RAIDO - Reliable AI and Data Optimisation

Een toekomstbestendig en schaalbaar AI-framework

RAIDO bouwt aan een geïntegreerd platform voor betrouwbare en duurzame AI. Dit platform pakt uitdagingen aan op het gebied van data-kwaliteit, model-efficiëntie, verklaarbaarheid  en energiezuinige implementatie. Het verbetert AI-trainingsdata door geautomatiseerde verrijking, digitale tweelingen en diffusie-modellen, wat zorgt voor datasets die kwalitatief hoogwaardig, onbevooroordeeld en representatief zijn.

Om AI-training efficiënter te maken, introduceert RAIDO data- en rekenefficiënte modellen, waarbij technieken zoals few-shot learning, modeldistillatie en continual learning worden gebruikt. Een innovatieve AI Orchestrator optimaliseert de creatie van datasets en trainingsprocessen, waardoor AI-workflows zich kunnen aanpassen aan specifieke toepassingen zonder prestatieverlies.

Voor betrouwbare AI richt RAIDO zich op verklaarbaarheid, eerlijkheid en transparantie. Het platform integreert explainable AI-technieken (XAI), gedecentraliseerde blockchain, benchmarking en feedback-gestuurde verbeteringen om het vertrouwen en de verantwoordingsplicht in AI-besluitvorming te vergroten.

Energie-efficiëntie staat centraal in de end-to-cloud (E2C) AI-implementatie van RAIDO. De AI Orchestrator automatiseert en optimaliseert processen, waardoor het energieverbruik en de ecologische voetafdruk van AI-systemen worden verminderd.

Het platform wordt getest in verschillende sectoren, waaronder slimme energienetwerken, slimme landbouw, gezondheidszorg en robotica, en toont zo zijn veelzijdigheid en maatschappelijke impact. RAIDO bouwt voort op eerdere ontwikkelingen in AI, digitale tweelingen en duurzaamheid, waardoor het een schaalbaar en toekomstbestendig AI-framework is.

De rol van VITO in RAIDO

VITO is een belangrijke partner in het RAIDO-project en leidt de inspanningen om privacy-conforme AI-ontwikkeling, gegevensbeheer en regelgevende afstemming te garanderen. Onze rol omvat:

• Het ontwikkelen van richtlijnen voor verantwoord datagebruik,
• Het beoordelen van de herbruikbaarheid van persoonlijke gegevens voor wetenschappelijk onderzoek,
• Het analyseren van de impact van EU- en nationale wetgeving op AI-gestuurde dataverwerking.

Daarnaast onderzoekt VITO het gebruik van synthetische data en digitale tweelingen als privacyvriendelijke alternatieven, zodat AI-toepassingen voldoen aan de GDPR-regels en ethische AI-principes in verschillende rechtsgebieden.

Een ander belangrijk initiatief binnen RAIDO is de ontwikkeling van het Farmacogenomica (FGx) AI-systeem, dat gepersonaliseerde geneeskunde ondersteunt door medicijnreacties te voorspellen op basis van genetische en klinische gegevens. Huidige FGx-rapporten zijn vaak statisch en moeilijk te interpreteren, wat het gebruik door zorgprofessionals bemoeilijkt.

Door gebruik te maken van grote taalmodellen (LLMs) ontwikkelt VITO betrouwbare AI-modules die FGx-rapporten, whole genome sequencing-data (WGS) en klinische richtlijnen verwerken om medisch relevante inzichten te bieden. Dit systeem helpt bij medicijnkeuze, patiëntveiligheid en effectieve communicatie van FGx-informatie in de dagelijkse zorgpraktijk.

Zodra dit systeem wordt geïntegreerd met RAIDO’s verklaarbaarheid (XAI), bias-detectie, privacyvriendelijke leertechnieken en monitoringcomponenten, zal het een concreet voorbeeld zijn van AI-gestuurde FGx. Door AI-ondersteunde FGx-rapportage in te bedden in een breder betrouwbaar AI-framework, helpt VITO om gepersonaliseerde geneeskunde veiliger, toegankelijker en effectiever te maken voor zowel zorgprofessionals als patiënten.

Projectpartners

Ontdek alle projectpartners op de officiële projectwebsite.