COVID-19-projekter til UFM
–
samlet ramme på 40 mio. kr.
CoroNAT
Projektet vil undersøge udviklingen af gode neutraliserende antistoffer hos SARS-CoV-2-smittede.
Specielt vil studiet analysere, om både personer, der har haft svære symptomer og om personer med
ingen eller meget lette sygdomstegn, danner neutraliserende antistoffer. Ydermere vil projektet isolere
og karakterisere de bedste neutraliserende antistoffer for at kunne undersøge, om man enten kan
bruge de antistoffer i behandlingsøjemed, eller hvordan man kan inducere sådanne antistoffer ved en
fremtidig vaccination. Projektet kan derfor få stor værdi for behandling såvel som vaccineudvikling.
Parter: Aarhus Universitet og Symphogen
Beløb: 5,0 mio. kr.
Ram-COVID
På nuværende tidspunkt er det uklart, hvorfor nogle patienter, som er ramt af COVID-19, bliver alvor-
ligt syge, mens andre kun oplever milde symptomer. Der findes endnu ingen risikovurderingsmodeller
til at vurdere, hvilket behandlingsforløb en patient kan have brug for. Det vil dette projekt udvikle gen-
nem et beslutningsværktøj baseret på kunstig intelligens, der ud fra røntgenbilleder af COVID-19-pati-
enters lunger sammenholdt med behandlingsdata kan hjælpe med at vurdere, hvilket behandlingsfor-
løb patienten kan have behov for. Med en automatisk realtidsløsning som denne er det muligt at afla-
ste og effektivisere sundhedsvæsenet.
Parter: Cerebriu, Københavns Universitet (Datalogisk Institut), Rigshospitalet
Beløb: 4,7 mio. kr.
Uvc-Box
Meget tyder på, at UVC-lys effektivt kan dræbe coronavirus. Målet med projektet er at optimere, certi-
ficere og forberede produktion af en UVC-boks
–
som er en lukket kasse med en automatisk og hånd-
fri lukkemekanisme og integrerede lamper, der udsender UVC-lys, som kan dræbe vira og bakterier.
Det UVC-lys, der udsendes fra lamperne fra mange vinkler i UVC-boksen, kan sterilisere mindre pro-
dukter som smartphones, tablets, tastaturer og simpelt medicinsk udstyr, som for eksempel værne-
midler. Målet er at hindre spredning af COVID-19, når vi alle vender tilbage til arbejdspladserne.
Parter: Voss Industry A/S
Beløb: 0,4 mio. kr.
AI4COVID
Akutberedskabet og andre sundhedsrådgivningslinjer er under enormt pres. Ved brug af kunstig intel-
ligens vil dette projekt analysere patientopkald og automatisk kortlægge patienter, der er - eller har
risiko for at være
–
smittet med COVID-19, hvilket bl.a. kan bruges til planlægning af ressourcer. Der-
udover vil projektet udvikle et værktøj, der hjælper sundhedspersonalet med at identificere, om en pa-
tient er smittet samt minde om, hvilke forholdsregler patienten i så fald skal tage. På den måde kan
man hurtigere identificere højrisikopatienter og forkorte opkaldstiden. For at mindske antallet af ukriti-
ske opkald udvikles et online-værktøj, der skal hjælpe personer med at følge egen udvikling og på
den måde selv vurdere egen risiko for smitte.
Parter: Corti, Region Hovedstaden
Beløb: 6,7 mio. kr.