Signaturprojekter med kunstig intelligens i kommuner og regioner

Beskrivelse

Projektet SmartChest udvikler og validerer et beslutningsværktøj baseret på kunstig intelligens, som skaber høj diagnostisk sikkerhed og ensretter beskrivelser af røntgen af lungerne.

Røntgen af lungerne er den undersøgelse, der produceres flest af på de radiologiske afdelinger. Alene på Herlev/Gentofte og Frederiksberg/Bispebjerg Hospital blev der i 2019 udført ca. 77.000 røntgenundersøgelser af lunger.

Stigningen i røntgenbilleder modsvares ikke i antallet af radiologer. Patienter risikerer derfor at få suboptimal behandling, når undersøgelserne vurderes af en behandlende læge, der ofte har begrænset erfaring inden for tolkning af røntgenbilleder.

Kunstig intelligens til røntgen af lungerne kan med ensretning af beskrivelser løfte det samlede niveau blandt ikke-radiologer til specialistniveau, hvorved patienters vente- og indlæggelsestid reduceres og lighed i behandlingsforløb øges. Algoritmen kan desuden differentiere imellem normale og unormale billeder med så høj diagnostisk sikkerhed, at den kan hjælpe med at udpege, hvilke billeder radiologerne bør prioritere.

Projektet skal bidrage til en øget forståelse for etiske dilemmaer, der kan opstå, når teknologiske løsninger anvendes som beslutningsstøtte. Projektet vil blandt andet undersøge mulige etiske og juridiske dilemmaer forbundet med risikoen for, at ikke-specialiserede læger forholder sig ukritisk til de analyser og vurderinger, der foretages af den kunstige intelligens (GPS-blindhed).

Organisering

Projektet er forankret på Herlev Hospital og gennemføres i et samarbejde mellem Herlev-Gentofte Hospital, Bispebjerg og Frederiksberg Hospital samt en privat virksomhed. Projektledelsen er forankret i konsortiet, Radiologisk Artificiel Intelligens Testcenter (RAIT).

Økonomi

Projektet modtager 5,8 mio. kr. fra investeringsfonden for nye teknologier.

Tidsplan

Projektet løber fra primo 2021 til medio 2024.

Beskrivelse

Projektet vil anvende kunstig intelligens til at analysere røntgen af knæ for slidgigt og udarbejde udkast til en radiologisk rapport. Formålet er at implementere kunstig intelligens, der giver alle røntgenbilleder af knæartrose en mere ensartet beskrivelse, der matcher specialisterne på området. 

Mere end 700.000 danskere lider af slidgigt i knæet, som medfører øget forbrug af sundhedsydelser, nedsat arbejds- og funktionsevne samt et højt antal sygedage. Et mærkbart misforhold mellem det store tryk på røntgenbilleder og antallet af radiologer har medført en nedprioritering i beskrivelsen af almindelige røntgenbilleder af knæ. Billederne vurderes derfor ofte af den henvisende læge med begrænset erfaring inden for tolkning af røntgenbilleder.

Konsekvensen her af er variation i diagnostik. Derudover er der en tendens til, at flere og flere henvises unødvendigt til tidskrævende og dyre MR-scanninger eller henvises ”for tidligt” til ortopædkirurgisk ambulatorium, hvor kirurgerne ikke kan hjælpe patienterne, da sygdommen ikke er fremskreden nok til operation.

Projektet skal foruden at bidrage til at reducere antallet af fx MR-scanninger og fejltolkninger desuden skabe erfaring med de juridiske og etiske dilemmaer forbundet med datadeling- og opbevaring (fx intern serverkapacitet versus eksterne cloudløsninger), AI-løsninger der har god performance på majoriteten af røntgenbilleder, men ikke hos minoriteterne (datadiskrimination) samt en ikke-specialiseret læges mulige ukritiske tillid til den kunstige intelligens vurderinger og dispositioner. 

Organisering

Projektet er forankret på Bispebjerg og Frederiksberg Hospital i samarbejde med private virksomhed(er) og klinisk støtte fra KU og andre hospitaler. Projektets drift varetages af konsortiet Radiologisk Artificiel Intelligens Testcenter (RAIT).

Økonomi

Projektet modtager 5,7 mio. kr. fra investeringsfonden for nye teknologier. 

Tidsplan

Projektet løber fra primo 2021 til ultimo 2024. 

Beskrivelse

Projektet skal bidrage til tidligere diagnosticering af psykiatriens mest alvorlige psykiske lidelser, skizofreni og bipolar sygdom, med henblik på hurtig og korrekt behandling. Ved hjælp af metoder baseret på kunstig intelligens udvikles algoritmer, der formentlig kan bidrage til identifikation af patienter, der opfylder kriterierne for skizofreni eller bipolar sygdom, men behandles for mindre alvorlige psykiske lidelser, fx angst, depression, misbrug og ADHD.

