Signaturprojektet, "AIR", omhandler kunstig intelligens, der skulle give borgerne den træning, som de med størst sandsynlighed fik mest ud af. Dermed var projektet både forebyggende og rehabiliterende.

Signaturprojektet fokuserede på en algoritme, der skulle sikre en mere ensartet og hurtigere visitation af genoptræningsforløb. Algoritmen kan understøtte hele processen, fra modtagelsen af en genoptræningsplan fra hospitalet, til visitering af borgeren så de hurtigere kan starte deres genoptræning efter indlæggelse.  

Signaturprojektet, "PLAI" (Planlægning med Kunstig Intelligens) eller "Øget kontinuitet i ældreplejen ved hjælp af kunstig intelligens", var et initiativ der sigtede mod at forbedre ældreplejen ved hjælp af kunstig intelligens-baseret planlægning.

Projektet undersøgte, hvordan kunstig intelligens kan hjælpe med at forebygge forværringer hos patienter med KOL eller hjertesvigt ved tidlig opsporing og intervention. 

Signaturprojektet, Kunstig intelligens i almen praksis, havde til formål at undersøge, hvordan kunstig intelligens kan reducere arbejdsbyrden og forbedre behandlingskvaliteten i almen praksis gennem mere effektiv dataudnyttelse. Projektet fokuserede på at etablere en sikker juridisk og teknisk infrastruktur, der muliggør udvikling af AI-algoritmer. 

AI-drevet chatbot der besvarer præoperative spørgsmål fra patienter med skjoldbruskkirtelkræft døgnet rundt. 

Signaturprojektet, "Kunstig intelligens til bedre tilrettelæggelse af kræftbehandling", handler om at optimere stråleterapien samt planlægge bedre og mere tilpassede behandlingsforløb for kræftpatienter. Således skal overlevelse og livskvalitet øges, og bivirkninger og senfølger reduceres.

Signaturprojektet, "Reduktion af stråledosis ved skanninger brugt i kræftbehandling", omhandler et AI-system, hvor en patient blev scannet med en lavere stråledosis og i kortere tid, men med en opnåelse af god billedkvalitet. Således kunne man kontrolscanne oftere, uden at patienten påføres en betydelig stråledosis.

Rigshospitalets hjerteafdeling vil i samarbejde med Alexandra Instituttet udvikle en algoritme, der kan finde mønstre i sundhedsdata, og dermed gøre behandlingen af patienter med blodprop endnu bedre.  

DESERT-projektet gik ud på at udarbejde et beslutningsstøttesystem til brug i akutmodtagelsen. Systemet beregner sandsynligheden af forskellige hyppige livstruende tilstande på baggrund af blod- og urinanalyser. 

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. 

HospiBot er en robot, som har til formål at støtte og aflaste personalet på hospitaler.