diff --git a/ai_projects_norwegian_state - Oversatt_v1.csv b/ai_projects_norwegian_state - Oversatt_v1.csv
index 3c78bbf..96358e0 100644
--- a/ai_projects_norwegian_state - Oversatt_v1.csv	
+++ b/ai_projects_norwegian_state - Oversatt_v1.csv	
@@ -1,193 +1,200 @@
-,Prosjekteier,Prosjekttittel,Departement,Eiertype,Kontaktperson,Sektor (intern | ikke publisering),Beskrivelse av prosjekt,Formål med prosjekt,Prosjektstart,Prosjektslutt,Tilknyttede organisasjoner,Bruk av innleide konsulenter,Lenke til prosjekt,Status,Type data,Datakilde,Modellutvikling,Klassifisering
-1,Agder Energi,Ytelses- og helseovervåking for vannkraftverk (PHM Hydro),Nærings- og fiskeridepartementet,Annet,,Energi,"Kontinuerlig overvåking av tilstanden til kritisk utstyr som turbiner og generatorer, samt effektiviteten til utstyret, sikrer at vannkraftverkene drives lønnsomt og uten uønskede driftsstans. PHMHydro har som mål å bygge grunnlaget for en slik ytelses- og tilstandsovervåkingsarkitektur for vannkraftverk som er skalerbar til flere tekniske komponenter og til flere kraftverk. Dette inkluderer evaluering av ny metodikk, utvikling av nye algoritmer ved bruk av fysikk og kunstig intelligens (AI), og en arkitektur for å håndtere algoritmene i sky/tåke-distribusjon",,2022,2025,Statkraft,,https://aidirectory.no/view-project.php?id=1402,,,,Ja,
-2,Agder Energi,Generisk vannkraftoptimalisering ved bruk av dyp forsterkningslæring (GHO-DRL),Nærings- og fiskeridepartementet,Annet,,Energi,Den underliggende ideen i dette forskningsprosjektet er å anvende og tilpasse nyere gjennombrudd innen såkalt Deep Reinforcement Learning (DRL) til vannkraftplanleggingsproblemet.,,2017,2020,,,,,,,Ja,
-3,Akershus universitetssykehus,Hjertesviktrisikoprediksjon av Ahus,Helse- og omsorgsdepartementet,Statlig selskap,,Helse,Ahus-prosjektet skal utvikle en algoritme som skal kunne forutsi risiko for hjertesvikt. Verktøyet er blant annet basert på EKG-målinger og er tenkt brukt som beslutningsstøtte i klinikken.,,,,,,https://www.datatilsynet.no/aktuelt/aktuelle-nyheter-2022/tre-nye-prosjekter-i-ki-sandkassa/,Planlagt,,,,
-4,Avinor,Robotisert bagasjehåndtering på flyplasser,Samferdselsdepartementet,Annet,,Transport,I RoBa-prosjektet skal det forskes på nye og robuste metoder for robotpakking av bagasje i traller og tilstøtende automatiserte transportsystemer og mellomlagring av traller. Resultatene skal implementeres i et pilotanlegg på Gardermoen og bli et viktig grunnlag for videre utvikling både her og på andre flyplasser.,,2020,2021,Oslo Lufthavn Gardermoen (OSL),,,,,,Nei,
-5,Avinor,Fra manuell til AI-assistert flyplasssikkerhetsrapportering gjennom human-AI teaming (FLAIT),Samferdselsdepartementet,Annet,,Transport,,,2022,2025,,,https://prosjektbanken.forskningsradet.no/project/FORISS/337139?Kilde=FORISS&distribution=Ar&chart=bar&calcType=funding&Sprak=no&sortBy=score&sortOrder=desc&resultCount=30&offset=0&Fritekst=%27Oslo+Lufthavn%27,,,,Ja,
-6,Bærum kommune,Maskinlæring for automatisk kartlegging av kommunal FKB og temadata basert på laser- og hyperspektrale data,,Kommunal sektor,,Helse,Norsk Regnesentral utvikler algoritmer for kartrevisjon på kommunenivå,,2018,,,,,Implementert,,,Ja,
-7,Bane NOR,IARI – AI-basert bildegjenkjenning for inspeksjon av jernbaneinfrastruktur,Samferdselsdepartementet,Statlig selskap,,Transport,"Norsk Regnesentral utvikler algoritmer som gjenkjenner feil på infrastrukturen ved å bruke bilder fra kameraer på blant annet tog og droner. Vi bruker også data fra IR- og dybdekameraer, som kan gi mer informasjon enn det som finnes i vanlige bilder. Algoritmene, dyp læring i kombinasjon med klassiske statiske metoder, er opplært til å gjenkjenne typiske defekter i bilder ved hjelp av et datasett med bilder av kjente defekter. I samarbeid med Bane NOR jobber vi med å identifisere kritiske inspeksjonsoppgaver som egner seg for bildegjenkjenning og etablere datasett å trene algoritmene med.",,2020,2021,,,https://nr.no/prosjekter/kunstig-intelligens-skal-inspisere-jernbanen/,,,,Ja,
-8,BKK,Øke nettkapasitet assistert av AI for å finne 50 MW tilgjengelig eller ny kapasitet,Nærings- og fiskeridepartementet,Annet,,Energi,"I prosjektets første fase jobbes det med å kartlegge alle mulige løsninger for å finne ledig kapasitet. Blant annet undersøkes mulighetene innen batterier og solceller, produksjon og lagring, fleksibilitetskjøp, sensorteknologi, automatiserte beslutninger, kunstig intelligens og algoritmer, markedsløsninger, verktøy og forretningsmodeller.",,2018,2026,Statnett,,https://www.montelnews.com/no/news/1250656/bkk-og-statnett-går-sammen-om-å-finne-mer-nettkapasitet,,,,Nei,
-9,Datatilsynet,Sandkasse for ansvarlig kunstig intelligens,Kommunal- og distriktsdepartementet,Statlig virksomhet,,,"Datatilsynet har etablert et prosjektmiljø for kunstig intelligens som bruker personopplysninger – en sandkasse. Denne regulatoriske sandkassen gir gratis veiledning til en håndfull nøye utvalgte selskaper, av varierende typer og størrelser, på tvers av ulike sektorer.",,2020,,,,https://www.datatilsynet.no/en/regulations-and-tools/sandbox-for-artificial-intelligence/,,,,Nei,
-10,Direktoratet for e-helse,KI – data og algoritmer,Helse- og omsorgsdepartementet,Statlig virksomhet,,,"«Prosjektet skal i første omgang identifisere behov og prioritere tiltak for bedre tilgang på data, slik at helsevesenet kan lykkes mer med å innføre kunstig intelligens.
+,Prosjekteier,Prosjekttittel,Departement,Eiertype,Sektor (intern | ikke publisering),Beskrivelse av prosjekt,Formål med prosjekt,Prosjektstart,Prosjektslutt,Tilknyttede organisasjoner,Bruk av innleide konsulenter,Lenke til prosjekt,Status,Type data,Datakilde,Modellutvikling,Klassifisering
+1,Agder Energi,Ytelses- og helseovervåking for vannkraftverk (PHM Hydro),Nærings- og fiskeridepartementet,Annet,Energi,"Kontinuerlig overvåking av tilstanden til kritisk utstyr som turbiner og generatorer, samt effektiviteten til utstyret, sikrer at vannkraftverkene drives lønnsomt og uten uønskede driftsstans. PHMHydro har som mål å bygge grunnlaget for en slik ytelses- og tilstandsovervåkingsarkitektur for vannkraftverk som er skalerbar til flere tekniske komponenter og til flere kraftverk. Dette inkluderer evaluering av ny metodikk, utvikling av nye algoritmer ved bruk av fysikk og kunstig intelligens (AI), og en arkitektur for å håndtere algoritmene i sky/tåke-distribusjon",,2022,2025,Statkraft,,https://aidirectory.no/view-project.php?id=1402,,,,Ja,
+2,Agder Energi,Generisk vannkraftoptimalisering ved bruk av dyp forsterkningslæring (GHO-DRL),Nærings- og fiskeridepartementet,Annet,Energi,Den underliggende ideen i dette forskningsprosjektet er å anvende og tilpasse nyere gjennombrudd innen såkalt Deep Reinforcement Learning (DRL) til vannkraftplanleggingsproblemet.,,2017,2020,,,,,,,Ja,
+3,Akershus universitetssykehus,Hjertesviktrisikoprediksjon av Ahus,Helse- og omsorgsdepartementet,Statlig selskap,Helse,Ahus-prosjektet skal utvikle en algoritme som skal kunne forutsi risiko for hjertesvikt. Verktøyet er blant annet basert på EKG-målinger og er tenkt brukt som beslutningsstøtte i klinikken.,,,,,,https://www.datatilsynet.no/aktuelt/aktuelle-nyheter-2022/tre-nye-prosjekter-i-ki-sandkassa/,Planlagt,,,,
+4,Avinor,Robotisert bagasjehåndtering på flyplasser,Samferdselsdepartementet,Annet,Transport,I RoBa-prosjektet skal det forskes på nye og robuste metoder for robotpakking av bagasje i traller og tilstøtende automatiserte transportsystemer og mellomlagring av traller. Resultatene skal implementeres i et pilotanlegg på Gardermoen og bli et viktig grunnlag for videre utvikling både her og på andre flyplasser.,,2020,2021,Oslo Lufthavn Gardermoen (OSL),,,,,,Nei,
+5,Avinor,Fra manuell til AI-assistert flyplasssikkerhetsrapportering gjennom human-AI teaming (FLAIT),Samferdselsdepartementet,Annet,Transport,,,2022,2025,,,https://prosjektbanken.forskningsradet.no/project/FORISS/337139?Kilde=FORISS&distribution=Ar&chart=bar&calcType=funding&Sprak=no&sortBy=score&sortOrder=desc&resultCount=30&offset=0&Fritekst=%27Oslo+Lufthavn%27,,,,Ja,
+6,Bærum kommune,Maskinlæring for automatisk kartlegging av kommunal FKB og temadata basert på laser- og hyperspektrale data,,Kommunal sektor,Helse,Norsk Regnesentral utvikler algoritmer for kartrevisjon på kommunenivå,,2018,,,,,Implementert,,,Ja,
+7,Bane NOR,IARI – AI-basert bildegjenkjenning for inspeksjon av jernbaneinfrastruktur,Samferdselsdepartementet,Statlig selskap,Transport,"Norsk Regnesentral utvikler algoritmer som gjenkjenner feil på infrastrukturen ved å bruke bilder fra kameraer på blant annet tog og droner. Vi bruker også data fra IR- og dybdekameraer, som kan gi mer informasjon enn det som finnes i vanlige bilder. Algoritmene, dyp læring i kombinasjon med klassiske statiske metoder, er opplært til å gjenkjenne typiske defekter i bilder ved hjelp av et datasett med bilder av kjente defekter. I samarbeid med Bane NOR jobber vi med å identifisere kritiske inspeksjonsoppgaver som egner seg for bildegjenkjenning og etablere datasett å trene algoritmene med.",,2020,2021,,,https://nr.no/prosjekter/kunstig-intelligens-skal-inspisere-jernbanen/,,,,Ja,
+8,BKK,Øke nettkapasitet assistert av AI for å finne 50 MW tilgjengelig eller ny kapasitet,Nærings- og fiskeridepartementet,Annet,Energi,"I prosjektets første fase jobbes det med å kartlegge alle mulige løsninger for å finne ledig kapasitet. Blant annet undersøkes mulighetene innen batterier og solceller, produksjon og lagring, fleksibilitetskjøp, sensorteknologi, automatiserte beslutninger, kunstig intelligens og algoritmer, markedsløsninger, verktøy og forretningsmodeller.",,2018,2026,Statnett,,https://www.montelnews.com/no/news/1250656/bkk-og-statnett-går-sammen-om-å-finne-mer-nettkapasitet,,,,Nei,
+9,Datatilsynet,Sandkasse for ansvarlig kunstig intelligens,Kommunal- og distriktsdepartementet,Statlig virksomhet,,"Datatilsynet har etablert et prosjektmiljø for kunstig intelligens som bruker personopplysninger – en sandkasse. Denne regulatoriske sandkassen gir gratis veiledning til en håndfull nøye utvalgte selskaper, av varierende typer og størrelser, på tvers av ulike sektorer.",,2020,,,,https://www.datatilsynet.no/en/regulations-and-tools/sandbox-for-artificial-intelligence/,,,,Nei,
+10,Direktoratet for e-helse,KI – data og algoritmer,Helse- og omsorgsdepartementet,Statlig virksomhet,,"«Prosjektet skal i første omgang identifisere behov og prioritere tiltak for bedre tilgang på data, slik at helsevesenet kan lykkes mer med å innføre kunstig intelligens.
   Behovene må utredes i tett dialog med aktuelle bidragsytere i sektoren. Granskingen gjennomføres i regi av det nasjonale koordineringsprosjektet ««Bedre bruk av kunstig intelligens»» som er organisert under Nasjonalt helse- og sykehusplanprogram.",,2021,2023,,,https://ehealthresearch.no/kin/prosjekter/ki-data-og-algoritmer,,,,Nei,
-11,E-CO Energi,E-CO Energi and Cognite digitizing hydropower plants,Nærings- og fiskeridepartementet,Annet,,Energi,"Cognite har utviklet teknologi for å behandle, analysere og visualisere data fra ulike datakilder. Innsamling av data og bruk av maskinlæring og avanserte dataverktøy vil være sentralt for optimalt vedlikehold i fremtiden. De nye verktøyene vil kunne styrke verdiskapingen i kraftverkene ytterligere.",,,,,,,,,,Ja,
-12,Føie,Tilkoblet Drone og Skogrisk AI,,Annet,,Energi,For fire år siden startet Føie AS å teste droner som verktøy i daglig drift. Nå har nettselskapet fire dronepiloter på jobb. Dronesjef Irina Pirozhinskaia forteller om spennende prosjekter som har potensial til å innovere kraftbransjen ved hjelp av lavere kostnader og mer effektiv inspeksjon av nettet. Dette er et samarbeid med eSmart Systems,,,,,,https://www.distriktsenergi.no/artikler/2021/2/11/dronene-svever-inn-i-kraftbransjen-for-alvor/,,,,Ja,
-13,Helse Bergen,AI beslutningsstøtte i medisinske nødanrop,Helse- og omsorgsdepartementet,Annet,,Helse,"Prosjektet er tredelt: Først gjøres en detaljert kartlegging av hvilke kontakter hjerneslagpasienter i Helse Bergen har hatt med helsevesenet før de når sykehuset og havner i Hjerneslagregisteret. Deretter benytter vi disse pasientenes 113-samtaler og strukturerte sykehusdata (Norsk pasientregister) for å for å utvikle og teste (på historiske data) en KI-modell. Til slutt vil modellen bli tatt i bruk live i AMK Bergen for å undersøke om treffsikkerheten for hjerneslag er bedre med bruk av KI, sammenliknet med dagens system. Dersom vi lykkes, er målet er å tilby systemet som beslutningsstøtteverktøy i alle landets AMK-sentraler, og på sikt gjerne også legevaktsentraler. En videre målsetting vil være å utvide konseptet til å kunne gi beslutningsstøtte også ved andre akuttmedisinske tilstander, som f.eks. hjerteinfarkt og sepsis.",,2021,2024,,,,,,,Ja,
-14,Helse Bergen,AI for forbedret diagnostikk ved endometriekreft,Helse- og omsorgsdepartementet,Annet,,Helse,Kunstig intelligens for tumorsegmentering i MR-bilder og prognose basert på tumorteksturvariabler hos pasienter med endometriekreft,,2008,2028,,,https://ehealthresearch.no/kin/prosjekter/kunstig-intelligens-for-forbedret-diagnostikk-i-endometriekreft,,,,Ja,
-15,Helse Bergen,WIML: Arbeidsflytintegrert maskinlæring,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,Prosjektets hovedmål er å designe og utvikle et «Research Information System» i Helse Vest som integrerer en datamodell for bilder og tabelldata med beregninger i form av statistiske og maskinlæringsmodeller.,,2022,2024,,,https://ehealthresearch.no/en/kin/prosjekter/wiml-workflow-intergrated-machine-learning,,,,Ja,
-16,Helse Midt,AICAN - Kunstig intelligens og digital patologi ved kreft,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"AICAN er en tverrfaglig forskningsgruppe som involverer NTNU, St. Olavs hospital, Sykehuset Levanger og SINTEF. I prosjektet brukes kunstig intelligens i tolkning av digitale bilder av kreftsvulster. Målet for prosjektet ""Artificial Intelligence and digital pathology in CANcer"" AICAN, er å forutsi biologiske egenskaper og prognose ved kreft. I utgangspunktet jobbet de med brystkreft, men prosjektet utvides nå til også å omfatte lungekreft. De tar utgangspunkt i etablerte biobanker ved NTNU/St. Olavs sykehus og samler også inn vev fra kull fra samarbeidspartnere ved andre institusjoner.",,2018,2030,,,,,,,Ja,
-17,Helse Midt,CoSeM - beregningsmessig sepsis mining og modellering,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Fenotyping og karakterisering av pasienter med økt risiko for blodbaneinfeksjoner og sepsis. Effekten er forebyggende og presise tiltak for å redusere risiko, f.eks. selektiv forebyggende antibiotikabehandling, sen kateterisering mm.",,2020,2025,,,https://ehealthresearch.no/kin/prosjekter/cosem,,,,Ja,
-18,Helse Midt,"Fraxinus - Et åpen kildekode, kun programvare, navigasjonssystem for bronkoskopi",Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Bronkoskopi er den endobronkiale prosedyren for inspeksjon og diagnostisk prøvetaking i luftveiene, f.eks. å diagnostisere lungekreft. Å navigere det fleksible bronkoskopet gjennom luftveiene til målet for den diagnostiske prøvetakingen, som biopsi eller finnålsaspirasjon, er utfordrende på grunn av de mange inndelingene av luftveiens trestruktur og mangelen på direkte synlighet av mindre perifere lesjoner. Selv med fluoroskopi-veiledning er den diagnostiske suksessraten for bronkoskopisk ikke-synlige svulster så lav som 15 % sammenlignet med 80 % for synlige svulster, avhengig av tumorstørrelse, legenes erfaring og metoden som brukes for prøvetaking. Å bruke navigert bronkoskopi er en mulighet for å redusere disse utfordringene og dermed øke suksessraten for biopsi.",,2021,2025,,,https://ehealthresearch.no/kin/prosjekter/fraxinus-an-open-source-software-only-navigation-system-for-bronchoscopy,,,,Ja,
-19,Helse Midt,IDDEAS - Individuelt digitalt beslutningshjelpssystem for barn og unges psykiske helse,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"IDDEAS er en forkortelse av ""Individualized Digital Decision Assist System"". IDDEAS er et klinisk beslutningsstøttesystem under utvikling, som i første omgang retter seg mot barn og unge med oppmerksomhetsunderskudd hyperaktivitetsforstyrrelse (ADHD). ADHD står for 29 % av psykiske lidelser blant unge i Norge, og lidelsen kan vedvare inn i voksen alder. Uten riktig behandling kan ADHD forårsake dramatiske sosiale og medisinske utfordringer som påvirker både individet, familien og samfunnet.",,2018,2023,,,https://ehealthresearch.no/kin/prosjekter/iddeas,,,,Ja,
-20,Helse Midt,Segmenting lymph nodes from thorax CT,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Nøyaktig lungekreftdiagnose er avgjørende for å velge det beste handlingsforløpet for å behandle pasienten. Fra et thorax CT-volum er det nødvendig å identifisere om kreften har spredt seg til nærliggende lymfeknuter eller ikke. Det er like viktig å vite nøyaktig hvor hver ondartet lymfeknute er med hensyn til de omkringliggende anatomiske strukturene og luftveiene. I dette prosjektet introduserer vi et nytt datasett som inneholder merknader av femten forskjellige anatomiske strukturer i mediastinumområdet, inkludert lymfeknuter av varierende størrelse. Vi har utviklet en 2D-pipeline for semantisk segmentering og instansdeteksjon av anatomiske strukturer og potensielt maligne lymfeknuter i mediastinumområdet.",,2018,2028,St. Olavs hospital,,https://ehealthresearch.no/kin/prosjekter/segementing-lymph-nodes-from-thorax-ct,,,,Nei,
-21,Helse Midt,KI for kartlegging av organer fra CT-bilder,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,For å redusere tid brukt på opptak av organer og øke kvaliteten.,,2021,2030,Sykehuset i Ålesund,,https://ehealthresearch.no/kin/prosjekter/ki-for-kartlegging-av-organer-fra-ct-bilder,,,,Ja,
