Bennetdoktorander

Informationsdriven vård

Högskolan i Halmstad har ett mångvetenskapligt forskningsprogram inom informationsdriven vård (Information Driven Care, IDC), som gör Högskolan ledande när det gäller att integrera forskning om artificiell intelligens och maskininlärning, implementeringsforskning och innovationsforskning, särskilt inom hälso- och sjukvården.

Tack vare en donation från Carl Bennet AB kommer fem doktorander (Bennetdoktoranderna) att ingå som en del av IDC. Doktorandprojekten spänner över områden som etiska överväganden vid användning av AI-teknologi, förbättring av patientsäkerheten genom att integrera AI-teknologi inom primärvården, förutsägelse av plötslig hjärtdöd med hjälp av AI-teknologi, utveckling av multimodala stora språkmodeller för hälsovård samt utforskning av skalbarheten hos hälsoinnovationer. Projekten tar sig an hälsoutmaningar som gemensamt identifierats med andra sektorer, driver forskningsgränserna framåt och utvecklar teknologier och processer för informationsdrivna hälso- och sjukvårdslösningar.

Bennetdoktorandprojekt

AI och etik (hemvist Akademin för hälsa och välfärd)

I doktorandprojektet granskas de etiska aspekterna av teknikbaserad vård. I takt med att teknologin snabbt utvecklas är det avgörande att noggrant undersöka dess etiska konsekvenser. Forskningen syftar till att främja ansvarsfull och etisk användning av teknologi inom vården genom att utforska olika etiska ramverk. Målet är att skapa förtroende och ökad acceptans både bland vårdpersonal och patienter.

AI och patientsäkerhet (hemvist Akademin för hälsa och välfärd)

I doktorandprojektet utforskas kunskapsgapet kring hur digitala triage-applikationer påverkar patientsäkerheten och vårdpersonalens arbetsvillkor inom svensk primärvård. Genom att använda olika tillvägagångssätt för att förstå applikationernas effektivitet och värde, inklusive system som använder artificiell intelligens, deterministiska metoder och självtriage-system, strävar projektet efter att fylla det kunskapsgapet. Genom flera fallstudier, där samarbeten etableras med applikationsutvecklare och vårdgivare, samlas både kvalitativ och kvantitativ data in från både personal och patienter. Det slutliga målet är att bidra med insikter om hur dessa teknologier påverkar vårdleverans och patientutfall.

Förutsägelse av plötslig död (hemvist Akademin för informationsteknologi)

Doktorandprojektet fokuserar på att utveckla och tillämpa prediktiva modeller inom sjukvården, särskilt vad gäller plötslig hjärtdöd i Halland. Genom att bygga vidare på befintlig forskning med elektrokardiogram, är uppgiften att validera och förbättra dessa modeller i nya patientgrupper, både retrospektivt och prospektivt. Genom denna process kommer modellernas noggrannhet och tillämpbarhet att förbättras, samtidigt som tidigare obemärkta riskfaktorer bland patientgrupperna identifieras och förståelsen för orsakssamband fördjupas. Vid sidan av tekniska färdigheter inom datavetenskap, kommer projektet ge insikter om projektledning samt laglig överensstämmelse och etiska överväganden vid hantering av känslig sjukvårdsdata.

Medicinsk multimodal stor språkmodell för hälso- och sjukvård (hemvist Akademin för informationsteknologi)

Doktorandprojektet fokuserar på att utveckla en gemensam ram för stora språkmodeller inom hälsovården som kan hantera utmaningar som brist på data, felaktig data och medicinska fördomar.

Skalbarheten hos digitala hälsoinnovationer inom informationsdriven vård (hemvist Akademin för företagande, innovation och hållbarhet)

Doktorandprojektet fokuserar på samarbetsutmaningar inom hälsoinnovationsekosystem, särskilt skapandet av nya affärsmodeller inom hälsotekniksföretag. Målet är att påskynda och synkronisera kommersialiseringen, adaptionen och implementeringen av hälsoteknikinnovationer. Projektet utforskar perspektiv från både branschen och sjukvården, med syfte att avslöja avgörande faktorer som påverkar skalbarheten av hälsotekniska lösningar. I slutändan syftar projektet till att erbjuda värdefulla insikter om innovation och affärer, särskilt inom informationsdriven hälso- och sjukvård.