Tekoäly

Vanhentuneet hätäprotokollat valmiina modernisoitavaksi koneoppimisen avulla

Joshua Stoner
Lisää Securities.io suosikkilähteisiisi Google-palvelussa
Ilmoitus: Securities.io voi saada korvauksen, kun käytät arvioimiemme tuotteiden linkkejä. Tämä ei vaikuta toimituksellisiin arvioihimme. Emme ole rekisteröity sijoitusneuvoja; tämä ei ole sijoitusneuvontaa. Lue kumppanuusilmoituksemme.
Keskeiset kohdatKoneoppiminen tunnistaa trauma-potilasryhmät, jotka hyötyvät traneksaamihaposta, mikä…
Näytä lisää
  • Koneoppiminen tunnistaa trauma-potilasryhmät, jotka hyötyvät traneksaamihaposta, mikä vähentää kuolleisuutta.
  • NVIDIAN tekoälyalustat nopeuttavat terveydenhuollon diagnostiikkaa ja lääkekehitystä hyödyntäen GPU-teknologiaa.
  • Powerful Medicalin PMcardio sai 7,5 miljoonan euron rahoituksen tekoälypohjaisten sydäntapahtumien tunnistusvälineiden kehittämiseen.

Osakan yliopiston uudet tutkimustulokset osoittavat, että koneoppimisen nopeasti kehittyvät kyvyt voivat ulottua myös hätätilanteisiin. Tutkijaryhmä on osoittanut, että tekniikka voi auttaa valitsemaan traneksamiinihaposta hyötyvät potilaat ja siten vähentää traumapotilaiden kuolleisuutta.

Mikä on traneksamiinihappo (TXA)?

Useimmat lääkkeet hoitavat jotakin sairautta tai vaivaa. Jotkin voivat kuitenkin pelastaa hengen. Yksi niistä on traneksamiinihappo eli TXA. Sitä annetaan potilaille runsaan, tavallisesti vamman aiheuttaman verenvuodon pysäyttämiseksi.

Tarkemmin sanottuna TXA vähentää ja ehkäisee jatkuvaa verenvuotoa edistämällä veren hyytymistä elimistössä. Se estää plasmiini-nimisen entsyymin muodostumista. Plasmiini hajottaa fibriiniä, joka on hyytymiselle välttämätön proteiini.

Tavallisesti plasmiinista on hyötyä, sillä se ehkäisee liiallista hyytymistä ja siitä mahdollisesti seuraavia ongelmia, kuten aivohalvausta, keuhkoemboliaa, syvää laskimotukosta ja sydäninfarktia. Hätätilanteessa, jossa verenvuoto on saatava hallintaan, TXA:n kyky estää sen muodostumista on kuitenkin ratkaiseva.

Henkien pelastaminen hätätilanteissa koneoppimisen avulla

TXA on tärkeä väline vamman aiheuttaman hallitsemattoman verenvuodon hoidossa, olipa potilasta vakauttamassa ensihoitaja liikkuvassa ambulanssissa tai sairaanhoitaja osana päivystyksen hoitotiimiä. TXA ei kuitenkaan sovi kaikille potilaille, sillä siihen liittyy usein vakavia haittavaikutuksia. Siksi päätös sen antamisesta voi olla vaikea.

Koska mahdolliset haittavaikutukset merkitsevät, ettei TXA hyödytä kaikkia, edellä mainittu tutkimus keskittyi tunnistamaan traumapotilaiden alaryhmiä, jotka todennäköisimmin hyötyvät TXA-hoidosta. Tulevaisuudessa näiden potilaiden tunnistaminen voi auttaa uudistamaan nykyisiä lääkkeen antamisen edellytyksiä koskevia käytäntöjä.

Tutkijat analysoivat koneoppimisen avulla Japan Trauma Data Bank -tietokannan yli 50 000 potilaan tiedot ja tunnistivat kahdeksan erillistä traumafenotyyppiä eli havaittaviin ominaisuuksiin perustuvaa ryhmää. Sen jälkeen he tarkastelivat TXA:n vaikutusta näiden ryhmien sairaalakuolleisuuteen. Joissakin alaryhmissä kuolleisuus väheni merkittävästi TXA-hoidon yhteydessä, kun taas toiset eivät hyötyneet siitä.

Tutkimus korostaa traumapotilaiden tilanteiden moninaisuutta: vammojen tyyppi ja vakavuus vaihtelevat suuresti, mikä vaikeuttaa hoidon tehon ennustamista yksittäiselle potilaalle. Tutkimuksen tavoitteena on parantaa traumapotilaiden yksilöllistä hoitoa ja siten hoidon kokonaislaatua ja selviytymistä tässä suuren riskin potilasryhmässä. Potilaskohtainen hoitotapa voisi tehostaa TXA:n käyttöä, vähentää tarpeettomia haittavaikutuksia ja parantaa hoitotuloksia koneoppimisen avulla.

