Šīs tēmas mērķis ir atbalstīt darbības, kas nodrošina vai veicina vienu vai vairākus paredzamos galamērķa „Jaunu rīku, tehnoloģiju un digitālo risinājumu izstrāde un izmantošana veselīgai sabiedrībai” ietekmes veidus. Šajā nolūkā priekšlikumiem šīs tēmas ietvaros būtu jātiecas sasniegt rezultātus, kas ir vērsti uz visiem turpmāk minētajiem paredzamajiem rezultātiem, ir tiem pielāgoti un veicina to sasniegšanu:

• Veselības aprūpes speciālistiem ir pieejami daudzmēroga^[1], daudzu orgānu individuālo pacientu modeļi, kuru mērķis ir uzlabot profilaksi un diagnostiku jomās ar augstu slimību slogu.
• Veselības aprūpes speciālisti gūst labumu no padziļinātām zināšanām par sarežģītām slimībām un blakusslimībām, izmantojot daudzmēroga, daudzu orgānu modeļus.
• Pacienti ar dažādām īpašībām (piemēram, jebkura dzimuma, vecuma grupas, rases vai etniskās izcelsmes^[2]) gūst labumu no uzlabotiem, integrētiem un personalizētiem profilakses un diagnostikas rīkiem.
• Veselības aprūpes speciālisti un pacienti gūst labumu no „Virtual Human Twin” (VHT) modeļu izmantošanas, kas ļauj integrēt citus profilakses un diagnostikas rīkus un modalitātes.

VHT ir digitāli atveidojumi un in-silico modeļi, kas atspoguļo indivīda veselības un slimības stāvokli dažādos anatomijas līmeņos. Daudzmēroga, daudzu orgānu VHT risinājumiem ir potenciāls personalizētai profilaksei un diagnostikai, jo īpaši jomās ar augstu slimību slogu, un tie var sniegt būtisku labumu iedzīvotāju veselībai un ES veselības aprūpes sistēmu efektivitātei.

Priekšlikumos jāņem vērā to projektu darbs, kas finansēti saskaņā ar tēmu HORIZON-HLTH-2023-TOOL-05-03: “Integrēti, daudzmēroga skaitļošanas modeļi pacienta patofizioloģijai (‘virtuālie dvīņi’) personalizētai slimību pārvaldībai”, kuros galvenā uzmanība tika pievērsta slimību pārvaldībai, un jākoncentrējas uz augsta potenciāla daudzdisciplīnu pieejām ar lielāku sarežģītību (daudzmēroga, daudzu orgānu, garenvirziena), stiprinot to ieviešanu veselības aprūpē, tostarp integrāciju aprūpes ceļos un sasaisti ar citiem lēmumu atbalsta rīkiem.

Priekšlikumos jāaptver visas turpmāk minētās darbības:

• Izvēlēties klīniskos lietošanas gadījumus, lai nodrošinātu daudzdisciplīnu, augstas ietekmes risinājumus, kuriem nepieciešamas daudzu orgānu, daudzmēroga pieejas sarežģītas patofizioloģijas modelēšanai laika gaitā, kā pamatu, no kura varētu uzlabot slimību ar augstu saslimstību un mirstību profilaksi un diagnostiku. Priekšlikumos var izvirzīt lietošanas gadījumus jebkurās jomās ar augstu slimību slogu; piemēri ietver blakusslimības, hroniskas sirds un asinsvadu slimības, infekcijas un (auto)imunitāti, iekaisumus un vēzi, diabētu un saistītus stāvokļus, retas slimības, deģeneratīvas slimības (tostarp to mijiedarbību ar garīgās veselības stāvokļiem), ekspozomu un tā ietekmi uz cilvēka veselību un slimībām.
• Balstoties uz pašreizējām pieejām, standartiem, datu krātuvēm (piemēram, biobankām, vides datiem, citiem) un modelēšanas aktīviem (piemēram, EDITH CSA^[3] un Platform for Advanced VHT Models^[4]), kā arī jauniem datiem, ja nepieciešams, projektēt, izstrādāt, paplašināt un validēt daudzu orgānu, daudzmēroga, dinamiskus skaitļošanas modeļus, kas precīzi simulē personas veselības un slimības stāvokļus.
• Novērtēt, atlasīt, paplašināt un validēt dažādas modelēšanas metodoloģijas, kā rezultātā iegūstot integrētus, progresīvus, sadarbspējīgus, pacientam specifiskus VHT modeļus, kas var integrēt dažādus datu avotus un metodoloģijas, risinot izvēlētā klīniskā lietošanas gadījuma prasības. Metodoloģijas var ietvert, bet neaprobežojas ar biofizikā balstītu modelēšanu, mākslīgo intelektu (AI), kam jābūt interpretējamam vai jāļauj izskaidrot rezultātus, ģeneratīvo AI un in-silico modelēšanu, aģentos balstītas un tīkla fizioloģijas pieejas. To novērtēšana, atlase un paplašināšana ir jādokumentē projektēšanas fāzē. Jādokumentē multimodālo datu pieejamība un integrācija, kā arī jāizpēta ētiskie un dzimuma aspekti.
• Demonstrēt šo modeļu integrāciju ar citiem progresīviem profilakses un diagnostikas veidiem, rīkiem un metodēm, kas nodrošina integrāciju visos aprūpes ceļos.
• Radīt pierādījumus, tostarp klīnisko validāciju, ka risinājumi sniedz klīniski nozīmīgu lēmumu atbalstu, risinot lietošanas gadījuma prasības. Dokumentēt gūtās atziņas plašākai piemērošanai. Apkopot pierādījumus, izmantojot veselības ekonomikas un/vai īstenojamības pētījumus reālos veselības aprūpes apstākļos, apstiprinot izmaksu efektivitāti salīdzinājumā ar pašreizējo praksi (piemēram, izmaksu efektivitātes analīze). Izstrādāt izmantošanas plānu par atbilstību normatīvajiem aktiem^[5] un intelektuālo īpašumu.

