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-projekt der tester et AI-system til scanningsbeslutningsstøtte og billedanalyse ved MR-scanning af akutte slagtilfælde — med henblik på at fremskynde diagnostik og behandlingsbeslutninger ved apopleksi.

Projekt der anvender deep learning (fully convolutional networks) til automatisk graduering af nethindebilleder og detektion af diabetisk retinopati — trænet på over 35.000 nethindebilleder fra OUH.

Projekt der anvender maskinlæring til automatisk at genkende og klassificere audiogrammønstre i mindst 8–10 af de mest almindelige høretab-subtyper, med henblik på at understøtte klinisk beslutningsstøtte og mulig integration med patientbetjent audiometri (UAud).

AI-projekt der i realtid identificerer områder med cellulære forandringer (dysplasi) i kolposkopivideoer og viser disse som et visuelt overlay til klinikeren — med henblik på mere målrettede biopsier og bedre cervixkræftdiagnostik.

Projekt der udvikler NLP-algoritmer til at identificere tidligere episoder af venetromboembolisme i patienters elektroniske journaler og kombinere disse med en blødningsalgoritme for at understøtte kliniske beslutninger om antikoagulationsbehandling.

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.

Testprojekt der afprøver infrarød sensorteknologi kombineret med AI til forebyggelse af fald blandt ældre patienter med demens på geriatriske afdelinger på Odense Universitetshospital og OUH Svendborg.

AI-system der automatiserer udarbejdelsen af tværsektorielle kommunikationsdokumenter — plejeplaner og udskrivningsbreve — ved patientovergange mellem Odense Universitetshospital og den kommunale plejesektor, ved hjælp af agentic RAG-teknologi.

Projekt der integrerer AI i et eksisterende telemedicinprogram for kronisk syge patienter med henblik på at skifte fra reaktiv til proaktiv behandling — ved tidlig forudsigelse af forværringer og komplikationer, og dermed reducere hospitalsindlæggelser.

Projekt der tester og evaluerer to AI-baserede ambient scribe-løsninger (Corti Assistant og Tandem/Omilon) til automatisk omdannelse af kliniske samtaler til journaldokumentation på syv afdelinger på tværs af hospitaler i Region Syddanmark.

Projektet vil anvende AI-sprogmodeller til at udtrække information fra patientjournaler for at skabe en hurtig og effektiv søgefunktion, der kan finde klinisk viden om patienters sygdomme, symptomer og lignende.

Systemet har til formål at identificere asymptomatiske personer med svær ubehandlet sygdom, som har høj risiko for hjerte-kar-sygdomme.

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.