Kunstig intelligens
Forældede nødprotokoller klar til at blive moderniseret af maskinlæring
New data fra Osaka University har vist, at maskinlæringens hastigt stigende kapaciteter nu kan udvides til nødsituationer. Et forskerteam har vist, at teknologien nu effektivt kan hjælpe med at bestemme de rette kandidater til Tranexaminsyre, hvilket reducerer dødeligheden blandt traume-patienter.
Hvad er Tranexaminsyre (TXA)?
De fleste lægemidler er blot behandlinger for en eller anden tilstand. Nogle få kan derimod være virkelig livredende. En af disse er Tranexaminsyre, eller ‘TXA’. På det simpleste niveau gives TXA til patienter for at stoppe omfattende blødning, typisk som følge af en form for traume.
Ved nærmere undersøgelse virker TXA ved at reducere og forhindre fortsat blødning ved at fremme koageldannelse i kroppen. Det opnås ved at forhindre dannelsen af et enzym kendt som plasmin, som nedbryder det protein, der er essentielt for koagulation – fibrin.
Normalt er tilstedeværelsen af plasmin en god ting, da den forhindrer overdreven koagulation og en række lidelser (f.eks. slagtilfælde, lungeemboli, dyb venetrombose, hjerteinfarkt osv.), som kan opstå. I en nødsituation, hvor blødning skal kontrolleres, er TXA’s evne til at forhindre dens dannelse dog afgørende.
Redde liv i nødsituationer med maskinlæring
Uanset om det er en frontlinje-ambulancearbejder, der arbejder på at stabilisere en patient i bagerummet af en kørende ambulance, eller en sygeplejerske, der arbejder sammen med et team af sundhedsprofessionelle på en skadestue, forbliver TXA et vigtigt redskab til at håndtere ukontrolleret blødning som følge af traume. Det er dog vigtigt at erkende, at TXA ikke er egnet til alle patienter, da den ofte ledsages af alvorlige bivirkninger, hvilket gør beslutningen om administration vanskelig.
Ved at erkende, at TXA ikke er universelt gavnligt på grund af potentielle bivirkninger, fokuserede den førnævnte undersøgelse på at identificere specifikke traume-patientundergrupper, der sandsynligvis vil have mest gavn af TXA-behandling. I fremtiden kan denne evne til at identificere kandidater spille en vigtig rolle i moderniseringen af eksisterende protokoller for at bestemme berettigelse til administration.
Ved hjælp af maskinlæringsteknikker analyserede forskerne data fra over 50.000 patienter i Japan Trauma Data Bank for at identificere otte distinkte traume-typer (grupperinger baseret på observerbare træk). De undersøgte derefter virkningen af TXA på disse typer med hensyn til dødelighed på hospitalet. Resultaterne viste, at visse undergrupper oplevede en betydelig reduktion i dødelighed, når de blev behandlet med TXA, mens andre ikke havde nogen fordel.
Studiet understreger de forskellige præsentationer af traume-patienter, hvis skader varierer bredt i type og sværhedsgrad, hvilket gør det udfordrende at forudsige behandlingsvirkning på individuelt niveau. Målet med denne forskning er at forbedre personlig pleje for traume-patienter, hvilket dermed forbedrer den samlede kvalitet af pleje og overlevelsesrater i denne højrisikopopulation. Denne tilgang til patient‑specifik behandling kan føre til mere effektiv brug af TXA i traumepleje, reducere unødvendige bivirkninger og optimere resultater – alt takket være maskinlæring.
Maskinlæring: En central katalysator på tværs af disruptive teknologier
Dette studie er det seneste i en voksende række eksempler, der fremhæver, hvordan undergrupper af kunstig intelligens, som maskinlæring, kan fungere som en central katalysator eller “kerne‑teknologi” på tværs af næsten enhver sektor – en erkendelse, der blev understreget i Ark Invests ‘Big Ideas 2024’.
Meget af dette tilskrives AI’s evne til at behandle og genkende mønstre i enorme datamængder. Den kan gøre det mere effektivt end ethvert menneske og udvikler sig hurtigere og hurtigere.
Maskinlæringseksperter
Selvom det kan tage noget tid, før maskinlæring bruges til at afgøre, om en patient skal få TXA, er der allerede flere virksomheder, der arbejder på at videreudvikle teknologien. Faktisk er nogle allerede begyndt at integrere den i andre vigtige aspekter af sundhedssektoren.
*Talene nedenfor var korrekte på tidspunktet for skrivning og kan ændre sig. Eventuelle potentielle investorer bør verificere målene*
1. NVIDIA
(NVDA
)
(NVDA )
| Markedsværdi | Forventet P/E 1 år | Indtjening pr. aktie (EPS) |
| 2,179,359,750,000 | 38.31 | $11.94 |
NVIDIA har været i frontlinjen af AI‑udvikling og udnytter sin kraftfulde GPU‑teknologi til at fremme forskellige sektorer, herunder sundhedssektoren. Inden for sundhed anvendes NVIDIAs AI‑platforme til at accelerere lægemiddelforskning, medicinsk billeddannelse og genetisk analyse. For eksempel muliggør deres GPU’er hurtigere behandling af store datasæt til opgaver som billeddiagnostik, hvilket hjælper med at identificere sygdomme fra røntgen‑ og MR‑billeder med større nøjagtighed og hastighed.
NVIDIA samarbejder med forskningsinstitutioner og sundhedsorganisationer om at udvikle AI‑værktøjer, der forudsiger sygdomme, forbedrer patientresultater og reducerer sundhedsudgifter. Gennem disse initiativer forbedrer NVIDIA eksisterende sundheds‑applikationer og baner vejen for nye måder at diagnosticere og behandle sygdomme ved hjælp af AI’s kraft.
På tidspunktet for skrivning var NVDA af de fleste analytikere klassificeret som en Stærkt køb
2. Powerful Medical
Det flagskibsprodukt/-service fra Powerful Medical er kendt som PMCardio. Dette er en platform designet til at hjælpe sundhedsprofessionelle med at analysere, fortolke, diagnosticere og behandle hjerte‑begivenheder.
Den bruger maskinlæring til at analysere EKG‑data og sammenligne dem med en omfattende database af patientjournaler. Dette gør det muligt for PMCardio at opdage myokardieinfarkter, også kaldet ‘hjerteanfald’, samt andre abnormiteter præcist og hurtigt.
Platformen skiller sig ud ved sin evne til at levere præcise diagnoser ved første kontakt, hvilket er afgørende for rettidig indgriben i kardiovaskulære nødsituationer. PMCardios teknologi er særlig betydningsfuld, fordi den hjælper med at lukke det kritiske hul i opdagelsen af hjertetilstande, som måske ikke er synlige gennem traditionelle diagnostiske metoder.
Ved at integrere AI i sine operationer tilbyder PMCardio sundhedsprofessionelle et kraftfuldt værktøj, der forbedrer koordineringen af pleje, strømliner triage‑processen og sikrer tidlig og præcis opdagelse af potentielt livstruende hjerte‑begivenheder. Denne fremgang inden for medicinsk teknologi fremhæver AI’s potentiale til at revolutionere området for kardiovaskulær diagnostik ved at styrke evnen til at forudsige og behandle hjertesygdomme effektivt.
Allerede den 1. marts 2024 har PMCardio formået at sikre €7,5 millioner i finansiering fra European Innovation Council for at fortsætte udviklingen af sine AI‑baserede diagnostiske værktøjer, hvilket viser løftet om at afbøde en af verdens førende dødsårsager.
