PerCard untersucht den Wert, integrierte heterogene Datenquellen mit Künstlicher Intelligenz (KI) und maschinellem Lernen (ML) zu kombinieren, um die Validität des Risikoassessments für kardiovaskuläre Krankheiten in verschiedenen Populationen zu erhöhen. Das Konsortium entwickelt spezialisierte Modelle für Populationen und vermindert explizit den Gender-Bias in existierenden Methoden des Risikoassessments. Ein Fokus liegt auf Methoden, die einfach von der Forschung in die Praxis transferiert werden können und die für breite Bevölkerungsgruppen zugänglich und finanzierbar sind. PerCard entwickelt und benutzt neue Datenanalysemethoden (KI, ML, Signalprozessierung, einschließlich Ensemble-Klassifikatoren und Bayessche Neuronale Netzwerke), um mächtigere Risikoassessmentmethoden zu entwickeln, die präzise, robust und erklärbar sind. Das Projekt stellt besonders Fortschritte auf dem Feld der erklärbaren KI und der KI für Time-Series-Analyse zur Verfügung. PerCard liefert ein integriertes Entscheidungsunterstützungssystem für verstehbare personalisierte Risiko-Prognose-Abschätzungen von Morbidität und Moralität in kardiovaskulären Kontexten und testet es in retrospektiven und prospektiven Settings. Endnutzende werden während des gesamten Prozesses der Forschung, Entwicklung und Validierung involviert. ELSA-Berücksichtigung, einschließlich Gender-Überlegungen, Zugänglichkeit für alle, Ethik der KI und der Entscheidungsunterstützung sind inhärente Teile des Projekts. Um auf frühere Investitionen aufzubauen und die Entwicklung zu beschleunigen, nutzt PerCard für den Start große retrospektive Datenbanken aus Finnland und Italien wieder. PerCard benutzt robuste Validierungsmethoden, um Generalisierbarkeit zu garantieren, und kombiniert unabhängige Testsets sowie prospektive Testdatensammlung als eine tatsächlich unabhängige Referenz. Um erfolgreich zu sein, bringt PerCard ein internationales, interdisziplinäres Konsortium aus hochkarätigen Partnerinnen und Partnern zusammen.