp görüntüleme, (2) kardiyak biyobelirteçler, (3) elektrokardiyografi (EKG) ve (4) klinik raporlar dahil olmak üzere kişiselleştirilmiş kalp yetmezliği (HF) risk değerlendirmesi için entegre ve güvenilir bir yapay zeka (AI) çözümünü geliştirmek, değerlendirmek ve kullanmaktır. AI4HF, klinik ihtiyaçlar ve hasta tercihlerinin yanı sıra sosyo-etik ve düzenleyici kuralları da dikkate alarak sürekli çok paydaşlı katılım yoluyla geliştirilecektir.

SRDC, yapay zeka (AI) modellerinin takip edilebilirliği ve operasyonel olarak çalıştıkları sürece izlenmesi için kullanılacak sistemlerin tasarım ve geliştirmesini üstlenen iş paketinin lideridir. Ayrıca, SRDC, veri kaynaklarından sağlık verisi çıkarma, ve standart tabanlı yönetimiyle ilgili görevleri yürüterek, AI model eğitimi ve operasyonel çalışması esnasında kullanılmak üzere sağlık verisi birlikte işlerlik altyapısını inşa etmek için çalışmaktadır. Bu görevler kapsamında, SRDC özellikle aşağıdaki öğeler üzerinde çalışacaktır:

• HL7 FHIR (https://www.hl7.org/fhir/) ve OMOP CDM (https://ohdsi.github.io/CommonDataModel/) gibi mevcut sağlık verisi modelleme ve yönetim standartlarını kullanmak,
• Mevcut sağlık verilerini hem sentaktik hem de semantik uyumluluğu ele alan standartlara uyumlu hale getirmek,
• Veri Yönetim Planları (Data Management Plan) hazırlarken klinik ortaklara rehberlik etmek,
• Birleştirilmiş veri kümelerinin kalitesini birçok uygunluk ölçümüyle değerlendirmek için bir veri kalite kontrol bileşeni tasarlamak ve geliştirmek,
• Yapay zeka model özellikleri ve hiperparametreleri, eğitim ve test veri kümeleri, değerlendirme metrikleri ve sonuçları, etik onaylar ve veri yönetimi ile ilgili temel bilgileri sağlayacak bir yapay zeka (AI) ürün pasaportu tasarlamak ve uygulamak,
• İnsan – Yapay Zeka (AI) etkileşim döngüsünü kolaylaştırmak için geri bildirim arayüzleri oluşturmak,
• Yapay zeka (AI) model performanslarının potansiyel sapmaları, anomali veya önyargıları hakkında bilgi veren zaman serisi istatistikleri ve görselleştirmelerini içeren gösterge panoları tasarlamak ve geliştirmek.