Joel Preger har fått uppdraget som Chief AI Officer

Datadriven blodbussplanering med AI-stöd

Tillgänglighet och förenklad logistik är avgörande för att säkerställa att så många blodgivare som möjligt donerar blod i den utsträckning de vill och kan. Målet är att utveckla en AI-stödd mjukvarumodul för datadriven schemaläggning av blodbussar i Region Stockholm. Genom att automatisera och optimera planeringsprocessen för blodbussar syftar projektet till att säkerställa en tillgänglig och stabil blodförsörjning och minska arbetsbelastningen för personal och ökar flexibiliteten vid akuta situationer eller kriser.

AI - för att upptäcka barn utsatta för våld

Vi behöver upptäcka barn utsatta för våld. Vi på Barnskyddsteamet har utvecklat ett AI baserat utbildningsverktyg där man kan öva på att ställa frågor till barnavatarer, för att upptäcka om de varit utsatta för våld.

AI-råd för Region Stockholms egenägda vårdgivare

AI-rådets syfte är att guida AI-initiativ från idé till implementering och att ta fram en transparent och tydlig strategi och process för AI. AI-rådet har startats på Karolinska men verkar för att stötta övriga egenägda vårdgivare i AI-relaterade frågor och tillsammans driva regionövergripande AI-initiativ inom hälso- och sjukvård. AI-rådet består av representanter från klinisk verksamhet, IT & MT, Juridik och upphandling.

Egenutvecklad AI på Karolinska - Maskininlärning och Generativ AI

Karolinskas AI-team arbetar med regionövergripande AI-lösningar inom både prediktion och textbearbetning. Fokus är på att underlätta (vårdnära) administration och förbättra vårdgivarnas effektivitet och förmåga att fatta proaktiva beslut.

Operationsplanering med AI

AI-Verktyg framtaget för att prediktera operationstider vilket stöttar operationsavdelningar till ett mer resurseffektivt och träffsäkert operationsschema.

Utvärdering av generativ AI inom differentialdiagnostik i akutsjukvård

Vi utvärderar om generativ AI kan stödja läkares differentialdiagnostik på akutmottagningen med fokus på diagnostisk precision, beslutsfattande och patientsäkerhet.

dAIbetes – Virtual Twin och ”federated learning” för säker AI i diabetesvård

Vi utvecklar och validerar Virtual Twin AI-modeller som kan stödja mer individanpassad behandling vid typ 2-diabetes och bidra till en jämlik och säker vård. Projektet använder ett integritetsbevarande upplägg med federated learning, där data stannar hos vårdgivaren och modeller som förutser respons på olika diabetesbehandlingar (Virtual Twin) tränas lokalt och därefter sammanslås. Den slutliga, sammanslagna Virtual Twin-modellen testas sedan vid flera sjukhus. Karolinska Universitetssjukhuset bidrar med modellutveckling, validering och klinisk implementeringsdialog.

Vägen mot klinisk AI inom hudcancerdiagnostik: interaktionen mellan AI och människa (AIDMel-studien) 

Det kraftigt ökande antalet hudcancerfall utgör en stor utmaning för sjukvården och kräver nya, resurseffektiva lösningar. I AIDMel-studien har 32 läkare använt ett AI-baserat beslutsstöd prospektivt vid teledermatoskopiska bedömningar av potentiell hudcancer. Genom att studera interaktionen mellan läkare och teknik i en verklig klinisk miljö söker vi svar på hur AI bör implementeras för att på ett säkert sätt förstärka läkarnas beslutsfattande. Studien genomförs vid Karolinska Universitetssjukhuset och Karolinska Institutet i samarbete med Medicinska Universitetet i Wien och Handelshögskolan i Stockholm.

AI och social robotik som stärker kliniskt resonemang och kommunikation i vårdutbildningar

Vi utvecklar och utvärderar AI-drivna virtuella patientmöten med social robotik för grundutbildningar inom hälso- och sjukvården. Plattformen heter SARI (Social AI-enhanced Robotic Interface) och ger studenter en realistisk ansikte-mot-ansikte-upplevelse med virtuella patienter som kan variera i personlighet, beteende och kulturell bakgrund, vilket möjliggör mer jämlik och målrelaterad träning när tillgången till relevanta patientfall i VFU är begränsad. SARI har införts som ett nytt arbetssätt i undervisningen, och inkorporerar även en AI-baserad återkopplingsfunktion som ger standardiserad feedback på kommunikation och kliniskt resonemang. Projektet drivs i samarbete mellan Karolinska Institutet, Karolinska Universitetssjukhuset, Kungliga Tekniska Högskolan och patientrepresentanter, med målet att stärka utbildningskvalitet, empati och patientsäkerhet, och positionera Region Stockholm i framkant nationellt och internationellt.

AI kan upptäcka bukspottkörtelcancer bättre än radiologer 

En ny internationell studie publicerad i The Lancet Oncology visar att artificiell intelligens (AI) kan vara mer träffsäker än erfarna radiologer när det gäller att upptäcka bukspottkörtelcancer på datortomografi (CT). Studien är ett samarbete mellan Radboud University Medical Center i Nederländerna, Karolinska Institutet i Sverige och University of Bergen i Norge.