Nu igangsættes yderligere tolv signaturprojekter med kunstig intelligens

Signaturprojekter 2022

• Smartmail - intelligent håndtering af mails

  Beskrivelse

  Projektet i Norddjurs Kommune har til formål at udbrede en løsning, der kan bidrage til at nedsætte sagsbehandlingstiden for borgere og samtidig sikre gennemsigtighed i sagsbehandlingen i kommuner ved at optimere post- og journaliseringsprocesser.

  Projektet vil skalere løsningen Smartmail til 10 kommuner, der ved brug af kunstig intelligens kan levere post og mails til den rette modtager i kommunen og journalisere disse med det samme.

  Kommunerne bruger i dag mange ressourcer på at modtage, sortere, journalisere indgående post og mails. Mange kommuner har etableret forskellige fordelingssystemer og regelbaserede logikker til at optimere disse processer. Der er dog fortsat et potentiale i at gøre processerne mere intelligente og automatiserede. Dette kan bidrage til, at borgeres sager behandles hurtigere, at fejlfordelt post leveres korrekt og at dokumenter journaliseres rettidigt.

  Projektet tager afsæt i den intelligente mailsorteringsløsning Smartmail, som er blevet udviklet og afprøvet i det signaturprojekt, som Norddjurs og tre andre kommuner med gode resultater har gennemført i 2019-2021. Indeværende projekt skal således udbrede Smartmailløsningen via en open source baseret intelligent infrastruktur i samarbejde med det offentlige Open Source digitaliseringsfællesskab OS2.

  Projektet skal give erfaring med at udbrede løsninger baseret på kunstig intelligens. Herudover skal projektet undersøge forudsætninger og behov vedrørende udvikling af en fælleskommunal infrastruktur for kunstig intelligens og de synergier, der kan skabes ved at samarbejde på tværs af kommunerne. Endeligt vil projektet undersøge juridiske spørgsmål relateret til udbredelse af Smartmailløsningen, herunder brugen af cloudløsninger til databehandling.

  Organisering

  Projektet forankres i Norddjurs Kommune, der også varetager driften af projektet, med deltagelse af ni andre kommuner.

  Økonomi

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

  Tidsplan

  Projektet løber fra primo 2022 til ultimo 2023

• Beslutningsstøtte til behandling af kommunale aktindsigtssager

  Beskrivelse

  Projektets formål er at skabe fundamentet for øget kvalitet, ensartethed og hurtigere intern behandlingstid af sager om aktindsigt ved at tilgængeliggøre tekniske modeller, der kan forbedre håndtering af aktindsigter. I dag er kommuners behandling af aktindsigtssager meget ressourcekrævende. Ved at anvende kunstig intelligens til beslutningsstøtte ved behandling af aktindsigtssager, får kommunen mulighed for at frigøre ressourcer til fx mere borgernære opgaver.

  Projektet vil udvikle og tilgængeliggøre såkaldte tekniske natural language process modeller (NLP). NLP modellerne kan læse og analysere store mængder af tekst samtidig. Derved kan modellerne benyttes ved aktindsigter til effektivt at fremsøge akter og dokumenter og identificere oplysninger, der bør anonymiseres. Modellerne kan således bidrage til højere kvalitet, ensartethed og hurtigere intern behandlingstid af sager om aktindsigt, hvor efterlevelsen af GDPR understøttes af sprogteknologi.

  Projektet bygger videre på en eksisterende digital platform, som yder beslutningsstøtte i behandlingen af aktindsigt ved hjælp af kunstig intelligens. Platformen er udviklet i 2020-2021 af Sønderborg Kommune i et offentligt-privat udviklingssamarbejde. Den eksisterende platform til behandling af aktindsigt stilles til rådighed og anvendes i projektet som databank, så modellerne udvikles ved brug af kommunale data, og dermed får en høj præcisionsgrad.

  Modellerne udvikles som open source med henblik på øget udbredelse. Derved får alle 98 danske kommuner og it-leverandører mulighed for at integrere og anvende modellerne i eksisterende og nye it-løsninger. Modellerne vil også blive tilgængelige på sprogteknologi.dk.