-22,Helse Midt,KI i bildeveiledet nevrokirurgi,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Hovedmålet er å få ny kunnskap om sammenhengen mellom kliniske og radiologiske funn, sykdomsforløp og behandlingsrespons hos hjernesvulstpasienter. Dette kan føre til mer personlig behandling. Vi bruker maskinlæring for å trene modeller for automatisk bildeanalyse og prediksjon av overlevelse og behandlingsrespons basert på data fra den enkelte pasient i kombinasjon med data fra hundrevis av tidligere pasienter. Prosjektet er i hovedsak basert på data fra Midtnorsk hjernesvulstregister og biobank, som ble etablert i 2015 av klinikere og forskere ved St. Olavs hospital og NTNU. Basert på data fra dette registeret, sammen med data fra nasjonale og internasjonale partnere, utvikler forskere ved SINTEF modeller for automatisk bildeanalyse samt prediksjon av prognostiske faktorer og sykdomsforløp basert på kunstig intelligens og maskinlæring.",,2011,2025,St. Olavs hospital,,https://ehealthresearch.no/kin/prosjekter/ki-i-bildeveiledet-nevrokirurgi,,,,Ja,
-23,Helse Nord,AI-basert beslutningsstøtte for ryggradskirurgi,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Det overordnede målet for dette storskala tverrfaglige forskningskonsortiet er å katalysere et grunnleggende paradigmeskifte for å endre daglig klinisk praksis ved å utvikle og implementere AI som en integrert del av sanntidsdiagnose, behandling og oppfølging av pasienter på et universitetssykehus. . For å oppnå det overordnede målet er prosjektets mål å: Utvikle og implementere sikre og effektive sanntids verktøy for klinisk beslutningsstøtte (CDS) for resultatprediksjon, inkludert postoperative, terapeutiske akutte og sene uønskede hendelser ved å bruke informasjonen innebygd i kliniske kvalitetsregistre og ved direkte prøvetaking, sanntid, fra EPJer.",,2022,2028,,,,,,,Ja,
-24,Helse Nord,Personlig tilpasset beslutningsstøtte for pasienter med kroniske smerter,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,Prosjektets formål er å utvikle og bruke algoritmer og dataverktøy som kan generere medisinske beslutningstre fra EPJ-data for å bruke dem i en felles utvelgelsesprosess for pasienter med kroniske smerter.,,2019,2022,,,https://ehealthresearch.no/kin/prosjekter/chronic-pain,,,,Ja,
-25,Helse Nord,ClinCode: Datastøttet klinisk ICD-10-koding,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,I vårt prosjekt skal vi studere den medisinske spesialiteten gastrokirurgi. Pasientjournalene vil bli brukt til å utvikle et dataprogram som kan lese den enkeltes journal og automatisk foreslå passende ICD-10-koder til den behandlende legen. Dataprogrammet skal analysere både fritekstnotater og strukturerte data som allerede er kodet manuelt ved hjelp av naturlig språkbehandling (NLP) og dyp læring (Deep Learning) eller det som også kalles kunstig intelligens-metoder (AI) og lære av disse dataene. CAC-programmet skal integreres i det elektroniske pasientjournalsystemet DIPS Arena.,,2021,2023,,,https://ehealthresearch.no/kin/prosjekter/clincode,,,,Ja,
-26,Helse Nord,IM-PACT - Identifikasjon av multimorbide pasienter med påvirkbar risikoprofil ved bruk av kunstig intelligens,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Dette prosjektet er basert på store datasett fra sykehus og kommunal omsorg i Nord-Norge. Omsorgsmodellen, PAtient Centered-Team (PACT), kombinerer elementer fra personsentrert omsorg, integrert omsorg og proaktiv omsorg. PACT-teamet tar inn innsikt og tilbakemeldinger fra både pasienter og pleiere i pleieprosessen, og vektlegger pasientenes rolle i beslutningsprosessen. Prosjektet ble designet for å gi multisyke pasienter hensiktsmessige, pasientsentrerte, integrerte og tidsriktige helsetjenester. Prosjektet er finansiert av NSE.",,2021,2023,,,https://ehealthresearch.no/kin/prosjekter/im-pact,,,,Ja,
-27,Helse Nord,Kunnskapsoppsummering for implementering av AI i helsetjenesten,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"I dette prosjektet skal vi forske på status for AI-implementeringer rundt om i verden. Forskningen vil fokusere på hvordan AI-algoritmer har blitt utviklet og implementert i helsetjenester. Spørsmål knyttet til datatilgang, personvern, sikkerhet og risiko for pasienter vil også bli undersøkt. Foruten tekniske aspekter, ser prosjektet også på hvordan en fullstendig evaluering av en AI-løsning i helsevesenet kan utvikles. Dette inkluderer en vurdering av nytte, gjennomførbarhetskostnader, distribusjonsutfordringer, klinisk opptak og vedlikehold over tid.",,2021,2022,,,https://ehealthresearch.no/kin/prosjekter/implementering-av-kunstig-intelligens,,,,Nei,
-28,Helse Nord,PraksisNett,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,PraksisNett er en infrastruktur som legger til rette for at forskere skal kunne gjennomføre gode og kvalitetssikrede kliniske studier i norsk allmennpraksis. Kliniske studier i allmennmedisin er forskning der pasienter som går til fastlegen deltar.,,2022,2027,"UiB, UiO, NTNU, UiT, E-helseforskning, Norc",,https://ehealthresearch.no/kin/prosjekter/predikering-av-risiko-for-postoperative-sarinfeksjoner-med-bruk-av-kunstig-intelligens,,,,Nei,
-29,Helse Nord,Predikering av risiko for postoperative sårinfeksjoner med bruk av kunstig intelligens,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Hovedmålet er å utvikle et AI-basert verktøy som kan indikere sannsynligheten for at en postoperativ sårinfeksjon oppstår hos den enkelte pasient, slik at risikoreduserende tiltak kan iverksettes og sykdomsbyrden for pasienten reduseres.",,2022,2027,Nordlandssykehuset,,https://ehealthresearch.no/kin/prosjekter/predikering-av-risiko-for-postoperative-sarinfeksjoner-med-bruk-av-kunstig-intelligens,,,,Ja,
-30,Helse Nord,Prediksjon av tilbakefall i glioblastom,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,Formålet med dette prosjektet er å analysere disse perifere områdene i postoperativ magnetisk resonans (MR) og positronemisjonstomografi (PET) bilder ved hjelp av kunstig intelligens og prøve å forutsi hvilke områder som er mest sannsynlig å utvikle ny tumorvevsdannelse. Dette vil i fremtiden kunne gi kirurgen nyttig informasjon om hvilke områder som bør fjernes ved operasjon og ved valg av videre behandling for pasienten.,,2021,2023,UNN,,https://ehealthresearch.no/kin/prosjekter/gbm-recurrence,,,,Ja,
-31,Helse Nord,WARIFA,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,Målet er å utvikle en generell personlig risikovarslingsmodell som skal brukes til å støtte forebyggende tiltak og livsstilsendringer. Systemet er basert på kunstig intelligens og vil være tilgjengelig for enkeltpersoner og pasienter på deres smarttelefoner via WARIFA-appen.,,2021,2024,,,https://ehealthresearch.no/en/kin/prosjekter/warifa,,,,Ja,
-32,Helse Sør-Øst,Detection of air in the extracorporeal membrane oxygenation circuit (ECMO circuit),Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Samarbeid mellom Teknologi- og innovasjonsklinikken, Legevakten, Hjerte-, lunge- og karklinikken og Oslo sykehustjeneste, Oslo universitetssykehus HF, Universitetet i Oslo (UiO).",,2015,2022,,,https://ehealthresearch.no/kin/prosjekter/deteksjon-av-luft-ecmo,,,,Ja,
-33,Helse Sør-Øst,Strukturering av fenotypedata,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"AMG utvikler en løsning for å forenkle og forbedre rekvisisjonsprosessen for genetiske analyser. Prosjektet er bygget rundt en løsning med kunstig intelligens for å tolke tekst og gjøre den om til Human Phenotype Ontology (strukturert fenotypedata) som muliggjør raskere og mer presis rekvirering av genetiske analyser. Støtte for utfylling av HPO-termer vil øke sannsynligheten for å fylle ut skjemaet, og dermed lette diagnostikk ved å spare tid og øke sannsynligheten for riktig test og dermed riktig diagnose.",,2021,2025,,,https://ehealthresearch.no/kin/prosjekter/strukturering-av-fenotypedata,,,,Ja,
-34,Helse Vest,"AMK Simulator: Et komplett verktøy for opplæring og kompetansebygging i AMK, basert på simuleringstrening og kunstig intelligens.",Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Akuttmedisinsk kommunikasjonssentral (AMK) yter førstehjelp ved livstruende skade eller sykdom utenfor sykehus. Tidlig diagnose og behandling er avgjørende for å redde liv. På kort tid gjør AMK kritiske vurderinger, livsviktige beslutninger og veileder førstehjelpsinnringere. Prosjektet utvikler en fullskala simulator med 1:1 digitalt grensesnitt for alle funksjoner i AMK, og virtuelle pasienter med kunstig intelligens (AI) utvikles. 1:1 simulering betyr at brukere kan trene i sitt vanlige arbeidsmiljø (in-situ).",,2020,2024,,,,,,,Ja,
-35,Helse Vest,Automatisk klassifisering av hudlesjoner,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Å utvikle et datastøttet diagnosesystem (CAD) for hele lysbildebilder som vil hjelpe patologiavdelinger med å diagnostisere malignt melanom mer effektivt, ved (1) å redusere undersøkelsestiden, (2) redusere diagnostiske variasjoner og (3) øke diagnostisk nøyaktighet.",,2021,2024,,,https://ehealthresearch.no/kin/prosjekter/automatic-classification-of-skin-lesions,,,,Ja,
-36,Helse Vest,Klargjør - CLoud kunstig intelligens for patologi,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"CLARIFY er et innovativt, multinasjonalt, multisektorielt og multidisiplinært forsknings- og opplæringsprogram som knytter sammen to høyt differensierte spesialiteter: ingeniørfag og medisin, for å produsere 12 tidlige faseforskere (ESR) innen kunstig intelligens (AI), skydatabehandling og klinisk patologi med fokus på digital patologi. CLARIFYs hovedmål er å utvikle et robust automatisert digitalt diagnosemiljø basert på kunstig intelligens og skyorienterte dataalgoritmer som letter tolkning og diagnose av hele lysbildebilder (WSI) overalt med sikte på å maksimere fordelene med digital patologi og hjelpe patologer i deres daglige arbeid",,2019,2023,,,https://ehealthresearch.no/kin/prosjekter/clarify,,,,Ja,
-37,Helse Vest,Kvantifisering av fibrose i nyre- og leverbiopsier,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Å etablere en bildeanalysemodul for å kvantifisere fibrose i nyre- og leverbiopsier. Interstitiell fibrose er en av de avgjørende prognostiske markørene i ikke-neoplastiske nyre- og leverbiopsier. For tiden estimeres fibrose ved hjelp av øyeeple, som bare tillater en svært grov differensiering i 3-4 grader.",,2020,2022,,,https://ehealthresearch.no/kin/prosjekter/fibrosis-in-kidney-biopsies,,,,Ja,
-38,Helse Vest,Spredning i brystkreft,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Å trene, teste, validere og implementere et maskinlæringssystem for å beregne Mitotic Activity Index (MAI), Ki-67 og PHH3-indeksen i brystkreft",,2020,2024,,,https://ehealthresearch.no/kin/prosjekter/proliferation-in-breast-cancer,,,,Ja,
-39,Helse Vest,kvalitativ analyse av EIN,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Endometrioid intraepitelial neoplasi (EIN) er en pre-malign lesjon av livmorslimhinnen som disponerer for endometrioid endometrielt adenokarsinom (EEC). Riktig diagnose og håndtering av EIN blir stadig mer relevant med økningen i fedme, en veletablert risikofaktor for EEC, i befolkningen. Morfometrisk analyse kalt D-score, har som mål å gi en kvantitativ vurdering av progresjonsrisiko for premaligne endometrielle lesjoner. Selv om det har vist seg å være en reproduserbar måling, er tilpasning av D-poengsummen sakte i laboratorier, fordi det er kostbart og tidsriktig. Til tross for inkluderingen av EIN i WHO14 holder mange patologer fortsatt på den opprinnelige WHO94-definisjonen både i diagnostikk og forskning.",,2020,2024,,,https://ehealthresearch.no/en/kin/prosjekter/quantitative-analysis-of-ein,,,,Ja,
-40,Helse Vest,Maskinlæring og bildebehandling - MALIGN,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,,,2019,2022,,,https://ehealthresearch.no/en/kin/prosjekter/malign,,,,,
-41,Helse Vest,Optimalisering av patologiarbeidsflyten,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,Patologiske avdelinger står overfor en situasjon med stadig økende antall prøver og kompleksitet i analyser mens personlige ressurser ikke øker i takt med den økende arbeidsmengden. Vi må optimalisere arbeidsprosessene våre for å håndtere denne situasjonen. Unilab-700 gir atomdata som beskriver arbeidsflyten. Det er for øyeblikket ingen tilgjengelige systemer som kan bruke disse dataene for å optimere arbeidsflyten for patologi.,,2021,2024,Høyskolen på Vestlandet,,https://ehealthresearch.no/kin/prosjekter/optimization-of-the-pathology-workflow,,,,Nei,
-42,Helse Vest,Ki-67 in GI NET,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Å trene, teste, validere og implementere et maskinlæringssystem for beregning av Ki-67-indeksen i nevroendokrine svulster i mage-tarmkanalen.",,2019,2022,Helse Bergen,,https://ehealthresearch.no/en/kin/prosjekter/ki-67-in-gi-net,,,,Ja,
-43,Helsedirektoratet,Rådgivningstjeneste for kunstig intelligens,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Du kan søke om å delta på fleretat en-til-en veiledning, hvor du kan få veiledning etter flere forskrifter i ett og samme møte. Helsedirektoratet, Direktoratet for e-helse, Statens legemiddelverk og Helsetilsynet deltar med jurister som kan veilede disse møtene. Etter avtale kan også andre inviteres inn.",,,,"Statens Legemiddelverk, Direktoratet for e-helse, Helsetilsynet",,https://www.helsedirektoratet.no/tema/kunstig-intelligens/regelverk/prosess-og-hjelp-til-a-lose-juridiske-problemstillinger,,,,Nei,
-44,Helsedirektoratet,God klinisk praksis og behov for standardisering ved bruk av kunstig intelligens innen radiologi,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Undersøkelsen gjennomføres i regi av det nasjonale koordineringsprosjektet «Bedre bruk av kunstig intelligens» som er organisert under Nasjonalt helse- og sykehusplanprogram. Prosjektet er basert på innsikt fra ca. 90 representanter for ledere/prosjektledere, klinisk personell, innkjøpere, brukerrepresentanter og pasientforeninger, næringsliv og forskning. Høsten 2021 ble det levert en rapport som oppsummerer utfordringer og behov, funn og erfaringer fra internasjonal og nasjonal forskning, samt forslag til videre arbeid på nasjonalt nivå for 2022.",,2020,2021,"Direktoratet for e-helse, Statens legemiddelverk, Helse Midt, Helse Nord, Helse Vest, Helse Sør-Øst",,https://ehealthresearch.no/kin/prosjekter/god-klinisk-praksis,,,,Nei,
-45,Helsedirektoratet,Kunstig intelligens i primærhelsetjenesten,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Helsedirektoratet, Direktoratet for e-helse og Statens legemiddelverk er i samråd med de regionale helseforetakene bedt om å iverksette utredning for å kartlegge mulighetene og utfordringene bruk av kunstig intelligens innebærer, og hvilke tilpasninger i rammeverk. forhold på nasjonalt nivå kan være nødvendig, blant annet i forskrifter, faglige standarder/veiledning, styring og finansieringsordninger. Etatene skal fortsatt involvere kommunale helse- og omsorgstjenester og kartlegge deres behov.",,2021,2021,,,https://ehealthresearch.no/kin/prosjekter/kunstig-intelligens-i-primaerhelsetjenesten,,,,Nei,
-46,Kreftregisteret,MIM,Helse- og omsorgsdepartementet,Annet,,Helse,Et forskningsprosjekt med mål om å effektivisere og øke kvaliteten på Mammografiprogrammet ved å kombinere automatisk bildeanalyse med radiologisk ekspertise.,,2018,2022,,,https://ehealthresearch.no/kin/prosjekter/mim,,,,Ja,
-48,Kreftregisteret,Kunstig intelligens for nøyaktig og effektiv screening for brystkreft,Helse- og omsorgsdepartementet,Annet,,Helse,"Kan maskinlæringssystemer brukes til å redusere arbeidsmengden til radiologer som jobber i Mammografiprogrammet, uten å redusere programmets sensitivitet eller øke frekvensen av falske positive screeningtester?",,2019,2029,,,https://www.kreftregisteret.no/Forskning/Prosjekter/kunstig-intelligens-mammografiprogrammet/,,,,Ja,
-49,Miljødirektoratet,Naturinngrep i inngrepsfri natur,Klima- og miljødepartementet,Statlig virksomhet,,Klima og miljø,Norsk Regnesentral utvikler algoritmer som henter informasjon om menneskelig inngrep i naturen som er kartlagt som inngrepsfri,,2020,,,,,Implementert,,,,
-50,Statens pensjonskasse,Prediktiv modell for å oppdage feilutbetalinger ved etterlattepensjon,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,prediktiv modell for å oppdage feilbetalinger,,,,,,,,,,ja,
-51,Statkraft Energi,Anvendt maskinlæring - sikker drift til slutten av levetiden,,Statlig selskap,,Energi,"Når uventede feil oppstår i komponenter med lang ledetid (>2 år) har nye sensorer og avanserte analyser blitt brukt for å finne sikker drift til komponenten er forskjøvet. Vi har et dedikert team av dataforskere som samarbeider tett med fageksperter og personell på stedet. Sensorer på de riktige stedene, datainnsamling og oppfølging av trender med fageksperter for å forstå mønstre og finne sikre driftsmoduser. Vi forutsier den forventede oppførselen og innebærer tidlige advarsler hvis noe endres på en uønsket måte. Ved å gjøre det har vi nå i to år klart å holde enhetene i drift på en sikker måte i perioder når energibehovet er stort og alle bidrag svært ønsket.",,,,,,,,,,,
-52,Statkraft Energi,Prediktivt vedlikehold – anvendt maskinlæring på tvers av flåten,,Statlig selskap,,Energi,"Arbeidet med å bruke avansert analyse for å få feilslåtte enheter tilbake i drift har vist seg å være svært vellykket, og de beste modellene er nå laget generiske for avviksdeteksjon på tvers av flåte og teknologier. Ambisjonen er å bruke den beste læringen til å overvåke før noen feil oppstår og i stedet innebære prediktivt vedlikehold på sin sanne måte. Vi har utviklet vår egen analytiske plattform hvor online data kontinuerlig mates inn i anomalimodeller og sender varsling når de utløses. Systemet har nå mer enn 150 sluttbrukere og modeller brukes på vann og vind. Vi håper å inkludere solenergi, batterier og hydrogen i løpet av 2023.",,,,,,,,,,,
-53,NAV IT,SYFO Prediction (prediksjon av sykefravær),Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,"NAV ønsker å bruke maskinlæring for å forutsi hvilke syke brukere som trenger oppfølging to måneder framover. Dette vil hjelpe veilederne til å gjøre mer nøyaktige vurderinger, som igjen vil spare NAV, arbeidsgivere og sykemeldte for unødvendige møter. Målet med dette sandkasseprosjektet var å avklare lovligheten av å bruke kunstig intelligens (AI) i denne sammenhengen, og å utforske hvordan profileringen av sykemeldte kan gjøres på en rettferdig og åpen måte.",,,,,,https://www.datatilsynet.no/regelverk-og-verktoy/sandkasse-for-kunstig-intelligens/ferdige-prosjekter-og-rapporter/nav-sluttrapport/,Avsluttet,,,Ja,
