Forene biomedicinsk data med forskellig kodning og klassificering ved hjælp af internationale standarder, med fokus på at minimere tab af opløselighed og bevare det højeste kvalitetsniveau. Beskrive data så det er nemt forståligt for klinikere.
Normalisering og korrelering af forskellige datatyper og dimensioner.
Støtte sundhedsprofessionelle i at udforske forskellige typer biomedicinske data (fænotypiske, OMICs, demografiske, socioøkonomiske osv).
- Data analysis and cross-analysis
Definere kohorter ud fra kliniske / medicinske termer der kan faciliteter ekstraktion af meningsfulde information fra individuelle datasæt og kombinere information til krydsanalyser.
- Data visualization and reporting
Præsentation af forskningsresultater, især multidimensionel data hvor standardiserede visualiseringsformer ikke findes, så de er forståelige for klinikkere/ sundhedsprofesionelle.
- Artificial intelligence, machine learning and deep learning
Udvikle, træne og validere metoder der kan ekstrahere nyttig information fra datauniverset (f.eks. til brug af prædiktioner og effekt estimater).
- Patient-Like-Me (PLM) -værktøjer
Oversætte forskningsresultater inden for personlig medicin fra de ovenstående punkter, til beslutningsstøtteløsninger som sundhedsprofessionelle kan benytte.
BDPM-projekter følger principperne om Open Science, FAIR-data og GCP. Afdelingen tilsigter let at kunne tilpasse sig til behovene indenfor andre medicinske domæner.