  Organisering

  Projektet er forankret i Sønderborg kommune. Projektet har derudover tilknyttet fire deltagerkommuner, en privat virksomhed samt DTU Compute.

  Budget

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

  Tidsplan

  Projektet løber fra primo 2022 til ultimo 2023.

• Optimeret bygningsanvendelse med kunstig intelligens

  Beskrivelse

  Projektet har til formål at reducere energi- og CO2-forbrug i folkeskolerne ved at samle aktiviteter gennem intelligent lokaleallokering ved anvendelse af bygningsdata, IoT-løsninger (Internet of Things) og kunstig intelligens.

  Folkeskoler udgør en stor del af kommunernes bygningsmasse. Bygningerne er typisk karakteriseret ved at have en høj alder og et efterslæb i forhold til energirenovering samt en lav anvendelsesgrad af lokalerne. Der er derfor et stort potentiale i at optimere bygningsanvendelsen for netop denne type kommunale bygninger, især i eftermiddagstimerne og i weekenden, hvor bygningerne anvendes i forskelligt omfang af fx fritidsorganisationer.

  Projektet tager afsæt i projektet ”Smarte Kvadratmeter” fra Syddjurs Kommune og anvender modne teknologiplatforme og eksisterende datasæt som afsæt for at udbrede intelligente algoritmer på skoleområdet. Løsningen vil på denne baggrund kunne levere handlingsanbefalinger, som kan optimere anvendelsen af konkrete bygninger og kan derved medføre energioptimering. Løsningens algoritme udvikles som udgangspunkt som open source med henblik på øget udbredelse.

  Projektet vil desuden undersøge de juridiske forudsætninger for at udvikle algoritmerne, herunder GDPR og anden relevant lovgivning på området.

  Organisering

  Projektet drives af det regionale fællesskab GovTech Midtjylland med Favrskov, Syddjurs og Aarhus Kommune som deltagende kommuner i projektet.

  Budget

  Projektet modtager 4,3 mio. kr. fra investeringsfonden for nye teknologier.

  Tidsplan

  Projektet løber fra primo 2022 til ultimo 2023.

• En effektiv og helhedsorienteret beskæftigelsesindsats gennem kunstig intelligens teknologien Process Mining

  Beskrivelse

  Projektets formål er at skabe grundlaget for en mere effektiv, fleksibel og helhedsorienteret indsats på beskæftigelsesområdet til fordel for borgeren ved brug af teknologierne Process Mining og Predictive Monitoring.

  I projektet anvender Proces Mining og Predictive Monitoring eksisterende logfiler fra sagsbærende systemer, økonomisystemer mv. til at kortlægge borgerens rejse gennem systemet fra start til slut. Det omfatter kortlægning af de arbejdsgange, der udgør et beskæftigelsesforløb for forsikrede ledige og borgere i ressourceforløb. Herunder it-systemer, afdelinger, teams, medarbejdere, og relevante indsatser.

  Process Mining anvendes til at skabe en databaseret og samlet forståelse af hvilke interne og eksterne indsatser på beskæftigelsesområdet, der reelt anvendes og hvor effektive indsatserne er overfor forskellige borgergrupper og arbejdet med den helhedsorienterede indsats. Predictive Monitoring anvender historiske data og Machine Learning til at forudsige hvilke aktiviteter og forløb, der bør igangsættes for mest effektivt at få borgeren i beskæftigelse. Det skal bidrage til en bedre beskæftigelsesindsats og understøtte en mere effektiv og meningsfuld vej for borgeren ind på arbejdsmarkedet.

  Projektet vil resultere i en platform til alle de deltagende kommuner i projektet, som kan levere databaserede analyser af borgerens vej til beskæftigelse.

  Projektet vil desuden have fokus på etiske og juridiske spørgsmål og opmærksomhedspunkter i forbindelse med fx risiko for skævheder og bias i data, og at anvendelse af personfølsomme oplysninger mv. bliver håndteret ansvarligt.

  Organisering

  Projektet er forankret i Syddjurs Kommune med fire deltagerkommuner.

  Budget

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

  Tidsplan

  Projektet løber fra primo 2022 til ultimo 2023.