I Danmark lever ca. 40.000 mennesker med skizofreni og ca. 70.000 mennesker har bipolar sygdom. Trods tidlig debut diagnosticeres skizofreni og bipolar sygdom ofte relativt sent, hvilket forsinker opstart af korrekt behandling og derfor forværrer prognosen markant. Hurtig og korrekt diagnosticering vil blandt andet bidrage til øget livskvalitet for patienterne, mere målrettet brug af ressourcer i psykiatrien og markante økonomiske besparelser for samfundet.

Projektet benytter eksisterende data til at identificere sygdomstegn, der ligger uden for den aktuelle diagnose og behandling. Det kan skabe etiske udfordringer i forbindelse med implementering af resultaterne i klinisk praksis. Dette aspekt vil derfor også blive adresseret i projektet. Der er dertil tale om følsomme og komplekse data, hvorfor projektet skal bidrage med vigtige erfaringer med sikring af privacy, sporbarhed og gennemsigtighed.

Organisering

Projekt er forankret på Aarhus Universitetshospital - Psykiatrien og er en del af en overordnet satsning på kunstig intelligens i Region Midtjylland.

Økonomi

Projektet modtager 5,1 mio. kr. fra investeringsfonden for nye teknologier.

Tidsplan

Projektet løber fra primo 2021 til ultimo 2024.

Beskrivelse

Projektet, HJERTERO, skal udvikle en datadreven prædiktionsmodel, der kan understøtte tidlig opsporing af tegn på angst og depression hos hjertepatienter. Et endeligt AI-baseret beslutningsstøtteredskab skal hjælpe de sundhedsfaglige i deres dialog med hjertepatienter ved at adviserer de sundhedsfaglige om, at en given patient er i risikozonen for at udvikle angst eller depression. På den måde kan forebyggelse iværksættes rettidigt og målrettet.

Risikoen for at udvikle angst og depression er dobbelt så høj for patienter med hjertesygdom sammenlignet med patienter, der ikke har en hjertesygdom. Alene i Danmark diagnosticeres 21.000 patienter med iskæmisk hjertesygdom (IHD) årligt, hvoraf 20 pct. udvikler angst og/eller depression. Når hjertepatienter med symptomer på angst og/eller depression ikke modtager psykologisk hjælp, rammes de både fysisk og psykisk, hvilket har stor betydning for den videre behandling. De får fx får svært ved at gennemføre hjerterehabilitering, herunder foretage nødvendige livsstilsændringer. De årlige samfundsomkostninger forbundet med depressioner og angst anslås i Danmark til at være henholdsvis 14 mia. kr. og ca. 6 mia. kr.

Projektet har til hensigt at kombinere historiske og nutidige data til at identificere hjertepatienter, der er i særlig høj risiko for at udvikle psykiske komplikationer. Der er fokus på juridiske risici i forhold til deling af data samt etiske problemstillinger forbundet med screeningen inden for hjerterehabilitering og prædiktion af psykiske lidelser som led i et somatisk sygdomsforløb.

Organisering

Projekt er forankret hos Syddansk Sundhedsinnovation i partnerskab med Odense Universitetshospital og Syddansk Universitet (Institut for Psykologi, Mærsk McKinney Møller-instituttet, samt Forskningsenheden for Almen Praksis og SAS Institute som leverandør.

Økonomi

Projektet modtager 6,3 mio. kr. fra investeringsfonden for nye teknologier.

Tidsplan

Projektet løber fra primo 2021 til ultimo 2023.

Beskrivelse

Kunstig intelligens kan understøtte opsporing af akut kritiske sygdomme, såsom blodforgiftning, nyre- og lungesvigt. I Danmark vurderer eksperter, at blodforgiftning bidrager til 15 procent af alle dødsfald. Forskning har vist, at tidlig identifikation og behandling nedsætter risikoen for dødelighed og komplikationer betydeligt. Nuværende advarselssystemer er dog ikke i stand til at pege på, hvilken kritisk tilstand en patient er ved at udvikle, da de ofte arbejder ud fra en samlet risikoscore, og deres prædiktive egenskaber er mangelfulde, hvilket kan gøre det vanskeligt at omsætte en tidlig opsporing til en målrettet forebyggende indsats.

Projektets formål er at afprøve, videreudvikle og evaluere en allerede udviklet algoritme med henblik på at undersøge den kliniske værdi for personalet i forhold til at opspore akut kritisk sygdom ved hjælp af kunstig intelligens. Sekundært søger projektet at forberede implementering og skalering (klinisk translation) og samtidigt opsamle og diskutere håndteringen af etiske dilemmaer.

Algoritmen er udviklet på en sådan måde, at den understøtter det kliniske personale med forklaringer på dens prædiktioner. Det betyder, at når algoritmen leverer beslutningsstøtte til lægens analyser og vurderinger om, hvorvidt en patient er i risiko for fx at udvikle akut nyresygdom, så viser systemet lægen hvilke data, der ligger til grund for risikovurderingen. Derved kan lægerne handle på algoritmen og sikre, at de svageste patienter får den rette behandling i tide, men samtidigt også få fuld indsigt i, hvorfor algoritmen har beregnet en risiko, hvilket er altafgørende for den forståelse og tillid til algoritmen, der sikrer en optimal klinisk anvendelse.

