Et regionalt forskningsprogram
CAAIR er et strategisk forskningsprogram under Region Midtjylland, der har til formål at udvikle, teste og implementere evidensbaserede datadrevne kliniske værktøjer og undersøge, hvordan disse kan understøtte sundhedspersoner i Patientbehandlingen.
Danske sundhedsdata rummer et unikt og uforløst potentiale. Når data anvendes rigtigt, kan de skabe reel værdi for både borgere, patienter og klinikere – og samtidig styrke samarbejdet på tværs af sektorerne. Datadrevne løsninger kan blive en nøgle til at omstille og fremtidssikre et sundhedsvæsen, der i dag er udfordret af en aldrende befolkning, flere multisyge patienter, knappe ressourcer og store rekrutteringsvanskeligheder.
Udviklingen af datadrevne teknologier er accelereret de seneste årtier, men kun få er integreret i den kliniske hverdag. For at realisere det fulde potentiale i de danske sundhedsdata kræver det, at teknologier udvikles og testes på et solidt fundament af klinisk indsigt og forskning. Kun på den måde kan de skabe reel værdi i sundhedsvæsenets kerneopgaver.
I CAAIR samles stærke forskningsmiljøer fra hele Region Midtjylland. Vi arbejder tæt sammen med centrale aktører fra den offentlige og private sektor og indgår i både nationale og internationale samarbejder.
CAAIR udfoldes i en række arbejdspakker, hvori der indgår forskellige forskningsprojekter, der samlet har til formål at:
- Forbedre kvaliteten og sammenhængen i patient- og behandlingsforløb
- Understøtte hurtigere og mere præcis diagnostik
- Styrke mulighederne for at forudsige og forebygge sygdom
- Optimere kliniske arbejdsgange og beslutningsprocesser
- Bidrage til bedre udnyttelse af kapacitet og ressourcer i sundhedsvæsenet
Er du interesseret i vores arbejde og et eventuelt samarbejde med CAAIR, er du meget velkommen til at kontakte forskningsprogrammets leder og videnskabelige tovholder Marianne Johansson Jørgensen, mariajrg@rm.dk.
SOFUS
Projektet ønsker at identificere indlagte patienter, hvis tilstand trods behandling forværres. Der er udviklet et klinisk beslutningsstøtte system, der giver læge og sygeplejerske besked, når en patient er i øget risiko for kritisk sygdom.
Systemet bygger på kunstig intelligens af typen Supervised Machine Learning, og er beskrevet i flere videnskabelige publikationer. Der er nu udviklet et produkt, som er parat til en klinisk afprøvning på hospitaler, så snart Region Midtjylland lykkes med at tilvejebringe tidstro data. Projektet udspringer af en erhvervs-ph.d. af Simon Lauritsen, Enversion A/S med bidrag fra en række eksperter og fonde.



![]()
![]()


Litteraturliste
- Early detection of sepsis utilizing deep learning on electronic health record event sequences
- Explainable artificial intelligence model to predict acute critical illness from electronic health records
- The Framing of machine learning risk prediction models illustrated by evaluation of sepsis in general wards