Signaturprojektet "Kvalitetsudvikling med patienten i fokus. Realtidsprognoser og essentiel information til klinikere (DABAI)" var et projekt som brugte kunstig intelligens til at støtte sundhedsfagligt personale med realtidsprognoser og essentiel information. 

Signaturprojektet, "+PrioKritisk", er en AI-baseret algoritme udviklet til at forudsige opståen og forværring af akut kritisk sygdom hos indlagte patienter. Projektet sigter mod at forbedre tidlig opsporing og behandling af tilstande som blodforgiftning, akut nyre- og lungesygdom. 

AI-systemet er et værktøj med det formål at nedbringe antallet af patienter, der udebliver fra deres aftaler.  

Signaturprojektet "Kunstig intelligens til understøttelse af visitation af henvisninger fra almen praksis" er et samarbejde mellem Region Sjælland og Region Hovedstaden. Projektet har til formål at optimere håndteringen af henvisninger fra praktiserende læger til sygehusvæsenet ved hjælp af kunstig intelligens. 

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.

Signaturprojektet omhandler en forudsigelse af sandsynligheden for, at en specifik tarmkræftspatient får en komplikation i forlængelse af en operation. Behandlingsforløbet kan dermed tilpasses på forhånd, hvilket reducerer risikoen efter operationen.

Machine learning-baseret prædiktionssystem udviklet ved Aarhus Universitet og Region Midtjylland til forudsigelse af kliniske udfald i psykiatrien for at forbedre behandling og patientresultater.

Signaturprojektet "Tidlig opsporing af begyndende sygdom med data fra eksisterende systemer" blev udviklet i Køge Kommune. Formålet var at skabe et beslutningsstøtteværktøj til tidlig opsporing af sygdom hos ældre i den kommunale pleje ved hjælp af kunstig intelligens. 

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.

Signaturprojektet omhandler optimering af drift og styring af en flåde af køretøjer eller enheder i den offentlige sektor. Ved at analysere data og køre simuleringer på allerede kørte ruter, kan systemet hjælpe med at spare tid, penge og CO2-udledning.

Signaturprojektet, "Kunstig intelligens til forebyggelsen af underernæring og indlæggelse af ældre", havde til formål at udvikle et værktøj baseret på kunstig intelligens til at identificere og forebygge underernæring blandt ældre patienter, med det ultimative mål at reducere akutte sygehusophold. 

Signaturprojektet arbejder med at implementere kunstig intelligens i psykiatrien for at forbedre tidlig diagnosticering af skizofreni og bipolar sygdom. 

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.