Projektu siekiama spręsti vieną aktualiausių šiuolaikinės sveikatos priežiūros sistemos problemų – augantį poliligotų (dauginį ligotumą turinčių) pacientų skaičių ir nepakankamą sveikatos sistemos gebėjimą užtikrinti aktyvią, personalizuotą ir duomenimis grįstą šių pacientų priežiūrą. Poliligotumas yra pripažįstamas vienu didžiausių iššūkių sveikatos sistemoms Europoje ir pasaulyje, nes pacientai, sergantys keliomis lėtinėmis ligomis, pasižymi didesne komplikacijų, pakartotinių hospitalizacijų, mirtingumo ir sveikatos priežiūros išlaidų rizika. Pagrindinė problemos priežastis yra tai, kad dabartinis pirminės sveikatos priežiūros modelis iš esmės orientuotas į atskirų ligų valdymą, o ne į bendrą paciento būklės dinamiką. Poliligotų pacientų priežiūra išlieka fragmentuota, epizodinė ir reaktyvi. Sprendimai dažniausiai priimami reaguojant į jau įvykusį sveikatos būklės pablogėjimą, o ne remiantis ankstyvaisiais rizikos signalais. Dėl šios priežasties prarandamos galimybės laiku identifikuoti pacientus, kuriems reikalinga papildoma priežiūra ar intervencija. Problemos aktualumą didina ir nepakankamas sveikatos duomenų panaudojimas. Nors sveikatos priežiūros įstaigos kaupia didelius kiekius klinikinių ir administracinių duomenų, šie duomenys dažniausiai naudojami dokumentavimo ir apskaitos tikslais. Esamos informacinės sistemos nėra pritaikytos prognozuoti paciento būklės blogėjimo riziką, identifikuoti sudėtingas ligų sąveikas ar teikti sprendimų palaikymą šeimos gydytojo komandai. Dideli duomenų kiekiai tampa informaciniu triukšmu, o ne realia pagalba klinikinių sprendimų priėmimui. Papildoma problemos priežastis yra žmogiškųjų išteklių trūkumas ir augantis darbo krūvis pirminėje sveikatos priežiūroje. Šeimos gydytojai ir slaugytojai priversti prižiūrėti vis didesnius pacientų srautus, todėl tampa sudėtinga užtikrinti aktyvią ir nuoseklią didžiausios rizikos pacientų stebėseną. Esant ribotiems ištekliams, sveikatos sistema neturi pakankamų priemonių prioritetizuoti pacientus pagal realią riziką ir efektyviai paskirstyti specialistų laiką. Neišsprendus šių problemų, galima tikėtis tolesnio hospitalizacijų skaičiaus augimo, didėjančių sveikatos sistemos išlaidų, blogėjančio paslaugų prieinamumo ir didesnės žmogiškųjų išteklių apkrovos. Taip pat nebus išnaudotas reikšmingas sukauptų sveikatos duomenų potencialas ir nebus sudarytos prielaidos pereiti prie pažangios, duomenimis grįstos pacientų priežiūros. Projektu siekiama pašalinti arba reikšmingai sumažinti pagrindines problemos priežastis sukuriant inovatyvų dirbtiniu intelektu ir paaiškinamuoju dirbtiniu intelektu (XAI) grįstą sprendimą – poliligoto paciento skaitmeninį rizikos portretą. Sprendimas integruos elektroninių sveikatos įrašų duomenis, laboratorinius rodiklius, vaistų vartojimo informaciją, hospitalizacijų duomenis bei paciento pateikiamus PROM (angl. Patient-Reported Outcome Measures) ir PREM (angl. Patient-Reported Experience Measures) signalus į vieningą rizikos vertinimo modelį. Tai sudarys galimybes anksti identifikuoti būklės blogėjimo požymius, prognozuoti rizikos trajektorijas, aktyviai planuoti priežiūrą ir nukreipti specialistų dėmesį į pacientus, kuriems pagalbos reikia labiausiai.