Ved en mere rettidig og fokuseret indsats, kan der potentielt spares betydelige ressourcer til behandling og pleje samt sikres bedre overlevelse, færre følgevirkninger og derved øget livskvalitet for de ramte patienter.

Organisering

Projektet er forankret på Regionshospitalet Horsens.

Økonomi

Projektet modtager 3 mio. kr. fra investeringsfonden for nye teknologier.

Tidsplan

Projektet forventes gennemført i perioden primo 2021 til ultimo 2022.

Beskrivelse

Projektet omfatter et værktøj til beslutningsstøtte, der ved hjælp af kunstig intelligens skal effektivisere og automatisere energistyringen i den eksisterende bygningsmasse, herunder medvirke til bedre prioritering af energibesparende indsatser.

Energiforbruget i eksisterende bygninger overstiger ofte det faktiske behov, da systemerne til energistyring ikke tager højde for den faktiske brug af bygningerne. På samfundsniveau bidrager dette overforbrug til udledningen af væsentlige mængder af drivhusgasser samt årlige driftsudgifter for ca. en milliard kr. alene i fjernvarmesektoren.

Ved at anvende kunstig intelligens til behandling af forskellige typer af data fra bygningssensorer, kan der udvikles styringsparametre for energiforbruget på både på lokale-, etage, og bygningsplan. Projektet vil også inddrage data fra Energinet.dk’s datahub, forsyningsselskaber, og bygningers it-systemer (EMS/CTS).

Projektet vil først og fremmest give kommuner løsningsmodeller for optimering af energiforbrug i egne bygninger, hvilket skal bidrage til at mindske udledningen af drivhusgasser såvel som udgifter til energiforbrug. Det er hensigten, at værktøjet på sigt stilles til rådighed for øvrige kommuner samt offentligheden, så hele samfundet kan nyde godt af projektets resultater og bidrage til den grønne omstilling.

Projektet skal desuden give erfaring med design, brugen og skalering af datadrevne løsninger til at understøtte etablerede og eksisterende systemer, herunder juridiske og etiske spørgsmål forbundet med anvendelsen af data, fx sensorer til styringsparametre på lokale-, etage- og bygningsplan.

Organisering

Projektet er forankret i Københavns Kommune, som ejer og driver projektet.

Projektet vil formes som et offentlig-privat samarbejde mellem kommuner, Godkendte Teknologisk Serviceinstitutter (GTS) og/eller universiteter og private aktører inden for kunstig intelligens og energi.

Økonomi

Projektet modtager 5 mio. kroner fra investeringsfonden for nye teknologier.

Tidsplan

Projektet løber fra primo 2021 til ultimo 2022.

Beskrivelse

Projektet skal ved hjælp af kunstig intelligens frigøre ressourcer og bidrage til den grønne omstilling ved at optimere den kommunale kørsel og flådestyring for der-igennem at reducere CO2-udledningen.

Kommunale medarbejdere i Syddjurs Kommune kører årligt ca. 7,5 mio. km i tjenesten, mens de kommunale køretøjer i Sønderborg Kommune kører 8,5 mio. km om året.

Projektet vil udvikle optimeringsalgoritmer baseret på machine learning og relevante avancerede statistiske metoder til optimeret ruteplanlægning, analyse af mulighed for samkørsel samt analyse af data fra flådestyringssystemer med henblik på at skabe et overblik over generelle mønstre og potentialeområder.

Ved at optimere flådestyringen og kørselsmønstre er det forventningen, at antallet af kørte kilometer og dermed CO2-udledningen kan reduceres. Det er desuden forventningen, at en nedsættelse af kørte kilometer vil føre til mindre vedligehold og færre biler, som kan opfylde samme kørselsbehov. Endelig giver intelligent tilrettelagte kørselsmønstre bedre ruteplanlægning og mindre køretid, som skaber mere tid til borgerne.

Projektet vil desuden bidrage med erfaringer i forhold til etiske og juridiske udfordringer forbundet med fx at knytte specifikke medarbejdere og borgere til en bil og dennes geografiske position, samt at dele data på tværs af kommuner, herunder behovet for pseudonymisering.

Organisering

Projektet forankres i Syddjurs Kommune, som ejer og driver projektet.

Projektet udføres som et samarbejde mellem Syddjurs Kommune, Sønderborg Kommune, Aarhus Kommune, Slagelse Kommune og Favrskov Kommune.

Økonomi

Projektet modtager 5,3 mio. kr. fra investeringsfonden for nye teknologier.

Tidsplan

Projektet løber fra primo 2021 til ultimo 2022.

Beskrivelse

Projektet omfatter udvikling og afprøvning af et prognoseværktøj, som ved hjælp af kunstig intelligens skal bidrage med beslutningsstøtte ved fx lokalplanlægning, kortlægning samt varsling af oversvømmelser i land- og byområder.

Kommuners klimaansvar er i langt højere grad kommet på dagsordenen de senere år.