-54,NAV IT,AI-modell for CV-matching (innen Rekrutteringsbistand),Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,"Bruke en NLP-modell for å lese ulike CV-er, bruke tekstgjenkjenning for å se på ulike søknader.",,2021,2022,,,NA,Avsluttet,,,Ja,
-55,NAV IT,Chatbot Frida,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,"Chatrobot som bruker AI-teknologi for å svare på spørsmål fra innbyggere. Teknologien er ikke utviklet av NAV, den er levert fra boost.ai",,2018,,,,https://memu.no/artikler/frida-jobber-dognet-rundt/,I bruk,,,Ja,
-56,NORCE ,RE-SIKTET: Rejusterte svar ved bruk av AI i medisinske samtaler.,Helse- og omsorgsdepartementet,Statlig selskap,,Helse,"I RE-AIMED skal vi utvikle et interaktivt nettgrensesnitt for å hjelpe operatører i nødsentraler. Ved hjelp av kunstig intelligens vil nettgrensesnittet presentere et utvalg spørsmål spådd etter alvorlighetsgrad, frekvens, samhold og hvor i samtalen du er. Hensikten er at dette skal hjelpe operatøren med å huske viktige spørsmål og gjenkjenne alvorlige medisinske mønstre, samtidig som samtalen med den som ringer får beholde sin naturlige flyt. Spørsmålene og svarene operatøren velger vil automatisk dokumenteres. Prosjektet vil lage store, standardiserte og detaljerte kodede datasett som beskriver medisinske vurderingsintervjuer. Dette gir mulighet for videre forskning på telefonvurdering, medisinsk beslutningstaking, kommunikasjon og reduksjon av feiltolkninger i maskinlæring.",,2020,2024,Helse Vest,,https://ehealthresearch.no/kin/prosjekter/medisinsk-telefonvurdering-assistert-av-kunstig-intelligens-re-aimed,,,,Ja,
-57,NORCE ,CONWIND: Forskning på smarte driftskontrollteknologier for havvindparker,,Statlig selskap,,Energi,Hovedmålet med prosjektet er å redusere driftskostnadene og øke energiproduksjonen til havvindparker gjennom utvikling av avanserte kontrollalgoritmer.,,2020,2023,Energi Vestland,,,,,,Ja,
-58,Norges forskningsråd,Forskningstilskudd saksbehandling AI,Kunnskapsdepartementet,Statlig virksomhet,,Statsforvaltning,"Å behandle søknader om tilskudd og henvise dem til en passende ekspertgruppe for vurdering, er en av utfordringene til Norges forskningsråd (RCN). På et nylig OSIRIS-møte ga representanter for RCN innsikt i deres bruk av kunstig intelligens (AI) som et verktøy for å optimalisere saksbehandlingen. Finansierte stipendforslag behandles med en temamodelleringstilnærming som forutsier ulike egenskaper ved hvert prosjekt (akademiske disipliner, forskningstemaer, relevans for ulike sektorer etc.). Spådommene gjennomgås av saksbehandlere som bestemmer hvilke tagger som skal tildeles prosjektet.",,,,,,https://www.sv.uio.no/tik/english/research/centre/osiris/news/2022/use-of-artificial-intelligence-at-the-research-cou.html,,,,Ja,
-59,Norsk Helsenett,Ultralyd av hjerte,Helse- og omsorgsdepartementet,Statlig selskap,,Helse,,,,,,,,,,,,
-60,Norsk Helsenett,Syntetiske reseptdata i sammenheng med syntetiske populasjonsdata,Helse- og omsorgsdepartementet,Statlig selskap,,Helse,,,,,,,,,,,,
-61,Norsk Hydro ,Norsk Hydros AI-verktøy for å oppdage hackere,Nærings- og fiskeridepartementet,Annet,,Energi,"AI-verktøyet er designet for å dekke opp sikkerhetshull ved å identifisere områder der industrielt utstyr kan bli utsatt for hackere, og overvåke små endringer over tid. Menneskelige analytikere kan ikke vurdere den enorme mengden internettrafikk på selskapets nettverk.",,2019,,,,https://www.wsj.com/articles/norsk-hydro-tests-ai-in-cyber-defenses-after-attack-11566207000,,,,Ja,
-62,Norsk Hydro ,AdaptAl - Adaptiv kontroll av aluminiumsproduksjon,Nærings- og fiskeridepartementet,Annet,,Energi,"Grunnlaget for produkt-service-systemet er en digital tvilling kalt PRO3, som opererer gjennom aluminiumsprosesskjeden. PRO3 er utviklet av Hydro i løpet av de siste ti årene og brukes i dag til å simulere og optimalisere prosessparametere for interne og eksterne kunder i Hydro. I dette prosjektet utvides anvendelsen av programvaren til adaptiv kontroll. Hvert prosesstrinn i aluminiums verdikjede er assosiert med prosessvariasjoner så vel som variasjoner i kjemisk sammensetning av legeringen.",,2020,2023,,,https://prosjektbanken.forskningsradet.no/en/project/FORISS/314054?Kilde=FORISS&distribution=Ar&chart=bar&calcType=funding&Sprak=no&sortBy=date&sortOrder=desc&resultCount=30&offset=0&Geografi.2=Lørenskog,,,,Ja,
-63,Tolletaten,Uovervåket læring for å oppdage tolldeklarasjoner,Finansdepartementet,Statlig virksomhet,,Statsforvaltning,Utenlandske aktører rapporteres i tolldeklarasjonen som et fritekstfelt. Dette skaper utfordringer for videre analyse av både tollere og dataanalytikere. Dataanalyseavdelingen har utviklet en uovervåket algoritme for å gruppere en liste med navn. Den er basert på klyngeanalyse i et nettverk og splittende klynge.,,,,,,https://www.digdir.no/fagforum-kunstig-intelligens-i-offentlig-sektor/2569,,,,Ja,
-64,Sjøfartsdirektoratet,Automatisert saksbehandling med arkivmessige hensyn for kunstig intelligens,Nærings- og fiskeridepartementet,Statlig virksomhet,,Statsforvaltning,"Sjøfartsdirektoratet har satt i gang en større omlegging av hvordan virksomheten skal drive saksbehandling og tilhørende informasjonshåndtering i fremtiden. Automatisering av saksbehandlingen for utstedelse av sertifikater skal gi brukerne enklere og mer effektive tjenester. De nye løsningene vil også stå for datainnsamling. Det er viktig at korrekt dokumentasjon, både inngående og utgående, prosess og regler sikres på en hensiktsmessig måte.",,,,,,https://www.arkivverket.no/nyheter/automatisert-saksbehandling-og-innsyn-i-regulatorisk-sandkasse,,,,,
-65,Norges teknisk-naturvitenskapelige universitet,PROVIZ,Helse- og omsorgsdepartementet,Annet,,Helse,"Vi foreslår å utvikle et beslutningsstøttesystem som kombinerer transparente AI-metoder, dyp læring og modellbaserte bildefunksjoner og klinisk informasjon for å gi radiologen et nytt sett med tolkbare verktøy for mer nøyaktig og effektivt å oppdage prostatakreft, skille mellom høy- risiko og lavrisikosykdom, og målprostatabiopsier. Grunnlaget for dette prosjektet er dannet av et unikt norsk datasett med >1600 pasienter med MR-undersøkelser og kliniske variabler, og et tverrfaglig prosjektteam med dedikert erfaring innen MR, AI, urologi og radiologi. Samarbeidet vårt med internasjonale eksperter på området sikrer tilgang til lignende data fra Nederland og Taiwan, og muliggjør løsninger som også dekker utfordringer knyttet til demografisk og multisentervariasjon.",,2019,2024,St.Olavs Hospital,,https://ehealthresearch.no/en/kin/prosjekter/proviz,,,,Ja,
-66,Norges vassdrags- og energidirektorat,NVE Copernicus 2,Olje- og energidepartementet,Statlig virksomhet,,Energi,Norsk Regnesentral utvikler algoritmer som henter informasjon om vann og snø for nødvarsel knyttet til snøskred og flom,,2022,,,,,I utvikling,,,Ja,
-67,Oslo Universetssykehus,AI-Mind,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"I dag vet vi at rundt 50 % av pasienter med mild kognitiv svikt (MCI) har risiko for å utvikle demens, og at tidlige risikotegn inkluderer forstyrrelser i hjernenettverk som reflekterer begynnende synaptisk dysfunksjon. Den synaptiske dysfunksjonen kan registreres med elektrofysiologiske hjernesignaler. Studien har blitt finansiert med 14 millioner euro og har gjennomgått europeisk etisk evaluering. AI-Mind Connector vil identifisere slike forstyrrelser i hjernenettverk basert på EEG-teknologi.",,2021,2026,,,,,,,Ja,
-68,Østfold Energi,IntHydro - Intelligent sending og optimal drift av kaskadevannkraftverk basert på tidsromlig big data,,Annet,,Energi,Omfanget av IntHydro-prosjektet er i sentrum av temaområdet ‘Digitalisering av tradisjonelle industrier’ i RCN Chinese-Norwegian Collaborative Projects on Digitalization-utlysningen. Målet med IntHydro-prosjektet er å utforske og definere intelligent vannkraftplanlegging ved bruk av ML-teknikker.,,2020,2023,Lyse Produksjon,,,,,,Ja,
-69,Oslo Universetssykehus,Maskinlæring - ECMO data,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,,,2020,2025,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/maskinlaering-ecmo-data,,,,,
-70,Oslo Universetssykehus,Maskinlæring - hjertefunksjon,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,,,2017,2023,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/maskinlaering-hjertefunksjon,,,,,
-71,Oslo Universetssykehus,Maskinlæring - online,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,,,2019,2023,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/maskinlaering-online,,,,,
-72,Oslo Universetssykehus,Maskinlæring - vitale data,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,,,2020,2024,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/maskinlaering,,,,,
-73,Oslo Universetssykehus,LVAD - strømmåling,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"Å finne ut om en Left Ventricular Assist Device (LVAD) strømmåling detekterer pumpetrombose. Skal undersøke dette i samarbeid med Teknologi- og innovasjonsklinikken, Hjerte-, lunge- og karklinikken og Klinikk for radiologi og nukleærmedisin, Oslo universitetssykehus. HF""",,2018,2024,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/lvad-trombose-2,,,,Ja,
-74,Oslo Universetssykehus,LVAD in vitro/in vivo,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,Vil lage venstre ventrikulær hjelpeenhet in vitro og in vivo,,2016,2023,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/lvad-in-vitro-in-vivo,,,,Ja,
-75,Oslo Universetssykehus,LVAD trombose,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,Left Ventricular Assist Device - deteksjon av trombose,,2015,2022,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/lvad-trombose,,,,Ja,
-76,Oslo Universetssykehus,Maskinlæring - Blodtap,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,Ny sanntids beslutningsstøtte under blodtap ved hjelp av maskinlæring på vitale tegn,,2021,2025,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/machine-learning-blood-loss,,,,Ja,
-77,Posten Norge,ETA: beregning av leveringstid for pakker ved utsjekk,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,Vi bruker maskinlæring for å gi bedre estimater av leveringstid allerede ved utsjekk i nettbutikken,,,,,,,,,,,
-78,Posten Norge,Volumprognoser for bemanningsplanlegging,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,"Både i Post-i-butikk og internt på post-terminalene er bemanningsbehovet avhengig av volumet av pakker. Vi bruker maksinlæring for å beregne forventet pakkevolum, som beslutningsstøtte til de lokale lederne.",,,,,,,,,,,
-79,Posten Norge,Ottobot,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,"Helt autonom robot utviklet for å kjøre blant fotgjengere på fortau og i miljøer med blandet trafikk. I november og desember 2023 kjørte hele veien fra Postens distribusjonsknutepunkt på Filipstadkaia, over brua til Aker Brygge og langs bryggekanten til restaurantene Winther og Asia for å hente varer. Levert av det USA-baserte selskapet OttonomyIO.",,2022,2022,,,,Avsluttet,,,Ja,
-80,Posten Norge,Kundeservice Chatbot,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,Håndtering og utvikling av løsninger for skriftlige kundehenvendelser. I samarbeid med våre partnere ser vi på muligheter som ligger i ChatGPT for å løfte våre kundeløsninger og intern hjelp til kundeserviceansatte.,,,,,,,,,,,
-81,Posten Norge,Kundeservice Voicebot,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,Håndtering og utvikling av løsninger for kundehenvendelser via telefon. Her gjelder samme utviklingsplaner som for chatbot.,,,,,,,,,,,
-82,Posten Norge,RPA til automatisering av interne prosesser,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,,,,,,,,,,,,
-83,Regionalt senter for akuttmedisinsk forskning og utvikling ,"Emergency Medical Communication Center (AMK) Simulator: Et komplett verktøy for opplæring og kompetansebygging i AMK, basert på simuleringstrening og kunstig intelligens.",Helse- og omsorgsdepartementet,Annet,,Helse,"Prosjektet utvikler en fullskala simulator med 1:1 digitalt grensesnitt for alle funksjoner i AMK, og virtuelle pasienter med kunstig intelligens (AI) utvikles.",,2020,2024,,,https://ehealthresearch.no/kin/prosjekter/amk-simulator,,,,Ja,
-84,Arkivverket,Detektering av personnummer med gjenstandsgjenkjenning,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,Deteksjon av personlige identifikasjonsnumre i skannede historiske dokumenter,,2020,2020,,,,Implementert,,,Ja,
-85,Arkivverket,Trekk ut metadata fra folkeregisterkortet,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,"Bruke maskinlæringsteknikker som objektgjenkjenning og håndskrevet tekstgjenkjenning for å trekke ut metadata som navn, fødselsdato fra skannede kort",,2020,,,,,Implementert,,,Ja,
-86,Arkivverket,Enhetsgjenkjenning,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,Bruke enhetsgjenkjenning for å trekke ut enheter fra digital tekst,,2019,2019,,,,Implementert,,,Ja,
-87,Arkivverket,OCR,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,Bygge en pipeline for bruk av OCR på våre skannede dokumenter,,2022,,,,,Implementert,,,Ja,
-88,Arkivverket,Klassifisering av tomme historiske sider,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,Klassifiserer tomme historiske sider for å filtrere dem ut,,2022,2022,,,,,,,Ja,
-89,Arkivverket,"Trekke ut metadata fra historiske skjemaer med clustering, objektdeteksjon og HTR",Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,"Trekk ut metadata som navn, adresse osv. fra historiske skjemaer med clustering, objektdeteksjon og HTR",,2022,,,,,I utvikling,,,Ja,
-90,Arkivverket,Trekke ut metadata fra historiske bilder,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,"Bruk av bildeteksting, ansiktsgjenkjenning, objektgjenkjenning, bildeklassifisering for å trekke ut metadata fra historiske bilder",,2022,,,,,I utvikling,,,Ja,
-91,Arkivverket,Automatisk talegjenkjenning,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,Bygge en pipeline for automatisk talegjenkjenning,,2022,,,,,I utvikling,,,Ja,
-92,Arkivverket,Håndskrevet tekstgjenkjenning på historiske dokumenter,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,Bruke HTR til å digitalisere historiske håndskrevne dokumenter,,2022,,,,,I utvikling,,,Ja,
-94,Ruter,Forstå kundenes behov og bevegelsesmønster med kunstig intelligens,Nærings- og fiskeridepartementet,Annet,,Transport,,,,,,,https://www.datatilsynet.no/aktuelt/aktuelle-nyheter-2022/tre-nye-prosjekter-i-ki-sandkassa/,,,,Ja,
-95,Ruter,Kundeinnsikt ved bruk av A.I,Nærings- og fiskeridepartementet,Annet,,Transport,"sentimentanalyse, rapportering, AI-motor",,,,,,,,,,,
-96,Ruter,AI-basert saksbehandler,Nærings- og fiskeridepartementet,Annet,,Transport,lage en Ai-bot som vil svare på innkommende kundeklager via e-post,,,,,,,,,,,
-97,Ruter,"Kapasitetsprediksjon (på busser, togbåter (bruker AI)",Nærings- og fiskeridepartementet,Annet,,Transport,"Brukssaker: Ruter app, skjermer inne i bussene",,,,,,,,,,,
-98,Ruter,Personlig tilpasset reiseanbefaling ved hjelp av AI,Nærings- og fiskeridepartementet,Annet,,Transport,For Ruter app,,,,,,,,,,,
-99,Ruter,Datatilsynets sandkasse,Nærings- og fiskeridepartementet,Annet,,Transport,,,,,,,,,,,,
-100,Ruter,Forbedre datakvaliteten ved å bruke AI,Nærings- og fiskeridepartementet,Annet,,Transport,Imputasjonsmodell,,,,,,,,,,,
-101,Ruter,Reisetidsprediksjon ved bruk av AI,Nærings- og fiskeridepartementet,Annet,,Transport,Forutsi estimert ankomsttid for busser,,,,,,,,,,,
-102,Ruter,Forklarlig AI,Nærings- og fiskeridepartementet,Annet,,Transport,Modellytelse og overvåking med forklarbar AI,,,,,,,,,,,
-103,Ruter,Flåtestyring ved hjelp av AI (bestillingstransport),Nærings- og fiskeridepartementet,Annet,,Transport,,,,,,,,,,,,
-104,Ruter,Billettkontroll med AI (billettkontroll),Nærings- og fiskeridepartementet,Annet,,Transport,,,,,,,,,,,,
-105,Ruter,Analyser kundeatferd ved hjelp av AI,Nærings- og fiskeridepartementet,Annet,,Transport,,,,,,,,,,,,
-106,Ruter,Kvanteberegning ved hjelp av AI,Nærings- og fiskeridepartementet,Annet,,Transport,,,,,,,,,,,,
-107,Simula Research Laboratory,Teoretiske og datadrevne tilnærminger for energieffektive nettverk (TIDENET),,Annet,,Energi,Målet med FRINATEK-prosjektet TIDENET er å utvikle fremtidens grønne kommunikasjonsnettverk.,,2015,2018,,,,,,,Ja,
-108,Skatteetaten,Konseptplan for virtuell assistent ,Finansdepartementet,Statlig virksomhet,,Statsforvaltning,"Skatteetaten har satt i gang et forprosjekt som skal finne ut hvordan kunstig intelligens (virtuell assistent) kan brukes til å forbedre og effektivisere publikumsveiledningen. Forprosjektet skal videre avklare ambisjonsnivå og hvilke områder som er egnet for pilot. Forprosjektet skal levere en anbefaling av videre løp med å ta i bruk kunstig intelligens innen området virtuell kundeassistent for førstelinjetjenesten. I tillegg skal det være gjennomført et Proof of concept (PoC) med tre utvalgte leverandører. Forprosjektet skal også utrede kostnader, gevinster og alternative anskaffelsesmodeller.",,2017,,,,https://www.digdir.no/digitaliseringsradet/skatteetaten-prosjekt-kunstig-intelligens-ki/1848,,,,Ja,
-109,Skatteetaten,AI-assistert skatterapport,Finansdepartementet,Statlig virksomhet,,Statsforvaltning,Sommerstudenter som skulle jobbe med AI-assistert skattemelding,,2021,,,,https://www.skatteetaten.no/en/about-the-tax-administration/jobb/studenter-og-nyutdannede/sommerjobb/2021/,,,,Ja,
-110,Skatteetaten,Pilot Systema Utvalg – datamodell som bidrar i utvelgelse av meldinger med stor sannsynlighet for feil,Finansdepartementet,Statlig virksomhet,,Statsforvaltning,Datamodell som oppdager potensielle feil i skatterapportene.,,,,,,https://www.digdir.no/fagforum-kunstig-intelligens-data-science-i-offentlig-sektor-variabelreduksjon-i-psu-modellen/1895,,,,Ja,
-111,Skatteetaten,Kompensasjonsordningen,Finansdepartementet,Statlig virksomhet,,Statsforvaltning,"Oppdraget fra Finansdepartementet startet med løpende rapportering, men filtrene fanget opp mange flere virksomheter enn etaten hadde kapasitet til å behandle manuelt.
