Decentralised Patient Centered Clinical Trials (PACT) er et offentlig-privat samarbejde med Trial Nation, Danmarks fem regioner og syv industripartnere. PACT-projektet har tre overordnede mål: 1) at etablere et samlet Nationalt Forsøgsoverblik (NFO) over kliniske forsøg i Danmark, 2) at identificere rekrutteringssystemer og -metoder til kliniske forsøg og 3) at afdække potentialer for flere decentrale kliniske forsøg i Danmark.

PACT er finansieret gennem Innovationsfondens Grant Solution-program med det formål at nedbryde barrierer for patienter og sundhedsprofessionelle, så det bliver lettere at  deltage i kliniske forsøg i Danmark. . Projektets decentraliserede tilgang sigter mod at give patienter mulighed for at deltage i kliniske forsøg direkte fra deres eget hjem, hvilket støtter udviklingen af patientcentreret sundhedspleje.

I øjeblikket findes der ikke en samlet oversigt over alle kliniske forsøg i Danmark. Gennem NFO-platformen stræber projektet efter at imødekomme dette ved at etablere ét centralt sted. Alle kliniske forsøg er beskrevet med in- og eksklusionskriterier, forsøgsindhold, tidshorisont og kontaktoplysninger til de steder, der gennemfører forsøgene.

Projektet strækker sig frem til udgangen af 2025 med håbet om at skabe et forbedret nationalt overblik over kliniske forsøg i Danmark. Dette vil åbne op for flere muligheder for decentrale kliniske forsøg, styrke grundlaget for deltagelse samt gøre det muligt for flere patienter at drage fordel af og bidrage til kliniske forsøg.

Kontaktperson

Thomas Holdgård Jensen, thjens@rm.dk

Clinical Artificial Intelligence based Diagnostics (CAIDX) er et projekt med det overordnede formål at fremskynde udviklingen og implementeringen af AI-løsninger og datadrevne diagnostiske værktøjer på hospitaler. Dette gøres ved at fokusere på fælles udvikling, kontraktindgåelse, standardprocedurer, regulatorisk procesramme og kapacitetsopbygning.

Gennem indsamling af bedste praksis og udformning af retningslinjer for udvikling, test og implementering af AI-applikationer inden for sundhedssektoren, støtter vi og tilpasser os den kulturreform og de arbejdsgange, der er nødvendige for at udfolde potentialet af AI.

Projektet strækker sig frem til udgangen af 2025 med ønsket om at skabe en model eller et værktøj, der på lang sigt kan hjælpe klinikere og sundhedspersonale med at integrere AI og dermed forbedre diagnosticeringen og behandlingen.

Innovationsklinikken i Danmark leder projektet, som omfatter 12 partnere fra forskellige lande i Europa. Projektet er medfinansieret under EU's Interreg Baltic Sea Region-program. Aarhus Universitetshospital forventer, at dette samarbejde vil bane vejen for en mere effektiv og innovativ anvendelse af AI inden for diagnostik og bidrage til forbedringer i sundhedssektoren på tværs af grænserne.

Kontaktperson

Thomas Holdgård Jensen, thjens@rm.dk

I slutningen af 2022 indgik Aarhus Universitetshospital og Fraunhofer Institute for Software and Systems Engineering (ISST) i Tyskland et partnerskab baseret på anvendt forskning, der sigter mod at forbedre anvendelsen af sundhedsdata ved at udnytte beregningskraften af kunstig intelligens (AI) i kliniske miljøer til simulering og prædiktionsberegning.

Projektet bygger på Aarhus Universitetshospitals erfaring med datadrevet ledelse og Fraunhofer ISST's position som Europas frontløber inden for opbygning og udnyttelse af datarum og dataøkosystemer. Det vil undersøge, om sundhedsdata kombineret med data fra andre datasfærer kan hjælpe med at optimere processer, forudsige fremtidige udfordringer (f.eks. sygdomsudbrud/pandemier, mangel på sundhedspersonale, svagt beredskab mm.) og simulere virkningerne af ændringer i interne procedurer eller omgivelser. Fraunhofer ISST og Aarhus Universitetshospital håber, at disse datasæt vil vise sig at være et værdifuldt redskab til at hjælpe sundhedssystemer over hele verden med at tackle mange af de udfordringer, de potentielt kan stå over for i fremtiden.