Massive regnmængder har skabt store problemer for lodsejere og borgere samtidig med, at de kommunale udgifter til forebyggelse og oprydning efter kraftige regnskyl er stærkt forøget. Der er derfor behov for et værktøj, der dynamisk og løbende angiver potentielle oversvømmelser frem i tiden. Prognoseværktøjet kombinerer en række data fra blandt andet vejrudsigter, jordart, grundvand og højdemodeller, og benytter forskellige metoder inden for kunstig intelligens til at udarbejde prognoser.

Værktøjet skal supplere eksisterende risikoværktøjer og give beslutningstagere en langt større præcision i de datadrevne prognoser på såvel kort sigt, fx varslinger inden for kommende døgn, som prognoser, der peger længere frem.

Værktøjet skal indgå i eksisterende sagsbehandlingsprocesser, forbedre kommunens mulighed for tidligt at varsle oversvømmelser til lodsejere og borgere, og dermed yde en bedre service i lokalområderne. Værktøjet forventes også at nedbringe de økonomiske følgeomkostninger ved oversvømmelser.

Projektet skal dertil give erfaring med håndtering og anonymisering af data, der kan benyttes som kildedata, fx sensordata fra biler omkring regnmålingerne. Høj gennemsigtighed af de bagvedliggende algoritmer er ligeledes et mål for projektet, således at sporbarhed i prognoser og den præsenterede beslutningsstøtte vil være muligt.

Organisering

Projektet forankres i Jammerbugt Kommune, som ejer og driver projektet.

Økonomi

Projektet modtager 5,0 mio. kroner fra investeringsfonden for nye teknologier.

Tidsplan

Projektet løber fra primo 2021 til primo 2022.

Beskrivelse

Projektet omfatter et beslutningsstøtteværktøj, der baseret på kunstig intelligens kan screene alle indkomne underretninger og bistå kommunens medarbejdere med at kategorisere disse og udpege såkaldte røde underretninger, som kræver akut handling. I Aarhus og flere andre kommuner kategoriseres underretninger om børn og unge som rød, gul eller grøn. Ved rød kategori har kommunen pligt til at handle akut inden for 24 timer.

Projektet har til formål at løfte kvaliteten i vurderingen af underretninger ved at supplere medarbejdernes grundlag for at kunne træffe kvalificerede og hurtige afgørelse i alvorlige underretningssager. Dertil er formålet også at opnå en mere ensartet vurdering af underretninger.

Der er tale om et indgribende område, hvorfor projektet har stor fokus på juridiske og etiske spørgsmål og dilemmaer. Herunder proportionalitet i anvendelse af data, at udviklingen af løsningen kun tager udgangspunkt i data, som i forvejen anvendes i sagsbehandlingen, håndtering af risikoen for at løsningen tager fejl, at forældre ikke profileres mv.

Løsningen vil fx benytte historiske data til at undersøge, hvilke faktorer, der typisk udløser en akutvurdering med henblik på at understøtte kategoriseringen af fremtidige underretninger, hvorfor projektet har stor fokus på gennemsigtighed og sporbarhed af vurderingerne, så det til enhver tid er synligt, hvorfor en underretning kategoriseres som rød.

Organisering

Aarhus Kommune er projektejer og projektleder. Desuden er der dialog og sparring med en række interessentkommuner.

Økonomi

Projektet har et finansieringsbehov på 2,1 mio. kr. og indstilles til at modtage midlerne fra investeringsfonden for nye teknologier.

Tidsplan

Projektet løber fra primo 2021 til medio 2022.

Beskrivelse

Projektet har til hensigt at afprøve digital talegenkendelse og –forståelse i mødet med borgeren og til at hjælpe borgere, der har nedsatte muligheder for at benytte digitale værktøjer.

Størstedelen af danskerne er digitale og kommunikerer digitalt med det offentlige, men der er fortsat borgere, der har vanskeligt ved at begå sig digitalt. Mangelfulde læse- og skrivekompetencer samt nedsat funktionsevne er nogle af årsagerne. Derudover kommunikerer flere og flere i stigende grad mundtligt via digitale assistenter – og det skaber nye forventninger til kommunikationen med det offentlige.

Roskilde Kommune vil inden for borgerserviceområdet afprøve en digital assistent-løsning, der gennem mundtlig dialog hjælper borgere til at udføre handlinger eller finde relevante informationer og svar. Projektets læring i forhold til anvendelse af kunstig intelligens vil både bestå i afklaring af modenheden i ”voicebot”-teknologien på dansk og i at identificere de særligt relevante use cases, hvor det for borgerne er mere værdiskabende at anvende tale i stedet for tekst som kommunikation med kommunerne.

Derudover vil Aarhus Kommune afprøve talegenkendelse til at assistere den enkelte kommunale medarbejder under selve telefonsamtalen med borgeren. Hvis borgeren fx siger vielse, genkendes ordet ved talegenkendelse, og systemet finder den rette vejledning frem til medarbejderen, for at yde en hurtigere service til borgeren. Samtidig vil medarbejderen også få vejledning omkring stemningen i samtalen og blive præsenteret for gode råd til samtalen, således eventuelle konflikter kan minimeres.

