Artificiell intelligens kan förutse sjukdomar

Projekten får finansiering i en satsning Vinnova gör för att med hjälp av artificiell intelligens förbättra folkhälsan, vården och omsorgen.

- Användning av artificiell intelligens kan bland annat ge tidigare och säkrare diagnostik och bättre behandlingar. Vi ser också möjligheter till innovationer som kan bli framtida exportframgångar för svenska företag. Därför är det viktigt att Sverige ligger i framkant inom det här området, säger Linda Swirtun, ansvarig för utlysningen på Vinnova.

Åtta projekt får finansiering med sammanlagt 21 miljoner kronor. I projekten samarbetar företag, offentlig verksamhet och universitet i olika konstellationer:

AI-baserad EKG-uppföljning och utfallsprediktion, Coala-Life AB, Gävleborgs läns landsting, Gävle sjukhus, Cardiolund Research A
Bidrag från Vinnova: 1,2 miljoner
Projektet ska utveckla ett AI-baserat system som möjliggör tidig upptäckt av hjärtsjukdomar.
Projektledare: Philip Siberg, Coala Life

Utvärdering av system för tidig detektion av sepsis med skalbar AI-tjänsteplattform, Linköpings universitet, RISE SICS EAST AB, Östergötlands läns landsting
Bidrag från Vinnova: 2,8 miljoner
Målet är ett IT-stöd som kan övervaka och förutse vilka patienter på sjukhus som löper risk för bakteriella infektioner.
Projektledare: Magnus Bång, Linköpings universitet

Datorseende för gradering av hudsjukdomar, Eigenvision AB, Skånes Universitetssjukhus, Chalmers tekniska högskola
Bidrag från Vinnova 800 000
Projektet ska utveckla en mjukvara för mobila enheter som kan användas av läkare för att automatiskt gradera en hudsjukdom och följa dess utveckling över tid.
Projektledare: Olof Enqvist, Eigenvision

Anpassningsbar AI för automatisk segmentering inom radioterapi, Västerbottens läns landsting, Elekta Instrument AB, Peltarion Solutions AB
Bidrag från Vinnova: 5,2 miljoner
Projektet ska bidra till effektivisering av vården genom att automatisera segmentering för tumör och riskorgan i bäckenområdet, vilket innefattar prostata-, livmoderhals- och ändtarmscancer.
Projektledare: Simon Lindgren, Västerbottens läns landsting

Improving Medication Adherence through Person Centered Care and Adaptive Interventions, Högskolan i Halmstad, Hallands läns landsting, Affecto Sweden AB
Bidrag från Vinnova: 3 miljoner
Projektet syftar till att öka följsamheten hos patienter med högt blodtryck genom en AI-agent som stödjer läkaren och patienten att gemensamt förstå individuella riskfaktorer och utforma en interventionsplan.
Projektledare: Slawomir Nowaczyk, Högskolan i Halmstad

Medicinsk uppföljning efter barncancer- individanpassning och identifiering av nya riskgrupper, Lunds universitet, Region Skåne, SICS Sweden AB, Climber AB
Bidrag från Vinnova: 2,5 miljonerProjektet ska presentera individanpassade uppföljningsråd utifrån barncanceröverlevares behandlingsdata och med AI identifiera nya riskgrupper bland barncanceröverlevare.
Projektledare: Helena Linge, Lunds universitet

Algoritm för bildigenkänning som beslutstöd för tidig upptäckt av malignt melanom, Gnosco AB, Kungliga tekniska högskolan, Karolinska sjukhusetBidrag från Vinnova: 1,3 miljoner
Projektet ska utveckla och implementera ett beslutsstöd som bidrar med diagnosförslag till primärvårdsläkare och sköterskor vid bedömning av misstänkta pigmentförändringar.
Projektledare: Daniel Eliasson, Gnosco AB

Maskininlärningsbaserat beslutsstöd vid Sjukvårdens Larmcentral, Akademiska sjukhuset – Ambulanssjukvården, Uppsala Universitet, Alecom AB
Bidrag från Vinnova: 3,9 miljoner
Målet är att utveckla och implementera ett individanpassat beslutsstöd för att kunna fastställa ambulans- och akutvårdsbehovet hos multisjuka patienter.
Projektledare: Douglas Spangler, Akademiska sjukhuset