Ved at bruge data indsamlet af Aarhus Universitetshospital arbejder parterne sammen med medarbejdere på OP-området og akutafdelingen for at fastlægge behovet og de potentielle anvendelser af AI inden for disse områder.

Kontaktperson

Lars Ganzhorn Knudsen, Lars.Knudsen@auh.rm.dk

Health Outcomes Observatory (H20) har til formål at etablere dataobservatorier med Patient Reported Outcomes (PRO) i flere forskellige lande. Den indledende implementering er i første omgang ved Erasmus MC i Rotterdam, Charité i Berlin, MUW i Wien og Vall D’Herbron i Barcelona. Aarhus Universitetshospital deltager aktivt i dette partnerskab i samarbejde med Sundhedsdatastyrelsen og Lægemiddelstyrelsen.

H2O er et europæisk projekt under Innovation Medicines Initiatives (IMI) programmet. Projektet arbejder på at udvikle fælles kliniske standarder for patientundersøgelsesskemaer, hvilket gør de indsamlede PRO-data sammenlignelige på tværs af landene. Dette skaber mulighed for forskning og innovation baseret på et omfattende datagrundlag.

Yderligere fokuserer H2O på udviklingen af fælles IT-standarder og samarbejder med industrien om applikationer, der giver patienterne mulighed for at følge og få adgang til deres egne data. Dette inkluderer også muligheden for at sammenligne data på patienter, der deler lignende diagnoser.

I øjeblikket er H2O i gang med at forberede et paneuropæisk observatorium med ansvar for at koordinere og bygge bro mellem landene. Dette indebærer spredning af kliniske standarder og udvidelse til flere lande.

H2O i Danmark vil inddrage den danske IT-infrastruktur og teste, hvordan de europæisk udviklede kliniske standarder passer sammen med den danske tilgang til udformning af spørgeskemaer. Endvidere vil der blive undersøgt, om det samtykke, der er udviklet i samarbejde med de europæiske partnere, er anvendeligt i den danske kontekst. Afslutningsvis vil der blive gennemført undersøgelser for at identificere den mest hensigtsmæssige organisatoriske model i Danmark for at deltage fuldt ud i det europæiske fællesskab.

For yderligere information og opdateringer, henvises der til Health Outcomes Observatory's officielle europæiske hjemmeside.

Kontaktperson

Gitte Kjeldsen, gitkjeld@rm.dk

Towards European Health Data Space (TEHDAS) udgør en fælleseuropæisk indsats under EU-programmet med det overordnede formål at forberede implementeringen af European Health Data Space (EHDS). Fokusområderne for projektet inkluderer jura, it-infrastruktur, standarder og  datainteroperabilitet.

Region Midtjylland har fungeret som den danske myndighed i dette projekt. Projektledelsen varetages af Regional Udvikling med deltagelse fra Center for Digitalisering, Epidemiologi og Forskning (CDEU), Region Midtjylland's IT-afdeling, Juridisk Kontor, Regionernes Kliniske Kvalitetsudviklingsprogram (RKKP) og Aarhus Universitetshospital.

For yderligere detaljer og opdateringer om TEHDAS-projektet, henvises der til TEHDAS' officielle hjemmeside.

Kontaktperson

Gitte Kjeldsen: gitkjeld@rm.dk

European Health Data Space Pilot2 (EHDS2 Pilot) udgør en fællesaktion under EU-programmet med det overordnede formål at forberede implementeringen af European Health Data Space (EHDS) i EU og levere anbefalinger til EU-Kommissionen om anvendelse af sundhedsdata til forskning, innovation og kommerciel anvendelse. Region Midtjylland og Aarhus Universitetshospital er tilknyttede partnere til Sundhedsdatastyrelsen, den danske myndighed på området. Samarbejdet mellem Region Midtjylland og Aarhus Universitetshospital indebærer både testning af teknologien gennem konkrete anvendelsestilfælde (use cases) samt udførelse af forskningssamarbejder på tværs af deltagerne.

