Kunstig intelligens

AI-maskinsyn, der søger at revolutionere vores sundhed

mm
Udgivet den
Opdateret den
Føj Securities.io til dine foretrukne kilder på Google
Oplysning: Securities.io kan modtage betaling, når du bruger links til produkter, vi anmelder. Det påvirker ikke vores redaktionelle vurderinger. Vi er ikke registreret investeringsrådgiver; dette er ikke investeringsrådgivning. Læs vores affiliateoplysning.

Maskinsyn & Sundhed

Sammen med LLM’er (store sprogmodeller) som ChatGPT er maskinsyn en af de vigtigste nylige udviklinger inden for AI. De forskellige metoder, der bruges til at opnå det, såsom neurale netværk og dyb læring, gør det nu muligt for computere at virkelig se deres omgivelser.

En anvendelse af denne idé er at lade computere overtage menneskers opgaver som kørsel eller give robotter fuld autonomi i den virkelige verden i stedet for at forblive begrænset til fabriksgulve.

Det er en af de store drivkræfter bag adoption af maskinsyn, et hurtigt voksende marked, der forventes at nå 9,2 mia. USD i 2029.

Kilde: EPAM

Men en anden lige så vigtig opgave er at vurdere vores sundhed. Mange medicinske diagnoser er afhængige af lægers visuelle vurderinger. Dette inkluderer direkte undersøgelse og ekspertanalyse af radiografi, scannere og andre medicinske billeder.

I de fleste tilfælde er disse visuelle inspektioner noget subjektive. En læge har brug for mange års erfaring for virkelig at blive sikker på sin vurdering. Og indtil nu gjorde kompleksiteten i hver patients krop, som er lidt forskellig, det for komplekst for automatiseret måling.

Dette er endelig ved at ændre sig, og mange virksomheder undersøger nu at implementere AI-maskinsyn for at skabe overlegne analyser af medicinske billeder.

Direkte Visuel Undersøgelse

Vi har for nylig undersøgt brugen af AI til at opdage øreinfektioner bedre end en menneskelig læge i vores artikel “AI Poised to Become Invaluable Medical Diagnosis Tool”

Dette kan udvides til mange andre patologier; for eksempel kan Googles AI-billedbehandling bruges til at diagnosticere 26 forskellige hudsygdomme (80 % af tilfældene set i primærplejen), opdage diabetisk retinopati eller endda forudsige risikoen for at udvikle diabetisk retinopati i fremtiden.

Mere overraskende ser AI også ud til at kunne opdage sundhedsproblemer fra visuelle inspektioner, som mennesker ikke kan bruge; for eksempel at opdage anæmi (normalt kræver en blodprøve) ved at kigge på øjets retina. Den samme metode kunne også bruges til at forudsige risikoen for hjerteanfald.

Den kan også opdage læsioner, som det menneskelige øje ville overse; for eksempel kan den større nøjagtighed i Iterative Health’s AI hjælpe med at opdage mave- og tyktarmskræft.

Medicinsk Billedanalyse

Jo mere raffineret den medicinske billeddannelse fra røntgen, tomografi, CT-scanninger, ultralyd osv. bliver, desto mere kompleks bliver billedanalysen.

Avanceret AI kan nu hjælpe med at forbedre billedkvalitet, datahåndtering og dataanalyse.

For eksempel bruger Cleery AI til at analysere data fra Coronary Computed Tomography Angiography (CCTA) for at “generere en 3D-model af patientens koronararterier, identificere deres lumen og karvægge, lokalisere og kvantificere stenoser samt identificere, kvantificere og kategorisere plak.”

Butterfly Network (BFLY ) ændrer måden, ultralyd udføres på takket være halvlederchips, der erstatter piezoelektriske sensorer, og AI, der skaber mobile 3D-modeller af patientens indre organer.

Verisound AI, et datterselskab af GE Healthcare, giver realtidsvejledning til praktikeren, automatiseret billedoptagelse og dedikerede specialiserede AI’er til generel billeddannelse, kardiologi, brystultralyd, kvinders sundhed, nerver, nyrer, lever osv.

Googles AI’er bruges også til at hjælpe med at opdage brystkræft og spare onkologers tid, hvilket hjælper med at afbøde arbejdskraftmangel.

