| | |

Prevent cardiovascular disorders at an early stage by using novel and unique AI Algorithms

submitted by Ketevan Bosikashvili – BiteriumAI<\strong>
> Link to forum

Problème identifié

Despite significant advancements in AI and healthcare, cardiovascular disorders and preventive care still remain challenges. Currently, one person dies every 33 seconds from cardiovascular disease (CVD). The reasons include:

No Noticeable Symptoms, Most people with high blood pressure feel fine and don’t experience any warning signs.This lack of symptoms means it can go undiagnosed unless regularly monitored.

Damage Happens Silently

| | |

FEDER – MedReSyst – AI4Alzheimer

Ce projet a pour objectif de développer des marqueurs biologiques pour dépister la pathologie Alzheimer dans la population générale, en utilisant l’intelligence artificielle pour identifier des marqueurs sanguins prédictifs de cette maladie. Cet objectif s’articule avec ceux développés dans d’autres projets, entre autre :(1) Faciliter le transfert des données patients vers les bases de données…

| | |

ARC – Micromoto

Motor training is a crucial component of neurorehabilitation for patients with motor deficits as it may be able to enhance recovery through brain plasticity and could remedy the primary causes of motor impairment. To get an early and accurate diagnosis of motor disability and guide the planning of rehabilitation programs, it is important to understand…

|

Un modèle d’IA pour la détection de la fragilité chez les personnes âgées

submitted by Marie Detrait<\strong>
> Link to forum

Le problème identifié

La fragilité est un syndrome clinique. Elle se définit par une diminution des capacités physiologiques de réserve qui altère les mécanismes d’adaptation au stress. L’enjeu de la gériatrie aujourd’hui est de prévenir le risque en limitant le nombre de personnes fragiles. Il n’existe cependant pas d’outil standardisé adopté par les gériatres mais des échelles multiples peu reproductibles.

La solution proposée

Développer un modèle d’IA basé sur des données structurées en Snomed CT capable de prédire le risque de fragilité chez les personnes âgées et identifier les facteurs clés de ce syndrome. Le modèle pourrait ensuite être intégré à une application Web destinée aux médecins, afin de les assister en fournissant une prédiction du risque.