Indledningsvist gennemføres en kortlægning, der skal afdække teknisk modenhed, forretningspotentiale i kommunerne samt juridiske, sikkerhedsmæssige og etiske problemstillinger. Desuden inddrages borgergrupper med henblik på, at få feedback på de digitale løsninger, som udarbejdes i projektet. Alle frembringelser af sprogressourcer deles i videst mulig omfang med den fælles offentlige sprogressource.

Organisering

Projektet forankres i Roskilde Kommune, og Aarhus Kommune indgår som partner i projektet.

Økonomi

Projektets modtager 4,6 mio. kr fra investeringsfonden for nye teknologier.

Tidsplan

Projektet forventes gennemført i perioden primo 2021 til ultimo 2022.

Beskrivelse

Projektet har til formål at udvikle et beslutningsstøtteværktøj, der ved hjælp af kunstig intelligens på systematisk og standardiseret vis kan understøtte tidlig opsporing af begyndende sygdom. På hospitalerne indlægges flere borgere over 65 år med sygdomme, som potentielt kan forebygges i den kommunale ældrepleje. I den kommunale ældrepleje eksisterer ikke-standardiserede værktøjer til tidlig opsporing af sygdomme. Det kan dog fortsat være vanskeligt for den enkelte medarbejder at danne sig et overblik over ændringer i borgerens helbredstilstand, da borgerens sygdomsforløb ofte foregår på tværs af sektorer, ligesom borgeren ofte følges af en række forskellige medarbejdere.

Projektet har således til hensigt at udvikle en algoritme (beslutningsstøtteværktøj), som bygges ind i det kommunale omsorgssystem, til prædiktion af indlæggelser og funktionstab. Der er fokus på udvikling af en intuitiv brugergrænseflade i samarbejde med medarbejdere samt, at løsningen er skalerbar til landets øvrige kommuner. Brugen af beslutningsstøtteværktøjet muliggør iværksættelse af indsatser, som direkte forebygger akutte indlæggelser, ligesom det kan føre til udvikling af nye målrettede kommunale såvel som tværsektorielle forebyggende sundhedstilbud.

Projektet har til formål at skabe øget nærhed og fremme den enkelte borgers livskvalitet ved at forebygge behandlings- eller indlæggelseskrævende sygdom, herunder også at reducere akutte indlæggelser og genindlæggelser.

Projektet skal desuden bidrage til at skabe etiske og juridiske erfaringer med prædiktion af sygdomsforløb, herunder spørgsmål om, hvorvidt løsningen fx bør kvalificeres som medicinsk udstyr med dertilhørende krav. Der skal som led i projektet desuden afklares juridiske spørgsmål relateret til fx it- og IP-retslige forhold samt etiske spørgsmål om, hvordan borgeren modtager sundhedstilbud, undersøge behov for borgersamtykke mv.

Organisering

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

Projektet udføres i samarbejde mellem Køge Kommune og Sjællands Universitetshospital.

Økonomi

Projektet modtager 4,8 mio. kr. fra investeringsfonden for nye teknologier.

Tidsplan

Projektet løber fra primo 2021 til medio 2022.

Beskrivelse

Projektet vil anvende kunstig intelligens til at understøtte sagsbehandlingen af ansøgninger til kropsbårne hjælpemidler, såsom korsetter, proteser, ortopædisk fodtøj mv. 

Når kommunerne modtager ansøgninger til kropsbårne hjælpemidler, indeholder ansøgningerne sjældent den krævede dokumentation. Det er derfor tidskrævende for sagsbehandleren at behandle sagerne, hvilket ofte indebærer tilbageløb til borgeren og lægefaglig samarbejdspartner for at indhente yderligere information.

Når den nødvendige information er indhentet, bliver ansøgningen screenet med henblik på at delegere ansøgningen til rette medarbejder med erfaring inden for det specifikke område. Med kunstig intelligens er det muligt at optimere processerne for validering af dokumentation, sortering og prioritering af ansøgninger og dermed delegering af arbejdsopgaverne. Således kan akutte ansøgninger om fx stomi- og diabeteshjælpemidler blive behandlet hurtigere, ligesom validering af dokumentation for andre ansøgninger gennem kan føre til en samlet kortere sagsbehandlingstid. Desuden vil løsningen give beslutningsstøtte til medarbejderen forud for sagsbehandlerens afgørelse på baggrund af tidligere tildelinger af hjælpemidler. 

Projektet vil desuden undersøge juridiske spørgsmål fx i forhold til dataanvendelse samt skabe juridiske og etiske afklaringer om anvendelse af beslutningsstøtte til myndighedsafgørelser. 

Organisering

Projektet er forankret i Sønderborg Kommune.

Økonomi

Projektet modtager 3,2 mio. kr. fra investeringsfonden for nye teknologier.