ChestEye og ChestLink fra Oxipit dobbelttjekker radiologibilleder for potentielt oversete lunge-tumorer.

Kirurgi

AI kan også hjælpe kirurger på mange måder.

En er kirurgisk vejledning, især ved robotassisteret kirurgi, hvor AI kan give ekstra information eller rådgivning til kirurgen i realtid.

Basere på sin gennemgang af millioner af kirurgiske videoer har AI evnen til at forudsige de næste 15 til 30 sekunder af en operation og give yderligere tilsyn under operationen

Dr. Eckhoff – kunstig intelligens og innovationsstipendiat ved Surgical Artificial Intelligence and Innovation Laboratory på Massachusetts General Hospital

Et eksempel er det franske Pixee Medical, som muliggør 3D-sporing med en smartphone eller smartbriller til ortopædisk kirurgi.

AI kan også automatisere den afgørende procedure med at optage operationen, især for gentagne og fejlbehæftede opgaver. Da kirurger i USA glemmer instrumenter inde i patienten i omkring 1500 operationer om året, kan computervision ligeledes hjælpe med at eliminere dette problem fuldstændigt ved automatisk at holde styr på alt, der bruges under operationen.

Datahåndtering

Patientdata

Selvom det måske er mindre spektakulært end at opdage en tumor, udføre en diagnose uden menneskelig indgriben eller assistere kirurger, kan håndtering af patientdata være lige så vigtigt for patienternes helbredelse.

Den første del, AI kan hjælpe med, er ansigtsgenkendelse og at knytte den til patient-ID og medicinske filer. Der er altid en risiko for, at identiteten bliver forkert matchet i det højhastigheds- og højstressmiljø, som de fleste hospitaler har. Denne teknologi er mere generel og kan implementeres af leverandører af ansigtsgenkendelsessoftware, som for eksempel Facia.

Det andet skridt er at integrere alle mulige data for en patient i ét system. For eksempel kan det indeholde billeder fra radiologiafdelingen (og den tilhørende software), generelle patientfiler, dokumenter fra tidligere behandlinger på et andet hospital, apoteksreceptier osv.

At integrere alle disse data sammen kan være meget komplekst, og AI-værktøjer som CloudMedxHealth kan hjælpe med at realisere hele potentialet i medicinske digitale data.

Kilde: CloudMedxHealth

Medicinske data kan også aggregeres på et højere niveau, som den måde Komodo Health skaber et overblik over hele det amerikanske sundhedssystem.

Overvågning

Et andet område, hvor AI kan hjælpe, er overvågning af hospitalsmiljøet. Dette kan inkludere overholdelse af gode hygiejnepraksisser (rengøring, masker osv.) eller egentlig enhver procedure, der skal overvåges automatisk.

Lignende overvågning kan tilbydes patienter derhjemme for at følge deres helbredelse. Dette kan gøre ting som fysioterapi muligt hjemme, hvilket gør det ikke kun mere praktisk for patienter og læger, men også billigere for sundhedssystemet som helhed.

Hjemmeovervågning kan også inkludere faldregistrering, med automatisk opkald til nødberedskabet, hvis nødvendigt.

Telehealth generelt kan drage fordel af AI, som for eksempel løsningen fra Corti.AI. Vi har også undersøgt dette emne i vores artikel “Heal From Home: Top 5 Telemedicine Stocks”.

Forbedring af Medicinsk Forskning

Biologi beskrives ofte som den mest “bløde” af de videnskabelige felter, fordi medicinske og biologiske data ofte er meget “rodet” sammenlignet med kemi eller fysik.

Delvist er dette uundgåeligt, da biologiske prøver er ekstremt komplekse og kan variere fra hinanden.

Det skyldes også, at feltet stadig ofte er afhængigt af manuel optælling for ting som celleoptælling på et mikroskop. Det samme gælder for medicinske analyser som blodtælling. Naturligvis vil to forskellige personer have lidt forskellige måder at tælle en kompleks prøve på.

Dette kan løses med AI-maskinsyn, med produkter som Shonit fra Sigtuple, som nu kan levere pålidelige og standardiserede optællinger af alle typer blodceller.

