Chatbottens opgave er at besvare medarbejderes spørgsmål ifm. implementering af M365. Chatbotten er supplement til vores M365-univers på vores intranet, da den – hvis muligt – bruger indholdet på siden til at besvare brugerens spørgsmål. Den henviser rigtig godt til de undersider eller dokumenter, den har brugt til at svare på spørgsmålet, hvilket også hjælper medarbejderen med at navigere og fremsøge information på sitet.

Intern Opkrævningschatbot der er udviklet specialet til opkrævning og indeholder alle opkrævnings interne vejledninger og øvrige beskrivelser som de ønsker at have hurtig adgang til. Dette er med til at fastholde og sikre viden, og gøre data hurtigere tilgængelig via AI i stedet for at skulle læse tunge vejledninger eller lede efter interne notater. Er også en stor hjælp for nye medarbejdere, der har et ekstra godt opslagsværk til vejledning og information.

Team Prisme-chatbotten er et AI-værktøj udviklet til systemadministrationen i Prisme365. Chatbotten samler interne vejledninger, specialistviden, kendte fejl, workarounds og erfaringer fra supportsager, så medarbejdere hurtigt kan finde løsninger via AI frem for at lede i dokumentation og gamle noter.

Systemet anvender kunstig intelligens og billedgenkendelse til automatisk at registrere vejskader, skilte, kloakriste og andet vejinventar via smartphones monteret i kommunale køretøjer. 

Bertha er en intelligent telefonrobot implementeret i Aabenraa Kommune fra april 2023 som del af projektet "Fremtidens Borgerservice". Robotten modtager alle opkald til kommunens hovednummer og er tilgængelig døgnet rundt.

AI-assistent til danske folkeskolelærere, der hjælper med forberedelse, kommunikation og administration. Systemet er trænet på skolespecifik viden og integrerer med Unilogin, Aula og TRIO/Skema.

EU-finansieret forskningsprojekt (Horizon Europe) der anvender AI til analyse af FDG-PET/CT-billeder med henblik på at forbedre overvågning af behandlingsrespons hos patienter med metastatisk brystkræft, på tværs af 7 europæiske lande herunder 4 danske regioner.

PhD-forskningsprojekt der udvikler en AI-algoritme til detektion af potentielt maligne lungeforandringer på lavdosis-CT-scanninger med henblik på at understøtte lungekræftdiagnostik og -screening i Danmark.

Digitalt understøttet arbejdsgang der kombinerer teledermatoskopi (Dermloop-platformen) og AI-billedanalyse til at effektivisere diagnostik af mistænkt hudkræft på tværs af sektorer — og reducere ventetider på op til 42 uger.

AI-projekt der udvikler en algoritme til automatisk klassificering af lymfeknodevævsprøver som lav- eller højrisiko (benign/malign) med henblik på at forbedre effektiviteten og præcisionen i kræftdiagnostik ved Patologisk Afdeling på OUH.

EU-initiativ (EU4Health) der støtter implementeringen af standardiserede kræftscreeningsprogrammer på tværs af 29 europæiske lande, herunder integration af AI i brystkræftdiagnostik og optimering af screeningsprogrammer for bryst-, livmoderhals-, tyk- og endetarmskræft samt lungekræft.

Signaturprojektet omhandler en algoritme der skal hjælpe med at forbedre forståelsen af, hvordan metastaser ved prostatacancer opstår. Herefter skal en algoritme bidrage til udviklingen af et beslutningsstøtteværktøj, der kan understøtte den lægefaglige vurdering af, om der er behov for operation. 

Horizon Europe-finansieret projekt der udvikler AI-algoritmer til automatisk billedanalyse ved colon kapselendoskopi (CCE) — et minimalt invasivt alternativ til optisk koloskopi — med 10 europæiske partnere.

HjerteRo er en datadreven prædiktionsmodel, der skal understøtte tidlig opsporing af angst og depression hos hjertepatienter.  

AI-drevet chatbot der besvarer præoperative spørgsmål fra patienter med skjoldbruskkirtelkræft døgnet rundt. 

Rigshospitalets hjerteafdeling vil i samarbejde med Alexandra Instituttet udvikle en algoritme, der kan finde mønstre i sundhedsdata, og dermed gøre behandlingen af patienter med blodprop endnu bedre.  

Signaturprojektet, "Kunstig intelligens til bedre tilrettelæggelse af kræftbehandling", handler om at optimere stråleterapien samt planlægge bedre og mere tilpassede behandlingsforløb for kræftpatienter. Således skal overlevelse og livskvalitet øges, og bivirkninger og senfølger reduceres.

Signaturprojektet, "Reduktion af stråledosis ved skanninger brugt i kræftbehandling", omhandler et AI-system, hvor en patient blev scannet med en lavere stråledosis og i kortere tid, men med en opnåelse af god billedkvalitet. Således kunne man kontrolscanne oftere, uden at patienten påføres en betydelig stråledosis.

Når patienter udskrives fra hospitalet, bruges AI-systemet, Ward Home, til at overvåge deres tilstand i eget hjem. Systemet kan vurdere borgerens tilstand og alarmere det sundhedsfaglige personale, hvis dette bliver nødvendigt.