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. 

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.

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 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. 

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. 

Systemet analyserede røntgenbilleder af knæ for slidgigt og udarbejdede et udkast til en radiologisk rapport, som gav lægen et udgangspunkt for behandlingen. Dette skulle gøre behandlingen hurtigere, bedre og mere ensartet.