Danmark som førende HealthTech-nation

Vi skal tænke nyt sammen til gavn for borgerne, sundheden og Danmark

Danmark som førende HealthTech-nation

HealthTech til gavn for borgerne

Dansk Industri og Danske Regioner inviterer til et bredt samarbejde om HealthTech, som skal resultere i, at sundhedsinnovation kommer i fokus på sygehusene, i virksomhederne, på forskergangene og i startups.

Med et digitalt sundhedsvæsen, en digitaliseringsparat befolkning og en innovativ life science- og tech-industri har Danmark et unikt potentiale for at blive førende inden for HealthTech. Med satsningen HealthTech:DK skal Danmark udvikle næste generation af digitale løsninger til gavn for sundhedsvæsenet og industrien, og med borgeren i centrum.

Regionerne satser på HealthTech-løsninger baseret på kunstig intelligens!

I forbindelse med kommunerne og regionernes økonomiaftale for 2020 besluttede regeringen, KL og Danske Regioner at igangsætte 15 signaturprojekter til afprøvning af kunstig intelligens i kommuner og regioner. Ud af de 15 projekter er de 8 regionale.

Signaturprojekterne skal afprøve kunstig intelligens på områder, hvor der er et potentiale for at løfte kvaliteten og kapaciteten i fremtidens offentlige sektor gennem skalering af teknologien, men hvor der i dag er få konkrete erfaringer. Projekterne skal give erfaringer med anvendelse af teknologien i den borgernære service såvel som i administrationen, for at udnytte de muligheder teknologien giver, men samtidig også blive klogere på teknologiens begrænsninger og udfordringer. 

Du kan læse mere om projekterne herunder. 

AI signaturprojekter

Projektbeskrivelser

Beskrivelse

Projekt DESERT træner et kunstig intelligensbaseret beslutningsstøttesystem til bedre at opdage kritisk tilstand hos akutte patienter og rangordne sandsynlighed for en række hyppige livstruende tilstande på basis af diagnostiske blod og urin analyser.

På de patienter, som kommer ind på akutmodtagelserne og vurderes at være i en potentielt kritisk tilstand, vil der i forsøgsperioden udføres cirka 100 kritiske biokemiske og mikrobiologiske analyser under 60 minutter efter ankomst. På basis af data fra patientens tidligere forløb trænes et beslutningsstøttesystem via maskinlæring til, at klassificere patienter i forhold til kritiske parametre og herunder sandsynlighed for de femten mest kritiske diagnoser og infektioner.

På kort sigt er forventningen, at projektet vil betyde færre dødsfald via blandt andet reduceret antal patienter med sepsis (blodforgiftning) og antal patienter indlagt på intensivafdelingen, reduceret liggetid, samt antal genindlæggelser. På længere sigt vil det potentielt kunne udføres på patienter i almen praksis, og derved give mulighed for bedre at skelne mellem indlæggelseskrævende og ikke-kritiske patienter uden behov for indlæggelse.

Organisering

Projektet gennemføres i et samarbejde mellem Sygehus Lillebælt, SAS Institute, og Region Syddanmark. Projektets resultater valideres i et samarbejde med blandt andet Odense Universitetshospital, Oslo Universitetshospital, Karolinska Universitetshospital. Der er således tale om en konstellation af leverandører med faglig tyngde og adgang til data, erfaringer og arbejdsgange. Sygehus Lillebælt vil eje og drive projektet og sikre at de løsninger, der frembringes, løbende afprøves og kvalificeres.

Økonomi

Projektet modtager 8,7 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra ultimo 2019 til ultimo 2022.

Beskrivelse

Projektet vil anvende kunstig intelligens i almen praksis som et redskab til at udvikle og fremme datadreven kvalitetsudvikling i sektoren. De udviklede algoritmer skal fx assistere med automatisk håndtering af indkomne prøvesvar, hvor nærmere uddybelse af prøvesvaret er unødvendig. Algoritmerne kan også være behjælpelige ved sortering af blodprøvesvar ved markering af vigtige udfald, som lægen skal være særligt opmærksomme på og hurtig tage stilling til.

Dette projekt udarbejder en model for anvendelse af kunstig intelligens i almen praksis, som kan bidrage til kvalitetsudvikling samt afhjælpe/lette de praktiserende lægers travle hverdag med tunge mængder af information.

