AI-projekt med stöd av Region Stockholms AI-team

Fullständigt projektnamn

AI-stöd för spendanalys och kategorisering inom inköp och upphandling, Regionledningskontoret

Beskrivning

Analys av utgifter och inköp genomförs idag inom kategoristyrt inköp samt upphandling och avtal, med syfte att skapa insikter om inköpsmönster och därigenom möjliggöra mer effektiva strategier. Idag används flera olika upphandlade verktyg i olika organisationer inom regionen, vilket innebär att data hanteras och struktureras på olika sätt. Det försvårar jämförbarhet, transparens och tilliten till analysresultaten.  

Syftet med projektet är att skapa ett AI-verktyg som, oberoende av källa, kan strukturera, harmonisera och omvandla data till ett gemensamt format för analys. Verktyget ska även ge berörda tillgång till konsoliderade data, vilket bidrar till bättre överblick, ökad transparens och stöd för styrning, uppföljning och besparingar i verksamheterna. Målet är också att verktyget ska ersätta de befintliga upphandlade systemen. 

Fullständigt projektnamn

Analys och Scenariohantering av försörjningsflöden, MediCarrier 

Beskrivning

MediCarrier ansvarar för lagerhållning och distribution av sjukvårds- och förbrukningsartiklar samt transporttjänster inom Region Stockholm. Sedan 2021 ansvarar bolaget även för regionens beredskapslager av kritisk skyddsutrustning och kritiska förbrukningsartiklar.

I dagsläget finns ett starkt behov inom verksamheten av en samlad och datadriven analys av flöden, beroenden och nyckelaktörer i hela försörjningskedjan – från producent till slutanvändare – för att stärka planering, prioritering och hantering av störningar.

Syftet med projektet är att undersöka hur en AI-lösning skulle hjälpa till att analysera och visualisera varuflöden över tid, i vissa fall i realtid, samt identifiera nyckelaktörer, beroenden och sårbarheter i försörjningskedjan.  

Fullständigt projektnamn

Prediktion av anhopning på akutmottagningar samt utlokalisering av patienter, Södersjukhusets akutmottagning (SÖS Akuten) och öron-, näs- och halsakutmottagningen vid Karolinska Universitetssjukhuset Huddinge (ÖNH Akuten KS Huddinge) 

Beskrivning

Syftet med projektet är att med hjälp av AI kunna förutse hög belastning på akutmottagningar för att möjliggöra tidiga åtgärder och därigenom minska risken för överbelastning. Lösningen ska kunna stödja preventiva åtgärder inom triagering samt identifiering av tillgängliga vårdplatser inom sjukhusen och därigenom underlätta utlokalisering av patienter när behov uppstår.

Utöver detta finns behov av att inkludera bemanningsperspektivet där AI kan bidra till planering och schemaläggning av personal utifrån förväntad belastning, tillgång till olika nyckelkompetenser samt verksamhetens behov över tid. Det omfattar exempelvis schemaläggning av läkare, sjuksköterskor och andra kritiska funktioner, men även hänsyn till handledningstid och utbildningsinsatser för allmäntjänstgörande (AT) och specialisttjänstgörande (ST) läkare. På så sätt kan lösningen ge ett mer heltäckande stöd för kapacitetsplanering, resursfördelning och patientsäkerhet. 

Fullständigt projektnamn

AI för att kategorisera fritextsvar i den nationella gravidenkäten på Södersjukhuset (SÖS) 

Beskrivning

I dag samlas stora mängder värdefull patientfeedback in genom graviditetsenkäten, men fritextsvaren analyseras och används inte systematiskt. Det innebär att förlossningsvården riskerar att utvecklas utifrån antaganden i stället för faktiska patientupplevelser. På SÖS finns exempelvis stor mängd fritextsvar som innehåller viktig information om behov, risker, förbättringsförslag och upplevelser, men som är svåra att överblicka, söka i och använda i kvalitetsarbete och verksamhetsutveckling.  

Syftet med projektet är att utveckla en AI-baserad lösning som ska stödja personalen genom att automatisera sortering, analys och sammanfattning av stora mängder fritextsvar utifrån relevanta områden, såsom förlossning, eftervård, amningsstöd och liknande delar av vårdkedjan. AI kan också identifiera positiva och negativa upplevelser och därmed ge bättre underlag för verksamhetsutveckling och förbättringsåtgärder. 

Fullständigt projektnamn

AI-stöd för tal-till-text och automatiserad journalföring, Karolinska Sjukhuset (KS) 

Beskrivning

Nuvarande arbetssätt för journalföring inom vården bygger i stor utsträckning på manuell transkribering via medicinska sekreterare. Det innebär ett tidskrävande och till stor del manuellt dokumentationsflöde, vilket medför ökad administrativ belastning och risk för fördröjningar i journalföringen.  

Syftet med projektet är att införa AI-stöd för tal-till-text och automatiserad journalföring för att effektivisera vårddokumentationen, minska manuell hantering och administrativ belastning samt stärka kvaliteten och tillgängligheten i dokumentationen. Lösningen förväntas ge tidsbesparingar och bidra till högre kvalitet i journalföringen.

I detta projekt har Region Stockholms AI-teamet en stödjande funktion genom att bidra med kompetens, sprida lösning samt verka som sakkunniga i upphandlingen.  

Fullständigt namn

Automatiserad schemaläggning av personal och kompetens med stöd av AI på Karolinska Sjukhuset (KS) 

Beskrivning

Dagens schemaplanering av personal på KS är komplex, tidskrävande och till stor del manuell. Planeringen behöver ta hänsyn till många olika faktorer samtidigt, såsom lagar, kollektivavtal, bemanningsbehov, kompetenskrav, individuella önskemål, utbildningsinsatser och återhämtning. Detta gör processen sårbar, svår att överblicka och beroende av omfattande manuell efterbearbetning.

Syftet med projektet är att ersätta dagens komplexa och manuella schemaplanering med en intelligent, datadriven och AI-baserad plattform som samverkar med befintliga system och skapar hållbara, regelriktiga och produktionsklara scheman. Plattformen ska optimera bemanning och kompetens i realtid, stärka patientsäkerheten och samtidigt främja medarbetarnas välmående och inflytande.

I detta projekt har Region Stockholms AI-team en stödjande funktion genom att bidra med kompetens, sprida lösning samt verka som sakkunniga i upphandlingen. 

Fullständigt namn

Projekt OLA (Optimering av Luftburen verksamhet genom Artificiell intelligens), Locum

Beskrivning

Region Stockholms flygambulansverksamhet utgör en viktig del av den prehospitala vården och omfattar ett stort antal flygtimmar varje år. I dagsläget finns flera verksamhetsmässiga systemrelaterade utmaningar inom drift, prioritering och resursplanering.  

Syftet med projektet är att utveckla en AI-lösning som kan bidra till ökad patient- och flygsäkerhet samt minskade kostnader och lägre miljöpåverkan. Lösningen ska ge stöd i framtagandet av beslutsunderlag, information och analyser inför strategiska beslut. Målet är att öka tillgängligheten, möjliggöra snabbare och mer ändamålsenliga patienttransporter, förbättra prioritering och dirigering samt effektivisera planeringen av basstruktur, beredskap och bränslelogistik. Lösningen kan också skapa bättre förutsättningar för systematisk hantering av trötthetsrisker för helikopterbesättningar och därmed ytterligare stärka flygsäkerheten.

Det är ett samarbetsprojekt mellan KTH via Digital Futures och Region Stockholms AI-team.