Målet med A3S-projektet är att skapa en AI-stödd astma-app med en spirometer. Vi använder förklarbar AI för att analysera patientdata och skapa beslutsunderlag. Projektets fokus är transparent, personcentrerad vård som hjälper människor att hantera sin astma och minskar hälsoriskerna.

I bedömningar av försäkringsärenden får skadehandläggare ofta förlita sig på sin magkänsla och intuition. I det här forskningsprojektet undersöker vi hur processen kan bli mer tillförlitlig med hjälp av AI.

Projektet syftar till att göra AI rättvist, transparent och rättssäkert, så att det gynnar hela samhället. Genom att adressera fördomar inom hälso- och sjukvård samt utbildning arbetar vi för att utveckla AI-system som gagnar samhället på ett jämlikt och ansvarsfullt sätt.

Digitala tvillingar och artificiell intelligens är två nyckelteknologier i den fjärde industriella revolutionen. Det här projektet kopplar samman de bägge fälten i ett samarbete mellan akademi och industri där Stockholms universitet och Atrium Ljungberg medverkar.

Under coronapandemin ökade digitala bedömningar inom den högre utbildningen dramatiskt. Vilka är lärarnas erfarenheter av utvecklingen? Och vilka är de stora möjligheterna och utmaningarna när man utformar och implementerar digitala bedömningar?

Att arbeta med människor är otroligt svårt för robotar. Det här projektet syftar till att utveckla nya sätt för robotar och intelligenta agenter att förstå, interagera med och anpassa sig till hur vi människor arbetar tillsammans för att ta oss igenom vår vardag.

Är du intresserad av att knäcka historiska koder? Ta en titt på vårt projekt som syftar till att analysera och dechiffrera hemligt kodade historiska dokument.

AI och datadrivet, autonomt beslutsfattande kommer att spela en ledande roll i digitaliseringen av viktig infrastruktur som rör el, vatten och transporter. Det här projektet undersöker framtidens smarta samhällen.

Skiftet till förnybar energi möter flera tekniska utmaningar, bland annat för att tillgången till den typen av energi är mer volatil och osäker. Vi undersöker hur AI-algoritmer kan användas i städernas elnät för smartare kontroll och koordinering.

Vårdrelaterade infektioner och onödiga antibiotikabehandlingar är allvarliga problem inom sjukvården. I det här projektet utvecklar vi AI-modeller, inklusive stora språkmodeller, som kan hjälpa till att förbättra infektionskontroller och antibiotikahantering.

Nya datadrivna lösningar har potential att förbättra situationen för multisjuka äldre. Projektet identifierar, analyserar och pilottestar sådana innovativa lösningar, baserade på förbättrad vårdsamverkan mellan stad och region.

Med de stora datamängder som genereras i dag har den personliga integriteten blivit en het fråga. I detta projekt studerar vi hur man kan skapa säkra språk- och datamodeller med hjälp av maskininlärning – utan att röja personuppgifter.

Projektet handlar om hur vården av multisjuka äldre kan förbättras. Vi identifierar och designar innovativa tjänster, baserade på datadrivna lösningar. Syftet är att förhindra återinskrivningar till avancerad sjukhusvård och minimera felbehandlingar.

Detta forskningsprojekt kommer att förändra vården av psykisk ohälsa i Uganda. Vi utvecklar en digital lösning som underlättar vård och stöd, och hjälper människor med stora behov att komma i kontakt med experter. Lösningarna utgår från svenska system, men anpassas till lokala behov för att säkerställa att vården blir användarcentrerad och relevant i Uganda.

Det här avhandlingsprojektet handlar om distribuerad intelligens, sakernas internet och edge computing. Vi undersöker hur nätverksarkitekturer kan optimeras för att bli mer effektiva.

I det här projektet studerar vi digitala lösningar för en patientcentrerad journalhantering. Vi jämför e-hälsotjänster i Brasilien med liknande lösningar i Sverige och övriga Europa.

Detta EU-projekt går ut på att öka livsmedelssäkerheten för medborgarna. I dag finns en mängd olika datakällor som innehåller livsviktig information om maten vi äter, men problemet är att källorna är så spridda. Vi undersöker hur data kan utvinnas, aggregeras och analyseras med hjälp av AI.

Elektroniska journaler är fulla av viktig – men ostrukturerad – information, exempelvis kring patienters medicinska implantat eller tidigare biverkningar av mediciner. Här finns en innovationspotential. I detta projekt använder vi nordiska patientjournaler för att visa hur utmaningar inom sjukvården kan lösas.

Federerad förstärkningsinlärning är ett forskningsområde som håller på att växa fram. Det handlar om att flera AI-system lär sig tillsammans – utan att dela sina privata data. I detta projekt undersöker vi hur skalbara system kan byggas.

Medicinsk utrustning samlar in enorma mängder patientdata varje dag, på alla sjukhus runtom i världen. Tänk om den här typen av data kunde hjälpa till att förbättra diagnosverktygen? Det här avhandlingsprojektet utforskar hur medicinska data kan användas på ett säkert sätt.

Maskininlärning har utvecklats och införts inom en rad olika områden där kraven på noggrannhet och tolkningsbarhet är höga. Ändå brister tolkningsbarheten i många maskininlärningsmodeller. I det här avhandlingsprojektet undersöks hur algoritmerna kan förbättras.

