Artificiell intelligens

Föråldrade nödförfaranden redo att moderniseras med maskininlärning

mm
Lägg till Securities.io bland dina föredragna källor på Google
Information: Securities.io kan få ersättning när du använder länkar till produkter vi granskar. Det påverkar inte våra redaktionella bedömningar. Vi är inte registrerad investeringsrådgivare; detta är inte investeringsråd. Läs vår affiliateinformation.

New data från Osaka University har visat att maskininlärningens snabbt växande förmågor nu kan sträcka sig till nödsituationer. Ett forskarteam har visat att tekniken nu effektivt kan hjälpa till att identifiera lämpliga kandidater för Tranexamic Acid, vilket minskar dödligheten bland traumapatienter.

Vad är Tranexamic Acid (TXA)?

De flesta läkemedel är helt enkelt behandlingar för någon form av tillstånd. Några få, däremot, kan vara verkligt livräddande. En av dessa är Tranexamic Acid, eller ‘TXA’. På sin enklaste nivå ges TXA till patienter för att stoppa omfattande blödning, vanligtvis orsakad av någon form av trauma.

Vid närmare granskning fungerar TXA genom att minska och förhindra fortsatt blödning genom att främja blodproppsbildning i kroppen.  Det uppnås genom att hindra bildandet av ett enzym som heter plasmin, vilket bryter ner det protein som är avgörande för koagulering – fibrin.

Normalt är närvaron av plasmin positivt, eftersom det förhindrar överdriven koagulering och en rad sjukdomar (t.ex. stroke, lungemboli, djup ventrombos, hjärtinfarkt, etc.) som kan uppstå.  Men i en nödsituation där blödning måste kontrolleras är TXA:s förmåga att hindra dess bildning avgörande.

Att rädda liv i nödsituationer med maskininlärning

Oavsett om det är en frontlinje-ambulanssjukvårdare som arbetar för att stabilisera en patient i baksätet på en rörlig ambulans, eller en sjuksköterska som arbetar tillsammans med ett team av vårdpersonal på en akutmottagning, är TXA fortfarande ett viktigt verktyg för att hantera okontrollerad blödning till följd av trauma.  Det är dock viktigt att inse att TXA inte är lämplig för alla patienter, eftersom den ofta åtföljs av allvarliga biverkningar, vilket gör beslutet om administrering svårt.

Genom att inse att TXA inte är universellt fördelaktigt på grund av potentiella biverkningar fokuserade den ovan nämnda studien på att identifiera specifika subgrupper av traumapatienter som sannolikt skulle ha nytta av TXA-behandling.  I framtiden kan denna förmåga att identifiera kandidater spela en viktig roll i att modernisera befintliga protokoll för att fastställa behörighet för administrering.

Genom att använda maskininlärningstekniker analyserade forskarna data från över 50 000 patienter i Japan Trauma Data Bank för att identifiera åtta distinkta trauma‑fenotyper (grupperingar baserade på observerbara egenskaper).  De undersökte sedan TXA:s påverkan på dessa fenotyper med avseende på dödlighet på sjukhuset.  Resultaten visade att vissa subgrupper hade en betydande minskning av dödligheten när de behandlades med TXA, medan andra inte drog nytta.

Studien understryker de olika presentationerna av traumapatienter, vars skador varierar kraftigt i typ och svårighetsgrad, vilket gör det svårt att förutsäga behandlingsresultat på individuell nivå.  Målet med denna forskning är att förbättra personligt anpassad vård för traumapatienter, vilket i sin tur förbättrar den övergripande vårdkvaliteten och överlevnadsgraden i denna högriskgrupp.  Detta patient‑specifika behandlingssätt kan leda till en mer effektiv användning av TXA i traumavården, minska onödiga biverkningar och optimera resultat – allt tack vare maskininlärning.