Region Midtjylland's IT-arkitekter, Juridisk Kontor, Connect[DR1]  (Center for kliniske og genomiske data) samt og AUH Innovation & International Affairs bidrager aktivt til projektet i samarbejde med Center for Digitalisering, Epidemiologi og Forskning (CDEU). Dette partnerskab har til formål at adressere teknologiske, juridiske og innovationsmæssige aspekter ved EHDS-implementeringen.

EHDS2 Pilot stræber efter at etablere grundlaget for en effektiv udveksling af sundhedsdata på tværs af EU-landene. For at få en dybere forståelse af dette pilotprojekt og dets resultater inviteres interesserede til at besøge EHDS2 Pilot's officielle hjemmeside, hvor yderligere information og opdateringer er tilgængelige.

Kontaktperson

Gitte Kjeldsen, gitkjeld@rm.dk

TVÆRSPOR er et forskningsprojekt, der sigter mod at tilegne sig omfattende viden om årsagerne til uhensigtsmæssige indlæggelser og genindlæggelser. Formålet er, at målrette indsatsen på tværs af sektorer og effektivt styre det tværsektorielle samarbejde med fokus på forbedring af patientpleje og behandling.

Projektet er forankret ved Regionshospitalet Horsens,.  Aarhus Universitetshospital spiller en central rolle som en aktiv deltager i både styregruppen og projektgruppen og skal som en del heraf hjælpe med at udbrede kendskabet til mulighederne for samarbejde om forsknings-, analyse- og innovationsprojekter.

TVÆRSPOR opererer på baggrund af data, der strækker sig tilbage til 2012 og omfatter alle voksne borgere i Region Midtjylland. Disse data kombineres nøje med registerdata - LPR (LandsPatientRegistret), CPR og DREAM (Den Registerbaserede Evaluering af Marginaliseringsomfanget) - samt journaldata fra fire kommuner: Aarhus, Horsens, Skanderborg og Odder. Denne omfattende tilgang giver et holistisk billede af patientforløb og sundhedstilstande. Projektets omfang og forankring i en stor geografisk region understreger dets betydning og potentiale for at generere indsigt, der vil forme fremtidige sundhedsstrategier. TVÆRSPOR strækker sig frem til 2027.

Læs mere om TVÆRSPOR

Kontaktpersoner

Gitte Kjeldsen: gitkjeld@rm.dk

Anne Aavad: anaamo@rm.dk

Baseret på regionale og kommunale data fra TVÆRSPOR-databasen udvikles en AI-model med det formål at identificere ældre borgere med (risiko for) underernæring samt forudsige hvilke ældre borgere, der er i risiko for underernæring på et senere tidspunkt. Projektet er finansieret af Digitaliseringsstyrelsen og er et samarbejde mellem Aarhus Universitetshospital, Aarhus Kommune og Enversion A/S.

AI-modellen sigter mod at bidrage til færre tilfælde af underernæring og derved reducere følgevirkningerne, såsom hospitalsindlæggelse, nedsat funktionsevne, reduceret livskvalitet og i værste fald død. Anvendelsen af AI-modellen skal sikre en systematiseret tilgang, hvor ældre borgere i risiko modtager en målrettet, individualiseret indsats.

AI-modellen er designet til at understøtte det kliniske personale både i kommune og region. Formålet er at identificere flere ældre med underernæring end de nuværende screeningsmetoder tillader og samtidig sikre, at personalet kan arbejde mere effektivt.

Arbejdet med AI-modellen er stadig under udvikling, og de specifikke gevinster, som løsningen vil bidrage med, er endnu ikke fuldt afklaret. Projektet forventes dog at levere målbare effekter inden for forebyggelse af underernæring og forbedring af sundhedsindsatsen på tværs af sektorerne. Vi ser frem til at dele yderligere information, når resultaterne bliver mere konkrete.

Kontaktperson

Thomas Holdgård Jensen, thjens@rm.dk