• Øget kontinuitet i ældreplejen ved hjælp af kunstig intelligens

  Beskrivelse

  Projektets formål er at skabe transparens og forbedre borgernes oplevelse af en sammenhængende og tryg ældrepleje ved at øge kontinuiteten af de medarbejdere, som borgeren møder. At blive mødt af kendte ansigter, som kender den enkeltes behov og ønsker, er blandt de allervigtigste faktorer i borgerens oplevelse af sammenhæng og tryghed i plejen, og det har en positiv indvirkning på kvaliteten af plejen.

  Projektet er en tilpasning af den eksisterende løsning Greenforce, der kommer med forslag til en optimal besøgsplan ud fra hensyn til en række parametre, som for eksempel maksimalt antal forskellige medarbejdere og skemalagt arbejdstid.

  Projektet tilpasser Greenforce med yderligere en til to af de væsentligste parametre, der i dag udfordrer en god besøgsplan og optimerer hermed output fra algoritmen. Et eksempel er faktisk tidsforbrug, der anvendes til prædiktion af varighed for besøg.

  Projektet indbygger herudover et feedbackloop til løsningen, så den løbende gentrænes og lærer fra brugerinput. Løsningen anvendes i hhv. Aalborg og Syddjurs Kommune, der har forskellige organisatoriske setups. Dermed skabes der erfaringer ift. organiseringen, planlægningen og sammenhængen mellem by og land og forskellige kommunestørrelser, som giver de bedste forudsætninger for efterfølgende udbredelse af løsningen.

  Derudover undersøger projektet, om implementering af algoritmen kan planlægge ruterne grønnere og reducere transporttiden mellem besøg og således bidrage til et grønnere aftryk.

  Organisering

  Projektet er forankret i Aalborg Kommune, der er projektejer, og med Syddjurs Kommune som deltagerkommune. Der er etableret strategiske samarbejder med Aalborg Universitet og private virksomheder.

  Budget

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

  Tidsplan

  Projektet løber fra primo 2022 til primo 2023.

   

• Kunstig intelligens til understøttelse af visitation af genoptræningsforløb

  Beskrivelse

  Projektet vil med brug af kunstig intelligens understøtte en mere ensartet og hurtigere visitation af genoptræningsforløb i Aalborg og Rødovre kommuner. Løsningen vil både sikre en bedre udnyttelse af kapaciteten i de kommunale genoptræningstilbud og sikre, at borgere hurtigst muligt kommer i gang med genoptræning efter indlæggelse.

  I Aalborg og Rødovre kommuner fylder visitationsopgaven sammenlagt mere end 3.000 timer årligt, hvori der samlet behandles ca. 9.000 genoptræningsplaner for borgere, der skal i genoptræningsforløb.

  Projektet vil udvikle en løsning, der kan understøtte hele udskrivningsprocessen, fra en genoptræningsplan modtages i kommunen fra et hospital til borgeren er visiteret til et forløb. Dette sker via fire hovedfunktioner, som løsningen skal understøtte: Sortering af alle genoptræningsplaner; tildeling af forløbskoder til genoptræningsplaner; integration af standardoplysninger om borgere i it-fagsystemet Cura; og sidst en visitationsløsning, der baseret på historiske data vurderer hvilket genoptræningsforløb, der skal bevilges.

  Projektet vil fokusere på, at borgere fortsat kan forvente et højt og korrekt serviceniveau i visitationen til genoptræning. Samtidig vil projektet undersøge, hvordan tildelingen af koder for genoptræningsforløb har potentiale til at udbredes til andre kommuner, herunder afdække, hvordan løsningen kan omsættes til en tværkommunal standardkomponent.

  Organisering

  Projektet er forankret i Aalborg Kommune og Rødovre Kommune som ligeværdige projektdeltagere, dog med Aalborg Kommune som formel ansøger og projektejer.

  Budget

  Projektet modtager 5,9 mio. kr. fra investeringsfonden for nye teknologier.

  Tidsplan

  Projektet løber fra primo 2022 til ultimo 2022.

• Kunstig intelligens til forebyggelsen af underernæring og indlæggelse af ældre

  Beskrivelse

  Projektet har til formål at forebygge akutte sygehusophold ved at identificere ernæringstruede borgere, så behandling kan igangsættes rettidigt. Underernæring blandt ældre er en betydelig forudsigelsesfaktor for længere indlæggelsestid, genindlæggelser og dødelighed.