Projektet vil skabe forudsætningerne for en kvalitetsoptimering, hvor de fleste borgere første gang møder sundhedsvæsnet. Smarte løsninger kan understøtte hurtigere prøvesvar til patienterne og frigøre mere tid til patienterne. Derudover vil projektet udvikle et beslutningsstøtteværktøj til tidligere diagnosticering af fx vanskelige eller sjældne diagnoser.

Organisering

Projektet gennemføres i et samarbejde mellem MedCom, Region Nordjylland samt Aalborg Universitet og klyngerne af praktiserende læger i Nordjylland.

Projektet forankres i MedCom, som ejer og driver projektet og sikrer fremdrift samt opsamling på projektets resultater.

Økonomi

Projektet modtager 8 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra ultimo 2019 og til medio 2021.

Beskrivelse

Årligt registreres der cirka 25.000 KOL-relaterede indlæggelser i Danmark, hvor exacerbationer (sygdomsforværring der leder til medicinsk behandling)er den primære årsag. Exacerbationer er associeret med en øget dødelighed samt forringet prognose, lungefunktion og helbredsrelateret livskvalitet.

En anden hyppig årsag til indlæggelser er hjertesvigt, som estimeres at føre til cirka 11.000 årlige indlæggelser i Danmark. Hjertesvigt betragtes som en stor folkesundhedsmæssig udfordring med store økonomiske udgifter.

Hos TeleCare Nord arbejder man på en løsning baseret på kunstig intelligens, der kan styrke de telemedicinske løsninger omkring KOL- og efterfølgende hjertesvigtpatienter. Løsningen skal hjælpe med at finde KOL-patienterne, før exacerbationer leder til en indlæggelse, og så en tidlig behandling kan indsættes. På baggrund af disse erfaringer er en løsning baseret på kunstig intelligens med sigte på hjertesvigtpatienter under udvikling, og vil kunne testes i det eksisterende setup. Projektet indeholder desuden en analyse om, hvorvidt løsningen kan bidrage til at mindske ulighed i sundhed med fokus på sårbare patienter.

Succesfuld prædiktion af patienter med risiko for exacerbationer eller hjertesvigt kan reducere indlæggelser og føre til forbedret livskvalitet for patienten. Patienten vil samtidig kunne få et bedre behandlingsforløb. Derudover vil projektet give et styrket privat og offentligt samarbejde om udviklingen af fremtidige telemedicinske løsninger samt et anseeligt besparelsespotentiale i kommuner og regioner.

Organisering

Projektet gennemføres i et samarbejde mellem TeleCare Nord, Region Nordjylland samt Aalborg Universitet og Aalborg Kommune. Projektet forankres i regi af TeleCare Nord i Region Nordjylland, som ejer og driver projektet og sikrer fremdrift samt opsamling på projektets resultater.

Økonomi

Projektet modtager 3,9 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til ultimo af 2022.

Beskrivelse

Projektet arbejder med realtidsprognoser igennem kunstig intelligens samt målrettet præsentation af essentielle informationer for det sundhedsfaglige personale inden for de eksisterende dataetiske rammer. Formålet er at udvikle en intelligent løsning, der kan støtte op om håndteringen af kritiske situationer og ressourcepres, og derigennem opnå en stærkere planlægning af patientforløb på hospitalet og i kommunalt regi til gavn for den enkelte patient.

Under det nationale big data forskningsprojekt, DABAI, arbejder Regionshospitalet Randers på at skabe en løsning, der kan præsentere det sundhedsfaglige personale for central information om belægningssituationen på hospitalets afdelinger kombineret med prognoser om den nære fremtid for denne på både afdelings- og patientniveau.

På hospitalsniveau skal løsningen understøtte optimeret og proaktiv tilgang til ressourceplanlægning. Fx ved prognoser af indlæggelsestiden på patientniveau, hvilket understøtter optimal udnyttelse af sengekapaciteten. På patientniveau handler det om bedre forløbsplanlægning og stærkere dialog med patienten. Dialogen kan fx understøttes af en prognose over risikoen for genindlæggelse og kan benyttes til at inddrage patienten mere aktivt i behandlingsforløbet. Dette vurderes særligt relevant i forhold til ældre patienter med behov for ekstra pleje i kommunalt regi efter indlæggelse, hvor de nye løsninger kan styrke det tværsektorielle samarbejde om patienten og forhindre unødvendige genindlæggelser.

