L’obiettivo del progetto è di definire, con una certa accuratezza percentuale, la probabilità che un paziente cronico, a seguito di primo ricovero, possa essere nuovamente ospedalizzato per la medesima patologia entro un determinato periodo di tempo (es. 3 mesi).
La disponibilità di questa nuova informazione “predittiva”, ottenuta mediante algoritmi di Intelligenza Artificiale applicati a dati sanitari relativi alla storia clinica ed al quadro corrente del paziente (es. esami di laboratorio, anamnesi ed informazioni di cartella clinica, terapie farmacologiche, …), potrebbe aiutare il professionista sanitario nella valutazione di un percorso di cura e piano di follow up più aderente al reale stato di salute del paziente.
L’obiettivo tecnico scientifico di secondo livello è individuare le principali correlazioni tra le informazioni di base e la probabilità di ri-ospedalizzazione per la medesima oppure altre patologie.

Ciascuno degli algoritmi di Intelligenza Artificiale sviluppati dal è stato allenato a partire dalla base dati elaborata nella fase precedente. Inoltre, ogni modello è caratterizzato dalla capacità di fornire una specifica risposta ad una specifica domanda formulata a priori. Durante la fase di allenamento, ogni modello considera tutte le coppie di informazioni (dati ricovero, risposta alla domanda da imparare). Il funzionamento di ciascun modello è quello di imparare a prevedere correttamente la risposta giusta al fine di ottenere uno strumento in grado di fornire in anticipo queste risposte rispetto ad eventuali ricoveri futuri.