Innovationstävlingen Vinter – innovation med känsliga data är ett led i den pilotsatsning som Vinnova drivit under snart ett år. Nu är alltså tävligen avgjord. Två vinnare tog emot priset, en i kategorin tjänst och en i kategorin infrastruktur.
Känslig data bidrar till smarta lösningar för diabetes
Artificiell intelligens Nu har de två vinnarna i innovationstävlingen Vinter avgjorts. Båda bidragen visar hur man genom att använda data kan utveckla smarta lösningar för diabetes.

Båda bidragen visar hur känslig data kan bidra till att ta fram smarta lösningar för diabetes. Foto: Adobe Stock
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.
Klocka förutser behovet av insulin
Arctic Med Tech vann i kategorin tjänst. De har utvecklat en AI-lösning som gör det möjligt att analysera och förutse behov av insulin och kolhydrater baserat på ansträngningsgrad. För användaren visualiseras resultatet i realtid, i en sportklocka.
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
