Vores digitale platform kan revolutionere den måde, hvorpå afdelinger planlægger og sikrer patienters sikkerhed under kirurgiske procedurer. Systemet indsamler og analyserer data om kirurgers individuelle kompetencer i realtid, hvilket giver afdelingsledelsen et unikt overblik, så de altid kan matche den rette kirurg til hver procedure. Vi adresserer et kritisk problem i sundhedsvæsenet, hvor manglende indsigt i kirurgers faktiske færdigheder kan føre til komplikationer og genoperationer. Ved at sikre, at kun kvalificerede kirurger selvstændigt udfører procedurer, kan komplikationsrater væsentligt reduceres, hvilket markant vil forbedre patientbehandlingen og spare sundhedsvæsenet for betydelige udgifter. Innovationsfondens støtte er afgørende for at færdigudvikle vores prototype samt implementere og teste systemet på tre kirurgiske afdelinger. Dette giver os mulighed for at dokumentere effekten og finjustere platformen på baggrund af brugerfeedback. Støtten baner således vejen for en senere national udrulning, der kan transformere kirurgisk praksis i hele Danmark. På længere sigt ser vi et stort potentiale for at ekspandere internationalt. Løsningen adresserer et universelt behov i sundhedssektoren, og vi har allerede modtaget interesse fra førende hospitaler i USA. Ved at optimere ressourceudnyttelsen og højne kvaliteten i kirurgisk uddannelse, kan vores løsning bidrage til at løse nogle af de største udfordringer, som sundhedsvæsener globalt står overfor i dag.

Forskningsprojektet har til formål at udvikle nye kromatografiske separationsmetoder til Evosep One-platformen (fra Evosep Biosystems) for at kunne analysere biomolekyler som metabolitter, glykaner og intakte proteiner. Teknologien vil udvide Evosep One's anvendelsesområde og gavne forskere og den farmaceutiske industri samt effektivisere kliniske studier. Det forventes, at projektet vil føre til udvikling af nye produkter, og vil blive udført i samarbejde med Syddansk Universitet.

The main objective of this project is to implement statistical process control in monitoring of SOE stack performance. This will provide early warning triggers and help identify operation at suboptimal conditions. As industrial scale SOE systems will consist of thousands of electrolysis cells, monitoring the health of single cells would add an unrealistic cost to an industrial plant. The statistical tools will be used to derive performance indicators without having a direct measurement avaliable