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. 

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. 

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.

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. 

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. 

HjerteRo er en datadreven prædiktionsmodel, der skal understøtte tidlig opsporing af angst og depression hos hjertepatienter.  

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. 

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, "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, "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. 

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.

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.