Priekšlikumiem jābūt daudzdisciplīnu; risinājuma projektēšanai un izstrādei jābūt vērstai uz galalietotāju, un tajā jāizmanto lietotāju un nelietotāju ieguldījums. Jāievēro labākā prakse VHT programmatūras izstrādē, tostarp atbildīga AI izstrāde (piemēram, riska novērtēšana un pārvaldība, prasību definēšanas process).

Tiek veicināta mazo un vidējo uzņēmumu (SME)^[6] dalība.

Priekšlikumiem jāsniedz ieguldījums European VHT Initiative^[7] un Platform for Advanced VHT Models mērķu sasniegšanā, projekta aktīviem jābūt pieejamiem platformā un sadarbspējīgiem ar tās tehniskajām specifikācijām^[8]; attiecīgajiem konsorciju dalībniekiem jāpievienojas tās lietotāju kopienai. Šīm darbībām jāparedz budžets. Paredzams, ka projekti sadarbosies ar citiem ES finansētiem projektiem VHT jomā^[9] un saskaņosies ar attiecīgajām ES iniciatīvām, kas finansētas saskaņā ar Horizon Europe, Digital Europe Programme^[10] un EU4Health Programme (2021-2027)^[11], piemēram, European Cancer Imaging Initiative^[12], 1+Million Genomes Initiative^[13], Intensive Care Unit Data Space^[14], līdzfinansēto European Partnership for Personalised Medicine^[15], un projektiem par AI attīstību veselības jomā, kur tas ir būtiski.

Šī tēma prasa efektīvu sociālo un humanitāro zinātņu (SSH) disciplīnu ieguldījumu un attiecīgās SSH ekspertīzes iekļaušanu, lai radītu nozīmīgu un būtisku ietekmi, kas uzlabo saistīto pētniecības darbību ietekmi uz sabiedrību.

Pieteikuma iesniedzējiem jāsniedz sīkāka informācija par saviem klīniskajiem pētījumiem^[16] īpašajā pielikumā, izmantojot iesniegšanas sistēmā sniegto veidni. Tā kā paredzams, ka priekšlikumi šajā tēmā ietvers klīniskos pētījumus, veidnes izmantošana ir stingri ieteicama.

[1] Šīs tēmas kontekstā daudzmēroga nozīmē modelēšanu dažādos cilvēka anatomijas līmeņos, piemēram, (sub)šūnu, audu, orgānu vai orgānu sistēmu līmenī.

[2] Termina "rasu vai etniskā izcelsme" lietošana nenozīmē tādu teoriju pieņemšanu, kas mēģina noteikt atsevišķu cilvēku rasu esamību.

[3] Skatīt “European Virtual Human Twin” koordinācijas un atbalsta darbību EDITH, kas finansēta saskaņā ar Digital Europe Programme: https://www.edith-csa.eu

[4] Finansēts saskaņā ar Digital Europe Programme, procedūras identifikators EC-CNECT/LUX/2024/OP/0014: https://ec.europa.eu/info/funding-tenders/opportunities/portal/screen/opportunities/tender-details/16cc3c6a-844a-42d4-9746-dcc7444b8001-CN

[5] Piemēram, ar Regulu (ES) 2017/745 par medicīniskām ierīcēm: http://data.europa.eu/eli/reg/2017/745/oj, Regulu (ES) 2017/746 par in vitro diagnostikas medicīniskām ierīcēm: http://data.europa.eu/eli/reg/2017/746/2025-01-10, Regulu (ES) 2024/1689, ar ko nosaka saskaņotus noteikumus par mākslīgo intelektu: http://data.europa.eu/eli/reg/2024/1689/oj

[6] https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:32003H0361

[7] https://digital-strategy.ec.europa.eu/en/policies/virtual-human-twins

[8] Pieteikuma stadijā nav nepieciešams kontakts ar platformas izstrādātāju.

[9] Tostarp projekti, kas finansēti saskaņā ar tēmu HORIZON-HLTH-2023-TOOL-05-03: “Integrēti, daudzmēroga skaitļošanas modeļi pacienta patofizioloģijai (‘virtuālie dvīņi’) personalizētai slimību pārvaldībai”

[10] https://digital-strategy.ec.europa.eu/en/activities/digital-programme

[11] https://commission.europa.eu/funding-tenders/find-funding/eu-funding-programmes/eu4health_en

[12] https://digital-strategy.ec.europa.eu/en/policies/cancer-imaging

[13] https://digital-strategy.ec.europa.eu/en/policies/1-million-genomes

[14] https://ec.europa.eu/info/funding-tenders/opportunities/portal/screen/opportunities/topic-details/digital-2023-cloud-ai-04-icu-data

[15] https://cordis.europa.eu/project/id/101137129, https://www.eppermed.eu

[16] Lūdzu, ņemiet vērā, ka klīnisko pētījumu definīcija (skatīt šīs darba programmas daļas ievadu) ir plaša, un ir ieteicams to rūpīgi pārskatīt pirms pieteikuma iesniegšanas.