Listly by Teknologirådet
Teknologirådet utarbeider i forbindelse med vårt prosjekt «Mobil helse» en liste over helseløsninger som bruker ulike former for kunstig intelligens.
Kunstig intelligens (KI), gjør det mulig å utvikle KI-teknikker eller såkalte KI-algoritmer, som er i stand til å analysere komplekse problemer og å foreslå skreddersydde løsninger, og de kan lære av erfaring. Store mengder digitale helsedata, rimelig regnekraft og bedre algoritmer har ført til flere gjennombrudd av kunstig intelligens på helsefeltet. Vi vil med denne listen prøve å danne oss en oversikt over hva som allerede er tilgjengelig og hva kommer rundt neste sving.
Kunstig intelligens kommer i ulike former; for vanlige folk presenteres de gjerne som personlige assistenter (såkalte chatbotter) (#helseassistent), for helsepersonell som beslutningstøttesystemer (#beslutningstøtte) og for helseadministratorer som planleggingsverktøy.
KI kan bidra med hjelp til følgende:
Listen gir et inblikk i prosjekter som er i pilotfase (#pilot), prosjekter som har rapportert resultater eller kliniske bevis (#resultater), løsninger om er i bruk i helsetjenesten (#helsetjenesten) og mobil-apper som er kommersielt tilgjengelig for lekfolk (#konsument). Man kan også søke etter norske prosjekter eller løsninger (#norsk).
Du kan søke i listen på søkeord, eller såkalte "tagger" som er oppgitt under fanen "Filter". Listen er ikke uttømmende, og oppdateres stadig. Listen er ikke et uttrykk for Teknologirådets anbefalinger.
Vi ønsker å dele og bygge opp informasjonen sammen med publikum. Du kan lese mer om hvordan du kan bidra her.
Ada er en helseassistent som tolker symptomer og har mulighet for å kontakte lege (kun tilgjengelig i Storbritannia).
Ada ber brukeren svare på spørsmål om symptomer og kommer etter hvert frem til en liste med mulige sykdommer, med en prosent sannsynlighet. Hvis man klikker inn på en mulig sykdom kommer det frem en begrunnelse, som hvilke symptomer som leder til denne hypotesen og hvor mange med de samme symptomene som har den samme diagnosen.
Hvilke data brukes
Hvilke algoritmer brukes
Status
AliveCOR tilbyr mobil-appen Kardia for vanlige brukere og ipad-appen Kardia Pro for helsepersonell.
Hvordan virker det
Hvilke data brukes
Hvilke algoritmer brukes
Status
Aktuelt
Amazons Alexa er en maskin som forstår naturlig språk og kan gjøre det om til digitale signaler. Alexa er et forbrukerprodukt som har blitt tatt i bruk hjemme hos folk for å spørre om været eller finne TV-program.
Hvordan brukes det
Alexa begynner å bli testet ut på flere sykehus i USA.
Tekst-til-tale:
Tale-til-tekst
Hvilke data brukes
Hvilke algoritmer brukes
Mer informasjon
Anzyz Technology har sammen med Sørlandet sykehus og Universitetet i Agder utviklet et system for å identifisere tidlige tegn på allergier. Neste skritt er å kunne stille diagnose.
Hvilke data brukes
Hvilke algoritmer
Status
Atlas Wearables er et treningsarmbånd, en app pluss en intelligent plattform.
Hvordan virker det
Brukere blir oppfordret til å dele sine bevegelses- og treningsdata på Atlas Sweat Lab der dataene analyseres ved hjelp av maskinlæring for å utvikle stadig bedre treningsprogrammer.
Hvilke data brukes
Hvilke metoder brukes
A deep-learning algorithm is developed to provide rapid and accurate diagnosis of clinical 3D head CT-scan images to triage and prioritize urgent neurological events, thus potentially accelerating time to diagnosis and care in clinical settings.
A unique imaging-recognition study focusing on the breadth of acute neurologic events, such as stroke or head trauma, was carried out on over 37,000 head CT 3-D scans, which the algorithm analyzed for 13 different anatomical findings versus gold-standard labels (annotated by expert radiologists) and achieved an AUC of 0.73 (ref. 27). A simulated prospective, double-blind, randomized control trial was conducted with real cases from the dataset and showed that the deep-learning algorithm could interpret scans 150 times faster than radiologists.
Ayashdi identifiserer og skalerer opp pasientforløpene som er mest kostnadseffektiv. Ambisjonen er å analysere helsedata for å kunne levere bedre, rimeligere og mer tidsriktig helsetjenester i fremover.
Hvilke data brukes
Hvilke algoritmer brukes
Status
Babylon er en personlig helseassistent i form av en mobil-app.
Hvordan brukes det?
En person som har symptomer på sykdom kan stille spørsmål om symptomene. Hvis appen vurderer at det er behov for å kontake legen, kan man opprette en videokonsultasjon på mobiltelefonen med den første ledige legen. Legen svarer på spørsmål, og gjør en konsultasjon og skriver eventuelt ut resept på medisiner. Hvis det er indikasjoner på alvorlig sykdom oppfordres brukeren til å ta kontakt med sin fastlege.