Det här projektet undersöker hälsoinformationssystem i Somalia. Vi samlar information om vilka fungerande system som redan finns och identifierar stödbehov. Resultaten kommer att användas för att implementera ett enhetligt system för förbättrad mödra- och barnhälsovård.

Syftet med detta projekt är att möjliggöra den praktiska användningen av avidentifiering av klinisk text på svenska. Avidentifieringsverktyget HB Deid ska testas inte bara i laboratoriemiljö på Stockholms universitet, utan även på textbaserade patientdata från Region Stockholm.

Hur kan städer bli smartare? Tillsammans med några andra universitet i Östersjöområdet har vi skapat ett konsortium för att utveckla skalbara, säkra och smarta lösningar. Genom att integrera IoT, edge- och molnbaserad databehandling vill vi göra urbana miljöer mer hållbara.

Hur kan tekniska lösningar hjälpa läkare att ställa bättre diagnoser, göra prognoser och uppskatta sannolikheten för olika utfall? I det här projektet använder vi maskininlärning och språkteknologi för att utveckla prediktionsmodeller för sepsis och covid-19.

De senaste årens genombrott inom AI har drivits av så kallade språkmodeller. De kan vara mycket användbara men utgör också en säkerhetsrisk: De läcker information om sina träningsdata. Detta projekt handlar om att identifiera sådana sårbarheter och föreslå integritetsskyddande tekniker.

Internet of Things (IoT, sakernas internet) möjliggör för maskiner att kommunicera direkt med andra maskiner, utan att involvera människor. Tekniken innebär stora möjligheter att göra saker snabbare och smartare. Men IoT väcker också frågor om säkerhet och integritet.

Forskningsprojekt som ges inom ramen för SPARC – Strategiskt partnerskap för forskning och samarbete inom artificiell intelligens

Syftet med projektet är att inom domänen flygstridsträning utveckla och utvärdera vetenskaplig förankrade pedagogiska ansatser, metoder och verktyg för att systematiskt planera, utvärdera och följa upp träning och träningsresultat.

Projektet syftar till att ta fram ett konkret och skalbart exempel på hur IoT (Internet of Things, sakernas internet) kan användas för att utveckla skolans kärnverksamhet – undervisning och lärande. Vi förser lärare med sensorer för att kartlägga hur de rör sig i klassrummen. Det ger viktig information om hur de interagerar med elever.

Forskningsprojektet OrganoFeed syftar till att göra laboratorieodlade miniorgan – organoider – mer pålitliga för forskning. Vi kombinerar två typer av teknik, AI och mikrofluidik, för att finjustera organoidmiljön i realtid och därmed undvika fel. Projektet har potential att förbättra läkemedelstester och även ersätta djurförsök.

Med bättre beskrivningar av patienters tillstånd och historik kan mer effektiva åtgärder föreslås. Vi undersöker hur AI-verktyg kan användas praktiskt inom sjukvården. Vi fokuserar på komplexa och multimodala data, med fall kopplade till covid-19, sepsis, cancer, samt läkemedelsbiverkningar.

Färre olyckor på vägen, och färre driftstopp. Det är det förväntade resultatet av detta forskningsprojekt som använder data från lastbilar för att utveckla nya maskininlärningsmodeller. Modellerna kommer att berätta för oss när underhåll behövs – innan fordonen går sönder.

Hur kan vi skapa mer hållbara maskininlärningsmodeller? I det här projektet undersöker vi nästa generations distribuerade AI- och maskininlärnings-algoritmer i komplexa nätverk.

I det här projektet använder vi avancerad AI för att utveckla smarta kraftomvandlare. De stabiliserar elnätet och möjliggör en säker, robust och förnybar elförsörjning för ett klimatneutralt samhälle.

Hur kan vi rehabilitera patienter med allvarliga och långvariga kognitiva problem efter Covid-19? I projektet designar vi ett online-rehabiliteringssystem. Systemet hjälper patienterna att bättre förstå sina problem, stödjer deras kognitiva träning och ökar deras motivation att arbeta med rehabilitering online.

Många digitala applikationer använder maskininlärningsalgoritmer för att förbättra sina resultat. Det här projektet undersöker hur algoritmerna kan bli bättre på att förstå mänskligt beteende i VR-miljöer.

U-Train handlar om digital transformation av högre utbildning i Ukraina. Campusundervisning är inte möjlig på grund av kriget, projektets syfte är därför att stödja utvecklingen av distansutbildningar. Vi undersöker behoven kring design och genomförande av onlinekurser, både i krigstid och efter, som en del av återuppbyggnaden av utbildningssektorn.

Autism är en vanlig neuropsykologisk funktionsnedsättning som medför stora problem för många människor. Syftet med projektet är att underlätta för personer med autism att klara vardagliga uppgifter. Tillsammans med personer som deltar i daglig verksamhet utvecklar vi en stödjande app.

Utvecklingen inom AI påverkar oss på många sätt, även inom högre utbildning. Det här projektet ingår i det nationella WASP-ED-programmet som syftar till att höja förmågan och kapaciteten inom AI i Sverige.