Organisering

Projektet kører under det nationale Big Data forskningsprojekt DABAI, hvor Region Midtjylland og Regionshospitalet Randers samarbejder med Systematic om løsningen.

Regionshospitalet Randers vil eje og drive projektet og sikre, at de konkrete løsninger, der frembringes, løbende afprøves og kvalificeres.

Økonomi

Projektet modtager 1,6 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra ultimo 2019 til ultimo af 2020.

Beskrivelse

Danmark er nået langt inden for behandling af tarmkræft, men én ud af fire patienter, der gennemgår tarmkræftkirurgi, får komplikationer inden for de første 30 dage efter operationen. Derudover får én ud af tre patienter tilbagefald inden for de første par år efter operationen. I Region Sjælland vil man med patienten i centrum udvikle en løsning baseret på kunstig intelligens i regi af DTUs life science computercenter til at vælge den rigtige behandling, på det rigtige tidspunkt, for derigennem at forbedre det kirurgiske behandlingsforløb for tarmkræftpatienter.

Regionen vil etablere en ’patients-like-me’ platform på tarmkræftområdet som klinisk beslutningsstøtteværktøj, baseret på eksisterende anonymiserede registerdata på over 55.000 sygdomsforløb over de sidste cirka 20 år. Formålet med projektet er at anvende kunstig intelligens til at identificere højrisikopatienter før de kirurgiske indgreb, så behandlingsforløbet tilpasses, og man reducerer risikoen for komplikationer eller genindlæggelser. Ved at anvende kunstig intelligens kan man forudsige, hvor stor sandsynlighed der er for, at en patient har en komplikation efter en operation, samt hvor stor en sandsynlighed der er for, at patienten bliver genindlagt.

For den enkelte patient er det en stor gevinst at undgå komplikationer og genindlæggelser efter tarmkræftkirurgi og derved sikre optimale forudsætninger for at blive rask. Desuden vil dokumentation af effekten af ovenstående værktøj potentielt kunne have indvirkning på andre specialer, der også har en målsætning om at anvende personlig medicin til behandling af kirurgiske patienter.

Organisering

Projektet ejes og drives af Region Sjællands Universitetshospital, hvor forskerne og projektet kører under eliteforskningskonsortiet EPeOnc i samarbejde med KU, DTU samt andre regioners hospitaler.

Økonomi

Projektet modtager 7,7 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra andet ultimo 2019 til primo 2023.

Beskrivelse

På Rigshospitalet arbejder en bred forskergruppe på at anvende kunstig intelligens på anonymiseret journaldata og registerdata i et forsøg på at planlægge bedre behandlingsstrategier for kræftpatienter. Cirka 40.000 borgere får årligt stillet diagnosen ’kræft’ for første gang. Med redskaberne inden for kunstig intelligens bliver det muligt at drage dybere indsigt på baggrund af historiske journal- og registerdata og planlægge bedre behandlingsforløb, og derved skabe stor værdi for både patient og sundhedsfagligt personale.

Projektet har to centrale elementer, hvor det ene fokuserer på at risikostratificere kræftpatienter i forhold til omfanget af interventionen, mens det andet handler om at optimere stråleterapien i forhold til eksponeringen af kroppens organer. I begge projekter er der et opmærksomhedspunkt på de juridiske og etiske udfordringer fx vedrørende databehandling af journal- og registerdata.

Gruppen af forskere er sammensat, så den repræsenterer både det diagnostiske og behandlingsmæssige element, den operative situation samt tilrettelæggelsen af den systemiske kemoterapi.

Igennem anvendelse af kunstig intelligens vil projektet kunne målrette indsatsen, involvere patienter og pårørende samt reducere omkostninger gennem muligheden for at anvende ressourcerne på en mere hensigtsmæssig måde. Projektet sigter mod at kunne udregne en mere præcis og risikobaseret behandlingsstrategi for den enkelte patient og dermed øge overlevelse, livskvalitet og reducere de bivirkninger og senfølger, der kan opstå i forbindelse med en kræftbehandling.

Organisering

Projektet kører ved Rigshospitalet, der også er ejer af projektet. Det er ligeledes Rigshospitalet der driver projektet og sikrer, at opsamling af viden og resultater løbende afprøves og kvalificeres.

Økonomi

Projekt modtager 2,7 mio. kr. fra investeringsfonden for nye teknologier og digitalise velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til ultimo 2022.