  I dag anvendes et manuelt screeningsværktøj til identificering af de ernæringstruede, men langt fra alle ernæringstruede identificeres. Feltstudier har vist, at værktøjet er tidskrævende og at der er kvalitetsforskelle i tolkningen og uafklarede ansvarsområder mellem sektorer, hospitaler og afdelinger. Indsatserne er ikke ensartede, og generelt svigter den tværsektorielle kommunikation mellem kommunale og regionale enheder. Ved at udvikle et intelligent værktøj baseret på data fra hospitalers og kommunale digitale journaler kan der mere effektivt identificeres og iværksættes forebyggende tiltag med henblik på at undgå underernæring.

  Underernæring øger risikoen for tab af muskelstyrke og lavere grad af selvhjulpenhed, hvilket medfører behov for støtte til personlig pleje og daglige gøremål. Hollandske data peger på, at udgifterne til en underernæret patient er 30 pct. højere end for en ikke-underernæret patient. Projektet kan således bidrage til, at borgere først og fremmest får en bedre behandling, hvor indsatser mod underernæring igangsættes effektivt. Det vil på sigt lede til borgere med større selvhjulpenhed og øget livskvalitet, og på sigt færre kommunale ydelser til personlig hjælp.

  Organisering

  Aarhus Universitetshospital er projektansvarlig, Aarhus Kommune bidrager i forhold til de kommunale arbejdsgange, og der samarbejdes med MedTech Innovation Consortium, samt en privat virksomhed. Yderligere nedsættes en følgegruppe med Regionshospitalet Horsens og Skanderborg Kommune.

  Økonomi

  Projektet modtager 3,0 mio. kr. fra investeringsfonden for nye teknologier.

  Tidsplan

  Projektet løber fra primo 2022 til ultimo 2023.

• Bedre diagnostik af gravide ved hjælp af kunstig intelligens

  Beskrivelse

  Projektet har til formål at udvikle en løsning, som skal forbedre kvaliteten af ultralydsskanninger af gravide for derved at øge evnen til at forudsige komplikationer. Det er essentielt at identificere eventuelle komplikationer tidligst muligt, for at kunne igangsætte forebyggende tiltag.

  I Danmark fødes der årligt 6.000 børn for tidligt eller med lav fødselsvægt. Der foretages samtidig mere end 200.000 årlige ultralydsskanninger af gravide, men det lykkes kun at forudsige 10-30 procent af alvorlige komplikationer som for lav fødselsvægt eller for tidlig fødsel. Det kan være farligt at overse tilstande, der kan indikere for tidlig fødsel eller lav fødselsvægt, da de medfører høj risiko for udvikling af funktionsnedsættelser og spædbarnsdød med store omkostninger for de berørte familier, sundhedsvæsenet og samfundet.

  Projektet bygger videre på en afprøvet prototype, som har vist gode resultater i forhold til at tjekke kvaliteten af allerede gennemførte optagelser af ultralydsskanninger. Det er hensigten med projektet at videreudvikle prototypen til et redskab, som kan øge kvaliteten af den enkelte skanning ved at understøtte det kliniske personale (jordemødre, sygeplejersker og læger) under skanningen. Konkret vil redskabet sikre, at billederne fra skanningen har den optimale kvalitet, mens undersøgelsen foregår.

  Redskabet implementeres i Region Nord (Aalborg Universitetshospital), Region Syd (Odense Universitetshospital), Region Sjælland (Slagelse Hospital) og Region Hovedstaden (Rigshospitalet).

  Organisering

  Projektet er forankret på CAMES Rigshospitalet i et samarbejde med DTU Compute og inkluderer samarbejdspartnere i Region Sjælland, Syddanmark og Nordjylland.

  Økonomi

  Projektet modtager 6,5 mio. kr. fra investeringsfonden for nye teknologier.

  Tidsplan

  Projektet løber fra primo 2022 til ultimo 2024.