+11,E-CO Energi,E-CO Energi and Cognite digitizing hydropower plants,Nærings- og fiskeridepartementet,Annet,Energi,"Cognite har utviklet teknologi for å behandle, analysere og visualisere data fra ulike datakilder. Innsamling av data og bruk av maskinlæring og avanserte dataverktøy vil være sentralt for optimalt vedlikehold i fremtiden. De nye verktøyene vil kunne styrke verdiskapingen i kraftverkene ytterligere.",,,,,,,,,,Ja,
+12,Føie,Tilkoblet Drone og Skogrisk AI,,Annet,Energi,For fire år siden startet Føie AS å teste droner som verktøy i daglig drift. Nå har nettselskapet fire dronepiloter på jobb. Dronesjef Irina Pirozhinskaia forteller om spennende prosjekter som har potensial til å innovere kraftbransjen ved hjelp av lavere kostnader og mer effektiv inspeksjon av nettet. Dette er et samarbeid med eSmart Systems,,,,,,https://www.distriktsenergi.no/artikler/2021/2/11/dronene-svever-inn-i-kraftbransjen-for-alvor/,,,,Ja,
+13,Helse Bergen,AI beslutningsstøtte i medisinske nødanrop,Helse- og omsorgsdepartementet,Annet,Helse,"Prosjektet er tredelt: Først gjøres en detaljert kartlegging av hvilke kontakter hjerneslagpasienter i Helse Bergen har hatt med helsevesenet før de når sykehuset og havner i Hjerneslagregisteret. Deretter benytter vi disse pasientenes 113-samtaler og strukturerte sykehusdata (Norsk pasientregister) for å for å utvikle og teste (på historiske data) en KI-modell. Til slutt vil modellen bli tatt i bruk live i AMK Bergen for å undersøke om treffsikkerheten for hjerneslag er bedre med bruk av KI, sammenliknet med dagens system. Dersom vi lykkes, er målet er å tilby systemet som beslutningsstøtteverktøy i alle landets AMK-sentraler, og på sikt gjerne også legevaktsentraler. En videre målsetting vil være å utvide konseptet til å kunne gi beslutningsstøtte også ved andre akuttmedisinske tilstander, som f.eks. hjerteinfarkt og sepsis.",,2021,2024,,,,,,,Ja,
+14,Helse Bergen,AI for forbedret diagnostikk ved endometriekreft,Helse- og omsorgsdepartementet,Annet,Helse,Kunstig intelligens for tumorsegmentering i MR-bilder og prognose basert på tumorteksturvariabler hos pasienter med endometriekreft,,2008,2028,,,https://ehealthresearch.no/kin/prosjekter/kunstig-intelligens-for-forbedret-diagnostikk-i-endometriekreft,,,,Ja,
+15,Helse Bergen,WIML: Arbeidsflytintegrert maskinlæring,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,Prosjektets hovedmål er å designe og utvikle et «Research Information System» i Helse Vest som integrerer en datamodell for bilder og tabelldata med beregninger i form av statistiske og maskinlæringsmodeller.,,2022,2024,,,https://ehealthresearch.no/en/kin/prosjekter/wiml-workflow-intergrated-machine-learning,,,,Ja,
+16,Helse Midt,AICAN - Kunstig intelligens og digital patologi ved kreft,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"AICAN er en tverrfaglig forskningsgruppe som involverer NTNU, St. Olavs hospital, Sykehuset Levanger og SINTEF. I prosjektet brukes kunstig intelligens i tolkning av digitale bilder av kreftsvulster. Målet for prosjektet ""Artificial Intelligence and digital pathology in CANcer"" AICAN, er å forutsi biologiske egenskaper og prognose ved kreft. I utgangspunktet jobbet de med brystkreft, men prosjektet utvides nå til også å omfatte lungekreft. De tar utgangspunkt i etablerte biobanker ved NTNU/St. Olavs sykehus og samler også inn vev fra kull fra samarbeidspartnere ved andre institusjoner.",,2018,2030,,,,,,,Ja,
+17,Helse Midt,CoSeM - beregningsmessig sepsis mining og modellering,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Fenotyping og karakterisering av pasienter med økt risiko for blodbaneinfeksjoner og sepsis. Effekten er forebyggende og presise tiltak for å redusere risiko, f.eks. selektiv forebyggende antibiotikabehandling, sen kateterisering mm.",,2020,2025,,,https://ehealthresearch.no/kin/prosjekter/cosem,,,,Ja,
+18,Helse Midt,"Fraxinus - Et åpen kildekode, kun programvare, navigasjonssystem for bronkoskopi",Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Bronkoskopi er den endobronkiale prosedyren for inspeksjon og diagnostisk prøvetaking i luftveiene, f.eks. å diagnostisere lungekreft. Å navigere det fleksible bronkoskopet gjennom luftveiene til målet for den diagnostiske prøvetakingen, som biopsi eller finnålsaspirasjon, er utfordrende på grunn av de mange inndelingene av luftveiens trestruktur og mangelen på direkte synlighet av mindre perifere lesjoner. Selv med fluoroskopi-veiledning er den diagnostiske suksessraten for bronkoskopisk ikke-synlige svulster så lav som 15 % sammenlignet med 80 % for synlige svulster, avhengig av tumorstørrelse, legenes erfaring og metoden som brukes for prøvetaking. Å bruke navigert bronkoskopi er en mulighet for å redusere disse utfordringene og dermed øke suksessraten for biopsi.",,2021,2025,,,https://ehealthresearch.no/kin/prosjekter/fraxinus-an-open-source-software-only-navigation-system-for-bronchoscopy,,,,Ja,
+19,Helse Midt,IDDEAS - Individuelt digitalt beslutningshjelpssystem for barn og unges psykiske helse,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"IDDEAS er en forkortelse av ""Individualized Digital Decision Assist System"". IDDEAS er et klinisk beslutningsstøttesystem under utvikling, som i første omgang retter seg mot barn og unge med oppmerksomhetsunderskudd hyperaktivitetsforstyrrelse (ADHD). ADHD står for 29 % av psykiske lidelser blant unge i Norge, og lidelsen kan vedvare inn i voksen alder. Uten riktig behandling kan ADHD forårsake dramatiske sosiale og medisinske utfordringer som påvirker både individet, familien og samfunnet.",,2018,2023,,,https://ehealthresearch.no/kin/prosjekter/iddeas,,,,Ja,
+20,Helse Midt,Segmenting lymph nodes from thorax CT,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Nøyaktig lungekreftdiagnose er avgjørende for å velge det beste handlingsforløpet for å behandle pasienten. Fra et thorax CT-volum er det nødvendig å identifisere om kreften har spredt seg til nærliggende lymfeknuter eller ikke. Det er like viktig å vite nøyaktig hvor hver ondartet lymfeknute er med hensyn til de omkringliggende anatomiske strukturene og luftveiene. I dette prosjektet introduserer vi et nytt datasett som inneholder merknader av femten forskjellige anatomiske strukturer i mediastinumområdet, inkludert lymfeknuter av varierende størrelse. Vi har utviklet en 2D-pipeline for semantisk segmentering og instansdeteksjon av anatomiske strukturer og potensielt maligne lymfeknuter i mediastinumområdet.",,2018,2028,St. Olavs hospital,,https://ehealthresearch.no/kin/prosjekter/segementing-lymph-nodes-from-thorax-ct,,,,Nei,
+21,Helse Midt,KI for kartlegging av organer fra CT-bilder,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,For å redusere tid brukt på opptak av organer og øke kvaliteten.,,2021,2030,Sykehuset i Ålesund,,https://ehealthresearch.no/kin/prosjekter/ki-for-kartlegging-av-organer-fra-ct-bilder,,,,Ja,
+22,Helse Midt,KI i bildeveiledet nevrokirurgi,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Hovedmålet er å få ny kunnskap om sammenhengen mellom kliniske og radiologiske funn, sykdomsforløp og behandlingsrespons hos hjernesvulstpasienter. Dette kan føre til mer personlig behandling. Vi bruker maskinlæring for å trene modeller for automatisk bildeanalyse og prediksjon av overlevelse og behandlingsrespons basert på data fra den enkelte pasient i kombinasjon med data fra hundrevis av tidligere pasienter. Prosjektet er i hovedsak basert på data fra Midtnorsk hjernesvulstregister og biobank, som ble etablert i 2015 av klinikere og forskere ved St. Olavs hospital og NTNU. Basert på data fra dette registeret, sammen med data fra nasjonale og internasjonale partnere, utvikler forskere ved SINTEF modeller for automatisk bildeanalyse samt prediksjon av prognostiske faktorer og sykdomsforløp basert på kunstig intelligens og maskinlæring.",,2011,2025,St. Olavs hospital,,https://ehealthresearch.no/kin/prosjekter/ki-i-bildeveiledet-nevrokirurgi,,,,Ja,
+23,Helse Nord,AI-basert beslutningsstøtte for ryggradskirurgi,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Det overordnede målet for dette storskala tverrfaglige forskningskonsortiet er å katalysere et grunnleggende paradigmeskifte for å endre daglig klinisk praksis ved å utvikle og implementere AI som en integrert del av sanntidsdiagnose, behandling og oppfølging av pasienter på et universitetssykehus. For å oppnå det overordnede målet er prosjektets mål å: Utvikle og implementere sikre og effektive sanntids verktøy for klinisk beslutningsstøtte (CDS) for resultatprediksjon, inkludert postoperative, terapeutiske akutte og sene uønskede hendelser ved å bruke informasjonen innebygd i kliniske kvalitetsregistre og ved direkte prøvetaking, sanntid, fra EPJer.",,2022,2028,,,,,,,Ja,
+24,Helse Nord,Personlig tilpasset beslutningsstøtte for pasienter med kroniske smerter,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,Prosjektets formål er å utvikle og bruke algoritmer og dataverktøy som kan generere medisinske beslutningstre fra EPJ-data for å bruke dem i en felles utvelgelsesprosess for pasienter med kroniske smerter.,,2019,2022,,,https://ehealthresearch.no/kin/prosjekter/chronic-pain,,,,Ja,
+25,Helse Nord,ClinCode: Datastøttet klinisk ICD-10-koding,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,I vårt prosjekt skal vi studere den medisinske spesialiteten gastrokirurgi. Pasientjournalene vil bli brukt til å utvikle et dataprogram som kan lese den enkeltes journal og automatisk foreslå passende ICD-10-koder til den behandlende legen. Dataprogrammet skal analysere både fritekstnotater og strukturerte data som allerede er kodet manuelt ved hjelp av naturlig språkbehandling (NLP) og dyp læring (Deep Learning) eller det som også kalles kunstig intelligens-metoder (AI) og lære av disse dataene. CAC-programmet skal integreres i det elektroniske pasientjournalsystemet DIPS Arena.,,2021,2023,,,https://ehealthresearch.no/kin/prosjekter/clincode,,,,Ja,
+26,Helse Nord,IM-PACT - Identifikasjon av multimorbide pasienter med påvirkbar risikoprofil ved bruk av kunstig intelligens,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Dette prosjektet er basert på store datasett fra sykehus og kommunal omsorg i Nord-Norge. Omsorgsmodellen, PAtient Centered-Team (PACT), kombinerer elementer fra personsentrert omsorg, integrert omsorg og proaktiv omsorg. PACT-teamet tar inn innsikt og tilbakemeldinger fra både pasienter og pleiere i pleieprosessen, og vektlegger pasientenes rolle i beslutningsprosessen. Prosjektet ble designet for å gi multisyke pasienter hensiktsmessige, pasientsentrerte, integrerte og tidsriktige helsetjenester. Prosjektet er finansiert av NSE.",,2021,2023,,,https://ehealthresearch.no/kin/prosjekter/im-pact,,,,Ja,
+27,Helse Nord,Kunnskapsoppsummering for implementering av AI i helsetjenesten,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"I dette prosjektet skal vi forske på status for AI-implementeringer rundt om i verden. Forskningen vil fokusere på hvordan AI-algoritmer har blitt utviklet og implementert i helsetjenester. Spørsmål knyttet til datatilgang, personvern, sikkerhet og risiko for pasienter vil også bli undersøkt. Foruten tekniske aspekter, ser prosjektet også på hvordan en fullstendig evaluering av en AI-løsning i helsevesenet kan utvikles. Dette inkluderer en vurdering av nytte, gjennomførbarhetskostnader, distribusjonsutfordringer, klinisk opptak og vedlikehold over tid.",,2021,2022,,,https://ehealthresearch.no/kin/prosjekter/implementering-av-kunstig-intelligens,,,,Nei,
+28,Helse Nord,PraksisNett,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,PraksisNett er en infrastruktur som legger til rette for at forskere skal kunne gjennomføre gode og kvalitetssikrede kliniske studier i norsk allmennpraksis. Kliniske studier i allmennmedisin er forskning der pasienter som går til fastlegen deltar.,,2022,2027,"UiB, UiO, NTNU, UiT, E-helseforskning, Norc",,https://ehealthresearch.no/kin/prosjekter/predikering-av-risiko-for-postoperative-sarinfeksjoner-med-bruk-av-kunstig-intelligens,,,,Nei,
+29,Helse Nord,Predikering av risiko for postoperative sårinfeksjoner med bruk av kunstig intelligens,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Hovedmålet er å utvikle et AI-basert verktøy som kan indikere sannsynligheten for at en postoperativ sårinfeksjon oppstår hos den enkelte pasient, slik at risikoreduserende tiltak kan iverksettes og sykdomsbyrden for pasienten reduseres.",,2022,2027,Nordlandssykehuset,,https://ehealthresearch.no/kin/prosjekter/predikering-av-risiko-for-postoperative-sarinfeksjoner-med-bruk-av-kunstig-intelligens,,,,Ja,
+30,Helse Nord,Prediksjon av tilbakefall i glioblastom,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,Formålet med dette prosjektet er å analysere disse perifere områdene i postoperativ magnetisk resonans (MR) og positronemisjonstomografi (PET) bilder ved hjelp av kunstig intelligens og prøve å forutsi hvilke områder som er mest sannsynlig å utvikle ny tumorvevsdannelse. Dette vil i fremtiden kunne gi kirurgen nyttig informasjon om hvilke områder som bør fjernes ved operasjon og ved valg av videre behandling for pasienten.,,2021,2023,UNN,,https://ehealthresearch.no/kin/prosjekter/gbm-recurrence,,,,Ja,
+31,Helse Nord,WARIFA,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,Målet er å utvikle en generell personlig risikovarslingsmodell som skal brukes til å støtte forebyggende tiltak og livsstilsendringer. Systemet er basert på kunstig intelligens og vil være tilgjengelig for enkeltpersoner og pasienter på deres smarttelefoner via WARIFA-appen.,,2021,2024,,,https://ehealthresearch.no/en/kin/prosjekter/warifa,,,,Ja,
+32,Helse Sør-Øst,Detection of air in the extracorporeal membrane oxygenation circuit (ECMO circuit),Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Samarbeid mellom Teknologi- og innovasjonsklinikken, Legevakten, Hjerte-, lunge- og karklinikken og Oslo sykehustjeneste, Oslo universitetssykehus HF, Universitetet i Oslo (UiO).",,2015,2022,,,https://ehealthresearch.no/kin/prosjekter/deteksjon-av-luft-ecmo,,,,Ja,
+33,Helse Sør-Øst,Strukturering av fenotypedata,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"AMG utvikler en løsning for å forenkle og forbedre rekvisisjonsprosessen for genetiske analyser. Prosjektet er bygget rundt en løsning med kunstig intelligens for å tolke tekst og gjøre den om til Human Phenotype Ontology (strukturert fenotypedata) som muliggjør raskere og mer presis rekvirering av genetiske analyser. Støtte for utfylling av HPO-termer vil øke sannsynligheten for å fylle ut skjemaet, og dermed lette diagnostikk ved å spare tid og øke sannsynligheten for riktig test og dermed riktig diagnose.",,2021,2025,,,https://ehealthresearch.no/kin/prosjekter/strukturering-av-fenotypedata,,,,Ja,
+34,Helse Vest,"AMK Simulator: Et komplett verktøy for opplæring og kompetansebygging i AMK, basert på simuleringstrening og kunstig intelligens.",Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Akuttmedisinsk kommunikasjonssentral (AMK) yter førstehjelp ved livstruende skade eller sykdom utenfor sykehus. Tidlig diagnose og behandling er avgjørende for å redde liv. På kort tid gjør AMK kritiske vurderinger, livsviktige beslutninger og veileder førstehjelpsinnringere. Prosjektet utvikler en fullskala simulator med 1:1 digitalt grensesnitt for alle funksjoner i AMK, og virtuelle pasienter med kunstig intelligens (AI) utvikles. 1:1 simulering betyr at brukere kan trene i sitt vanlige arbeidsmiljø (in-situ).",,2020,2024,,,,,,,Ja,
+35,Helse Vest,Automatisk klassifisering av hudlesjoner,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Å utvikle et datastøttet diagnosesystem (CAD) for hele lysbildebilder som vil hjelpe patologiavdelinger med å diagnostisere malignt melanom mer effektivt, ved (1) å redusere undersøkelsestiden, (2) redusere diagnostiske variasjoner og (3) øke diagnostisk nøyaktighet.",,2021,2024,,,https://ehealthresearch.no/kin/prosjekter/automatic-classification-of-skin-lesions,,,,Ja,
+36,Helse Vest,Klargjør - CLoud kunstig intelligens for patologi,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"CLARIFY er et innovativt, multinasjonalt, multisektorielt og multidisiplinært forsknings- og opplæringsprogram som knytter sammen to høyt differensierte spesialiteter: ingeniørfag og medisin, for å produsere 12 tidlige faseforskere (ESR) innen kunstig intelligens (AI), skydatabehandling og klinisk patologi med fokus på digital patologi. CLARIFYs hovedmål er å utvikle et robust automatisert digitalt diagnosemiljø basert på kunstig intelligens og skyorienterte dataalgoritmer som letter tolkning og diagnose av hele lysbildebilder (WSI) overalt med sikte på å maksimere fordelene med digital patologi og hjelpe patologer i deres daglige arbeid",,2019,2023,,,https://ehealthresearch.no/kin/prosjekter/clarify,,,,Ja,
+37,Helse Vest,Kvantifisering av fibrose i nyre- og leverbiopsier,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Å etablere en bildeanalysemodul for å kvantifisere fibrose i nyre- og leverbiopsier. Interstitiell fibrose er en av de avgjørende prognostiske markørene i ikke-neoplastiske nyre- og leverbiopsier. For tiden estimeres fibrose ved hjelp av øyeeple, som bare tillater en svært grov differensiering i 3-4 grader.",,2020,2022,,,https://ehealthresearch.no/kin/prosjekter/fibrosis-in-kidney-biopsies,,,,Ja,
+38,Helse Vest,Spredning i brystkreft,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Å trene, teste, validere og implementere et maskinlæringssystem for å beregne Mitotic Activity Index (MAI), Ki-67 og PHH3-indeksen i brystkreft",,2020,2024,,,https://ehealthresearch.no/kin/prosjekter/proliferation-in-breast-cancer,,,,Ja,
+39,Helse Vest,kvalitativ analyse av EIN,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Endometrioid intraepitelial neoplasi (EIN) er en pre-malign lesjon av livmorslimhinnen som disponerer for endometrioid endometrielt adenokarsinom (EEC). Riktig diagnose og håndtering av EIN blir stadig mer relevant med økningen i fedme, en veletablert risikofaktor for EEC, i befolkningen. Morfometrisk analyse kalt D-score, har som mål å gi en kvantitativ vurdering av progresjonsrisiko for premaligne endometrielle lesjoner. Selv om det har vist seg å være en reproduserbar måling, er tilpasning av D-poengsummen sakte i laboratorier, fordi det er kostbart og tidsriktig. Til tross for inkluderingen av EIN i WHO14 holder mange patologer fortsatt på den opprinnelige WHO94-definisjonen både i diagnostikk og forskning.",,2020,2024,,,https://ehealthresearch.no/en/kin/prosjekter/quantitative-analysis-of-ein,,,,Ja,
+40,Helse Vest,Maskinlæring og bildebehandling - MALIGN,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,,,2019,2022,,,https://ehealthresearch.no/en/kin/prosjekter/malign,,,,,
+41,Helse Vest,Optimalisering av patologiarbeidsflyten,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,Patologiske avdelinger står overfor en situasjon med stadig økende antall prøver og kompleksitet i analyser mens personlige ressurser ikke øker i takt med den økende arbeidsmengden. Vi må optimalisere arbeidsprosessene våre for å håndtere denne situasjonen. Unilab-700 gir atomdata som beskriver arbeidsflyten. Det er for øyeblikket ingen tilgjengelige systemer som kan bruke disse dataene for å optimere arbeidsflyten for patologi.,,2021,2024,Høyskolen på Vestlandet,,https://ehealthresearch.no/kin/prosjekter/optimization-of-the-pathology-workflow,,,,Nei,
+42,Helse Vest,Ki-67 in GI NET,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Å trene, teste, validere og implementere et maskinlæringssystem for beregning av Ki-67-indeksen i nevroendokrine svulster i mage-tarmkanalen.",,2019,2022,Helse Bergen,,https://ehealthresearch.no/en/kin/prosjekter/ki-67-in-gi-net,,,,Ja,
+43,Helsedirektoratet,Rådgivningstjeneste for kunstig intelligens,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Du kan søke om å delta på fleretat en-til-en veiledning, hvor du kan få veiledning etter flere forskrifter i ett og samme møte. Helsedirektoratet, Direktoratet for e-helse, Statens legemiddelverk og Helsetilsynet deltar med jurister som kan veilede disse møtene. Etter avtale kan også andre inviteres inn.",,,,"Statens Legemiddelverk, Direktoratet for e-helse, Helsetilsynet",,https://www.helsedirektoratet.no/tema/kunstig-intelligens/regelverk/prosess-og-hjelp-til-a-lose-juridiske-problemstillinger,,,,Nei,
+44,Helsedirektoratet,God klinisk praksis og behov for standardisering ved bruk av kunstig intelligens innen radiologi,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Undersøkelsen gjennomføres i regi av det nasjonale koordineringsprosjektet «Bedre bruk av kunstig intelligens» som er organisert under Nasjonalt helse- og sykehusplanprogram. Prosjektet er basert på innsikt fra ca. 90 representanter for ledere/prosjektledere, klinisk personell, innkjøpere, brukerrepresentanter og pasientforeninger, næringsliv og forskning. Høsten 2021 ble det levert en rapport som oppsummerer utfordringer og behov, funn og erfaringer fra internasjonal og nasjonal forskning, samt forslag til videre arbeid på nasjonalt nivå for 2022.",,2020,2021,"Direktoratet for e-helse, Statens legemiddelverk, Helse Midt, Helse Nord, Helse Vest, Helse Sør-Øst",,https://ehealthresearch.no/kin/prosjekter/god-klinisk-praksis,,,,Nei,
+45,Helsedirektoratet,Kunstig intelligens i primærhelsetjenesten,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Helsedirektoratet, Direktoratet for e-helse og Statens legemiddelverk er i samråd med de regionale helseforetakene bedt om å iverksette utredning for å kartlegge mulighetene og utfordringene bruk av kunstig intelligens innebærer, og hvilke tilpasninger i rammeverk. forhold på nasjonalt nivå kan være nødvendig, blant annet i forskrifter, faglige standarder/veiledning, styring og finansieringsordninger. Etatene skal fortsatt involvere kommunale helse- og omsorgstjenester og kartlegge deres behov.",,2021,2021,,,https://ehealthresearch.no/kin/prosjekter/kunstig-intelligens-i-primaerhelsetjenesten,,,,Nei,
