Space Hellas: Συνεργασία με το Πανεπιστήμιο Ιωαννίνων για την ολοκλήρωση του έργου «PRECIOUS»
Η Space Hellas ανέλαβε, έπειτα από διαγωνιστική διαδικασία, το έργο «Ερευνητική υποδομή αναλυτικής Ιατρικών Δεδομένων μεγάλου όγκου, με στόχο την Ιατρική Ακριβείας», στο Πανεπιστήμιο Ιωαννίνων και συγκεκριμένα στο Τμήμα Μηχανικών Επιστήμης Υλικών.
Σύμφωνα με σχετική ανακοίνωση, το έργο «PRECIOUS» ολοκληρώθηκε επιτυχώς υπό την επίβλεψη του καθηγητή Βιοϊατρικής Τεχνολογίας Δημήτριου Φωτιάδη και της Μονάδας Ιατρικής Τεχνολογίας και Ευφυών Πληροφοριακών Συστημάτων, η οποία αποτελείται από διακεκριμένους επιστήμονες.
Το «PRECIOUS» (Research Infrastructure for Big medical Data analytics towards precision medicine), υλοποιήθηκε στο πλαίσιο της Δράσης «Ενίσχυση των Υποδομών Έρευνας και Καινοτομίας», που χρηματοδοτείται από το Επιχειρησιακό Πρόγραμμα «Ανταγωνιστικότητα, Επιχειρηματικότητα και Καινοτομία» (ΕΣΠΑ 2014- 2020) και συγχρηματοδοτείται από την Ελλάδα και την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Ταμείο Περιφερειακής Ανάπτυξης).
Σκοπός του «PRECIOUS» είναι η υλοποίηση μιας καινοτόμου πλατφόρμας νέφους (Cloud), η οποία με χρήση κατάλληλων εργαλείων παρέχει υπηρεσίες για την ανάλυση και επεξεργασία ιατρικών δεδομένων.
Με την ανάπτυξη των κατάλληλων εφαρμογών κατέστη εφικτή η αποθήκευση, επεξεργασία, βελτιστοποίηση και ο διαμοιρασμός διαφορετικών τύπου ιατρικών δεδομένων μεγάλου όγκου, η ανάλυσή τους από προηγμένους αλγόριθμους μηχανικής μάθησης και η ανταλλαγή, εναρμόνιση και στη συνέχεια εξαγωγή πληροφοριών και γνώσης. Ουσιαστικά, η νέα πλατφόρμα δίνει τα απαραίτητα εργαλεία για την ανάπτυξη της «Ιατρικής Ακριβείας», που αποτελεί τον πολλά υποσχόμενο στόχο της ιατρικής κοινότητας, καθώς προσαρμόζει την περίθαλψη στοχευμένα στις ιδιαίτερες ανάγκες κάθε ασθενούς με βάση το γενετικό προφίλ του και τα κλινικά ευρήματα και προσφέρει εξατομικευμένες θεραπείες σε κάθε ασθενή.
Ο καθηγητής Φωτιάδης Δημήτρης δήλωσε: «Το Precious φιλοδοξεί να καλύψει το κενό που υπάρχει στις σύγχρονες υποδομές ιατρικής, να χρησιμοποιήσει την πλέον σύγχρονη τεχνολογία μηχανικής μάθησης και -χάρη σε αυτήν- να διασυνδέσει και να αναλύσει έναν τεράστιο όγκο δεδομένων από διαφορετικά κέντρα προς όφελος της επιστημονικής προόδου αλλά και των ίδιων των ασθενών. Βάσει του γενετικού προφίλ και των κλινικών ευρημάτων θα μπορεί να γίνεται διάγνωση και πρόβλεψη της εξέλιξης μιας νόσου, αλλά και να προτείνεται η ενδεδειγμένη θεραπεία για κάθε άνθρωπο, θα δημιουργούνται, δηλαδή, εξατομικευμένα μοντέλα πρόβλεψης και περίθαλψης».