Karolinska universitetssjukhuset del 2

Fullständigt projektnamn

Implementering, validering och kliniskt användning av AI-RAD: AI-autosegmentering av risk organer för Head and Neck patienter, snart för bröst också.

Beskrivning

Detta projekt använder AI för att automatiskt segmentera riskorgan i bilddata för patienter med huvud- och halscancer, vilket effektiviserar och standardiserar strålbehandlingsplanering.

Projektet använder AI för att upptäcka förmaksflimmer via enkla EKG-mätningar, exempelvis från smarta klockor, vilket kan bidra till att förebygga stroke genom tidig identifiering av riskpatienter.

Studien syftar till att förbättra diagnostik och behandling av traumatisk hjärnskada (TBI) genom AI och bättre urval för röntgen. Målet är att minska onödiga röntgenundersökningar på akuten, använda AI för att snabbare identifiera försämringar hos intensivvårdspatienter, samt förstå varför TBI kan leda till Alzheimers sjukdom på lång sikt.

Fullständigt projektnamn

Regionala chatbotar inom vården - HR, kommunikation samt allmän

Beskrivning 

Chattbotar för HR, kommunikation – och en allmän, utvecklas för att senare komma fler verksamheter till del. 

Projektet kombinerar blodbaserade (BB) och digitala (DB) markörer för tidig diagnostik, riskbedömning och förebyggande av Alzheimers sjukdom (AD). Studier baseras på GEDOC-databasen och internationella kliniska prövningar (t.ex. FINGER, MET-FINGER, LETHE) vid Karolinska universitetssjukhuset. Markörerna testas i multimodala interventioner, inklusive livsstilsförändringar och läkemedel, för att förebygga kognitiv svikt hos äldre med demensrisk.

Fullständigt projektnamn

Digitalisering och implementering av multimodal information vid användning av testbatteri förvärvad språkstörning vid neurodegenerativ sjukdom samt utvärdering av testbatteriet med artificiella neurala nätverk

Beskrivning

Ett långsiktigt mål är att efter implementering samla in data konsekutivt i verksamheten under en viss tidsperiod för att med hjälp av artificiella neurala nätverk utvärdera testbatteriet. Syftet är dels att få en viktning av de individuella testerna för patientgruppen som helhet och därigenom identifiera en grund eller minimal standard som alltid ska ingå, men även för att få en mer fingradig analys av de olika deltestens bidrag till kategorisering av specifika diagnoser.

Fullständigt projektnamn

Optimizing AI integration in breast cancer screening - a randomized clinical trial

Beskrivning

Studien undersöker AI i bröstcancerscreening för att förbättra cancerupptäckt och minska onödiga återkallelser, samtidigt som den hanterar bristen på bröstradiologer. 150 000 deltagare ingår i en tvåårig studie som jämför tre metoder: standard med två radiologer, AI + en radiolog, och en AI-baserad triagemodell. Målet är att öka upptäckten, minska arbetsbelastningen och förbättra screeningens effektivitet.

Fullständigt projektnamn

Mammografiscreening med stöd av AI

Beskrivning

ScreenTrustCAD är en prospektiv studie inom AI-assisterad mammografiscreening, genomförd på Capio S:t Görans Sjukhus med över 55 000 deltagare. Studien visar lovande resultat och har uppmärksammats internationellt, bland annat på RSNA 2022.

Fullständigt projektnamn

Nationell valideringsplattform för AI inom mammografiscreening (VAI-B)

Beskrivning

Projektet utvecklar en nationell plattform för validering av AI-lösningar inom mammografiscreening (VAI-B). Syftet är att säkerställa att AI-system är patientsäkra och effektiva i olika vårdkontexter. Projektet samlar data från flera regioner och AI-företag, och ska bli en grundpelare för kvalitativ AI-validering i svensk sjukvård.

Spinoff-projekt från NEXIS som använder AI-algoritmer för att minska bildbrus och förbättra bildkvaliteten i angiografi, med syftet att möjliggöra snabbare och mer exakt diagnostik vid stroke.