Fokus på 3 vigtige sundhedsudfordringer

Overblik over milliarderne

Danske regioner køber varer og tjenesteydelser for cirka 40 milliarder kroner årligt. Der er et stort potentiale for at realisere besparelser ved at effektivisere bogføringsprocesserne og ved at skabe et detaljeret overblik over regionernes indkøbsmønstre.

En gruppe på fem specialestuderende fra Aalborg Universitet (datalogi og machine intelligence) vil sammen med Enversion kigge på anvendelsen af machine learning teknikker til at:

  • Give et bedre og mere detaljeret overblik over indkøbskategorier
  • Automatisere bogføringsprocesser

Et varmt velkommen til:

Andreas B. Eriksen, Kent Munthe Caspersen, Martin Bjeldbak Madsen, Mathias Meldgaard Andersen og Mikkel Alexander Madsen.


Styr på medicinen

Medicinudgifterne i Danmark stiger kraftigt. Samtidigt er der hvert år flere og flere indberetninger om utilsigtede hændelser med medicin. F.eks. i forhold til fejlmedicinering og bivirkninger.

En gruppe på 7 specialestuderende fra Aalborg Universitet (datalogi og software engineering) vil sammen med ENVERSION kigge på anvendelsen af machine learning teknikker til opbygning af beslutningsstøttesystemer, der kan hjælpe ordinerende læger med at:

  • Vurdere billigere alternativer til en ønsket medicinsk behandling.
  • Vurdere mulige kombinationsbivirkninger.

Et varmt velkommen til: 

Anders Roland Nielsen, Daniel Steinar FridjonssonLars AndersenLasse Vang GravesenMathias Winde PedersenSander Jespersen og Søren Skibsted Als.


Styr på journaloplysningerne

Indførelsen af elektroniske patientjournaler (EPJ) i Danmark har lettet arbejdsgangene på sygehusene markant. Derudover har EPJ-systemer gjort det langt lettere for sygehusene, at udveklse oplysninger om patienten. En stor del af informationerne i EPJ-systemerne er dog indtastet på en måde, der besværliggør efterfølgende rapportering og analyse.

En gruppe på 6 7. semesterstuderende fra datalogi på Aalborg Universitet, skal sammen med ENVERSION kigge på hvordan journaloplysninger kan struktureres ved hjælp af tekst-mining metoder. Dette muliggør bl.a.:

  • Bedre muligheder rapportering og analyse.
  • Mulighed for at oversætte “lægelatin”, der er uforståelig for den almindelige borger, til begreber, der giver mere mening.

Et varmt velkommen til: 

Peter Fogh, Joachim Klokkervoll, Mike PedersenLynge PoulsgaardChristian Slot og Samuel Nygaard Pedersen