Forskningsstyrke
AI and Health Data Science
Forskningsstyrke
AI and Health Data Science
Digitale løsninger afhjælper presset på sundhedsvæsenet
Sundhedsvæsenet står over for store udfordringer i fremtiden på grund af en aldrende befolkning. Det betyder en stigende sygdomsbyrde og øgede omkostninger.
Digitale løsninger er den helt store mulighed for at lette presset på sundhedsvæsenet – og det kræver forskning.
Det Sundhedsvidenskabelige Fakultet har stærke forskningsmiljøer på Institut for Medicin og Sundhedsteknologi og Klinisk Institut, som satser på forskning, der kan udvikle digitale løsninger til gavn for patienter i sundhedssystemet.
Støtte fra udvikling til implementering
Vores forskning i health data science vedrører hele workflowet for udvikling af digitale løsninger til sundhedsvæsenet, dvs. lige fra den gode ide, systemer til dataindsamling, udvikling af AI og datadrevne løsninger til implementering af løsninger i klinisk drift.
Forebyggelse, tidlig opsporing og personlig medicin
Forskningen fokuserer overordnet på forebyggelse og tidlig opsporing af sygdom, baseret på analyse af individuelle risikoprofiler, der kan føre til lavere behandlingsomkostninger og bedre prognoser for patienterne. Desuden bidrager vi til en effektivisering af klinisk beslutningstagning ved at indføre personlig medicin, som betyder, at man kan levere mere præcise diagnoser og behandlingsanbefalinger skræddersyet til den enkelte patient.
Forskningsområder
- Metoder til forebyggelse og opsporing af sygdom via effektiv udnyttelse af eksisterende datakilder i den primære sektor, såsom kommunale tilbud, den alment praktiserende læge og telemonitorering
- Prædiktiv modellering til diagnostik, risikostratificering og optimal behandling indenfor f.eks. cancer, diabetes, kardiovaskulære og kardiometaboliske, inflammatoriske, neurologiske sygdomme. Modellerne bygger på multimodale data, herunder kliniske data, biosignaler, medicinske billeddata, molekylære data og sensorbaserede data
- Udvikling af sprogmodelbaserede løsninger til effektivisering på tværs af sektorer, men også som grundlagsskabende modeller til prædiktion af sygdomsforløb med henblik på optimering af behandling