Kilde: Sigtuple

Medicinske billeder får også standardiseret klassifikation og annotation gennem værktøjer som Enlitic, hvilket giver forskere adgang til datasæt af højere kvalitet.

Mens medicinsk forskning kæmper med at håndtere en flod af nye data, der kommer fra fremskridt inden for analytiske videnskaber inden for genomik, transkriptomik, proteomik og den overordnede “multiomics”-revolution, som vi beskrev i “Multiomics Are The Next Step In Biotechnology”.

Dette inkluderer også genredigering, hvor open-source AI nu hjælper forskere med at designe nye genredigeringsværktøjer, som diskuteret i “AI-Enabled Gene-Editing Made Possible with ‘OpenCRISPR-1’”.

Erstatning af svigtende sanser

En anden måde, maskinsyn kan ændre sundhedssektoren på, er ved at se ting for os. Blinde mennesker eller dem med andre handicap kan få AI til at hjælpe dem med at identificere genstande i deres omgivelser.

AI kan også konvertere tekst til tale, som normalt ville være utilgængelig.

Endelig kan maskinsyn hjælpe personer med handicap med at styre enheder gennem ansigtsudtryk eller gestus.

Maskinsynsvirksomheder

1. Alphabet

GOOG Prisdiagram

Google er en førende teknologivirksomhed inden for mange sektorer, med naturligvis Søgning og deres Android-smartphone-OS som gode eksempler.

Den er også en leder inden for AI, med en stærk tilstedeværelse inden for maskinsyn for sundhedssektoren, der spænder fra kræft- og sygdomsdetektion til forebyggelse og forbedring af behandling.

AI udnyttes også i andre felter end maskinsyn. For eksempel kan Googles AlphaFold AI forudsige proteiners 3D-konfiguration, en nøgledata for at skabe nye lægemidler, og forudsige nye molekylers effektivitet og sikkerhedsprofil. Vi diskuterede, hvordan AlphaFolds forudsigelser har vist sig at være pålidelige og meget hjælpsomme for lægemiddelforskning i “Prospective Modelling Points to Bright Future for AI-based Drug Discovery”.

Googles Health AI inkluderer Med-PaLM, den første store sprogmodel, der når ekspertpræstation på medicinske licensprøve-lignende spørgsmål, den open source Open Health Stack for udviklere, DeepVariant til genomisk analyse og dyb læring for elektroniske patientjournaler.

Selvfølgelig har Googles Vision AI mange andre anvendelser ud over sundhedssektoren, herunder transport, indholdsgenerering (tekst, billede og video), dokumentfortolkning osv.

Så samlet set er Alphabet (GOOG ) /Google en gigant inden for både teknologi og AI, også inden for sundhedssektoren og anvendelser af maskinsyn i sundhedssektoren.

2. Butterfly Network

BFLY Prisdiagram

Butterfly er både udvikleren af et avanceret ultraportabelt ultralydsdiagnostisk værktøj og en integreret software, der bruger AI til at hjælpe med diagnoser, kaldet “Compass”.

Virksomheden er nu på sin 3.rd generation af ultralydsproben, med udgivelsen i 2024 af iQ3, som har en højere dataoverførselshastighed og 2x processorkraften i forhold til den foregående version. Ligesom alle tidligere Butterfly-ultralydsprober, er den baseret på den overlegne halvlederteknologi “ultrasound-on-chip” i stedet for klassiske piezoelektriske sensorer.

iQ3 tilbyder en overlegen brugeroplevelse, herunder muligheden for at visualisere både 3D og flere planer samtidigt, integreret cloud-software og hurtig opstart, alt sammen til en lavere pris.

Virksomheden bruger AI til at forbedre billederne, automatisk generere diagnosespecifikke målinger og levere trænings-/undervisningspraksis.

Butterfly udvider hurtigt til nye markeder i Asien (Singapore, Indonesien, Filippinerne osv.) og også i veterinærmarkedet, såsom kontrol af sundhed hos kvæg i fodergrupper og udnyttelse af den ultraportable ultralydsenhed.

mm

Jonathan er en tidligere biokemisk forsker, der arbejdede med genetisk analyse og kliniske forsøg. Han er nu aktieanalytiker og finansskribent med fokus på innovation, markedscyklusser og geopolitik i sin publikation 'The Eurasian Century'.