• Kunstig intelligens til prædiktion af forværringer ved multisygdom med letforståelig forklaring af komplekse resultater

  Beskrivelse

  Projektet har til formål at forbedre behandlingen af borgere med flere kroniske sygdomme ved at udvikle et værktøj, som kan forudsige sygdomsforværringer hos borgeren. Projektet videreudvikler algoritmer fra signaturprojektet

  Prædiktion af forværring blandt KOL- og hjertesvigtspatienter.

  Danskere over 16 år har i gennemsnit mere end to kroniske sygdomme. Ofte forsøges udfordringer med kroniske sygdomme løst ved at adressere sygdommene enkeltvis, som tilfældet også er med KOL- og hjertesvigtsprojektet.

  Algoritmerne i KOL- og hjertesvigtsprojektet tager dog ikke højde for, at disse borgere ofte lider af begge sygdomme, og at de i gennemsnit i alt har 3-4 kroniske sygdomme. Hertil kommer, at forværringerne hos disse borgere kan skyldes andre ikke-kroniske og epidemiske sygdomme som influenza eller senest COVID-19.

  Projektet vil derfor videreudvikle og optimere algoritmerne fra KOL- og hjertesvigtsprojektet. Dette sker ved at inkludere informationer om relevante kroniske sygdomme sammenkørt med anden information, fx om forekomsten af relevante akutte epidemiske sygdomme. Projektet vil desuden udvikle og afprøve metoder til at kommunikere komplekse resultater fra algoritmerne på en let forståelig, tillidsvækkende og etisk forsvarlig måde.

  Organisering

  Projektet forankres i TeleCare Nord/Region Nordjylland, 1-2 nordjyske kommuner, Aalborg Universitet samt en eller flere leverandører af software til TeleCare Nord.

  Økonomi

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

  Tidsplan

  Projektet løber fra primo 2022 til ultimo 2024.

• Kunstig intelligens til understøttelse af visitation af henvisninger fra almen praksis

  Beskrivelse

  Projektet har til formål at understøtte patientrettigheder og sikre større ensartethed i visitationspraksis ved at benytte kunstig intelligens til at optimere håndtering af henvisninger af borgere fra praktiserende læger til sygehusvæsnet.

  Region Sjællands somatiske sygehuse modtager årligt omkring 250.000 henvisninger fra praksissektoren. Visitationsarbejdsgangen er en forholdsvis kompleks administrativ og klinisk faglig proces, hvor henvisninger i flere led manuelt skal håndteres og visiteres til korrekt lægefagligt speciale og lokalafdeling, før videre forløb for borgeren kan igangsættes. Hvornår den konkrete behandling igangsættes afhænger desuden af den enkeltes afdelings kapacitet.

  Der er således et stort potentiale for at udnytte kunstig intelligens til visitation af henvisninger. Ved at inddrage kapacitetsudnyttelse i modellen, kan løsningen desuden bidrage til bedre overholdelse af patientrettigheder og potentielt give hurtigere behandling i en række forløb. Endelig vil brugen af kunstig intelligens til understøttelse af henvisninger skabe mere ensartethed i visitationspraksis samt frigive ressourcer, der fx kan bruges til mere patientnære opgaver eller til en grundigere screening af de mest komplekse sager.

  Konkret er hensigten at udvikle en intelligent løsning, der kan vurdere indkomne henvisninger fra praktiserende læge og fordele disse efter speciale. For to udvalgte specialer skal løsningen dernæst tilknytte et patientforløb til den enkelte henvisning og tildele patienten en lokalafdeling. Dette skal ske under hensyntagen til, at kvaliteten af henvisninger ikke forringes eller at løsningen erstatter den lægefaglige vurdering, samt hensyntagen til etiske principper om selvbestemmelse, værdighed, ansvarlighed, forklarlighed, lighed og retfærdighed.

  Organisering

  Region Sjælland er projektejer, og Region Hovedstaden indgår i projektet som projektdeltager. Projektet vil desuden inddrage en privat virksomhed som ekstern rådgiver og udvikler. Der inddrages desuden faglige kompetencer løbende i en følgegruppe, som bl.a. vil bestå af klinikere, forskere og praktiserende læger.

  Økonomi

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

  Tidsplan

  Projektet løber fra primo 2022 til ultimo 2022.