+46,Kreftregisteret,MIM,Helse- og omsorgsdepartementet,Annet,Helse,Et forskningsprosjekt med mål om å effektivisere og øke kvaliteten på Mammografiprogrammet ved å kombinere automatisk bildeanalyse med radiologisk ekspertise.,,2018,2022,,,https://ehealthresearch.no/kin/prosjekter/mim,,,,Ja,
+,,,,,,,,,,,,,,,,,
+48,Kreftregisteret,Kunstig intelligens for nøyaktig og effektiv screening for brystkreft,Helse- og omsorgsdepartementet,Annet,Helse,"Kan maskinlæringssystemer brukes til å redusere arbeidsmengden til radiologer som jobber i Mammografiprogrammet, uten å redusere programmets sensitivitet eller øke frekvensen av falske positive screeningtester?",,2019,2029,,,https://www.kreftregisteret.no/Forskning/Prosjekter/kunstig-intelligens-mammografiprogrammet/,,,,Ja,
+49,Miljødirektoratet,Naturinngrep i inngrepsfri natur,Klima- og miljødepartementet,Statlig virksomhet,Klima og miljø,Norsk Regnesentral utvikler algoritmer som henter informasjon om menneskelig inngrep i naturen som er kartlagt som inngrepsfri,,2020,,,,,Implementert,,,,
+50,Statens pensjonskasse,Prediktiv modell for å oppdage feilutbetalinger ved etterlattepensjon,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,Prediktiv modell for å oppdage feilbetalinger,,,,,,,,,,ja,
+51,Statkraft Energi,Anvendt maskinlæring - sikker drift til slutten av levetiden,,Statlig selskap,Energi,"Når uventede feil oppstår i komponenter med lang ledetid (>2 år) har nye sensorer og avanserte analyser blitt brukt for å finne sikker drift til komponenten er forskjøvet. Vi har et dedikert team av dataforskere som samarbeider tett med fageksperter og personell på stedet. Sensorer på de riktige stedene, datainnsamling og oppfølging av trender med fageksperter for å forstå mønstre og finne sikre driftsmoduser. Vi forutsier den forventede oppførselen og innebærer tidlige advarsler hvis noe endres på en uønsket måte. Ved å gjøre det har vi nå i to år klart å holde enhetene i drift på en sikker måte i perioder når energibehovet er stort og alle bidrag svært ønsket.",,,,,,,,,,,
+52,Statkraft Energi,Prediktivt vedlikehold – anvendt maskinlæring på tvers av flåten,,Statlig selskap,Energi,"Arbeidet med å bruke avansert analyse for å få feilslåtte enheter tilbake i drift har vist seg å være svært vellykket, og de beste modellene er nå laget generiske for avviksdeteksjon på tvers av flåte og teknologier. Ambisjonen er å bruke den beste læringen til å overvåke før noen feil oppstår og i stedet innebære prediktivt vedlikehold på sin sanne måte. Vi har utviklet vår egen analytiske plattform hvor online data kontinuerlig mates inn i anomalimodeller og sender varsling når de utløses. Systemet har nå mer enn 150 sluttbrukere og modeller brukes på vann og vind. Vi håper å inkludere solenergi, batterier og hydrogen i løpet av 2023.",,,,,,,,,,,
+53,NAV IT,SYFO Prediction (prediksjon av sykefravær),Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,"NAV ønsker å bruke maskinlæring for å forutsi hvilke syke brukere som trenger oppfølging to måneder framover. Dette vil hjelpe veilederne til å gjøre mer nøyaktige vurderinger, som igjen vil spare NAV, arbeidsgivere og sykemeldte for unødvendige møter. Målet med dette sandkasseprosjektet var å avklare lovligheten av å bruke kunstig intelligens (AI) i denne sammenhengen, og å utforske hvordan profileringen av sykemeldte kan gjøres på en rettferdig og åpen måte.",,,,,,https://www.datatilsynet.no/regelverk-og-verktoy/sandkasse-for-kunstig-intelligens/ferdige-prosjekter-og-rapporter/nav-sluttrapport/,Avsluttet,,,Ja,
+54,NAV IT,AI-modell for CV-matching (innen Rekrutteringsbistand),Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,"Bruke en NLP-modell for å lese ulike CV-er, bruke tekstgjenkjenning for å se på ulike søknader.",,2021,2022,,,NA,Avsluttet,,,Ja,
+55,NAV IT,Chatbot Frida,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,"Chatrobot som bruker AI-teknologi for å svare på spørsmål fra innbyggere. Teknologien er ikke utviklet av NAV, den er levert fra boost.ai",,2018,,,,https://memu.no/artikler/frida-jobber-dognet-rundt/,I bruk,,,Ja,
+56,NORCE ,RE-SIKTET: Rejusterte svar ved bruk av AI i medisinske samtaler.,Helse- og omsorgsdepartementet,Statlig selskap,Helse,"I RE-AIMED skal vi utvikle et interaktivt nettgrensesnitt for å hjelpe operatører i nødsentraler. Ved hjelp av kunstig intelligens vil nettgrensesnittet presentere et utvalg spørsmål spådd etter alvorlighetsgrad, frekvens, samhold og hvor i samtalen du er. Hensikten er at dette skal hjelpe operatøren med å huske viktige spørsmål og gjenkjenne alvorlige medisinske mønstre, samtidig som samtalen med den som ringer får beholde sin naturlige flyt. Spørsmålene og svarene operatøren velger vil automatisk dokumenteres. Prosjektet vil lage store, standardiserte og detaljerte kodede datasett som beskriver medisinske vurderingsintervjuer. Dette gir mulighet for videre forskning på telefonvurdering, medisinsk beslutningstaking, kommunikasjon og reduksjon av feiltolkninger i maskinlæring.",,2020,2024,Helse Vest,,https://ehealthresearch.no/kin/prosjekter/medisinsk-telefonvurdering-assistert-av-kunstig-intelligens-re-aimed,,,,Ja,
+57,NORCE ,CONWIND: Forskning på smarte driftskontrollteknologier for havvindparker,,Statlig selskap,Energi,Hovedmålet med prosjektet er å redusere driftskostnadene og øke energiproduksjonen til havvindparker gjennom utvikling av avanserte kontrollalgoritmer.,,2020,2023,Energi Vestland,,,,,,Ja,
+58,Norges forskningsråd,Forskningstilskudd saksbehandling AI,Kunnskapsdepartementet,Statlig virksomhet,Statsforvaltning,"Å behandle søknader om tilskudd og henvise dem til en passende ekspertgruppe for vurdering, er en av utfordringene til Norges forskningsråd (RCN). På et nylig OSIRIS-møte ga representanter for RCN innsikt i deres bruk av kunstig intelligens (AI) som et verktøy for å optimalisere saksbehandlingen. Finansierte stipendforslag behandles med en temamodelleringstilnærming som forutsier ulike egenskaper ved hvert prosjekt (akademiske disipliner, forskningstemaer, relevans for ulike sektorer etc.). Spådommene gjennomgås av saksbehandlere som bestemmer hvilke tagger som skal tildeles prosjektet.",,,,,,https://www.sv.uio.no/tik/english/research/centre/osiris/news/2022/use-of-artificial-intelligence-at-the-research-cou.html,,,,Ja,
+59,Norsk Helsenett,Ultralyd av hjerte,Helse- og omsorgsdepartementet,Statlig selskap,Helse,,,,,,,,,,,,
+60,Norsk Helsenett,Syntetiske reseptdata i sammenheng med syntetiske populasjonsdata,Helse- og omsorgsdepartementet,Statlig selskap,Helse,,,,,,,,,,,,
+61,Norsk Hydro ,Norsk Hydros AI-verktøy for å oppdage hackere,Nærings- og fiskeridepartementet,Annet,Energi,"AI-verktøyet er designet for å dekke opp sikkerhetshull ved å identifisere områder der industrielt utstyr kan bli utsatt for hackere, og overvåke små endringer over tid. Menneskelige analytikere kan ikke vurdere den enorme mengden internettrafikk på selskapets nettverk.",,2019,,,,https://www.wsj.com/articles/norsk-hydro-tests-ai-in-cyber-defenses-after-attack-11566207000,,,,Ja,
+62,Norsk Hydro ,AdaptAl - Adaptiv kontroll av aluminiumsproduksjon,Nærings- og fiskeridepartementet,Annet,Energi,"Grunnlaget for produkt-service-systemet er en digital tvilling kalt PRO3, som opererer gjennom aluminiumsprosesskjeden. PRO3 er utviklet av Hydro i løpet av de siste ti årene og brukes i dag til å simulere og optimalisere prosessparametere for interne og eksterne kunder i Hydro. I dette prosjektet utvides anvendelsen av programvaren til adaptiv kontroll. Hvert prosesstrinn i aluminiums verdikjede er assosiert med prosessvariasjoner så vel som variasjoner i kjemisk sammensetning av legeringen.",,2020,2023,,,https://prosjektbanken.forskningsradet.no/en/project/FORISS/314054?Kilde=FORISS&distribution=Ar&chart=bar&calcType=funding&Sprak=no&sortBy=date&sortOrder=desc&resultCount=30&offset=0&Geografi.2=Lørenskog,,,,Ja,
+63,Tolletaten,Uovervåket læring for å oppdage tolldeklarasjoner,Finansdepartementet,Statlig virksomhet,Statsforvaltning,Utenlandske aktører rapporteres i tolldeklarasjonen som et fritekstfelt. Dette skaper utfordringer for videre analyse av både tollere og dataanalytikere. Dataanalyseavdelingen har utviklet en uovervåket algoritme for å gruppere en liste med navn. Den er basert på klyngeanalyse i et nettverk og splittende klynge.,,,,,,https://www.digdir.no/fagforum-kunstig-intelligens-i-offentlig-sektor/2569,,,,Ja,
+64,Sjøfartsdirektoratet,Automatisert saksbehandling med arkivmessige hensyn for kunstig intelligens,Nærings- og fiskeridepartementet,Statlig virksomhet,Statsforvaltning,"Sjøfartsdirektoratet har satt i gang en større omlegging av hvordan virksomheten skal drive saksbehandling og tilhørende informasjonshåndtering i fremtiden. Automatisering av saksbehandlingen for utstedelse av sertifikater skal gi brukerne enklere og mer effektive tjenester. De nye løsningene vil også stå for datainnsamling. Det er viktig at korrekt dokumentasjon, både inngående og utgående, prosess og regler sikres på en hensiktsmessig måte.",,,,,,https://www.arkivverket.no/nyheter/automatisert-saksbehandling-og-innsyn-i-regulatorisk-sandkasse,,,,,
+65,Norges teknisk-naturvitenskapelige universitet,PROVIZ,Helse- og omsorgsdepartementet,Annet,Helse,"Vi foreslår å utvikle et beslutningsstøttesystem som kombinerer transparente AI-metoder, dyp læring og modellbaserte bildefunksjoner og klinisk informasjon for å gi radiologen et nytt sett med tolkbare verktøy for mer nøyaktig og effektivt å oppdage prostatakreft, skille mellom høy- risiko og lavrisikosykdom, og målprostatabiopsier. Grunnlaget for dette prosjektet er dannet av et unikt norsk datasett med >1600 pasienter med MR-undersøkelser og kliniske variabler, og et tverrfaglig prosjektteam med dedikert erfaring innen MR, AI, urologi og radiologi. Samarbeidet vårt med internasjonale eksperter på området sikrer tilgang til lignende data fra Nederland og Taiwan, og muliggjør løsninger som også dekker utfordringer knyttet til demografisk og multisentervariasjon.",,2019,2024,St.Olavs Hospital,,https://ehealthresearch.no/en/kin/prosjekter/proviz,,,,Ja,
+66,Norges vassdrags- og energidirektorat,NVE Copernicus 2,Olje- og energidepartementet,Statlig virksomhet,Energi,Norsk Regnesentral utvikler algoritmer som henter informasjon om vann og snø for nødvarsel knyttet til snøskred og flom,,2022,,,,,I utvikling,,,Ja,
+67,Oslo Universetssykehus,AI-Mind,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"I dag vet vi at rundt 50 % av pasienter med mild kognitiv svikt (MCI) har risiko for å utvikle demens, og at tidlige risikotegn inkluderer forstyrrelser i hjernenettverk som reflekterer begynnende synaptisk dysfunksjon. Den synaptiske dysfunksjonen kan registreres med elektrofysiologiske hjernesignaler. Studien har blitt finansiert med 14 millioner euro og har gjennomgått europeisk etisk evaluering. AI-Mind Connector vil identifisere slike forstyrrelser i hjernenettverk basert på EEG-teknologi.",,2021,2026,,,,,,,Ja,
+68,Østfold Energi,IntHydro - Intelligent sending og optimal drift av kaskadevannkraftverk basert på tidsromlig big data,,Annet,Energi,Omfanget av IntHydro-prosjektet er i sentrum av temaområdet ‘Digitalisering av tradisjonelle industrier’ i RCN Chinese-Norwegian Collaborative Projects on Digitalization-utlysningen. Målet med IntHydro-prosjektet er å utforske og definere intelligent vannkraftplanlegging ved bruk av ML-teknikker.,,2020,2023,Lyse Produksjon,,,,,,Ja,
+69,Oslo Universetssykehus,Maskinlæring - ECMO data,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,,,2020,2025,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/maskinlaering-ecmo-data,,,,,
+70,Oslo Universetssykehus,Maskinlæring - hjertefunksjon,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,,,2017,2023,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/maskinlaering-hjertefunksjon,,,,,
+71,Oslo Universetssykehus,Maskinlæring - online,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,,,2019,2023,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/maskinlaering-online,,,,,
+72,Oslo Universetssykehus,Maskinlæring - vitale data,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,,,2020,2024,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/maskinlaering,,,,,
+73,Oslo Universetssykehus,LVAD - strømmåling,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"Å finne ut om en Left Ventricular Assist Device (LVAD) strømmåling detekterer pumpetrombose. Skal undersøke dette i samarbeid med Teknologi- og innovasjonsklinikken, Hjerte-, lunge- og karklinikken og Klinikk for radiologi og nukleærmedisin, Oslo universitetssykehus. HF""",,2018,2024,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/lvad-trombose-2,,,,Ja,
+74,Oslo Universetssykehus,LVAD in vitro/in vivo,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,Vil lage venstre ventrikulær hjelpeenhet in vitro og in vivo,,2016,2023,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/lvad-in-vitro-in-vivo,,,,Ja,
+75,Oslo Universetssykehus,LVAD trombose,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,Left Ventricular Assist Device - deteksjon av trombose,,2015,2022,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/lvad-trombose,,,,Ja,
+76,Oslo Universetssykehus,Maskinlæring - Blodtap,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,Ny sanntids beslutningsstøtte under blodtap ved hjelp av maskinlæring på vitale tegn,,2021,2025,Helse Sør-Øst,,https://ehealthresearch.no/kin/prosjekter/machine-learning-blood-loss,,,,Ja,
+77,Posten Norge,ETA: beregning av leveringstid for pakker ved utsjekk,Nærings- og fiskeridepartementet,Statlig selskap,Transport,Vi bruker maskinlæring for å gi bedre estimater av leveringstid allerede ved utsjekk i nettbutikken,,,,,,,,,,,
+78,Posten Norge,Volumprognoser for bemanningsplanlegging,Nærings- og fiskeridepartementet,Statlig selskap,Transport,"Både i Post-i-butikk og internt på post-terminalene er bemanningsbehovet avhengig av volumet av pakker. Vi bruker maksinlæring for å beregne forventet pakkevolum, som beslutningsstøtte til de lokale lederne.",,,,,,,,,,,
+79,Posten Norge,Ottobot,Nærings- og fiskeridepartementet,Statlig selskap,Transport,"Helt autonom robot utviklet for å kjøre blant fotgjengere på fortau og i miljøer med blandet trafikk. I november og desember 2023 kjørte hele veien fra Postens distribusjonsknutepunkt på Filipstadkaia, over brua til Aker Brygge og langs bryggekanten til restaurantene Winther og Asia for å hente varer. Levert av det USA-baserte selskapet OttonomyIO.",,2022,2022,,,,Avsluttet,,,Ja,
+80,Posten Norge,Kundeservice Chatbot,Nærings- og fiskeridepartementet,Statlig selskap,Transport,Håndtering og utvikling av løsninger for skriftlige kundehenvendelser. I samarbeid med våre partnere ser vi på muligheter som ligger i ChatGPT for å løfte våre kundeløsninger og intern hjelp til kundeserviceansatte.,,,,,,,,,,,
+81,Posten Norge,Kundeservice Voicebot,Nærings- og fiskeridepartementet,Statlig selskap,Transport,Håndtering og utvikling av løsninger for kundehenvendelser via telefon. Her gjelder samme utviklingsplaner som for chatbot.,,,,,,,,,,,
+82,Posten Norge,RPA til automatisering av interne prosesser,Nærings- og fiskeridepartementet,Statlig selskap,Transport,,,,,,,,,,,,
+83,Regionalt senter for akuttmedisinsk forskning og utvikling ,"Emergency Medical Communication Center (AMK) Simulator: Et komplett verktøy for opplæring og kompetansebygging i AMK, basert på simuleringstrening og kunstig intelligens.",Helse- og omsorgsdepartementet,Annet,Helse,"Prosjektet utvikler en fullskala simulator med 1:1 digitalt grensesnitt for alle funksjoner i AMK, og virtuelle pasienter med kunstig intelligens (AI) utvikles.",,2020,2024,,,https://ehealthresearch.no/kin/prosjekter/amk-simulator,,,,Ja,
+84,Arkivverket,Detektering av personnummer med gjenstandsgjenkjenning,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,Deteksjon av personlige identifikasjonsnumre i skannede historiske dokumenter,,2020,2020,,,,Implementert,,,Ja,
+85,Arkivverket,Trekk ut metadata fra folkeregisterkortet,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,"Bruke maskinlæringsteknikker som objektgjenkjenning og håndskrevet tekstgjenkjenning for å trekke ut metadata som navn, fødselsdato fra skannede kort",,2020,,,,,Implementert,,,Ja,
+86,Arkivverket,Enhetsgjenkjenning,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,Bruke enhetsgjenkjenning for å trekke ut enheter fra digital tekst,,2019,2019,,,,Implementert,,,Ja,
+87,Arkivverket,OCR,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,Bygge en pipeline for bruk av OCR på våre skannede dokumenter,,2022,,,,,Implementert,,,Ja,
+88,Arkivverket,Klassifisering av tomme historiske sider,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,Klassifiserer tomme historiske sider for å filtrere dem ut,,2022,2022,,,,,,,Ja,
+89,Arkivverket,"Trekke ut metadata fra historiske skjemaer med clustering, objektdeteksjon og HTR",Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,"Trekk ut metadata som navn, adresse osv. fra historiske skjemaer med clustering, objektdeteksjon og HTR",,2022,,,,,I utvikling,,,Ja,
+90,Arkivverket,Trekke ut metadata fra historiske bilder,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,"Bruk av bildeteksting, ansiktsgjenkjenning, objektgjenkjenning, bildeklassifisering for å trekke ut metadata fra historiske bilder",,2022,,,,,I utvikling,,,Ja,
+91,Arkivverket,Automatisk talegjenkjenning,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,Bygge en pipeline for automatisk talegjenkjenning,,2022,,,,,I utvikling,,,Ja,
+92,Arkivverket,Håndskrevet tekstgjenkjenning på historiske dokumenter,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,Bruke HTR til å digitalisere historiske håndskrevne dokumenter,,2022,,,,,I utvikling,,,Ja,
+94,Ruter,Forstå kundenes behov og bevegelsesmønster med kunstig intelligens,Nærings- og fiskeridepartementet,Annet,Transport,,,,,,,https://www.datatilsynet.no/aktuelt/aktuelle-nyheter-2022/tre-nye-prosjekter-i-ki-sandkassa/,,,,Ja,
+95,Ruter,Kundeinnsikt ved bruk av A.I,Nærings- og fiskeridepartementet,Annet,Transport,"Sentimentanalyse, rapportering, AI-motor",,,,,,,,,,,
+96,Ruter,AI-basert saksbehandler,Nærings- og fiskeridepartementet,Annet,Transport,Lage en Ai-bot som vil svare på innkommende kundeklager via e-post,,,,,,,,,,,
+97,Ruter,"Kapasitetsprediksjon (på busser, togbåter (bruker AI)",Nærings- og fiskeridepartementet,Annet,Transport,"Brukssaker: Ruter app, skjermer inne i bussene",,,,,,,,,,,
+98,Ruter,Personlig tilpasset reiseanbefaling ved hjelp av AI,Nærings- og fiskeridepartementet,Annet,Transport,For Ruter app,,,,,,,,,,,
+99,Ruter,Datatilsynets sandkasse,Nærings- og fiskeridepartementet,Annet,Transport,,,,,,,,,,,,
+100,Ruter,Forbedre datakvaliteten ved å bruke AI,Nærings- og fiskeridepartementet,Annet,Transport,Imputasjonsmodell,,,,,,,,,,,
+101,Ruter,Reisetidsprediksjon ved bruk av AI,Nærings- og fiskeridepartementet,Annet,Transport,Forutsi estimert ankomsttid for busser,,,,,,,,,,,
+102,Ruter,Forklarlig AI,Nærings- og fiskeridepartementet,Annet,Transport,Modellytelse og overvåking med forklarbar AI,,,,,,,,,,,
+103,Ruter,Flåtestyring ved hjelp av AI (bestillingstransport),Nærings- og fiskeridepartementet,Annet,Transport,,,,,,,,,,,,
+104,Ruter,Billettkontroll med AI (billettkontroll),Nærings- og fiskeridepartementet,Annet,Transport,,,,,,,,,,,,
+105,Ruter,Analyser kundeatferd ved hjelp av AI,Nærings- og fiskeridepartementet,Annet,Transport,,,,,,,,,,,,
+106,Ruter,Kvanteberegning ved hjelp av AI,Nærings- og fiskeridepartementet,Annet,Transport,,,,,,,,,,,,
+107,Simula Research Laboratory,Teoretiske og datadrevne tilnærminger for energieffektive nettverk (TIDENET),,Annet,Energi,Målet med FRINATEK-prosjektet TIDENET er å utvikle fremtidens grønne kommunikasjonsnettverk.,,2015,2018,,,,,,,Ja,
+108,Skatteetaten,Konseptplan for virtuell assistent ,Finansdepartementet,Statlig virksomhet,Statsforvaltning,"Skatteetaten har satt i gang et forprosjekt som skal finne ut hvordan kunstig intelligens (virtuell assistent) kan brukes til å forbedre og effektivisere publikumsveiledningen. Forprosjektet skal videre avklare ambisjonsnivå og hvilke områder som er egnet for pilot. Forprosjektet skal levere en anbefaling av videre løp med å ta i bruk kunstig intelligens innen området virtuell kundeassistent for førstelinjetjenesten. I tillegg skal det være gjennomført et Proof of concept (PoC) med tre utvalgte leverandører. Forprosjektet skal også utrede kostnader, gevinster og alternative anskaffelsesmodeller.",,2017,,,,https://www.digdir.no/digitaliseringsradet/skatteetaten-prosjekt-kunstig-intelligens-ki/1848,,,,Ja,
+109,Skatteetaten,AI-assistert skatterapport,Finansdepartementet,Statlig virksomhet,Statsforvaltning,Sommerstudenter som skulle jobbe med AI-assistert skattemelding,,2021,,,,https://www.skatteetaten.no/en/about-the-tax-administration/jobb/studenter-og-nyutdannede/sommerjobb/2021/,,,,Ja,
+110,Skatteetaten,Pilot Systema Utvalg – datamodell som bidrar i utvelgelse av meldinger med stor sannsynlighet for feil,Finansdepartementet,Statlig virksomhet,Statsforvaltning,Datamodell som oppdager potensielle feil i skatterapportene.,,,,,,https://www.digdir.no/fagforum-kunstig-intelligens-data-science-i-offentlig-sektor-variabelreduksjon-i-psu-modellen/1895,,,,Ja,
+111,Skatteetaten,Kompensasjonsordningen,Finansdepartementet,Statlig virksomhet,Statsforvaltning,"Oppdraget fra Finansdepartementet startet med løpende rapportering, men filtrene fanget opp mange flere virksomheter enn etaten hadde kapasitet til å behandle manuelt.
