Karolinska universitetssjukhuset del 5

Projektet utvecklar AI-lösningar för flera datatyper (röntgen, patologi, genomik) i en multi-omic-approach och fokuserar på att tidigt involvera kliniska användare genom så kallad "beta-testning" av verktygen i vårdmiljö.

Projektet använder AI för bildtolkning inom patologi för att förbättra diagnostik och prognostik, samt effektivisera patologers arbetstid.

Projektet syftar till att använda AI för att förbättra differentialdiagnostikens träffsäkerhet och effektivitet. Målet är att minska felaktig diagnos och behandling, sänka vårdkostnader samt öka patientnöjdhet och behandlingsresultat.

Projektet dAIbetes utvecklar en federerad plattform för att skapa integritetsbevarande virtuella tvillingar. Syftet är att förbättra individanpassade prognoser och behandling vid typ 2-diabetes, samt öka effektiviteten i vården och minska kostnader.

TEF-Health är ett EU-finansierat projekt som bygger ett ekosystem för AI och automation inom hälso- och sjukvården. Det leds av forskare från KI, CIR, SciLifeLab och RISE och syftar till att påskynda införandet av AI- och robotiklösningar i vården.

Projektet syftar till att använda AI för att förbättra ePed, ett nationellt beslutsstöd för barns läkemedelsanvändning, som utvecklats vid Astrid Lindgrens Barnsjukhus. AI kan automatisera uppdateringar och generering av läkemedelsinformation, vilket ökar säkerheten och minskar risken för doseringsfel. Genom integration med nationella journalsystem kan detta projekt bidra till säkrare läkemedelshantering inom barnsjukvården och potentiellt expandera internationellt med språköversättning.

Fullständigt projektnamn

Risktratifiering bröstcancer - patologi - "Stratipath"

Beskrivning

Lösning för AI-baserad precisionsmedicinsk bildanalys för riskindelning av bröstcancerpatienter. Syftet med forskningen har varit att med AI-baserad bilddiagnostik dels öka kvaliteten och hastigheten inom cancerdiagnostiken, dels erbjuda ett kostnadseffektivt alternativ till de molekylära analyser som i dag används i allt större omfattning inom precisionsdiagnostik för att avgöra vilken behandling patienten ska få utifrån tumörens aggressivitet.

Fullständigt projektnamn

Systems level immunomonitoring of patients at Astrid Lindgren's Childrens Hospital

Beskrivning

Studien använder precisionskartläggning av immunceller och proteiner för att förstå immunsystemets utveckling och sjukdomsmekanismer. Tekniken tillämpas i ISAC- och SAID-studierna för att optimera behandling av barn med solida tumörer och immundysreglering. Målet är att förbättra precisionmedicin, förutsäga behandlingssvar och utveckla nya terapier.

Generera syntetiska DT bilder för dosplanering, och en annan som autosegmenterar risk organ