Kan stratificering af kom​​plekse kardiometaboliske sygdomme anvendes i klinisk praksis? 

Vi har tidligere brugt så kaldte hard clustering og soft clustering metoder til at stratificere type 2-diabetes i klinisk meningsfulde undergrupper. Vi udvider i øjeblikket disse studier ved at studere effekter over tid og sammenligne effekter i andre patientpopulationer, nationalt og internationalt.

Kan stratificering af type 2-diab​​etes bruges til at ordinere livsstilsændringer? 

Evidensen fra præcisionsmedicinske forsøg supplerer de klassiske randomiserede kliniske forsøg, da de primært besvarer spørgsmålet om, hvorvidt stratificering i sig selv er bedre end "one size fits all", og er lettere at udføre, fordi de er powered for en foruddefineret klinisk relevant forskel i effekt, dvs. en der ville være et overbevisende argument for en anbefaling i klinisk ​praksis.  

Som et proof of concept for sådanne forsøgsdesign designer vi et "præcisionslivsstilsrecept-studie" for type 2-diabetes.

Kan stratificering af diabetes kombi​​neres med datadrevet udvikling af behandlingskvalitet? 

Med fremkomsten af computerkraft og nye analytiske AI-baserede værktøjer er der en risiko for, at et ensidigt fokus på kvantitative data skævvrider den medicinske beslutningsproces ved ikke at anerkende vigtigheden af patienters evner og ønsker, samt hvad der kan forventes af sundhedssystemet eller samfundet. Vi har udviklet en simpel model for at kunne genkende disse forskellige datadomæner, hvis input en vellykket medicinsk beslutningsproces er afhængig af.​​