  Løsningen ble en maskinlæringsmodell, og det tok under to uker fra idé til den var i bruk. Modellen er gjort med XGBoost, en trebasert algoritme, og utviklerne vil presentere arbeidet med denne modellen.",,,,,,https://www.digdir.no/fagforum-kunstig-intelligens-i-offentlig-sektor/2569,,,,Ja,
-113,Helfo,AI for å oppdage feilutbetalinger av helserefusjon,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,"I et nytt innovasjonsprosjekt skal Helfo i samarbeid med Skatteforsk ved Norges miljø- og biovitenskapelige universitet, Folkehelseinstituttet og Senter for e-helse ved Universitetet i Agder (UiA) utvikle nye digitale verktøy der målet er å lage systemer som sikrer forsvarlig bruk av offentlige helsemidler , ved nettopp å hindre feilutbetaling av helserefusjon.",,2021,,,,https://www.helfo.no/nyheter/innovasjon-skal-bidra-til-riktig-bruk-av-offentlige-helsekroner,,,,Ja,
-114,Statens pensjonskasse,Kvalitetssikring av pensjon ved hjelp av maskinlæring,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,"Hver måned utbetaler Statens pensjonskasse pensjon til 340 000 nordmenn. I 2021 utgjorde dette totalt 31 milliarder kroner. I deler av saksbehandlingen er reglene så kompliserte at hver sak ble kontrollert av to saksbehandlere. Ved hjelp av datadrevet innsikt og maskinlæring har vi utviklet modeller som har erstattet saksbehandler nummer to gjennom både å identifisere feil – og til å avdekke feil før de oppstår. I dette foredraget får du lære mer om hvordan vi bruker maskinlæring til å forutsi pensjonsutbetalingene, sikre kvalitet og effektivisere arbeidsprosesser.",,,,,,https://www.digdir.no/digital-samhandling/fagforum-kunstig-intelligens-i-offentlig-sektor/3823,,,,Ja,
-115,Statens pensjonskasse,Forutse pensjonsbalansen fremover for våre ulike pensjonsytelser,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,Forutse pensjonsbalansen fremover for våre ulike pensjonsytelser,,,,,,,,,,,
-116,Statens pensjonskasse,Forutsi antall saker som vil bli behandlet i fremtiden (produksjonsvolum),Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,Forutsi antall saker som vil bli behandlet i fremtiden (produksjonsvolum),,,,,,,,,,,
-117,Statens pensjonskasse,Segmentering av medlemmer og arbeidsgivere ,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,"Segmentering av medlemmer og arbeidsgivere og deres egenskaper knyttet til livshendelser, slik at vi kjenner kjennetegn ved de ulike gruppene og kan stå i spissen for informasjonen til gruppens behov",,,,,,,,,,,
-118,Statens pensjonskasse,Predikere tiden det tar fra en pensjonist søker pensjon til pengene står på konto,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,"Predikere tiden det tar fra en pensjonist søker pensjon til pengene står på konto, og forklare hvilke prosesselementer som gir lengst ventetid og hvilke som gjør at pengene ikke når kontoen i tide",,,,,,,,,,,
-119,Statens pensjonskasse,Forutsi fremtidige premiekostnader og utvikling i pensjonsforpliktelser,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,Forutsi fremtidige premiekostnader og utvikling i pensjonsforpliktelsene til våre kunder,,,,,,,,,,,
-120,Statens pensjonskasse,Predikere korrigeringsbehov i pensjonssaker,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,Predikere hvilke dataelementer som må korrigeres slik at pensjonssaken ikke stopper opp når saken skal behandles.,,,,,,,,,,,
-121,Statens pensjonskasse,Analyser henvendelsene til SPK (tekstanalyse) ,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,Analyser henvendelsene til SPK (tekstanalyse) slik at vi kan ta tilbakemeldingene på alvor og gjøre kostnadseffektive tiltak basert på datadrevet innsikt og ikke bare magefølelsen til den enkelte saksbehandler.,,,,,,,,,,,
-122,Statens pensjonskasse,Benytte overskuddsinformasjon som kommer i forbindelse med personskadesaker og derigjennom forbedre personvernet (ikke påbegynt) ,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,,Statsforvaltning,Tydelig overskuddsinformasjon som kommer i forbindelse med personskadesaker og derigjennom forbedre personvernet (dette er et initiativ som ikke har startet enda fordi vi jobber med DPIA med oppgaven),,,,,,,Planlagt,,,,
-123,Statkraft,Finansiell algoritmehandel,Nærings- og fiskeridepartementet,Statlig selskap,,Energi,"I Statkrafts avdeling for finansiell algoritmehandel tar algoritmer seg av beregningene, og deretter tar teamet beslutninger basert på resultatene.",,,,,,https://www.statkraft.no/nyheter/nyheter-og-pressemeldinger/arkiv/2020/finansiell-algoritmetrading-forente-krefter-mellom-maskin-og-menneske/,,,,,
-124,Statnett,Smart On-Line helsevurdering av kabeltermineringer,,Statlig selskap,,Energi,"I SmartACT-prosjektet vil et innovativt og ikke-påtrengende sensorsystem med lang levetid for online tilstandsvurdering og overvåking bli utviklet og testet for installasjon inne i 420 kV oljefylte kabelavslutninger, som er de komponentene som er mest utsatt for feil. Dette nye sensorsystemet vil gi kontinuerlig tilbakemelding angående tilstanden til kabelterminalene, og dermed tillate avbøtende prosedyrer ved behov for å unngå avbrudd i forsyningen. Sensorsystemet forventes å øke energiforsyningssikkerheten ved å vurdere temperatur, fuktighet, trykk og partielle utladninger (PD) kombinert med en ny digitalisert maskinlæringsassistert vurderingsmetodikk. SmartACT tar derfor for seg tematisk prioriteringsområde 3 i ENERGIX-arbeidsprogrammet. Samarbeid mellom den norske TSOen Statnett, Nexans Norway, SINTEF og NTNU er avgjørende for å nå prosjektmålene.",,2021,2023,,,,,,,,
-125,TrønderEnergi Kraft,Anvendt overføringslæring i energidomenet,,Annet,,Energi,"Betydningen av automatisering i det nye elektriske systemet øker etter hvert som forurensende og regulerte energikilder som kull- og gasskraft erstattes av fornybare og uregulerte energikilder som sol- og vindkraft. Det er ikke mulig å kontrollere når uregulerte energikilder produserer strøm. Det krever at kraftsystemet kan selvregulere strømforbruket basert på tilgjengelig produksjon. Maskinlæringssystemer lærer av tidligere erfaringer og kan endre atferd over tid. Automatisering som bruker maskinlæring er mer fleksibel og mer effektiv enn ikke-lærende systemer. Moderne maskinlæringsmetoder, som dype nevrale nettverk, er mer nøyaktige og gir bedre resultater enn tradisjonelle metoder. Med den økte ytelsen følger også et behov for å lære av større datamengder. Datamengdene som kreves av moderne metoder er mye større enn det som tradisjonelt finnes i energidomenet. Til å begynne med gjennomføres en litteraturstudie. Den første søknaden er vindkraftprognoser.",,,,,,https://prosjektbanken.forskningsradet.no/en/project/FORISS/329073?Kilde=FORISS&distribution=Ar&chart=bar&calcType=funding&Sprak=no&sortBy=date&sortOrder=desc&resultCount=30&offset=0&Geografi.2=Ålesund,,,,Ja,
-126,Trondheim kommune,Risikomodell for sykehjemsopptak - bruk av kunstig intelligens som metode for prediksjon,,Kommunal sektor,,Kommuneforvaltning,"Prosjektets hovedformål er å identifisere risikofaktorer for fremtidig sykehjemsopptak. Studien skal analysere 15-20 tusen sykehjemsinnleggelser over en periode på 5,5 år. Studien gjennomføres som en retrospektiv studie der pasienter bosatt i Trondheim kommune skal inkluderes. Potensielle risikofaktorer vil være informasjon om funksjonsevne og helsetilstand, samt bakgrunnsinformasjon om personen og levekår. Datamaterialet er omfattende og maskinlæringsalgoritmer vil bli brukt som metode for å identifisere risikofaktorer.",,2021,2023,,,https://rekportalen.no/#prosjektbibliotek/prosjektregister,I utvikling,,,Ja,
-127,Trondheim kommune,Prediksjon av eiendomsskatt,,Kommunal sektor,,Kommuneforvaltning,,,,,,,,,,,Ja,
-128,Trondheim kommune,Sykefraværsprediksjon i helsevesenet for helsepersonell,,Kommunal sektor,,Kommuneforvaltning,,,2019,,,,,,,,Ja,
-129,Trondheim kommune,Avvik i energiforbruk,,Kommunal sektor,,Kommuneforvaltning,,,,,,,,,,,Ja,
-130,Trondheim kommune,Kvalitetsvurdering av asfalt,,Kommunal sektor,,Kommuneforvaltning,,,,,,,,,,,Ja,
-131,Trondheim kommune,Forutsigelse av luftkvalitet,,Kommunal sektor,,Kommuneforvaltning,,,,,,,,,,,Ja,
-132,Universitetet i Stavanger,Senter for Smart Energy City Innovation (SECI),,Statlig virksomhet,,Energi,"Med en nesten utslippsfri energisektor i Norge, krever levering av ytterligere CO2-reduksjoner for å levere på landets energi- og klimamål et smart energisystem i byene. I en Smart City skaper miljøovervåking av energiinfrastruktur store mengder data som fører til dataoverløpsproblemer og kommunikasjons- og arkiveringsutfordringer. Smarte målere må også være engasjert i databehandling. Dette skaper behov for forskning innen dataanalyse, maskinlæring og prediktiv analyse. Sikkerhets- og personvernordninger bør utformes for å garantere anonym databehandling. Det er behov for smarte, spenstige systemer for elektrisitet som integrerer transport, gassnettet, oppvarming og kjøling og bruker-/forbrukeratferd på en fremtidssikker måte.",,2015,2015,"Lyse, Simula",,,,,,Ja,
-133,Universitetet i Stavanger,NewbornTime,Helse- og omsorgsdepartementet,Statlig virksomhet,,Helse,NewbornTime-prosjektet vil generere en tidslinje som beskriver hendelser og aktiviteter utført på nyfødte. Et nøyaktig fødselstidspunkt vil bli bestemt ved å bruke AI-modeller brukt på infrarød (IR) termisk video tatt opp på fødestuen. Aktivitetsgjenkjenning vil bli utført ved bruk av AI i form av dype konvolusjonelle nevrale nettverk (CNN) på både termisk video og RGB (optisk) video fra gjenopplivingen.,,2021,2024,"Stavanger Universitetssykehus, Laerdal Medical",,https://ehealthresearch.no/kin/prosjekter/newborntime,,,,Ja,
-134,Utlendingsdirektoratet ,Automatisert saksbehandling familieinnvandring med faglig bakgrunn,Justis- og beredskapsdepartementet,Statlig virksomhet,,Statsforvaltning,"Frem til 2020 ble alle statsborgerskapssøknader ved UDI behandlet manuelt. De kom inn en etter en, og ble vurdert individuelt av en saksbehandler. Fordi mengden søknader er så stor, tar slike manuelle prosesser lang tid. Normalt har behandlingstiden for søknader om statsborgerskap vært over ett år. For å møte det enorme presset og optimalisere saksbehandlingsprosessene, automatiseres saksbehandlingen nå ved hjelp av Computas.",,,,,,https://www.ledernytt.no/et-lite-innblikk-i-moderne-teknologi-for-udi.6390894.html,,,,Ja,
-135,Utlendingsdirektoratet ,Ada-bot hjelper til med å behandle søknader om familiegjenforening,Justis- og beredskapsdepartementet,Statlig virksomhet,,Statsforvaltning,Roboten «Ada» ved UDI er programmert til å ta enkeltvedtak på bakgrunn av lover og andre rettskilder. Ada samler inn dokumenter til familiegjenforeningssaker. Det kan gjøre hele prosessen opptil fem ganger raskere.,,,,,,https://forskning.no/juridiske-fag-roboter/roboter-er-pa-full-fart-inn-i-jussen/1588380,,,,Ja,
-136,Nasjonalbiblioteket AI Lab,NbAiLab/NB-BERT-large (beta),Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,NB-BERT-large is a general BERT-large model built on the large digital collection at the National Library of Norway. This model is trained from scratch on a wide variety of Norwegian text (both bokmål and nynorsk) from the last 200 years using a monolingual Norwegian vocabulary.,,,,,,https://huggingface.co/NbAiLab/nb-bert-large,,,,ja,
-137,Nasjonalbiblioteket AI Lab,NbAiLab/NB-Bert base model finetuned on Norwegian machine translated MNLI,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,"The most effective way of creating a good classifier is to finetune a pre-trained model for the specific task at hand. However, in many cases this is simply impossible. Yin et al. proposed a very clever way of using pre-trained MNLI models as zero-shot sequence classifiers. The methods works by reformulating the question to an MNLI hypothesis. If we want to figure out if a text is about ""sport"", we simply state that ""This text is about sport"" (""Denne teksten handler om sport""). When the model is finetuned on the 400k large MNLI task, it is in many cases able to solve this classification tasks. There are no MNLI-set of this size in Norwegian but we have trained it on a machine translated version of the original MNLI-set.",,,,,,https://huggingface.co/NbAiLab/nb-bert-base-mnli,,,,ja,
-138,Nasjonalbiblioteket AI Lab,NbAiLab/NB-BERT-base,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,"NB-BERT-base is a general BERT-base model built on the large digital collection at the National Library of Norway. This model is based on the same structure as BERT Cased multilingual model, and is trained on a wide variety of Norwegian text (both bokmål and nynorsk) from the last 200 years.",,,,,,https://huggingface.co/NbAiLab/nb-bert-base,,,,ja,
-139,Nasjonalbiblioteket AI Lab,NbAiLab/xls-npsc automatic speech recognition,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the NBAILAB/NPSC - 48K_MP3 dataset.,,,,,,https://huggingface.co/NbAiLab/xls-npsc,,,,ja,
-140,Nasjonalbiblioteket AI Lab,NbAiLab/xls-npsc-oh automatic speech recognition,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,This model is a fine-tuned version of KBLab/wav2vec2-large-voxrex on the NBAILAB/NPSC - 48K_MP3 dataset.,,,,,,https://huggingface.co/NbAiLab/xls-npsc-oh,,,,ja,
-141,Nasjonalbiblioteket AI Lab,NbAiLab/wav2vec2-xlsr-300M-NPSC-OH automatic speech recognition,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the NBAILAB/NPSC - 16K_MP3 dataset.,,,,,,https://huggingface.co/NbAiLab/wav2vec2-xlsr-300M-NPSC-OH,,,,ja,
-142,Nasjonalbiblioteket AI Lab,NbAiLab/Norwegian Wav2Vec2 Model - 1B - Bokmål,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,"This is one of several Wav2Vec-models created during the HuggingFace hosted Robust Speech Event. In parallell with the event, the team also converted the Norwegian Parliamentary Speech Corpus (NPSC) to the HuggingFace Dataset format and used that as the main source for training.",,,,,,https://huggingface.co/NbAiLab/Wav2Vec-Template,,,,ja,
-143,Nasjonalbiblioteket AI Lab,NbAiLab/XLSR-1B-bokmaal-low automatic speech recognition,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,This model was trained from scratch on the None dataset.,,,,,,https://huggingface.co/NbAiLab/XLSR-1B-bokmaal-low,,,,ja,
-144,Nasjonalbiblioteket AI Lab,NbAiLab/nb-bert-base-samisk,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,,,,,,,https://huggingface.co/NbAiLab/nb-bert-base-samisk,,,,ja,
-145,Nasjonalbiblioteket AI Lab,NbAiLab/XLSR-300M-nynorsk,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,Language model for the Sami language,,,,,,https://huggingface.co/NbAiLab/roberta_jan_128_scandinavian,,,,ja,
-146,Nasjonalbiblioteket AI Lab,NbAiLab/wav2vec2-xls-r-1b-npsc-bokmaal-low-27k,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,This model was trained from scratch on the None dataset.,,,,,,https://huggingface.co/NbAiLab/wav2vec2-xls-r-1b-npsc-bokmaal-low-27k,,,,ja,
-147,Nasjonalbiblioteket AI Lab,NbAiLab/wav2vec2-xls-r-300m-npsc-bokmaal,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,This model was trained from scratch on the None dataset.,,,,,,https://huggingface.co/NbAiLab/XLSR-300M-bokmaal,,,,ja,
-148,Nasjonalbiblioteket AI Lab,NbAiLab/XLSR-300M-nynorsk,Kultur- og likestillingsdepartementet,Statlig virksomhet,,Statsforvaltning,This model is a fine-tuned version of facebook/wav2vec2-xls-r-1b on the NBAILAB/NPSC - 16K_MP3 dataset.,,,,,,https://huggingface.co/facebook/wav2vec2-large-robust-ft-swbd-300h,,,,ja,
-149,Kristiansand kommune,KartAi: automatisere og effektivisere saksbehandlingen i byggesaker,,Kommunal sektor,,Kommuneforvaltning,Et forskningsprosjekt for kvalitetsheving av eiendomsregisteret (matrikkelen) og Sentral felles kartdatabase (SFKB) ved hjelp av kunstig intelligens (AI).,Hovedmålet til KartAi-prosjektet er at saksgangen for byggesaker i kommunen skal bli mer effektiv. Dette skal gjøres ved å heve kvaliteten til eiendomsregisteret (matrikkelen) og kartbaser ved hjelp av kunstig intelligens. I tillegg skal det utvikles automatiserte prosesser som går i dialog med innbygger eller grunneier.,2021,2023,"Kartverket, Norkart AS og Universitetet i Agder",ja,https://kartai.no/,Pilot,"Flybilder, innbyggermedvirkning, strukturerte data, kartdata, eiendomsdata","Syntetiske data, brukergenerert, registerdata, annet",ja,"Knowledge representation
+113,Helfo,AI for å oppdage feilutbetalinger av helserefusjon,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,"I et nytt innovasjonsprosjekt skal Helfo i samarbeid med Skatteforsk ved Norges miljø- og biovitenskapelige universitet, Folkehelseinstituttet og Senter for e-helse ved Universitetet i Agder (UiA) utvikle nye digitale verktøy der målet er å lage systemer som sikrer forsvarlig bruk av offentlige helsemidler , ved nettopp å hindre feilutbetaling av helserefusjon.",,2021,,,,https://www.helfo.no/nyheter/innovasjon-skal-bidra-til-riktig-bruk-av-offentlige-helsekroner,,,,Ja,
+114,Statens pensjonskasse,Kvalitetssikring av pensjon ved hjelp av maskinlæring,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,"Hver måned utbetaler Statens pensjonskasse pensjon til 340 000 nordmenn. I 2021 utgjorde dette totalt 31 milliarder kroner. I deler av saksbehandlingen er reglene så kompliserte at hver sak ble kontrollert av to saksbehandlere. Ved hjelp av datadrevet innsikt og maskinlæring har vi utviklet modeller som har erstattet saksbehandler nummer to gjennom både å identifisere feil – og til å avdekke feil før de oppstår. I dette foredraget får du lære mer om hvordan vi bruker maskinlæring til å forutsi pensjonsutbetalingene, sikre kvalitet og effektivisere arbeidsprosesser.",,,,,,https://www.digdir.no/digital-samhandling/fagforum-kunstig-intelligens-i-offentlig-sektor/3823,,,,Ja,
+115,Statens pensjonskasse,Forutse pensjonsbalansen fremover for våre ulike pensjonsytelser,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,Forutse pensjonsbalansen fremover for våre ulike pensjonsytelser,,,,,,,,,,,
+116,Statens pensjonskasse,Forutsi antall saker som vil bli behandlet i fremtiden (produksjonsvolum),Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,Forutsi antall saker som vil bli behandlet i fremtiden (produksjonsvolum),,,,,,,,,,,
+117,Statens pensjonskasse,Segmentering av medlemmer og arbeidsgivere ,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,"Segmentering av medlemmer og arbeidsgivere og deres egenskaper knyttet til livshendelser, slik at vi kjenner kjennetegn ved de ulike gruppene og kan stå i spissen for informasjonen til gruppens behov",,,,,,,,,,,
+118,Statens pensjonskasse,Predikere tiden det tar fra en pensjonist søker pensjon til pengene står på konto,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,"Predikere tiden det tar fra en pensjonist søker pensjon til pengene står på konto, og forklare hvilke prosesselementer som gir lengst ventetid og hvilke som gjør at pengene ikke når kontoen i tide",,,,,,,,,,,
+119,Statens pensjonskasse,Forutsi fremtidige premiekostnader og utvikling i pensjonsforpliktelser,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,Forutsi fremtidige premiekostnader og utvikling i pensjonsforpliktelsene til våre kunder,,,,,,,,,,,
+120,Statens pensjonskasse,Predikere korrigeringsbehov i pensjonssaker,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,Predikere hvilke dataelementer som må korrigeres slik at pensjonssaken ikke stopper opp når saken skal behandles.,,,,,,,,,,,
+121,Statens pensjonskasse,Analyser henvendelsene til SPK (tekstanalyse) ,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,Analyser henvendelsene til SPK (tekstanalyse) slik at vi kan ta tilbakemeldingene på alvor og gjøre kostnadseffektive tiltak basert på datadrevet innsikt.,,,,,,,,,,,
+122,Statens pensjonskasse,Benytte overskuddsinformasjon som kommer i forbindelse med personskadesaker og derigjennom forbedre personvernet (ikke påbegynt) ,Arbeids- og inkluderingsdepartementet,Statlig virksomhet,Statsforvaltning,Tydelig overskuddsinformasjon som kommer i forbindelse med personskadesaker og derigjennom forbedre personvernet (dette er et initiativ som ikke har startet enda fordi vi jobber med DPIA med oppgaven),,,,,,,Planlagt,,,,
+123,Statkraft,Finansiell algoritmehandel,Nærings- og fiskeridepartementet,Statlig selskap,Energi,"I Statkrafts avdeling for finansiell algoritmehandel tar algoritmer seg av beregningene, og deretter tar teamet beslutninger basert på resultatene.",,,,,,https://www.statkraft.no/nyheter/nyheter-og-pressemeldinger/arkiv/2020/finansiell-algoritmetrading-forente-krefter-mellom-maskin-og-menneske/,,,,,
+124,Statnett,Smart On-Line helsevurdering av kabeltermineringer,,Statlig selskap,Energi,"I SmartACT-prosjektet vil et innovativt og ikke-påtrengende sensorsystem med lang levetid for online tilstandsvurdering og overvåking bli utviklet og testet for installasjon inne i 420 kV oljefylte kabelavslutninger, som er de komponentene som er mest utsatt for feil. Dette nye sensorsystemet vil gi kontinuerlig tilbakemelding angående tilstanden til kabelterminalene, og dermed tillate avbøtende prosedyrer ved behov for å unngå avbrudd i forsyningen. Sensorsystemet forventes å øke energiforsyningssikkerheten ved å vurdere temperatur, fuktighet, trykk og partielle utladninger (PD) kombinert med en ny digitalisert maskinlæringsassistert vurderingsmetodikk. SmartACT tar derfor for seg tematisk prioriteringsområde 3 i ENERGIX-arbeidsprogrammet. Samarbeid mellom den norske TSOen Statnett, Nexans Norway, SINTEF og NTNU er avgjørende for å nå prosjektmålene.",,2021,2023,,,,,,,,
+125,TrønderEnergi Kraft,Anvendt overføringslæring i energidomenet,,Annet,Energi,"Betydningen av automatisering i det nye elektriske systemet øker etter hvert som forurensende og regulerte energikilder som kull- og gasskraft erstattes av fornybare og uregulerte energikilder som sol- og vindkraft. Det er ikke mulig å kontrollere når uregulerte energikilder produserer strøm. Det krever at kraftsystemet kan selvregulere strømforbruket basert på tilgjengelig produksjon. Maskinlæringssystemer lærer av tidligere erfaringer og kan endre atferd over tid. Automatisering som bruker maskinlæring er mer fleksibel og mer effektiv enn ikke-lærende systemer. Moderne maskinlæringsmetoder, som dype nevrale nettverk, er mer nøyaktige og gir bedre resultater enn tradisjonelle metoder. Med den økte ytelsen følger også et behov for å lære av større datamengder. Datamengdene som kreves av moderne metoder er mye større enn det som tradisjonelt finnes i energidomenet. Til å begynne med gjennomføres en litteraturstudie. Den første søknaden er vindkraftprognoser.",,,,,,https://prosjektbanken.forskningsradet.no/en/project/FORISS/329073?Kilde=FORISS&distribution=Ar&chart=bar&calcType=funding&Sprak=no&sortBy=date&sortOrder=desc&resultCount=30&offset=0&Geografi.2=Ålesund,,,,Ja,
+126,Trondheim kommune,Risikomodell for sykehjemsopptak - bruk av kunstig intelligens som metode for prediksjon,,Kommunal sektor,Kommuneforvaltning,"Prosjektets hovedformål er å identifisere risikofaktorer for fremtidig sykehjemsopptak. Studien skal analysere 15-20 tusen sykehjemsinnleggelser over en periode på 5,5 år. Studien gjennomføres som en retrospektiv studie der pasienter bosatt i Trondheim kommune skal inkluderes. Potensielle risikofaktorer vil være informasjon om funksjonsevne og helsetilstand, samt bakgrunnsinformasjon om personen og levekår. Datamaterialet er omfattende og maskinlæringsalgoritmer vil bli brukt som metode for å identifisere risikofaktorer.",,2021,2023,,,https://rekportalen.no/#prosjektbibliotek/prosjektregister,I utvikling,,,Ja,