Maskininlärning: En central katalysator över disruptiva teknologier

Denna studie är den senaste i en växande mängd exempel som belyser hur delmängder av artificiell intelligens, såsom maskininlärning, kan fungera som en central katalysator eller ‘kärnteknologi’ inom nästan alla sektorer – en insikt som underströks i Ark Invests ‘Big Ideas 2024’.

Mycket av detta tillskrivs AI:s förmåga att bearbeta och känna igen mönster i enorma datamängder. Den kan göra det mer effektivt än någon människa och utvecklas allt snabbare.

Maskininlärningsspecialister

Även om det kan dröja ett tag innan maskininlärning används för att avgöra om en patient ska få TXA i praktiken, finns det flera företag som redan arbetar med att utveckla tekniken vidare.  Faktum är att vissa redan har börjat integrera den i andra delar av vården som är lika viktiga.

*Siffrorna nedan var korrekta vid skrivandet och kan komma att förändras.  Eventuella investerare bör verifiera uppgifterna*

1. NVIDIA

NVDA Prisdiagram

Marknadsvärde Framtida P/E 1 år Vinst per aktie (EPS)
2,179,359,750,000 38.31 $11.94

NVIDIA (NVDA ) har varit i framkant av AI‑utvecklingen och utnyttjar sin kraftfulla GPU‑teknik för att driva fram olika sektorer, inklusive hälso‑ och sjukvård.  Inom vården används NVIDIAs AI‑plattformar för att påskynda läkemedelsupptäckt, medicinsk bildbehandling och genetisk analys.  Till exempel möjliggör deras GPU:er snabbare bearbetning av stora datamängder för uppgifter som bilddiagnostik, vilket hjälper till att identifiera sjukdomar från röntgenbilder och MR‑bilder med större noggrannhet och hastighet.

NVIDIA samarbetar med forskningsinstitutioner och vårdorganisationer för att utveckla AI‑verktyg som förutsäger sjukdomar, förbättrar patientresultat och minskar vårdkostnader.  Genom dessa initiativ förbättrar NVIDIA befintliga vårdapplikationer och banar väg för nya sätt att diagnostisera och behandla sjukdomar med AI:s kraft.

Vid skrivandet var NVDA listad av majoriteten av analytikerna som en ‘Starkt köp’

2. Powerful Medical

Flaggskeppsprodukten/tjänsten från Powerful Medical är känd som PMCardio.  Detta är en plattform som är utformad för att hjälpa vårdpersonal att analysera, tolka, diagnostisera och behandla hjärt‑händelser.

Den använder maskininlärning för att analysera EKG:n och jämföra dem med en omfattande databas av patientjournaler.  Detta gör att PMCardio kan upptäcka myokardinfarkter, även kallade ‘hjärtinfarkter’, samt andra avvikelser på ett exakt och snabbt sätt.

Plattformen utmärker sig genom sin förmåga att leverera precisa diagnoser redan vid första kontakten, vilket är avgörande för snabb insats vid kardiovaskulära nödsituationer.  PMCardios teknik är särskilt betydelsefull eftersom den hjälper till att fylla det kritiska gapet i att upptäcka hjärtproblem som kanske inte är uppenbara med traditionella diagnostiska metoder.

Genom att integrera AI i sin verksamhet erbjuder PMCardio vårdpersonal ett kraftfullt verktyg som förbättrar vårdkoordineringen, effektiviserar triageprocessen och säkerställer tidig och exakt upptäckt av potentiellt livshotande hjärt‑händelser.  Detta framsteg inom medicinsk teknik belyser AI:s potential att revolutionera området för kardiovaskulär diagnostik genom att förbättra förmågan att förutsäga och behandla hjärtsjukdomar effektivt.

Redan den 1 mars 2024 lyckades PMCardio säkra 7,5 M€ i finansiering från European Innovation Council för att fortsätta utveckla sina AI‑baserade diagnostiska verktyg, vilket visar dess potential att motverka en av världens ledande dödsorsaker.

Joshua Stoner är en mångfacetterad yrkesverksam person. Han har ett stort intresse för den revolutionerande 'blockchain'-tekniken.