PRECIOUS: Ελληνική πλατφόρμα νέφους ανάλυσης ιατρικών δεδομένων από το Πανεπιστήμιο Ιωαννίνων:

Καινοτόμο «πλατφόρμα νέφους» (cloud) για υπηρεσίες υγείας και την διασύνδεση ιατρικών κέντρων της Περιφέρειας, της Ελλάδας και του εξωτερικού δημιούργησαν το Πανεπιστήμιο Ιωαννίνων και το  Τμήμα Μηχανικών Επιστήμης. Το έργο υλοποιήθηκε υπό την επίβλεψη του καθηγητή Βιοϊατρικής Τεχνολογίας Δημήτριο Φωτιάδη.

Η ερευνητική υποδομή PRECIOUS αποσκοπεί στην αποθήκευση, στην ανάλυση δεδομένων και στην περαιτέρω χρήση τους. Για το εγχείρημα αξιοποιήθηκαν υπερυπολογιστές και τεχνητή νοημοσύνη, αλλά και 86.000 ειδικοί πυρήνες υπολογιστών. ώστε να αναλύονται διαφορετικοί τύποι ιατρικών δεδομένων μεγάλου όγκου. Με την επεξεργασία στοιχείων όπως είναι τα κλινικά, γενετικά, απεικονιστικά, εργαστηριακά δεδομένα, διευκολύνεται το έργο της Ιατρικής Ακριβείας και ιδιαίτερες ανάγκες κάθε ασθενούς με βάση το γενετικό προφίλ του και τα κλινικά ευρήματα.

Επιδίωξη είναι η συνεργασία μεταξύ των ιατρικών φορέων της Περιφέρειας Ηπείρου και κατ’ επέκταση Εθνικών και Ευρωπαϊκών φορέων υγεία. Αυτοί οι φορείς θα χρησιμοποιήσουν την «πλατφόρμα νέφους» για την ανάπτυξη και παροχή υπηρεσιών Ιατρικής Ακριβείας. Επίσης, οι φορείς θα μοιράζονται και θα έχουν τη δυνατότητα να αποθηκεύουν και να διαχειρίζονται τα ευαίσθητα προσωπικά δεδομένα των ασθενών τους σε βάσεις δεδομένων εντός του «νέφους» προστατεύοντας τα προσωπικά δεδομέναβάσει του Γενικού Κανονισμού Περί Προστασίας Ιδιωτικών Δεδομένων.

Η σύγχρονη αυτή υποδομή Ιατρικής Ακριβείας ακολουθεί έναν «οδικό χάρτη» που αποτελείται από πέντε κομβικά βήματα:

1. Την ανάπτυξη της αρχικής υποδομής «νέφους» και των μηχανισμών διαμοιρασμού και προσπέλασης των ιατρικών δεδομένων μεγάλου όγκου.
2. Την ανάπτυξη των υπηρεσιών ελέγχου ποιότητας, διαμοιρασμού και εναρμόνισης των ιατρικών δεδομένων.
3. Την ανάπτυξη των υπηρεσιών ανάλυσης δεδομένων, δηλαδή τον εντοπισμό επαναλαμβανόμενων συμπεριφορών στα δεδομένα, το «χτίσιμο» υπολογιστικών μοντέλων που κατατάσσουν τους ασθενείς ανάλογα με το ιατρικό παρελθόν και τις πιθανότητες να νοσήσουν, την οπτικοποίηση των ιατρικών δεδομένων μεγάλου όγκου, την ποσοτικοποίηση των φαινότυπων, κ.α.
4. Την πιλοτική εφαρμογή με δεδομένα που θα συλλεχθούν από τα ενδιαφερόμενα ιατρικά και κλινικά κέντρα της Περιφέρειας και της Ελλάδας.
5. Την εγκατάσταση της μονάδας υπέρ-υπολογιστικής ισχύος σε συστάδες (clusters) καθώς επίσης και την εγκατάσταση λογισμικού για τον εξειδικευμένο προγραμματισό των εικονικών μηχανών.

Επίσης οι χρήστες θα μπορούν να κάνουν χρήση των ιατρικών δεδομένων που θα έχουν αναλυθεί από εξελιγμένους αλγόριθμους μηχανικής μάθησης αλλά και να χρησιμοποιούν μοντέλα πρόβλεψης και μοντέλα διάγνωσης που σχετίζονται με την κατάλληλη θεραπεία ξεχωριστά για κάθε ασθενή.

Εκτιμάται πως θα ενισχύσει σημαντικά τη στατιστική ισχύ των επιστημονικών μελετών σε διάφορες παθήσεις που απαιτείται πρόοδος καθώς απασχολούν όλο και μεγαλύτερο αριθμό πολιτών, όπως οι διάφοροι τύποι καρκίνου, τα καρδιολογικά νοσήματα, τα αυτοάνοσα νοσήματα, κ.ά.