Brukeren kan bestille og utføre tester for bl.a. diabetes og leversykdom, eller for en generell helsesjekk.
Appen følger kontinuerlig med på informasjon fra målinger og tester som brukeren gjør, også fra andre helse- og treningsapper. Det kan være målinger av hjerterytme og søvnmønster og blodprøver av kalsium, stoffskifte og kolesterolnivå. Appen utarbeider personaliserte helseplaner for å holde brukeren på "grønt nivå", hvor de har den beste helsetilstanden. Appen gir også alarmer hvis brukeren er på gult eller rødt nivå, noe som indikerer en dårlig utvikling av helsetilstanden. Brukeren betaler et månedlig beløp, og kan stille så mange spørsmål hun ønsker.
Status
• Babylon Health har blitt evaluert av Care Quality Commission i juni 2016. Tjenesten har blitt godkjent på alle de 5 evalueringspunktene "safe", "effective", "caring", "responsive" og "well-led".
• I et pilotprosjekt nord for London vil 1,2 millioner prøve ut en versjon for å vurder om den kan erstatte call-centeret på legevakten (111).
• Babylon-appen er tilgjengelig i Storbritannia i Apples App Store og Google Play
• Babylon har en beta-versjon som tolker symptomer og gir diagnose automatisk basert på talebaserte spørsmål
• Babylon har ambisjon om at den neste versjonen (april 2017) vil være den første roboten som er klinisk sertifisert av det britiske Medicines and Healthcare Prodicts Regylatory Agency som stiiler en medisinsk diagnose.
Aktuelt
• Mer informasjon om Babylon Health; artikkel i Financial Times, januar 2017.
• Mer informasjon om hvordan applikasjonen kan brukes (Youtube-video).
• Forskningsartikkel som undersøker hvor godt Babylon Health "triagerer" sammenlignet med leger og sykepleiere. Studien vurderer "sjekk-funksjon" til å være trygg i 100% av tilfellene, 13% mer nøyaktig enn en lege, 17% mer nøyaktig enn en sykepleier, og gjør vurderingene betydelig raskere 89% av tiden. arXiv, juni 2016.
• Mer informasjon om forretningsmodellen bak Babylon (Forbes).
BergHealth tilbyr sanntids analytiske løsninger som forutsir effekten av behandlingsplaner på individnivå for å kunne optimalisere behandlinger, på individnivå og på befolkningsnivå.
Hvordan virker det
Plattformen analyserer en rekke biologiske data ved hjelp av maskinlæringsalgoritmer og bygger prediktive modeller basert på ulike fenotyper.
Data som brukes
Metoder som brukes
BrandEmotions er et produkt fra Amyx og McKinsey som jobber med bl.a. med maskinlæring for å kvantifisere en persons følelser. Metodene prøver i første omgang å måle hvordan en person reagerer på reklame for deres merkevareopplevelse, som feks en konsert eller hotellopphold. I neste omgang ønsker de å bruke denne kunnskapen i helsesammenheng. (Ikke funnet for hvilke sykdomer.)
Hvilke data brukes
Hvilke metoder brukes
Mer informasjon
BrightMD er en legeassistent som hjelper pasient og lege å gjøre en diagnose basert på den informasjonen brukeren oppgir om sine symptomer.
Hvordan virker det
Systemet veileder brukeren gjennom en rekke spørsmål og bruker maskinlæring for å komme frem til diagnose og anbefalt behandling.
Data som brukes
Metoder som brukes
Mer informasjon
Cardiogram er en mobil-app som samler aktivitets- og treningsdata inkludert puls fra en smartklokke (Apple Watch og Android Wear).
Den første versjonen brukes for å motivere brukeren til å leve sunnere.
Neste versjon: Cardiogram har inngått et samarbeid med with UCSF for å kunne oppdage atrieflimmer og dermed forebygge slag ved å bruke dyplæringsalgoritmer.
Brukeren av appen blir spurt om de også ønsker å dele sine data til mRythm studien for å hjelpe til for å kunne oppdage atrieflimmer.
Hvordan virker det
Atrieflimmer kan behandles men mange kjenner ingen symptomer så det blir ofte ikke oppdaget. Hjertets normale rytme varierer fra slag til slag, og mønsteret av variasjon avhengig av hva som skjer i livet ditt, enten du er stresset, opphisset, trener, eller bare drakk kaffe. Atrieflimmer er svært variabel, men på en måte som er tilfeldig. Ved hjelp av en teknikk som kalles semi-veiledet dyplæring (engelsk: semi-supervised deep learning), bygger Cardiogram en algoritme som kan skille mellom mønsteret av variasjon i hjertefrekvens i en normal hjerterytme og hos noen med atrieflimmer.
