HackHERHealth hackathon

Den 13–14 april deltog Milena Miernik, som gör sin LiA på Aixia, i HackHERHealth-hackathon-evenemanget, vilket hade som övergripande mål att minska klyftan när det kommer till medicinsk hälsa mellan könen. Kvinnor är underrepresenterade i medicinska studier vilket resulterar i mindre stöd och mindre effektiv behandling för dem. Över 200 deltagare samlades både på plats på Sahlgrenska Science Park och online för att gemensamt ta itu med detta problem genom användning av AI-lösningar.

Hackathonet var uppdelad i fem olika utmaningar, var och en fokuserade på olika aspekter av kvinnors hälsa och välbefinnande. Jag bidrog i utmaning nummer 2 där mitt team utvecklade en lösning som stödjer neurodivergenta flickor i deras vardagliga sysslor.   AI-assistent vid namn “Jackie” som hjälper till med klädval och dagliga aktiviteter, vilket minskar användarens beslutsutmattning och kognitiv överbelastning.

HackHer3
HackHer4

Användningen av AI i denna app har två huvudsakliga fördelar: förmågan att analysera och ta hänsyn till nästan 30 olika väderparametrar för att ge prognoser om lämplig klädsel samt flexibiliteten över tiden när användaren ger egen input och modellen kan anpassas och tränas efter det.

Integration med Azure-verktyg (inklusive Cognitive Search och AI Speech) gör det även möjligt att kommunicera med appen om vädret, samt även få rekommendationer för plats- och väderanpassade aktiviteter för att öka välbefinnandet. RAG-approach till chatten gör denna app mycket säker, då svaren alltid är baserade på kuraterade källor.

 

Bilden nedan visar den grova idén för back-end AI-arkitekturen, men om du vill ha mer information, tveka inte att kontakta mig. Jag förklarar gärna mer!

HackHer5

Latest News

From Pilot to Production: The MLOps Pitfalls When Scaling AI

Most AI pilots never make it to production. Here are the five most common MLOps pitfalls—traceability, monitoring, model operations, resource…
Read more

GPU Computing in the Nordic Region: Where Should the AI Infrastructure Be Located?

Where should computing power be located? A public cloud, an on-premises data center, colocation, or a combination? Here’s how to…
Read more

Arista Expands Its AI Network to 1.6T: First Switches to Ship This Fall

Arista is launching its first 1.6T Ethernet portfolio for AI networks, built on Broadcom Tomahawk 6. What does this mean…
Read more

Storage for AI: Why GPU Clusters Struggle Without the Right Data Platform

A GPU can only operate as fast as the data reaching it allows. Here’s why AI places different demands on…
Read more