Tidsplan

Projektet forventes at gennemføres primo 2021 til ultimo 2022.

Beskrivelse

Projektet vil bruge kunstig intelligens, særligt dybe neurale netværk, til at optimere visitationen af gravide og fødende. Formålet er at undgå unødvendige undersøgelser og interventioner samt at forebygge alvorlige graviditets- og fødselsudfald. Det vil sikre en højere kvalitet i tilbuddet til kvinderne på alle tider af døgnet uafhængigt af travlheden på fødegangen. 

Den primære visitation af akutte henvendelser i graviditeten og rådgivning i begyndelsen af fødslen varetages af fødemodtagelsen. Korrekt visitation er afgørende for behandlingskvalitet, patientsikkerhed og effektiv udnyttelse af ressourcerne. Jordemødrene er udfordrede af at skulle visitere over telefonen uden at kunne se eller undersøge patienten, som kun kan tilbyde en symptombeskrivelse efter bedste evne og ofte af varierende kvalitet.

Projektet består i at udvikle en løsning, der ved hjælp af kunstig intelligens kan forstå telefonsamtalerne i realtid og understøtte personalet undervejs i samtalen, så den rette visitation bliver tilbudt. Derved vil enhver jordemoder i visitationen få en virtuel assistent, der hjælper dem til at genkende flere nuancer i vurderingen af patienten.

En optimeret telefonvisitation vil reducere unødvendige undersøgelser, begrænse antallet af uplanlagte fødsler uden for hospital, give hurtigere og bedre detektion af kritiske tilstande for mor og barn, sikre rettidig intervention og forhindre alvorlige udfald i forbindelse med graviditet og fødsel, herunder fosterdød i livmoderen og svangerskabsforgiftning. Desuden vil løsningen bidrage til en mere effektiv udnyttelse af ressourcerne og kan potentielt medføre en finansiel besparelse.

Projektet vil desuden afklare det juridiske grundlag for datatilgængeligheden blandt andet vedrørende adgang til lydoptagelser fra visitationen og patientjournaler. Derudover vil etiske og faglige spørgsmål om fx i hvor høj grad jordemoren anvender værktøjet versus egen faglighed blive undersøgt. 

Organisering

Projektet forankres på Hvidovre Hospital med inddragelse af andre fødeafdelinger fra Region Hovedstaden og Region Sjælland. Teknologipartneren er den danske virksomhed Corti ApS.

Økonomi

Projektet modtager 4,1 mio. kr. fra investeringsfonden for nye teknologier.

Tidsplan 

Projektet forventes gennemført fra primo 2021 til ultimo 2023.

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.

Beskrivelse

Hvis en borger har behov for fx genoptræning, tilbyder kommunerne fysisk træning. I en række tilfælde får borgerne dog ikke den optimale effekt ud af kommunale tilbud om fysisk træning og rehabilitering.

Aalborg Kommune vil udnytte kunstig intelligens til at tilbyde og målrette borgerne den træning, som de med størst sandsynlighed vil få mest ud af, både i forhold til rehabilitering og forebyggelse. Desuden vil projektet opspore borgere med høj faldrisiko med henblik på en forebyggende indsats, som kan reducere antallet af fald.

Ved at sammenligne data mellem bevillinger af hjælpemidler og med data fra faktiske træningsforløb kan der dannes et billede af, hvilke borgere der vil have størst gavn af træning. Derved kan sagsbehandlere og visitatorer få input til den faglige vurdering, og målrette træningen til den enkelte borgers behov. Som led i projektet vil juridiske og etiske afklaringer foretages løbende fx vedrørende borgere, der forventeligt har størst gavn af rehabiliterende træning, og hvordan det påvirker borgere og kommunens praksis.

I et samarbejde mellem Aarhus Universitet og Aalborg kommune, er der i et tidligere projekt udviklet en algoritme baseret på data om bevilgede hjælpemidler. Dette signaturprojekt skal bygge videre på disse erfaringer og videreudvikle algoritmen samt idriftsætte løsningen i tre kommuner.

Organisering

Aalborg Kommune er både projektejer og -leder. Viborg Kommune er projektdeltagere, mens Syddjurs, Norddjurs og Hjørring Kommune følger projektet. 

Økonomi

Projektet modtager 4,1 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til ultimo 2021.

Beskrivelse

Sagsbehandlerne i jobcentrene skal i dag træffe beslutninger om sanktioner over for ledige med afsæt i et relativt kompliceret regelsæt og mange forskellige typer informationer. De komplicerede regler og mange datakilder medfører risiko for uensartet praksis blandt sagsbehandlerne, ligesom kommunerne bruger mange ressourcer på opgaven.

Projektet forventes at sikre en højere grad af korrekt og ensartet sagsbehandling ved at understøtte medarbejderne i at vurdere, hvorvidt en ledig borgers udeblivelse fra samtale eller aktiveringstilbud skal medføre en sanktion i borgerens ydelse.

