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.

Pondoo bruger avanceret AI-teknologi til at forbedre besøgsplanlægningen i hjemmeplejen med kunstig intelligens. Systemet optimerer ruteudlægning og minimerer køretid, samtidig med at det prioriterer kontinuitet og matcher personale med kompetencer til borgernes behov. Understøtter kvalitetsfuld og effektiv omsorg.

Digital platform til individuelt tilpasset styrketræning for ældre borgere i hjemmeplejen. Systemet består af elektroniske træningsprogrammer med screeninger, der dynamisk tilpasser sig borgernes funktionsniveau.

Teton er et AI-baseret sensormoniteringssystem til faldforebyggelse og patientovervågning på hospitaler og plejehjem. Systemet bruger sensorer monteret i loftet til at registrere patienters bevægelser og aktivitetsniveau, og advarer personalet ved forhøjet faldrisiko eller uhensigtsmæssige hændelser. 

Integration af OpenAI-baseret sprogmodel i TopDesk, der understøtter IT-supportmedarbejdere i hurtigt at finde relevante løsninger i vidensdatabasen til brugernes IT-problemer.

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 skal fungere som en ekstra kollega og hjælpe medarbejdere med at træffe beslutninger i ældreplejen.

Et ML/AI-baseret system til forbedring af nøjagtigheden i budgetprognoser og økonomistyringsrapportering ved at berige interne data med eksterne data fra EU.

HolgerBæk er en digital assistent integreret i Holbæk Kommunes intranet med det formål at forbedre medarbejdernes adgang til information og støtte, hvilket skal lette deres daglige arbejde. 

Nationalt lægemiddelovervågningssystem der anvender AI og big data til real-time detektion og analyse af lægemiddelbivirkninger på danske hospitaler og i primærsektoren.

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, "aEye", har til formål at styrke behandlingen af borgere med øjensygdommen, aldersrelateret makuladegeneration (AMD), ved hjælp af kunstig intelligens. 

Signaturprojektet "Bedre diagnostik af gravide ved hjælp af kunstig intelligens" har til formål at udvikle en løsning, som skal forbedre kvaliteten af ultralydsskanninger af gravide for derved at øge evnen til at forudsige komplikationer.  

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.

Forskningsprojekt der udvikler ansvarlig kunstig intelligens til beslutningsstøtte ved akuttelefonen 1813 med henblik på at forbedre triagering, patientsikkerhed og ressourceanvendelse.

Region Hovedstadens Akutberedskab har i samarbejde med virksomheden Corti udviklet en løsning, der ved at lytte med, når en borger ringer til akutnummeret 112, kan hjælpe de sundhedsfaglige medarbejdere med at identificere symptomer på hjertestop, som måske ellers ikke opdages i telefonen. 

Signaturprojektet, SmartChest, omhandlede et system, der analyserede og sorterede røntgenbilleder af brystkassen ud fra, om de viste tegn på sygdom eller ej. Dermed kunne radiologerne koncentrere sig om de røntgenbilleder, hvor patienten fejlede noget.

Når en gravid person ringer til fødeafdelingen, skal kunstig intelligens hjælpe jordemoderen med at vurdere, om den gravide person skal indlægges på hospitalet til klinisk vurdering, eller om vedkommende kan blive hjemme.  

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. 

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.