Koneoppiminen mullistavien teknologioiden keskeisenä vauhdittajana

Tämä tutkimus on tuore esimerkki siitä, miten tekoälyn osa-alueet, kuten koneoppiminen, voivat toimia keskeisenä muutoksen vauhdittajana tai ydinteknologiana lähes millä tahansa alalla. Ark Invest korosti tätä havaintoa Big Ideas 2024 -raportissaan.

Tämä johtuu suurelta osin tekoälyn kyvystä käsitellä valtavia tietomääriä ja tunnistaa niistä säännönmukaisuuksia. Se pystyy siihen ihmistä tehokkaammin ja kehittyy yhä nopeammin.

Koneoppimisen asiantuntijat

Koneoppimisen hyödyntäminen päätöksissä siitä, annetaanko potilaalle TXA:ta, saattaa vielä vaatia aikaa ennen käytännön käyttöönottoa. Useat yritykset kuitenkin kehittävät tekniikkaa jo nyt. Jotkin ovat jo ottaneet sen käyttöön muilla yhtä tärkeillä terveydenhuollon osa-alueilla.

*Alla olevat luvut olivat oikeita kirjoitushetkellä ja voivat muuttua. Mahdollisten sijoittajien tulee tarkistaa tunnusluvut itse.*

1. NVIDIA

NVDA Hintakaavio

Markkina-arvo Ennustettu P/E 1 v. Osakekohtainen tulos (EPS)
2,179,359,750,000 38.31 $11.94

NVIDIA (NVDA ) on ollut tekoälykehityksen eturintamassa ja käyttänyt tehokasta grafiikkasuoritintekniikkaansa eri alojen, myös terveydenhuollon, edistämiseen. Terveydenhuollossa sen tekoälyalustat nopeuttavat lääkekehitystä, lääketieteellistä kuvantamista ja geneettistä analyysiä. Grafiikkasuorittimet esimerkiksi nopeuttavat suurten tietoaineistojen käsittelyä kuvantamisdiagnostiikassa ja auttavat tunnistamaan sairauksia röntgen- ja magneettikuvista entistä tarkemmin ja nopeammin.

NVIDIA kehittää tutkimuslaitosten ja terveydenhuollon organisaatioiden kanssa tekoälytyökaluja, jotka ennustavat sairauksia, parantavat hoitotuloksia ja vähentävät terveydenhuollon kustannuksia. Näillä hankkeilla se parantaa nykyisiä terveydenhuollon sovelluksia ja kehittää uusia tekoälyyn perustuvia tapoja diagnosoida ja hoitaa sairauksia.

Kirjoitushetkellä useimpien analyytikoiden suositus NVDA-osakkeelle oli ”Vahva osto”.

2. Powerful Medical

Powerful Medicalin keskeinen tuote ja palvelu on PMCardio. Alusta auttaa terveydenhuollon ammattilaisia analysoimaan ja tulkitsemaan sydäntapahtumia sekä diagnosoimaan ja hoitamaan niitä.

Se analysoi EKG-tutkimuksia koneoppimisen avulla ja vertaa niitä laajaan potilastietokantaan. Näin PMcardio voi tunnistaa sydäninfarktit ja muut poikkeavuudet tarkasti ja nopeasti.

Alustan vahvuus on kyky tuottaa tarkkoja diagnooseja jo ensimmäisessä hoitokontaktissa. Se on ratkaisevaa sydän- ja verisuonitautien hätätilanteiden oikea-aikaiselle hoidolle. PMcardion tekniikka on erityisen merkittävä, koska se auttaa tunnistamaan sydänsairauksia, jotka voivat jäädä havaitsematta perinteisillä diagnostisilla menetelmillä.

Hyödyntämällä tekoälyä PMcardio tarjoaa terveydenhuollon ammattilaisille tehokkaan työkalun, joka parantaa hoidon koordinointia, sujuvoittaa hoidon kiireellisyyden arviointia ja auttaa havaitsemaan mahdollisesti hengenvaaralliset sydäntapahtumat varhain ja tarkasti. Tämä lääketieteellisen tekniikan edistysaskel osoittaa, miten tekoäly voi mullistaa sydän- ja verisuonitautien diagnostiikkaa parantamalla kykyä ennustaa ja hoitaa sydänsairauksia tehokkaasti.

PMcardio onnistui 1. maaliskuuta 2024 saamaan 7,5 miljoonan euron rahoituksen Euroopan innovaationeuvostolta tekoälyyn perustuvien diagnostiikkatyökalujensa kehittämiseen. Tämä osoittaa niiden lupaavuuden yhden maailman yleisimmän kuolinsyyn torjunnassa.

Joshua Stoner on monipuolinen ammattilainen. Hänellä on suuri kiinnostus vallankumoukselliseen 'blockchain' -tekniikkaan.