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

AiQu: the infrastructure that takes AI from promising pilot to actual production

Scaling AI is more about infrastructure than algorithms. AiQu doesn’t lock you to one vendor – supporting NVIDIA, AMD, Intel…
Read more

The 6 most common MLOps bottlenecks – and how to solve them before 2026

The 6 most common bottlenecks in MLOps projects – from “it worked on my machine” to data sovereignty. How to…
Read more

Is the NVIDIA monopoly about to be broken? AMD and Nutanix challenge the playing field

AMD and Nutanix challenge NVIDIA’s dominance with open AI infrastructure. Three key insights into the future of AI operations that…
Read more

AI in practice for the manufacturing industry

AI in practice for manufacturing industry AI is much talked about in industry, but when the technology meets reality, other…
Read more