Fredensborg Kommune bruger generativ AI som digital assistent på kommunens intranet (hosfrede.dk) og hjemmeside (fredensborg.dk). Den generative AI erstatter den traditionelle søgemaskine og svarer på medarbejderes og borgeres spørgsmål med fuld tekst og henvisninger til relevante links og selvbetjeningsløsninger. Systemet forstår og udtrykker sig på 10 forskellige sprog.

EG Netblanket bruges i Brønderslev Kommune til at forenkle og optimere kommunens blankethåndtering. 

MUNI er en AI-drevet chat- og voicebot, der hjælper borgere med kommunale services via hjemmesider og telefon. Systemet bruger generativ AI til at svare på spørgsmål om bl.a. pas, MitID og børnepasning.

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

Promte Chat er en platform, hvor man kan bygge vores egne, digitale assistenter. Det er specialiserede chatbots, som hjælper kommunens medarbejdere med specifikke emner. 

AI-assistent anvendt i danske kommuners KSD-system til at understøtte sagsbehandlere med informationssøgning i lovgivning og systemvejledninger uden at træffe afgørelser.

EKbot er en intern chatbot designet til at assistere medarbejdere med at finde information, generere tekst og meget mere. Den er tilgængelig på Esbjerg Kommunes intranet og bruger intranettets data til at besvare forespørgsler. Chatbotten blev introduceret, da den traditionelle søgemaskine til tider kan være utilstrækkelig på grund af intranettets størrelse. Vi arbejder i øjeblikket på at udvide EKbot med mere specifikke opgaveløsninger.

Signaturprojektet omhandlede en algoritme der kunne understøtte sagsbehandlerens beslutning om, hvorvidt en borger skal bevilliges rengøringshjælp, baseret på data om blandt andet borgerens tilstand, boligforhold og samlever. 

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. 

Digital løsning der identificerer hjemmeplejemodtagere med højest risiko for indlæggelse indenfor 30 dage ved at analysere SOSU-medarbejdernes fritekst observationer med matematiske modeller.