Algoritmen skal bidrage med beslutningsstøtte til brug for den faglige medarbejders vurdering. Der kan desuden være økonomiske gevinster ved sparet tid, idet algoritmen bearbejder data og yder støtte til, at sagsbehandleren hurtigere kan få den præcise viden, der skal til for at kunne træffe afgørelse.

Projektet vil behandle de datamæssige, juridiske og etiske problemstillinger, der kan knytte sig til anvendelsen af algoritmer som beslutningsstøtte til afgørelser, der vedrører borgere – herunder bias i datasæt, og at algoritmen kan forstås og forklares for både sagsbehandlere og borgere.

Organisering

Frederiksberg Kommune er projektejer og projektleder for projektet. Desuden har en række andre kommuner tilkendegivet interesse for at deltage i projektet.

Økonomi

Projektet modtager 4,7 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til medio 2022.

Beskrivelse

Det kan være vanskeligt at målrette effektfulde beskæftigelsesindsatser til ledige borgere, hvilket kan forlænge ledighedsperioden. Kommunerne bruger mange ressourcer på beskæftigelsesrettede indsatser, men anvender ikke nødvendigvis databaseret viden om, hvad der virker bedst for, at den enkelte ledige kommer i job eller uddannelse.

For at understøtte sagsbehandleren i at anbefale en individuel, målrettet beskæftigelsesindsats, udarbejdes en algoritme på baggrund af eksisterende data. Ved brug af data om de forskellige beskæftigelsesindsatser, vil projektet forsøge at nedbringe ledighedsperioden, mindske langtidsledighed og øge tilfredsheden med indsatsen hos de ledige.

Beslutningsstøtten skal understøtte sagsbehandlerens faglige arbejde og integreres i de fagsystemer, sagsbehandler bruger i forbindelse med fx samtaler. Det er fortsat sagsbehandleren som ud fra en samlet faglig vurdering og samtale med borgeren, anbefaler den bedst egnede indsats.

I projektet vil der løbende blive foretaget vurderinger af etiske problemstillinger, der kan opstå om følge af brugen af data fx bias i data, ligesom der vil være opmærksomhed på, at borgerne oplever, at deres data bliver anvendt på en gennemsigtig måde, der understøtter målet om hurtigere beskæftigelse.

I forbindelse med projektet undersøges forudsætninger for udvikling af en fælles platform til deling af algoritmer på beskæftigelsesområdet. Undersøgelsen har fokus på etiske, juridiske og sikkerhedsmæssige afklaringer i forbindelse med fx datadeling. Formålet er at undersøge forudsætningerne for udvikling og anskaffelse af en løsning baseret på kunstig intelligens til alle kommuner på en sikker og ressourceeffektiv måde.

Organisering

Odense Kommune indgår i projektet som projektejer, mens Københavns Kommune indgår som projektdeltager. Begge kommuner bidrager til både udvikling og afprøvning af algoritmen og funktionaliteterne i jobcentrenes fagsystemer.

Der er desuden 15 andre kommuner, der har tilkendegivet interesse for at deltage i eller at følge projektet, mens KL i samarbejde med KOMBIT, projektets parter og en eksterne leverandør står for gennemførelse af analyseforløbet vedrørende en fællesplatform.

Økonomi

Projektet modtager 7,2 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til medio 2022.

Beskrivelse

Virksomheder melder i stigende grad om mangel på arbejdskraft, mens der fortsat er mange ledige borgere, der ikke har fundet vej til job. Det gode match mellem ledige borgere og virksomheder kan styrkes gennem bedre understøttelse af sagsbehandlerens vidensgrundlag.

For at understøtte, at ledige borgere hurtigere kommer i beskæftigelse og får anbefalet mere relevante jobforslag, vil Københavns Kommune ved hjælp af machine learning-teknologi udvikle en algoritme til bedre match.

Algoritmen skal understøtte sagsbehandlerens faglige vurdering ved at matche både faglige og personlige kompetencer fra den lediges CV med kompetencekrav i aktuelle stillingsopslag inden for et givent geografisk område. Værktøjet skal primært anvendes af jobkonsulenten i dialogen med borgeren om konkret jobsøgning, men kan på sigt også stilles til rådighed for borgeren fx via Jobnet.

Derudover vil algoritmen understøtte sagsbehandleren med alternative jobforslag i fx andre brancher og jobfunktioner end dem, som er i det nuværende fokus for jobsøgningen, således borgerens perspektiver på mulige jobs udvides.

Projektet skal desuden tilvejebringe viden om, hvordan algoritmen kan bringes videre i drift, når projektet slutter.

I forbindelse med projektet vil etiske spørgsmål blive opsamlet og vurderet, fx i forhold til borgeroplevelsen og sagsbehandlerens anvendelse af værktøjet som beslutningsstøtte, samt behovet for gennemsigtighed i forhold til behandlingen af data.

Organisering

Københavns Kommune er projektejer for projektet og varetager ansvaret for projektets fremdrift og økonomi, og deltager som sparringspartner i alle faser af projektet.

Desuden har 12 andre kommuner tilkendegivet interesse for at deltage i projektet. Disse vil blive inddraget i afprøvningen og eventuelt senenere udbredelse.