+127,Trondheim kommune,Prediksjon av eiendomsskatt,,Kommunal sektor,Kommuneforvaltning,,,,,,,,,,,Ja,
+128,Trondheim kommune,Sykefraværsprediksjon i helsevesenet for helsepersonell,,Kommunal sektor,Kommuneforvaltning,,,2019,,,,,,,,Ja,
+129,Trondheim kommune,Avvik i energiforbruk,,Kommunal sektor,Kommuneforvaltning,,,,,,,,,,,Ja,
+130,Trondheim kommune,Kvalitetsvurdering av asfalt,,Kommunal sektor,Kommuneforvaltning,,,,,,,,,,,Ja,
+131,Trondheim kommune,Forutsigelse av luftkvalitet,,Kommunal sektor,Kommuneforvaltning,,,,,,,,,,,Ja,
+132,Universitetet i Stavanger,Senter for Smart Energy City Innovation (SECI),,Statlig virksomhet,Energi,"Med en nesten utslippsfri energisektor i Norge, krever levering av ytterligere CO2-reduksjoner for å levere på landets energi- og klimamål et smart energisystem i byene. I en Smart City skaper miljøovervåking av energiinfrastruktur store mengder data som fører til dataoverløpsproblemer og kommunikasjons- og arkiveringsutfordringer. Smarte målere må også være engasjert i databehandling. Dette skaper behov for forskning innen dataanalyse, maskinlæring og prediktiv analyse. Sikkerhets- og personvernordninger bør utformes for å garantere anonym databehandling. Det er behov for smarte, spenstige systemer for elektrisitet som integrerer transport, gassnettet, oppvarming og kjøling og bruker-/forbrukeratferd på en fremtidssikker måte.",,2015,2015,"Lyse, Simula",,,,,,Ja,
+133,Universitetet i Stavanger,NewbornTime,Helse- og omsorgsdepartementet,Statlig virksomhet,Helse,NewbornTime-prosjektet vil generere en tidslinje som beskriver hendelser og aktiviteter utført på nyfødte. Et nøyaktig fødselstidspunkt vil bli bestemt ved å bruke AI-modeller brukt på infrarød (IR) termisk video tatt opp på fødestuen. Aktivitetsgjenkjenning vil bli utført ved bruk av AI i form av dype konvolusjonelle nevrale nettverk (CNN) på både termisk video og RGB (optisk) video fra gjenopplivingen.,,2021,2024,"Stavanger Universitetssykehus, Laerdal Medical",,https://ehealthresearch.no/kin/prosjekter/newborntime,,,,Ja,
+134,Utlendingsdirektoratet ,Automatisert saksbehandling familieinnvandring med faglig bakgrunn,Justis- og beredskapsdepartementet,Statlig virksomhet,Statsforvaltning,"Frem til 2020 ble alle statsborgerskapssøknader ved UDI behandlet manuelt. De kom inn en etter en, og ble vurdert individuelt av en saksbehandler. Fordi mengden søknader er så stor, tar slike manuelle prosesser lang tid. Normalt har behandlingstiden for søknader om statsborgerskap vært over ett år. For å møte det enorme presset og optimalisere saksbehandlingsprosessene, automatiseres saksbehandlingen nå ved hjelp av Computas.",,,,,,https://www.ledernytt.no/et-lite-innblikk-i-moderne-teknologi-for-udi.6390894.html,,,,Ja,
+135,Utlendingsdirektoratet ,Ada-bot hjelper til med å behandle søknader om familiegjenforening,Justis- og beredskapsdepartementet,Statlig virksomhet,Statsforvaltning,Roboten «Ada» ved UDI er programmert til å ta enkeltvedtak på bakgrunn av lover og andre rettskilder. Ada samler inn dokumenter til familiegjenforeningssaker. Det kan gjøre hele prosessen opptil fem ganger raskere.,,,,,,https://forskning.no/juridiske-fag-roboter/roboter-er-pa-full-fart-inn-i-jussen/1588380,,,,Ja,
+136,Nasjonalbiblioteket AI Lab,NbAiLab/NB-BERT-large (beta),Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,NB-BERT-large is a general BERT-large model built on the large digital collection at the National Library of Norway. This model is trained from scratch on a wide variety of Norwegian text (both bokmål and nynorsk) from the last 200 years using a monolingual Norwegian vocabulary.,,,,,,https://huggingface.co/NbAiLab/nb-bert-large,,,,ja,
+137,Nasjonalbiblioteket AI Lab,NbAiLab/NB-Bert base model finetuned on Norwegian machine translated MNLI,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,"The most effective way of creating a good classifier is to finetune a pre-trained model for the specific task at hand. However, in many cases this is simply impossible. Yin et al. proposed a very clever way of using pre-trained MNLI models as zero-shot sequence classifiers. The methods works by reformulating the question to an MNLI hypothesis. If we want to figure out if a text is about ""sport"", we simply state that ""This text is about sport"" (""Denne teksten handler om sport""). When the model is finetuned on the 400k large MNLI task, it is in many cases able to solve this classification tasks. There are no MNLI-set of this size in Norwegian but we have trained it on a machine translated version of the original MNLI-set.",,,,,,https://huggingface.co/NbAiLab/nb-bert-base-mnli,,,,ja,
+138,Nasjonalbiblioteket AI Lab,NbAiLab/NB-BERT-base,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,"NB-BERT-base is a general BERT-base model built on the large digital collection at the National Library of Norway. This model is based on the same structure as BERT Cased multilingual model, and is trained on a wide variety of Norwegian text (both bokmål and nynorsk) from the last 200 years.",,,,,,https://huggingface.co/NbAiLab/nb-bert-base,,,,ja,
+139,Nasjonalbiblioteket AI Lab,NbAiLab/xls-npsc automatic speech recognition,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the NBAILAB/NPSC - 48K_MP3 dataset.,,,,,,https://huggingface.co/NbAiLab/xls-npsc,,,,ja,
+140,Nasjonalbiblioteket AI Lab,NbAiLab/xls-npsc-oh automatic speech recognition,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,This model is a fine-tuned version of KBLab/wav2vec2-large-voxrex on the NBAILAB/NPSC - 48K_MP3 dataset.,,,,,,https://huggingface.co/NbAiLab/xls-npsc-oh,,,,ja,
+141,Nasjonalbiblioteket AI Lab,NbAiLab/wav2vec2-xlsr-300M-NPSC-OH automatic speech recognition,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the NBAILAB/NPSC - 16K_MP3 dataset.,,,,,,https://huggingface.co/NbAiLab/wav2vec2-xlsr-300M-NPSC-OH,,,,ja,
+142,Nasjonalbiblioteket AI Lab,NbAiLab/Norwegian Wav2Vec2 Model - 1B - Bokmål,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,"This is one of several Wav2Vec-models created during the HuggingFace hosted Robust Speech Event. In parallell with the event, the team also converted the Norwegian Parliamentary Speech Corpus (NPSC) to the HuggingFace Dataset format and used that as the main source for training.",,,,,,https://huggingface.co/NbAiLab/Wav2Vec-Template,,,,ja,
+143,Nasjonalbiblioteket AI Lab,NbAiLab/XLSR-1B-bokmaal-low automatic speech recognition,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,This model was trained from scratch on the None dataset.,,,,,,https://huggingface.co/NbAiLab/XLSR-1B-bokmaal-low,,,,ja,
+144,Nasjonalbiblioteket AI Lab,NbAiLab/nb-bert-base-samisk,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,,,,,,,https://huggingface.co/NbAiLab/nb-bert-base-samisk,,,,ja,
+145,Nasjonalbiblioteket AI Lab,NbAiLab/XLSR-300M-nynorsk,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,Language model for the Sami language,,,,,,https://huggingface.co/NbAiLab/roberta_jan_128_scandinavian,,,,ja,
+146,Nasjonalbiblioteket AI Lab,NbAiLab/wav2vec2-xls-r-1b-npsc-bokmaal-low-27k,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,This model was trained from scratch on the None dataset.,,,,,,https://huggingface.co/NbAiLab/wav2vec2-xls-r-1b-npsc-bokmaal-low-27k,,,,ja,
+147,Nasjonalbiblioteket AI Lab,NbAiLab/wav2vec2-xls-r-300m-npsc-bokmaal,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,This model was trained from scratch on the None dataset.,,,,,,https://huggingface.co/NbAiLab/XLSR-300M-bokmaal,,,,ja,
+148,Nasjonalbiblioteket AI Lab,NbAiLab/XLSR-300M-nynorsk,Kultur- og likestillingsdepartementet,Statlig virksomhet,Statsforvaltning,This model is a fine-tuned version of facebook/wav2vec2-xls-r-1b on the NBAILAB/NPSC - 16K_MP3 dataset.,,,,,,https://huggingface.co/facebook/wav2vec2-large-robust-ft-swbd-300h,,,,ja,
+149,Kristiansand kommune,KartAi: automatisere og effektivisere saksbehandlingen i byggesaker,,Kommunal sektor,Kommuneforvaltning,Et forskningsprosjekt for kvalitetsheving av eiendomsregisteret (matrikkelen) og Sentral felles kartdatabase (SFKB) ved hjelp av kunstig intelligens (AI).,Hovedmålet til KartAi-prosjektet er at saksgangen for byggesaker i kommunen skal bli mer effektiv. Dette skal gjøres ved å heve kvaliteten til eiendomsregisteret (matrikkelen) og kartbaser ved hjelp av kunstig intelligens. I tillegg skal det utvikles automatiserte prosesser som går i dialog med innbygger eller grunneier.,2021,2023,"Kartverket, Norkart AS og Universitetet i Agder",ja,https://kartai.no/,Pilot,"Flybilder, innbyggermedvirkning, strukturerte data, kartdata, eiendomsdata","Syntetiske data, brukergenerert, registerdata, annet",ja,"Knowledge representation
 Machine learning
 Computer vision
 Robotics and Automation
 AI Services
 AI Ethics
 Philosophy of AI
-Multiple AI techniques"
-150,Lånekassen,Kunstig intelligens i bokontroll,Kunnskapsdepartementet,Statlig virksomhet,,Statsforvaltning,"Lånekassen har gjennomført et prosjekt der de har brukt kunstig intelligens for å plukke ut studenter til bokontroll. Lånekassens bokontroll i 2018 omfattet 25 000 studenter. 15 000 ble plukket ut ved kunstig intelligens (maskinlæring), mens 10 000 ble plukket ut ved tilfeldig utvalg (kontrollgruppe). Resultatene viser at utplukket gjort ved hjelp av maskinlæring var dobbelt så effektivt til å finne studenter som ikke har dokumentert tidligere opplysning om bosted i forhold til kontrollgruppa.",,,,,,,Implementert,,,,
-151,Direktoratet for forvaltning og økonomistyring,Automatisk kontering av faktura,Finansdepartementet,Statlig virksomhet,,Statsforvaltning,"DFØs kunder bruker mye tid og ressurser på kontering av inngående faktura, fordi det er usikkerhet rundt hva som er korrekt kontering. Dette kan i noen tilfeller føre til at fakturaen blir betalt etter forfall og gi virksomheten ekstra kostnader i form av renter og gebyrer. DFØ tester ut løsninger fra to selskaper, hvor en av løsningene er en regnskapsrobot som benytter KI til å komme med forslag til riktig kontering. Modellen trenes på historiske regnskapsdata før den gjør en prediksjon av konteringen basert på historiske data og informasjon fra selve fakturaen.",,,,,,,,,,,
-152,Utenriksdepartementet,"Analyse og klassifisering av ustrukturerte data i Utenriksdepartementet",Utenriksdepartementet,Statlig virksomhet,,Statsforvaltning,"Utenriksdepartementet (UD) mottar årlig 5-6000 rapporter fra utenriksstasjoner, delegasjoner o.l. Tidligere har det vært svært vanskelig å finne frem i all denne informasjonen.
+Multiple AI techniques
+"
+150,Lånekassen,Kunstig intelligens i bokontroll,Kunnskapsdepartementet,Statlig virksomhet,Statsforvaltning,"Lånekassen har gjennomført et prosjekt der de har brukt kunstig intelligens for å plukke ut studenter til bokontroll. Lånekassens bokontroll i 2018 omfattet 25 000 studenter. 15 000 ble plukket ut ved kunstig intelligens (maskinlæring), mens 10 000 ble plukket ut ved tilfeldig utvalg (kontrollgruppe). Resultatene viser at utplukket gjort ved hjelp av maskinlæring var dobbelt så effektivt til å finne studenter som ikke har dokumentert tidligere opplysning om bosted i forhold til kontrollgruppa.",,,,,,,Implementert,,,,
+151,Direktoratet for forvaltning og økonomistyring,Automatisk kontering av faktura,Finansdepartementet,Statlig virksomhet,Statsforvaltning,"DFØs kunder bruker mye tid og ressurser på kontering av inngående faktura, fordi det er usikkerhet rundt hva som er korrekt kontering. Dette kan i noen tilfeller føre til at fakturaen blir betalt etter forfall og gi virksomheten ekstra kostnader i form av renter og gebyrer. DFØ tester ut løsninger fra to selskaper, hvor en av løsningene er en regnskapsrobot som benytter KI til å komme med forslag til riktig kontering. Modellen trenes på historiske regnskapsdata før den gjør en prediksjon av konteringen basert på historiske data og informasjon fra selve fakturaen.",,,,,,,,,,,
+152,Utenriksdepartementet,"Analyse og klassifisering av ustrukturerte data i Utenriksdepartementet
+",Utenriksdepartementet,Statlig virksomhet,Statsforvaltning,"Utenriksdepartementet (UD) mottar årlig 5-6000 rapporter fra utenriksstasjoner, delegasjoner o.l. Tidligere har det vært svært vanskelig å finne frem i all denne informasjonen.
+
 Etter at UD i 2018 tok i bruk maskinlæring med behandling av naturlig språk for å analysere og klassifisere innholdet i disse dokumentene, er det blitt mulig å finne frem til nesten all relevant informasjon om et emne. Løsningen brukes også til å hente ut den viktigste informasjonen i rapporter og lage oppsummeringer.",,,,Universitetet i Oslo,,,Implementert,,,,
-153,Norsk sikkerhetsmyndighet,Varslingssystem for digital infrastruktur (VDI),Justis- og beredskapsdepartementet,Statlig virksomhet,,Statsforvaltning," NSM utvikler nå ny sensorteknologi som skal bygge videre på og erstatte dagens VDI-sensorer. Det skal utvikles en ny plattform som skal ta i bruk kunstig intelligens og maskinlæring på de dataene som samles inn. Plattformen skal gi mulighet for automatisk analyse av skadevare som oppdages, og automatisk deling av resultater.",,,,,,https://nsm.no/tjenester/varslingssystem-vdi/,Implementert,,,,
-154,Riksrevisjonen,Revisjon av maskinlæringsalgoritmer,Stortinget,Statlig virksomhet,,Statsforvaltning,"Med økende bruk av maskinlæring i offentlig forvalting kommer behov for revisjon av algoritmer som tar hensyn til problematikk knyttet særskilt til bruk av maskinlæring. Riksrevisjonen har derfor, i samarbeid med internasjonale partnere, utviklet en metodikk for revisjon av maskinlæringsalgoritmer. Risikoer knyttet til bruk av maskinlæring i offentlig forvaltning, tilhørende revisjonsspørsmål og kontroller er diskutert i et «white paper» på auditingalgorithms.net.",,,,,,,,,,,
-155,Universitetet i Bergen,Kunstig intelligens mot ulikhet i helse: integrering av etikk i interdisiplinære forskningsprosjekt,Kunnskapsdepartementet,Statlig virksmhet,,Helse,,"Å initiere og utvikle et tverr-fakultært forskingsprosjekt om suksesskriterier for interdisiplinær forskning i møtet med globale samfunnsutfordringer generelt og i forbindelse med KI som bærekraftig løsning i helsefeltet, spesielt",,,,,,Pågående,,,,
-156,Oslo Met,"Machine Learning, Professional Accountability, and Human Values: The New Role of Digital Experts in the Professions",Kunnskapsdepartementet,Statlig virksomhet,,Helse,The aim of this research project is to explore the ethical aspects of the use of artificial intelligence in the professional arena.,,,,,,,Pågående,,,,
-157,Universitetet i Oslo,Artificial intelligence-based biomarkers in active surveillance of prostate cancer,Kunnskapsdepartementet,Statlig virksomhet,,Helse,Artificial intelligence-based biomarkers in active surveillance of prostate cancer,Machine learning (also deep learning) for assessment of risk during active surveillance of prostate cancer ,,,,,Project (icgi.no),,,,,
-158,Universitetet i Oslo,Learning from deep learning,Kunnskapsdepartementet,Statlig virksomhet,,Helse,,,,,,,Project (icgi.no),,,,,
-159,Universitetet i Oslo,Evaluating the clinical utility of chromatin analysis in endometrial cancer,Kunnskapsdepartementet,Statlig virksomhet,,Helse,Texture analysis and machine learning for prediction of survival of patients with endometrial cancer,,,,,,https://icgi.no/All-projects/nucleotyping,,,,,
-160,Universitetet i Oslo,Evaluating the clinical utility of chromatin analysis in lung cancer,Kunnskapsdepartementet,Statlig virksomhet,,Helse,Texture analysis and machine learning for prediction of survival of patients with lung cancer,,,,,,https://icgi.no/All-projects/nucleotyping,,,,,
-161,Digitaliseringsdirektoratet,Gjenkjenning av personnavn i titler i eInnsyn,Kommunal- og distriktsdepartementet,Statlig virksomhet,,Statsforvaltning,"Formålet med konseptutprøvingen er å bygge en tjeneste som bruker maskinlærte metoder for å gjenfinne navn i titler, evaluere hvilket presisjonsnivå tjenesten oppnår og gi anbefalinger om videre arbeid.",,2018,2019,,,,Avsluttet,,,,
-162,Universitetet i Oslo,Machine Learning Molecular Legos for Catalyst Discovery within Large Chemical Spaces (catLEGOS),Kunnskapsdepartementet,Statlig virksomhet,,,The project aims at developing and applying machine learning tools for the discovery of new catalysts based on transition metals that are relevant in drug synthesis and in the generation of renewable energies,,2021,2025,,,,I utvikling,Strukturerte data,Syntetiske,Ja,"Knowledge representation, Optimisation, Machine Learning"
-163,Universitetet i Bergen,"Machine Vision in Everyday Life: Playful Interactions with Visual Technologies in Digital Art, Games, Narratives and Social Media",Kunnskapsdepartementet,Statlig virksomhet,,,"Machine Vision er et femårig forskningsprosjekt støttet av ERC og ledet av Professor Jill Walker Rettberg. Målet til prosjektet er å utvikle et teoretisk rammeverk for å forstå hvordan hverdagslig bruk av maskinsyn påvirker oss som samfunn og enkeltmennesker, med vekt på AI-drevne visuelle teknologier som ansiktsgjenkjenning, bildeklassifisering og AI-genererte bilder. Vi bruker estetiske analyser av 500 dataspill, fortellinger og digital kunst som tematiserer eller gjør bruk av maskinsyn for kartlegge den kulturelle diskursen om AI-drevne visuelle teknologier. En database og et åpent datasett er tilgjengelige for gjenbruk. Prosjektet inkluderer også etnografisk feltarbeid med brukere og utviklere, samt teoretisk og historisk forskning for å skape en rik humanistisk forståelse av hvordan det 21. århundrets maskinsyn endrer vår forståelse av verden omkring oss.",,2018,2024,European Research Council (ERC),,https://app.cristin.no/projects/show.jsf?id=577988,I utvikling,"Bilder, fritekst, strukturerte data",,Nei,"Knowledge representation, computer vision, AI ethics, philosophy of AI"
-164,Universitetet i Bergen,Maskinsyn: Utstilling og laivrollespill for utforskning av etikk og ny teknologi,Kunnskapsdepartementet,Statlig virksomhet,,,"Dette formidlingsprosjektet utvider det vitenskapelige arbeidet i ERC-prosjektet Machine Vision in Everyday Life: Playful Interactions with Visual Technologies in Digital Art, Games, Narratives and Social Media (2018-2024) ved å utvikle en utstilling og et opplegg for laivrollespill som lar besøkende/deltagere spille ut situasjoner hvor de må ta etiske valg om AI-drevne visuelle teknologier, i tillegg til at de vil lære mer om hvordan teknologiene fungerer og positive og negative muligheter ved å ta dem i bruk.",,2020,2021,Norges forskningsråd,,https://app.cristin.no/projects/show.jsf?id=2051526,Avsluttet,"Intervjuer, feltnotater",Brukergenererte,Nei,AI ethics
-165,Universitetet i Bergen,Senter for digitale fortellinger,Kunnskapsdepartementet,Statlig virksomhet,,,"Fortellinger er grunnleggende for hvordan vi forstår og utvikler oss som individer og som samfunn. Senter for digitale fortellinger er et Senter for Fremragende Forskning (SFF) som driver grunnforskning på hvordan fortellinger er i endring, i dataspilll, på sosiale medier, i elektronisk litteratur og i møte med nye teknologier som kunstig intelligens og VR. En viktig del av forskningen vil dreie seg om hvordan kunstig intelligens brukes både til å generere fortellinger og til å spre, moderere eller promotere dem på internett.",,2023,2033,Sentre for fremragende forskning (SFF),,http://uib.no/cdn,I utvikling,"Bilder, sensordata, fritekst, strukturerte data, lyd","Syntetiske, brukergenererte",Ja,"Chatbot, machine learning, natural language processing, AI ethics, philosophy of AI"
-166,Posten Norge,Anbefalingsalgoritme for AMOI,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,Maskinlæring for å anbefale riktig produkt til kundene i nettbutikken.,,,,,,,,,,,
-167,Posten Norge,Intern chatbot,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,Løsning for interne HR-spørsmål. I samarbeid med våre partnere ser vi på muligheter som ligger i LLM og ChatGPT for å løfte løsningen og gi økt støtte til HR-senteret.,,,,,,,,,,,
-168,Posten Norge,OCR – Dokumenttolkning,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,"innkjøpt hyllevare av Lucidtech AI, brukt til tolkning av kvitteringer og fakturaer for utlegg og reiseregninger. Vi trener modellen selv for optimalisering på våre egne data. Koblet OCR med RPA for automatisert behandling av utlegg og reiseregninger.",,,,,,,,,,,
-169,Posten Norge,OCR i etikettlesing & brev,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,"Maskinlæring brukes av OCR for forbedret ytelse i gjenkjenning av: Adressebærere, Strekkoder, Tollinformasjon, Kunde-påførte koder. OCR-gjenkjenning av adresser gjøres til forutsatt nivå iht. forretningsregler og krav i produksjon til postnummer leveringspunkt mottaker i pre-prosess (EDI) og i produksjon (EDI, bilde av sending). Produkter er alle brevpostprodukter med EDI (PIP, NPL, IMPORT, EKSPORT, REK…) samt alle brevpostsendinger uten EDI.",,,,,,,,,,,
-170,Posten Norge,Selvkjørende robot på terminal,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,"Intelligent bruk av «Autonomous Mobile Robots» (AMR-er) for å automatisere dagens interntransport på våre logistikkterminaler. Rasjonale for arbeidet er sentrert rundt: (1) håndtere forventet vekst, (2) tilrettelegge for videre lønnsomhet og (3) øke konkurransefortrinn. Merk at dette er kommersielt innkjøpt utstyr som benytter «KI» for å navigere autonomt i dynamiske miljø og at det kanskje ikke treffer helt innenfor denne kategorien av den grunn.",,,,,,,,,,,
-171,Posten Norge,Autonom brev pakke robot,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,Posten gikk inn (som en «krevende kunde») i et samarbeid med Buddy mobility om utvikling av en autonom brev- og pakkerobot. Prosjektet er avsluttet. Anvendelsesområde: Brevbud og levering av små pakker (som typisk går i postkassen). Ønsket effekt: Lære om teknologien og teste om den kan overta postbud mandatet og erstatte postkasser i bakgården.,,2018,2020,,,,Avsluttet,,,,
-172,Posten Norge,Drone,Nærings- og fiskeridepartementet,Statlig selskap,,Transport,"I perioden September – Desember høsten 2022 gjennomførte Posten og Bring sitt første prøveprosjekt med droner hvor vannprøver fra Snåsavann til Nemko Norlabs laboratorier på Namsos ble fraktet med selvflygende droner. Rasjonale for arbeidet er sentrert rundt: (1) forstå teknologiens betydning, modenhet og utvikling, (2) forstå hvilke deler av Posten og Bring teknologien er mest relevant for, (3) forstå hva slags verdi teknologien kan skape for Posten og Bring og (4) forstå hva som skal til for at teknologien skal skape den antatte verdien.",,2022,2022,,,,Avsluttet,,,,
-173,Direktoratet for høyere utdanning og kompetanse,Sluttbrukerorientert verktøy: Få hjelp til å skrive jobbsøknaden,Kunnskapsdepartementet,Statlig virksomhet,,,"Verktøy som sluttbruker kan ta i bruk for å få hjelp til å skrive jobbsøknad. Verktøyet ligger ute på nettsiden Karriereveiledning.no, og er basert på innsikt i behovene som dukker opp i chat med Karriereveiledere. Rent konkret har vi bygd inn chatGPT på nettsiden og tilgjengeliggjort løsningen for alle som trenger hjelp når de skal søke jobb.",,2023,2023,,,https://karriereveiledning.no/karrierevalg/fa-hjelp-til-skrive-jobbsoknaden-betaversjon?tema=29,Implementert,,,Nei,
-174,Helsedirektoratet,Enklere tilgang til informasjon (livshendelsen Alvorlig sykt barn),Helse- og omsorgsdepartementet,Statlig virksomhet,,,"Alvorlig sykt barn er en prioritert livshendelse i Digitaliseringsstrategien. Hovedmålet er at barn og unge med sammensatte behov og deres foresatte skal oppleve sømløst, persontilpasset og forutsigbart tilbud.
