Med hjälp av artificiell intelligens, AI, går det att till exempel tidigt förutse hjärtsjukdomar hos enskilda och vilka patienter på sjukhus som löper risk att få bakterieinfektioner. Vinnova finansierar nu flera projekt som ska utveckla nya lösningar inom hälsa, vård och omsorg med hjälp av AI.

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 i en kommentar.

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, Gävleborgs läns landsting, Gävle sjukhus, Cardiolund research A. Projektet ska utveckla ett AI-baserat system som möjliggör tidig upptäckt av hjärtsjukdomar.
• Utvärdering av system för tidig detektion av sepsis med skalbar AI-tjänsteplattform, Linköpings universitet, Rise sics east, Östergötlands läns landsting. Målet är ett IT-stöd som kan övervaka och förutse vilka patienter på sjukhus som löper risk för bakteriella infektioner.
• Datorseende för gradering av hudsjukdomar, Eigenvision, Skånes universitetssjukhus, Chalmers tekniska högskola. 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.
• Anpassningsbar AI för automatisk segmentering inom radioterapi, Västerbottens läns landsting, Elekta instrument, Peltarion solutions. Projektet ska bidra till effektivisering av vården genom att automatisera segmentering för tumör och riskorgan i bäckenområdet, vilket innefattar prostata-, livmoderhals- och ändtarmscancer.
• Improving medication adherence through person centered care and adaptive interventions, Högskolan i Halmstad, Hallands läns landsting, Affecto Sweden. 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.
• Medicinsk uppföljning efter barncancer- individanpassning och identifiering av nya riskgrupper, Lunds universitet, Region Skåne, Sics Sweden, Climber. Projektet ska presentera individanpassade uppföljningsråd utifrån barncanceröverlevares behandlingsdata och med AI identifiera nya riskgrupper bland barncanceröverlevare.
• Algoritm för bildigenkänning som beslutsstöd för tidig upptäckt av malignt melanom, Gnosco, Kungliga tekniska högskolan, Karolinska sjukhuset. Projektet ska utveckla och implementera ett beslutsstöd som bidrar med diagnosförslag till primärvårdsläkare och sköterskor vid bedömning av misstänkta pigmentförändringar.
• Maskininlärningsbaserat beslutsstöd vid Sjukvårdens larmcentral, Akademiska sjukhuset – Ambulanssjukvården, Uppsala universitet, Alecom. Målet är att utveckla och implementera ett individanpassat beslutsstöd för att kunna fastställa ambulans- och akutvårdsbehovet hos multisjuka patienter.