Økonomi

Projektet modtager 2,9 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til medio 2021.

Beskrivelse

Kommunerne bruger i dag meget tid på at fordele og journalisere store mængder af fysisk post og henvendelser. Norddjurs Kommune vil etablere en digital løsning baseret på kunstig intelligens til optimering af post- og journaliseringsprocesser.

Ved brug af kunstig intelligens kan post og mails fra borgere og virksomheder leveres til rette modtager første gang og journaliseres hurtigere, hvilket giver kortere sagsbehandlingstid til gavn for borgerne. Medarbejdere vil desuden opleve at bruge mindre tid på journalisering og i højere grad koncentrere sig om faglige opgaver. For kommunerne vil det medføre ressourcebesparelser i post- og journalfunktioner.

Projektet tager afsæt i det pilotprojekt, som Norddjurs Kommune, Favrskov Kommune og Syddjurs Kommune har gennemført i første halvår af 2019. Dette projekt skal videreudvikle den algoritme, som er etableret, så der sikres en endnu højere præcision i sorteringen af henvendelser.

Løsningen bliver udviklet som open source og skal være frit tilgængelig for alle 98 kommuner. I forbindelse med projektet skal det juridiske grundlag fx i forbindelse med databehandleraftaler med mere afklares nærmere.

Organisering

Norddjurs Kommune er projektejer og fungerer samtidig som projektleder. Projektet tilknytter en række deltagerkommuner, som afprøver og bidrager til projektet. På sigt vil løsningen blive stillet til rådighed for alle kommuner.

Økonomi

Projektet modtager 1,9 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til ultimo 2021.

Beskrivelse

Nogle borgere oplever, at byggesagsbehandlingen i kommunerne er langvarig, hvor en sag typisk tager 6-7 uger. I visse tilfælde opstår der desuden fejl i vurderingen af byggesager, der betyder en længere proces.

For at reducere sagsbehandlingstiden for borgernes byggesager vil Københavns Kommune ved hjælp af kunstig intelligens automatisk screene byggeansøgninger for relevante dokumenter. Såfremt byggeansøgningen mangler oplysninger, får borgeren besked herom med det samme, hvilket vil reducere tiden fra en byggesag indsendes til ansøgningen kan vurderes.

Derudover vil projektet med automatisk sagsstøtte præsentere tidligere afgørelser i sammenlignelige sager for sagsbehandleren og derved reducere tidsforbruget i selve byggesagsbehandlingen. Den automatiske sagsstøtte kan endvidere medføre mere ensartethed i afgørelserne på sammenlignelige sager samt forkorte oplæringsperioden af nye medarbejdere.

I forhold til juridiske overvejelser er det vigtigt at sikre, at ansøgerne fortsat har mulighed for at indsende ansøgninger, uanset om løsningen foreslår, at der vedhæftes yderligere dokumentation, således at ingen fratages mulighed for at ansøge på baggrund af automatiserede processer.

Organisering

Københavns Kommune vil være projektleder og stå for udvikling af løsningen.

Desuden har 18 andre kommuner tilkendegivet interesse for at deltage i projektet. Øvrige projektdeltagere bidrager til design af arbejdsgange, leverer testdata til udvikling af algoritmen samt deltager i test af løsningen.

Økonomi

Projektet modtager 4 mio. kr. af investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet gennemføres i perioden primo 2020 til ultimo 2021.

Beskrivelse

For at give borgere en hurtigere afklaring af tilkendelse af rengøringshjælp vil Esbjerg Kommune etablere en digital løsning baseret på kunstig intelligens, som giver beslutningsstøtte til sagsbehandleren ved tildeling af rengøringshjælp.

Herved vil både borgere og de involverede medarbejdere opleve et løft i visitationsprocessen, hvilket forventeligt kommer til udtryk i færre besøg hos borgeren i de lette sager og frigive mere tid til borgeren i de komplicerede sager.

Foruden den digitale løsning baseret på kunstig intelligens vil projektet anvende en simpel softwarerobot, som automatisk opretter en sag på en borger, når borgeren henvender sig i visitationen. Når dette sker, vil robotten samtidig sende et brev til borgeren vedr. GDPR og oplysninger om kommunens databehandling. Herefter inddeler den digitale løsning sagerne i to kategorier, henholdsvis ukompliceret sager og komplicerede sager som kræver særlig opmærksomhed.  

Projektet vil måle effekten af indsatsen ved, at se om borgerne oplever en øget kvalitet i visitationsprocessen via kommunens tilbagevendende tilfredshedsundersøgelser.

I forbindelse med projektet vil der være stort fokus på tidlig inddragelse og anvendelse af fagpersonernes og borgernes viden.

Organisering

Esbjerg Kommune er projektejer og fungerer som projektleder. Der tilknyttes desuden andre kommuner i projektet, som agerer sparringspartnere eller projektdeltagere.

Økonomi

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

Tidsplan

Projektet løber fra primo 2020 til ultimo 2021.