+153,Norsk sikkerhetsmyndighet,Varslingssystem for digital infrastruktur (VDI),Justis- og beredskapsdepartementet,Statlig virksomhet,Statsforvaltning," NSM utvikler nå ny sensorteknologi som skal bygge videre på og erstatte dagens VDI-sensorer. Det skal utvikles en ny plattform som skal ta i bruk kunstig intelligens og maskinlæring på de dataene som samles inn. Plattformen skal gi mulighet for automatisk analyse av skadevare som oppdages, og automatisk deling av resultater.",,,,,,https://nsm.no/tjenester/varslingssystem-vdi/,Implementert,,,,
+154,Riksrevisjonen,Revisjon av maskinlæringsalgoritmer,Stortinget,Statlig virksomhet,Statsforvaltning,"Med økende bruk av maskinlæring i offentlig forvalting kommer behov for revisjon av algoritmer som tar hensyn til problematikk knyttet særskilt til bruk av maskinlæring. Riksrevisjonen har derfor, i samarbeid med internasjonale partnere, utviklet en metodikk for revisjon av maskinlæringsalgoritmer. Risikoer knyttet til bruk av maskinlæring i offentlig forvaltning, tilhørende revisjonsspørsmål og kontroller er diskutert i et «white paper» på auditingalgorithms.net.",,,,,,,,,,,
+155,Universitetet i Bergen,Kunstig intelligens mot ulikhet i helse: integrering av etikk i interdisiplinære forskningsprosjekt,Kunnskapsdepartementet,Statlig virksmhet,Helse,,"Å initiere og utvikle et tverr-fakultært forskingsprosjekt om suksesskriterier for interdisiplinær forskning i møtet med globale samfunnsutfordringer generelt og i forbindelse med KI som bærekraftig løsning i helsefeltet, spesielt",,,,,,Pågående,,,,
+156,Oslo Met,"Machine Learning, Professional Accountability, and Human Values: The New Role of Digital Experts in the Professions",Kunnskapsdepartementet,Statlig virksomhet,Helse,The aim of this research project is to explore the ethical aspects of the use of artificial intelligence in the professional arena.,,,,,,,Pågående,,,,
+157,Universitetet i Oslo,Artificial intelligence-based biomarkers in active surveillance of prostate cancer,Kunnskapsdepartementet,Statlig virksomhet,Helse,Artificial intelligence-based biomarkers in active surveillance of prostate cancer,Machine learning (also deep learning) for assessment of risk during active surveillance of prostate cancer ,,,,,Project (icgi.no),,,,,
+158,Universitetet i Oslo,Learning from deep learning,Kunnskapsdepartementet,Statlig virksomhet,Helse,,,,,,,Project (icgi.no),,,,,
+159,Universitetet i Oslo,Evaluating the clinical utility of chromatin analysis in endometrial cancer,Kunnskapsdepartementet,Statlig virksomhet,Helse,Texture analysis and machine learning for prediction of survival of patients with endometrial cancer,,,,,,https://icgi.no/All-projects/nucleotyping,,,,,
+160,Universitetet i Oslo,Evaluating the clinical utility of chromatin analysis in lung cancer,Kunnskapsdepartementet,Statlig virksomhet,Helse,Texture analysis and machine learning for prediction of survival of patients with lung cancer,,,,,,https://icgi.no/All-projects/nucleotyping,,,,,
+161,Digitaliseringsdirektoratet,Gjenkjenning av personnavn i titler i eInnsyn,Kommunal- og distriktsdepartementet,Statlig virksomhet,Statsforvaltning,"Formålet med konseptutprøvingen er å bygge en tjeneste som bruker maskinlærte metoder for å gjenfinne navn i titler, evaluere hvilket presisjonsnivå tjenesten oppnår og gi anbefalinger om videre arbeid.",,2018,2019,,,,Avsluttet,,,,
+162,Universitetet i Oslo,Machine Learning Molecular Legos for Catalyst Discovery within Large Chemical Spaces (catLEGOS),Kunnskapsdepartementet,Statlig virksomhet,,The project aims at developing and applying machine learning tools for the discovery of new catalysts based on transition metals that are relevant in drug synthesis and in the generation of renewable energies,,2021,2025,,,,I utvikling,Strukturerte data,Syntetiske,Ja,"Knowledge representation, Optimisation, Machine Learning"
+163,Universitetet i Bergen,"Machine Vision in Everyday Life: Playful Interactions with Visual Technologies in Digital Art, Games, Narratives and Social Media",Kunnskapsdepartementet,Statlig virksomhet,,"Machine Vision er et femårig forskningsprosjekt støttet av ERC og ledet av Professor Jill Walker Rettberg. Målet til prosjektet er å utvikle et teoretisk rammeverk for å forstå hvordan hverdagslig bruk av maskinsyn påvirker oss som samfunn og enkeltmennesker, med vekt på AI-drevne visuelle teknologier som ansiktsgjenkjenning, bildeklassifisering og AI-genererte bilder. Vi bruker estetiske analyser av 500 dataspill, fortellinger og digital kunst som tematiserer eller gjør bruk av maskinsyn for kartlegge den kulturelle diskursen om AI-drevne visuelle teknologier. En database og et åpent datasett er tilgjengelige for gjenbruk. Prosjektet inkluderer også etnografisk feltarbeid med brukere og utviklere, samt teoretisk og historisk forskning for å skape en rik humanistisk forståelse av hvordan det 21. århundrets maskinsyn endrer vår forståelse av verden omkring oss.",,2018,2024,European Research Council (ERC),,https://app.cristin.no/projects/show.jsf?id=577988,I utvikling,"Bilder, fritekst, strukturerte data",,Nei,"Knowledge representation, computer vision, AI ethics, philosophy of AI"
+164,Universitetet i Bergen,Maskinsyn: Utstilling og laivrollespill for utforskning av etikk og ny teknologi,Kunnskapsdepartementet,Statlig virksomhet,,"Dette formidlingsprosjektet utvider det vitenskapelige arbeidet i ERC-prosjektet Machine Vision in Everyday Life: Playful Interactions with Visual Technologies in Digital Art, Games, Narratives and Social Media (2018-2024) ved å utvikle en utstilling og et opplegg for laivrollespill som lar besøkende/deltagere spille ut situasjoner hvor de må ta etiske valg om AI-drevne visuelle teknologier, i tillegg til at de vil lære mer om hvordan teknologiene fungerer og positive og negative muligheter ved å ta dem i bruk.",,2020,2021,Norges forskningsråd,,https://app.cristin.no/projects/show.jsf?id=2051526,Avsluttet,"Intervjuer, feltnotater",Brukergenererte,Nei,AI ethics
+165,Universitetet i Bergen,Senter for digitale fortellinger,Kunnskapsdepartementet,Statlig virksomhet,,"Fortellinger er grunnleggende for hvordan vi forstår og utvikler oss som individer og som samfunn. Senter for digitale fortellinger er et Senter for Fremragende Forskning (SFF) som driver grunnforskning på hvordan fortellinger er i endring, i dataspilll, på sosiale medier, i elektronisk litteratur og i møte med nye teknologier som kunstig intelligens og VR. En viktig del av forskningen vil dreie seg om hvordan kunstig intelligens brukes både til å generere fortellinger og til å spre, moderere eller promotere dem på internett.",,2023,2033,Sentre for fremragende forskning (SFF),,http://uib.no/cdn,I utvikling,"Bilder, sensordata, fritekst, strukturerte data, lyd","Syntetiske, brukergenererte",Ja,"Chatbot, machine learning, natural language processing, AI ethics, philosophy of AI"
+166,Posten Norge,Anbefalingsalgoritme for AMOI,Nærings- og fiskeridepartementet,Statlig selskap,Transport,Maskinlæring for å anbefale riktig produkt til kundene i nettbutikken.,,,,,,,,,,,
+167,Posten Norge,Intern chatbot,Nærings- og fiskeridepartementet,Statlig selskap,Transport,Løsning for interne HR-spørsmål. I samarbeid med våre partnere ser vi på muligheter som ligger i LLM og ChatGPT for å løfte løsningen og gi økt støtte til HR-senteret.,,,,,,,,,,,
+168,Posten Norge,OCR – Dokumenttolkning,Nærings- og fiskeridepartementet,Statlig selskap,Transport,"Innkjøpt hyllevare av Lucidtech AI, brukt til tolkning av kvitteringer og fakturaer for utlegg og reiseregninger. Vi trener modellen selv for optimalisering på våre egne data. Koblet OCR med RPA for automatisert behandling av utlegg og reiseregninger.",,,,,,,,,,,
+169,Posten Norge,OCR i etikettlesing & brev,Nærings- og fiskeridepartementet,Statlig selskap,Transport,"Maskinlæring brukes av OCR for forbedret ytelse i gjenkjenning av: Adressebærere, Strekkoder, Tollinformasjon, Kunde-påførte koder. OCR-gjenkjenning av adresser gjøres til forutsatt nivå iht. forretningsregler og krav i produksjon til postnummer leveringspunkt mottaker i pre-prosess (EDI) og i produksjon (EDI, bilde av sending). Produkter er alle brevpostprodukter med EDI (PIP, NPL, IMPORT, EKSPORT, REK…) samt alle brevpostsendinger uten EDI.",,,,,,,,,,,
+170,Posten Norge,Selvkjørende robot på terminal,Nærings- og fiskeridepartementet,Statlig selskap,Transport,"Intelligent bruk av «Autonomous Mobile Robots» (AMR-er) for å automatisere dagens interntransport på våre logistikkterminaler. Rasjonale for arbeidet er sentrert rundt: (1) håndtere forventet vekst, (2) tilrettelegge for videre lønnsomhet og (3) øke konkurransefortrinn. Merk at dette er kommersielt innkjøpt utstyr som benytter «KI» for å navigere autonomt i dynamiske miljø og at det kanskje ikke treffer helt innenfor denne kategorien av den grunn.",,,,,,,,,,,
+171,Posten Norge,Autonom brev pakke robot,Nærings- og fiskeridepartementet,Statlig selskap,Transport,Posten gikk inn (som en «krevende kunde») i et samarbeid med Buddy mobility om utvikling av en autonom brev- og pakkerobot. Prosjektet er avsluttet. Anvendelsesområde: Brevbud og levering av små pakker (som typisk går i postkassen). Ønsket effekt: Lære om teknologien og teste om den kan overta postbud mandatet og erstatte postkasser i bakgården.,,2018,2020,,,,Avsluttet,,,,
+172,Posten Norge,Drone,Nærings- og fiskeridepartementet,Statlig selskap,Transport,"I perioden September – Desember høsten 2022 gjennomførte Posten og Bring sitt første prøveprosjekt med droner hvor vannprøver fra Snåsavann til Nemko Norlabs laboratorier på Namsos ble fraktet med selvflygende droner. Rasjonale for arbeidet er sentrert rundt: (1) forstå teknologiens betydning, modenhet og utvikling, (2) forstå hvilke deler av Posten og Bring teknologien er mest relevant for, (3) forstå hva slags verdi teknologien kan skape for Posten og Bring og (4) forstå hva som skal til for at teknologien skal skape den antatte verdien.",,2022,2022,,,,Avsluttet,,,,
+173,Direktoratet for høyere utdanning og kompetanse,Sluttbrukerorientert verktøy: Få hjelp til å skrive jobbsøknaden,Kunnskapsdepartementet,Statlig virksomhet,,"Verktøy som sluttbruker kan ta i bruk for å få hjelp til å skrive jobbsøknad. Verktøyet ligger ute på nettsiden Karriereveiledning.no, og er basert på innsikt i behovene som dukker opp i chat med Karriereveiledere. Rent konkret har vi bygd inn chatGPT på nettsiden og tilgjengeliggjort løsningen for alle som trenger hjelp når de skal søke jobb.",,2023,2023,,,https://karriereveiledning.no/karrierevalg/fa-hjelp-til-skrive-jobbsoknaden-betaversjon?tema=29,Implementert,,,Nei,
+174,Helsedirektoratet,Enklere tilgang til informasjon (livshendelsen Alvorlig sykt barn),Helse- og omsorgsdepartementet,Statlig virksomhet,,"Alvorlig sykt barn er en prioritert livshendelse i Digitaliseringsstrategien. Hovedmålet er at barn og unge med sammensatte behov og deres foresatte skal oppleve sømløst, persontilpasset og forutsigbart tilbud.
+
 Prosjektet Enklere tilgang til informasjon er en del av livshendelsen. I prosjektet skal det utvikles en informasjonsassistent som sammenstiller informasjon fra mange ulike primærkilder. Dette skal gjøre det enklere for barn, deres pårørende og kommunal sektor å finne fram til relevant og oppdatert informasjon i det offentlige.
+
 I Enklere tilgang til informasjon har det blitt benyttet en Start-off konkurranse, der oppstartsselskaper utfordres til å komme med gode løsninger på offentlige behov. Leverandøren Append er valgt til å utvikle en MVP i perioden september-desember 2023. Deres løsning baserer seg på å innhente åpent tilgjengelig informasjon (nettskraping), for deretter å strukturere og presentere innholdet ved hjelp av kunstig intelligens.
 ",,2022,2024,"Arbeidet ledes av Helsedirektoratet, med deltagere i styringsgruppen fra Utdanningsdirektoratet, NAV, Statped, Direktoratet for e-helse, KS og Flekkefjord. I tillegg deltar Norsk helsenett, Digitaliseringsdirektatet m.fl. inn i arbeidet.",,www.alvorligsyktbarn.no/,Pilot,,,Ja,
-175,Bærum kommune,Pollenvarsling,,Kommunal virksomhet,,,Uttesting av KI-generert pollenvarsling. Kart tilgjengelig på nett og app.,,2023,2023,Samarbeid med Airmine AS lokalisert i Bærum,,https://www.baerum.kommune.no/pollenvarsel/,Pilot,,,Nei,
-176,Asker kommune,Oppmåling og automatisk registrering av veiobjekter,,Kommunal virksomhet,,,"Oppmåling fra bil med 360 grader kamera og laserscanner. Tjeneste levert av Mapspace.
+175,Bærum kommune,Pollenvarsling,,Kommunal virksomhet,,Uttesting av KI-generert pollenvarsling. Kart tilgjengelig på nett og app.,,2023,2023,Samarbeid med Airmine AS lokalisert i Bærum,,https://www.baerum.kommune.no/pollenvarsel/,Pilot,,,Nei,
+176,Asker kommune,Oppmåling og automatisk registrering av veiobjekter,,Kommunal virksomhet,,"Oppmåling fra bil med 360 grader kamera og laserscanner. Tjeneste levert av Mapspace.
 Kartlegging av veidekketype, tilstand og sideobjekter (15 objekttyper som skilt, rekkverk, kantstein, kummer mm) ved hjelp av bildegjenkjenning og punktskyanalyse.",,2021,2023,,,,Implementert,,,Nei,
-177,Stavanger kommune,Prediksjon av vannforbruk,,Kommunal virksomhet,,,"Løsningen bruker maskinlæring av historiske driftsdata til å predikere et vannforbruksintervall til en gitt tid, som sammenstilt med sanntidsdata gir alarm når sanntidsdataene overstiger intervallet.",,2017,,,,,Implementert,,,Nei,
-178,Stavanger kommune,Datasjø: Prediksjon av sykefravær,,Kommunal virksomhet,,,"Prediksjon av sykefravær basert på historiske data fra og med 2016 og HR-data (turnover, alder, virksomhetsområde, stillingskategori, tidspunkt)",,2021,,,,,Implementert,,,Nei,
-179,Stavanger kommune,Dokumentindeksering,,Kommunal virksomhet,,,"Kunstig intelligens som leser teknisk dokumentasjon, tolker og forstår innholdet, sletter duplikater, sorterer dokumentene og overfører dem til riktig sted i fagsystemet. 40 000 dokumenter gjennomgått.",,2023,2023,,,,Avsluttet,,,Nei,
-180,Stavanger kommune,Ruteoptimalisering for hjemmebaserte tjenester,,Kommunal virksomhet,,,Optimalisering av kjøreruter for hjemmetjenesten,,2017,,,,,Implementert,,,Nei,
-181,Tverrsektorielt datasamarbeid,Orakelkatalogen,Samferdselsdepartementet,Statlig foretak,,,Søk med LLM for datasett på data.norge.no,,2024,2024,Digdir,,https://samferdselsdata.no/orakel,Pilot,Strukturerte data,Registerdata,Nei,"Searching, Natural language processing"
+177,Stavanger kommune,Prediksjon av vannforbruk,,Kommunal virksomhet,,"Løsningen bruker maskinlæring av historiske driftsdata til å predikere et vannforbruksintervall til en gitt tid, som sammenstilt med sanntidsdata gir alarm når sanntidsdataene overstiger intervallet.",,2017,,,,,Implementert,,,Nei,
+178,Stavanger kommune,Datasjø: Prediksjon av sykefravær,,Kommunal virksomhet,,"Prediksjon av sykefravær basert på historiske data fra og med 2016 og HR-data (turnover, alder, virksomhetsområde, stillingskategori, tidspunkt)",,2021,,,,,Implementert,,,Nei,
+179,Stavanger kommune,Dokumentindeksering,,Kommunal virksomhet,,"Kunstig intelligens som leser teknisk dokumentasjon, tolker og forstår innholdet, sletter duplikater, sorterer dokumentene og overfører dem til riktig sted i fagsystemet. 40 000 dokumenter gjennomgått.",,2023,2023,,,,Avsluttet,,,Nei,
+180,Stavanger kommune,Ruteoptimalisering for hjemmebaserte tjenester,,Kommunal virksomhet,,Optimalisering av kjøreruter for hjemmetjenesten,,2017,,,,,Implementert,,,Nei,
+181,Tverrsektorielt datasamarbeid,Orakelkatalogen,Samferdselsdepartementet,Statlig foretak,,Søk med LLM for datasett på data.norge.no,,2024,2024,Digdir,,https://samferdselsdata.no/orakel,Pilot,Strukturerte data,Registerdata,Nei,"Searching, Natural language processing"
+182,Digitaliseringsdirektoratet,KI-søk Felles datakatalog (data.norge.no),Digitaliserings- og forvaltningsdepartementet,Statlig virksomhet,,Søk med LLM for datasett på data.norge.no.,,2024,2024,,,https://github.com/Informasjonsforvaltning/fdk-llm-search-service,Implementert,Strukturerte data,Registerdata,Nei,Searching;Natural language processing;