Data som brukes
Metoder som brukes
Status
Denne artikkelen er ikke ferdig
Clinicloud tilbyr et digitalt termometer og et stetoskop som kan kobles til en mobiltelefon. Familier kan bruke dette til å gjøre målinger av temperatur og med stetoskoper, som deretter sendes til legen eller til at KI-system som går gjennom og analyserer dataene.
Systemet bruker kunstig intelligens.
Deep 6 AI er et oppstartsselskap som gjør dataanalyse av ustrukturerte data som pasientjournaler for å finne kandidater til kliniske utprøvinger av medisiner.
Hvilke data brukes
Hvilke algoritmer brukes
Status
Deep Genomics utvikler algortimer for å kunne forutsi hva som vil skje i en celle når DNA er endret av genetisk variasjon, enten naturlig eller terapeutisk.
Hvordan virker det
Selskapets vitenskapelige og teknologiske veikart er å bygge et integrert beregningssystem som kan lære, forutsi og tolke hvordan genetisk variasjon, enten naturlig eller terapeutisk, endrer viktige cellulære prosesser. Disse prosessene inkluderer transkripsjon, spleising, polyadenylering og oversettelse, og deres endring kan føre til sykdom eller effektiv behandling.
Data som brukes
Metoder som brukes
Aktuelt
DeepMind utvikler teknikker for maskinlæring, og spesielt dyplæring i ulike domener. De ble kjent da deres algoritmer klarte å slå verdenmesteren i brettspillet Go.
På helseområdet ønsker er å bruk maskinlæring og spesielt dyplæringsteknikker for å forbedre diagnostisering og behandling av sykdommer. De samarbeider med NHS i Storbritannia på følgende områder:
Utprøvingsprosjekter:
Forskningsprosjekter:
Hvilke data bruker de
Hvilke metoder bruker de
Aktuelt
Deep Patient er system utviklet i et forskningsprosjekt på Mount Sinai sykehuset i New York. Deep Patient har vist seg veldig god til å forutse når folk var på vei til å få flere typer plager, inkludert leverkreft. Algoritmene så også ut til å forutse starten på psykiatriske lidelser som schizofreni overraskende bra.
Hvilke data brukes
Hvilke algoritmer brukes
Status
Dyplæringsteknikker som kan detektere brystkreft fra mammografi-bilder på nivå med radiologer.
Algoritmer basert på dyplæring kan diagnostisere 14 ulike arytmier på nivå med kardiologer
Det norske selskapet Diffia står bak den kliniske helse-applikasjonen Nimble, som har som mål å fjerne tidstyver i det kliniske arbeidet.
Hvordan virker det
Ambisjonen er å designe en løsning som sømløst flyter inn i arbeidsflyten på en sykehusavdeling slik at Nimble helsepersonell kan kommunisere, dokumentere og dele pasientinformasjon på en mer effektiv og smartere måte.
Samtidig åpner teknologien opp for at pasienten selv, ved hjelp av en smarttelefon eller nettbrett, kan angi og dele egne helseopplysninger mens de er på venteværelset. Helseopplysninger blir umiddelbart tilgjengelige for behandlende helsepersonell på avdelingen. (Kilde: e-post med Soheil Dabestani, Diffia.)
Hvilke data brukes
Hvilke algoritmer brukes
Status
Mer informasjon
DoMore er et
EDEN Technology is an in silico antigen discovery platform that integrates big data, artificial intelligence and supercomputing. The key strength of EDEN is the ability to identify novel antigens, which cannot be identified with current technologies that elicit a highly and broadly protective immune response.
Enlitic bruker dyplæringsnettvek for å undersøke millioner av bilder for å automatisk lære å identifisere sykdom. Dyplæringsnettverkene kan søke etter mange sykdommer samtidig, og de kan hjelpe med å tidlig oppdage sykdom, planlegging av behandling og overvåkning av sykdom.
Hvordan virker det
Enlitic arbeider med et bredt spekter av samarbeidspartnere og datakilder for å utvikle state-of-the-art klinisk beslutningsstøtte på følgende områder:
Data som brukes
Metoder som brukes
Aktuelt
Entopsis
Another early molecular diagnosis startup is Entopsis, a medical diagnosis platform that can screen for medical conditions using nano-engineering and machine learning. Entopsis is able to detect patterns and biomarkers that point to specific conditions by analyzing the protein composition of biofluids.
After incubating a biofluid sample using their Nanoscale Unbiased TExtured Capture (NUTeC) process to capture molecules, Entopsis applies its signature analysis based on machine learning algorithms to analyze the molecular signature on a NUTeC glass. The scanned signatures are then uploaded to the cloud to run signature comparison against others in the database to find similar profiles.
Entopsis desires to give consumers direct access to NUTeC dishes to collect biofluids and send it in for molecular analysis. Could NUTeC glasses be equipped with IoT sensors to optically scan and transmit signature data to the cloud remotely?
(Skrive en post på selvtester også.)