• Kunstig intelligens til behandlingsstøtte for øjenpatienter

  Beskrivelse

  Projektet har til formål at styrke behandlingen af borgere med øjensygdommen aldersrelateret makuladegeneration (AMD). AMD er en kronisk øjensygdom, der påvirker synet og er den hyppigste årsag til blindhed i Danmark.

  Behandlingseffekten for AMD er stærkt afhængig af rettidig behandling.

  Øjenklinikken ved Rigshospitalet Glostrup har omkring 3.800 patienter i kontrol for en særlig aggressiv form for AMD, der udvikler sig hurtigere og medfører større tab af synsevne. Antallet af patienter med den aggressive form for AMD forventes på landsplan at stige med op til 50 pct. frem mod 2030. Skal den enkelte patient behandles som hidtil, vil det skabe et stort pres på klinikken.

  Det er derfor hensigten med projektet at udvikle et værktøj, der kan vurdere, hvilke patienter der bør behandles, hvilke patienter der bør observeres, og hvilke patienter som ikke har gavn af yderligere behandling. Projektet vil have et særligt fokus på at sikre gennemsigtighed i beslutningsprocessen.

  Ved at implementere en algoritme som beslutningsunderstøttende værktøj i øjenafdelingen kan kontroller varetages i større grad af ikke-lægeligt personale og frigøre vigtig tid hos øjenlægerne.

  Vellykket implementering vil potentielt betyde øget kapacitet, frigørelse af ressourcer til håndtering af komplekse patienter og reduktion i ventetid. Senere vil den modnede teknologi kunne udbredes til øjenafdelinger på øvrige hospitaler, samt til praktiserende øjenlæger og optikere, så borgere kan kontrolleres for AMD tættere på egen bopæl.

  Organisering

  Projektet er forankret på Rigshospitalet-Glostrup, som samarbejder med en privat aktør.

  Økonomi

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

  Tidsplan

  Projektet løber fra primo 2022 til ultimo 2023.

• WARD-HOME – sikker udskrivelse fra hospitalet

  Beskrivelse

  Projektet har til formål at muliggøre borgeres rehabilitering i eget hjem ved at sikre tidlig opsporing og indgriben i tilfælde af sygdomsforværring. Dette skal ske ved at udvikle intelligent trådløs overvågning, der 24 timer i døgnet kan vurdere borgerens tilstand og alarmere personale hvis nødvendigt.

  Andelen af borgere i Danmark med kroniske sygdomme er stigende, hvilket medvirker til at øge antallet af indlæggelser på hospitalerne. Dette medfører øget behov for ressourcer til overvågning under indlæggelsen, og at der frigøres plads ved, at borgere udskrives til eget hjem eller kommunale rehabiliteringspladser, så snart det er muligt. Mulighederne for overvågning og tidlig indgriben ved sygdomsforværring er normalt markant reduceret, når patienten er udskrevet fra hospitalet, hvilket øger risikoen for genindlæggelse.

  Projektet WARD-HOME bygger videre på det avancerede kliniske supportsystem, WARD, som indsamler information om kroppens vitale parametre (puls, iltmætning, vejrtrækning mv.). På baggrund heraf vurderer WARD patientens tilstand og alarmerer sundhedspersonalet, hvis behovet opstår. Samtidig afhjælper WARD et eksisterende problem med fejlalarmeringer af personalet.

  WARD-HOME-projektet vil udvide WARD-løsningen, så patienter ikke blot under hospitalsindlæggelse kan tilbydes avanceret fysiologisk overvågning, men også efter udskrivelse. Projektet forventes at bidrage til forkortet indlæggelsestid og færre komplikationer og genindlæggelser. Således vil WARD-HOME-teknologien øge sikkerheden og samtidig sikre, at der opstår færre fejlalarmer, hvorved personalet får mere tid til at fokusere på kerneopgaven omkring borgeren.

  Organisering

  Projektet er ledelsesmæssigt forankret i Region Hovedstaden (Bispebjerg Hospital og Rigshospitalet) samt med deltagelse fra DTU og Region Sjælland.

  Økonomi

  Projektet modtager 9,5 mio. kr. fra investeringsfonden for nye teknologier.

  Tidsplan

  Projektet løber fra primo 2021 til ultimo 2024.