Verschillende factoren hebben een invloed op onze gezondheid, waardoor het bij data voor preventieve en curatieve gezondheid over heel veel verschillende soorten data gaat. Zo vallen hieronder bijvoorbeeld persoonsgebonden levensstijl- en wellbeing data (voedingsapps, sportapps,...); (real world) klinische data (data van clinical trials en cohortstudies zoals bloeduitslagen, beeldvorming, patient surveys, ,...); historische data en contextdata (sociale contacten, epidemiologische modellen, meteo data,...).
Wat doet Save Data?
We willen drempels verlagen om datagedreven R&D te creëren en een gelijk speelveld te creëren om nieuwe innovaties te versnellen. Om dit te realiseren willen we een open en betrouwbaar ecosysteem opbouwen door data en diensten te scheiden en de data bij het individu te plaatsen.
Wij stellen meerdere technologische bouwblokken ter beschikking waarmee industriële partijen aan de slag kunnen om een business case uit te werken. Via roadshows en matchmaking events proberen wij de juiste partijen bij elkaar te brengen. Ook wie geen business case uitwerkt, kan via de roadshows heel wat kennis uitwisselen over de bouwstenen van het SAVE DATA project.
Hoe?
- Matchmaking events: Via matchmaking bieden we u de mogelijkheid om de juiste technologische bouwblokken en kennis voor uw business case te vinden. Deze kan komen van zowel de SAVE DATA projectpartners als van andere deelnemende partijen.
- Uitwerken business case: Een business case wordt vanuit een mini-ecosysteem bekeken, zodat de betrokken bedrijven voldoende garanties krijgen dat niet enkel de technologie maar ook de bredere doelgroep klaar is om de shift te maken, en er voldoende gegevens gedeeld kunnen worden om de bedrijfsspecifieke cases succesvol en duurzaam te maken.
- Roadshows: Tijdens de roadshows geven wij een demonstratie van de aangeboden technologische bouwblokken.
Technologische bouwblokken & kennis
- "We Are" personal data platform (VITO): Via het “We-Are-personal data platform” kan data op een veilige, ethische en transparante manier gedeeld worden.
- ExperienceKit (imec): Via ExperienceKit kan jouw persoonlijke data verrijkt worden met de juiste contextuele informatie.
- DTract (imec): DTract is analytics software om temporele clustering van (langdurige, sparse) longitudinale evenementendata te voorzien.
Lees meer over de technologiesche bouwblokken en kennis achter SAVE DATA op deze pagina.