I øjeblikket er behandlingsvalg til psykiske sygdomme bestemt af en "one-size-fits-all" tilgang, hvilket resulterer i en uacceptabelt stor andel af ikke-responderende patienter. Tidligere forskning har været præget af fokus på enkelte eksponeringer og enkelte outcome, og der er ikke taget højde for kompleksiteten af de psykiatriske sygdomme. Dermed bliver det væld af tilgængelig data og de nye data analytiske tilgange, som nu er tilgængelige, ikke udnyttet. Disse data kan behandles med computer intensive metoder, der kan identificere og tage højde for ikke-lineære relationer og mønstre mellem risikofaktorer og outcome. Udvikling af mere præcise prædiktionsmodeller, som integrerer disse data, kan muliggøre en mere præcis psykiatrisk behandling, der kan forbedre klinisk beslutningstagning og behandlingsrespons.

    Til dette formål vil vi benytte 1) danske landsdækkende sundhedsregistre, resultater fra landsdækkende laboratorier og biobanker 2) elektroniske patientjournaler med mere detaljerede kliniske data 3) prospektive personcentrerede data fra personer, der deltager i studier med omfattende psykometriske og biologiske målinger samt monitorering med wearable teknologi. Et unikt aspekt af initiativet er samspillet mellem big data på nationalt plan og detaljerede personniveau data for at identificere markører, der kan forudsige tværdiagnostiske sygdomsklynger, sygdomstrajektorier og behandlingsrespons ved svære psykiatriske sygdomme. Dette kan bane vejen for mere præcis diagnostik, forebyggelse og nye behandlingsstrategier, herunder udviklingen af patientcentreret beslutningssstøtteværktøjer til klinisk anvendelse.