I ett nytt forskningsprojekt ska ett team av forskare från Sverige, Norge och Spanien använda AI för att förbättra vården av äldre. Tanken är att i realtid samla in data från äldre personer i sina hem för att på så vis upptäcka tidiga tecken på hälsoproblem. Med andra ord, upptäcka vårdbehov innan de inträffar.
Vill använda AI för att upptäcka vårdbehov – innan de inträffar
Artificiell intelligens Hur kan AI användas för att förutsäga vårdbehovet? Det ska ett nytt EU-finansierat forskningsprojekt titta närmare på.

– Att identifiera hälsosvikt i ett tidigt skede kan ha stor positiv inverkan på äldres livskvalitet, säger Hanife Rexhepi.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsvård.se premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
– Att identifiera hälsosvikt i ett tidigt skede leder ofta till mer effektiva och mindre ingripande behandlingar, vilket kan ha stor positiv inverkan på äldres livskvalitet, säger Hanife Rexhepi i en presskommentar.
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