Beskrivelse

Langt de fleste patienter med prostatacancer bliver opdaget i et tidligt stadie, hvor canceren stadig er afgrænset til prostata. Mange patienter med prostatacancer har ikke behov for en regulær operation for at sikre deres overlevelse, men kan nøjes med mindre indgribende og mere skånsom behandling. Ved operationer er almindelige bivirkninger impotens eller inkontinens, hvilket vil kunne reduceres.

Med henblik på at reducere alvorlige bivirkninger arbejder Odense Universitetshospital med et projekt, hvor kunstig intelligens skal hjælpe til bedre at forstå dannelsen af metastaser ved prostatacancer i forhold til dødelighed og behandlingsbehov, og i forlængelse heraf at udvikle et beslutningsstøtteværktøj, der kan understøtte den lægefaglige vurdering af, hvilke patienter der har behov for en operation.

Projektet anvender kunstig intelligens til at observere, analysere og bearbejde større datasæt fra patienters respektive sygdomshistorie, og herigennem søges det at forudsige cancer- og sygdomsforløb i forhold til prostatacancer. Det forventes, at metoden på sigt kan udvides til andre kræft- og sygdomsområder. Projektet anvender eksisterende data omkring diagnoser, billeddiagnostiske data samt biokemiske og mikrobiologiske data.

Projektet vil inddrage patientperspektivet undervejs, når patienten fx forelægges den lægelige vurdering.

Organisering

Projektet kører ved Odense Universitetshospital med snitflader ind i sundhed.dk, sundhedsdatastyrelsen samt systemleverandør med flere.

Odense Universitetshospital ejer og driver projektet og sikrer, at de konkrete løsninger, der frembringes, løbende afprøves og kvalificeres.

Økonomi

Projektet modtager 5,0 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra ultimo 2019 til primo 2022.

Beskrivelse

PET-skanning benyttes til diagnostik af en lang række lidelser, herunder kræftsygdomme, hjertesygdomme, demens og andre hjernesygdomme. For at optage et PET-billede sprøjtes et radioaktivt mærket sporstof ind i kroppen, hvor der er en klar sammenhæng mellem mængden af det radioaktive stof og skarpheden af skanningsbillederne. Formålet med projektet er at udvikle en ny metode til efterbehandling af billederne baseret på kunstig intelligens, der kan reducere mængden af støj i billeder optaget med lavere dosis og/eller kortere skanningstid, så skanningsbillederne fortsat kan bruges diagnostisk.

Projektet udvikler en algoritme på baggrund af skanningsbilleder foretaget med henholdsvis normalt og nedsat mængde af sporstof, hvor algoritmen kan forudsige billedet skabt med den fulde dosis sporstof ved brug af den nedsatte dosis. Resultaterne og metoden vil herefter blive søgt valideret på specifikke kliniske områder inden for demens, hjertesygdom og kræftsygdom. Data bliver håndteret i Rigshospitalets kliniske systemer. Det er anonymiseret billeddata, der bliver brugt under modeltræningen, mens den færdige algoritmemodel ikke anvender henførbare data.

En lavere stråledosis betyder mindre risiko for senere at udvikle kræft relateret til PET-skanningen. For specielt demenspatienter kan den nedsatte skanningstid endda betyde bedre kvalitet af skanningerne, da mindre bevægelse alt andet lige vil forekomme. Reduceret dosis vil også betyde mindre omkostninger til sporstof-fremstilling.

Organisering

Projektet kører ved Rigshospitalet, der også er ejer af projektet. Det er ligeledes Rigshospitalet der driver projektet og sikrer, at opsamling af viden og resultater løbende afprøves og kvalificeres.

Økonomi

Projektet modtager 2,5 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra ultimo 2019 til ultimo 2021.

Video

Nye teknologiske muligheder i sundhedsvæsenet

Anvendelsen af nye teknologiske muligheder i sundhedsvæsenet er i en rivende udvikling med bl.a. kunstig intelligens, robotteknologier, droner m.v. Hvilke muligheder venter forude, og hvilken betydning får det for fremtidens sundhedsvæsen? Muligheder og udfordringer, der alle bliver berørt i denne informationsvideo.

Få et indblik i regionernes arbejde med brugen af nye HealthTech-løsninger i sundhedsvæsenet i 10 gode eksempler på brugen af ny sundhedsteknologi.

Kontakt

Hvis du vil vide mere

sine mainz 2.png
Kontakt

Hvis du vil vide mere

SVO.png
relaterede nyheder

Læs mere