Systemet skal kunne identificere bakterier som potentielt er sygdomsfremkaldende.

Projektet vil udvikle og teste et AI-system til automatiseret journaloptag for videosamtaler.

Ento.ai anvendes til dataindsamling og analyser af energiforbrug i kommunale bygninger med henblik på energistyring og optimering.

Der blev i samarbejde med Fellowmind udviklet en AI-assistent, der kan anvendes af medarbejdere til at finde svar på spørgsmål ifm. fritidstilbud mv. Dette var en POC, som havde til formål at undersøge hvad det kræver at bygge en AI-assistent fra bunden. FritidsGPT er bygget på en RAG-opsætning, som sikrer, at vi kan kvalitetssikre de data, den vurderer sorteringen ud fra.

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 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).

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.

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.

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

Projektet undersøger den potentielle gevinst ved at anvende kliniske støttealgoritmer baseret på maskinlæring til at assistere læger i akutmedicinske modtageafsnit.