Light AI hat gerade erst eine Partnerschaft mit “MrBeast,” dem #1-Social-Media-Influencer der Welt, bekannt gegeben: KI-gestützte “StrepA-Tests” sollen in Afrika angeboten werden: Diese laufende Partnerschaft dürfte dem kommerziellen Start von Light AI in Afrika im Laufe dieses Jahres einen großen Schub verleihen. Für alle die, die den Wert dieser Partnerschaft nicht einordnen können:

“MrBeast” ist einer der erfolgreichsten YouTuber der Welt, ein YouTube-Phänomen könnte man sogar schreiben. Er revolutionierte die Plattform mit aufwendigen Videos, die durch spektakuläre Stunts, kreative Wettbewerbe und großzügige Geldvergaben charakterisiert sind. Mit über 366 Millionen Abonnenten führt er den erfolgreichsten Kanal auf YouTube. Sein digitales Imperium umfasst vier weitere Kanäle: „MrBeast Gaming", „Beast Reacts", „Beast Philanthropy" und „MrBeast 2". Auch auf “TikTok” hat er mit über 115 Millionen Followern den drittgrößten Account weltweit etabliert. Donaldsons Erfolg basiert auf unkonventionellen Videokonzepten, die gezielt Aufsehen erregen. Er präsentiert sich häufig als großzügiger Geldgeber für Influencer und Streamer. Seine Kreativität zeigt sich auch in außergewöhnlichen Formaten, wie dem geduldigen Beobachten trocknender Farbe oder einem 40-stündigen Marathon, in dem er bis 100.000 zählte.

Ein markantes Merkmal seiner Arbeit ist sein philanthropisches Engagement.

Und das dürfte auch einer der Gründe sein, warum sich “MrBeast” für eine Partnerschaft mit Light AI entschieden hat. Die Werte von “Mr Beast” stimmen mit denen des Unternehmens überein und machen die Zusammenarbeit für das Publikum noch authentischer. Nur wenige Beispiele: Regelmäßig fließen nämlich beträchtliche Summen von “MrBeast” an wohltätige Organisationen – darunter 100.000 US-Dollar an ein Obdachlosenheim, 10.000 US-Dollar an ein Tierheim und 70.000 US-Dollar an das “Saint Jude Children's Research Hospital”. Hier geht es zum Video: 

Diese kommerzielle Partnerschaft bietet Light AI zahlreiche strategische Vorteile.

Durch die massive Reichweite von “MrBeast” können Millionen von Zuschauern weltweit mit jeder Veröffentlichung erreicht werden und Light AI kann den Zugang zu spezifischen Zielgruppen gewinnen, die durch traditionelle Medien oft schwer ansprechbar sind. Die globale Präsenz des weltweit erfolgreichsten YouTuber ermöglicht es dem Unternehmen zudem, internationale Märkte ohne aufwendige lokale Marketingstrukturen zu erschließen.

Win-Win: Ein wesentlicher Vorteil liegt im Vertrauenstransfer.

YouTuber haben typischerweise eine sehr enge Bindung zu ihrer Community aufgebaut, wodurch Produktdarstellungen authentischer wirken - weniger wie Werbung und mehr wie persönliche Empfehlungen. Die Glaubwürdigkeit dieser geschätzten Persönlichkeiten führt dazu, dass ihre Empfehlungen besser angenommen werden als klassische Werbebotschaften. Dies spiegelt sich in höheren Engagement-Raten wider, da Videos mit integrierten Partnerschaften oft stärkere Interaktionen erzielen als traditionelle Werbemittel. Im Gegensatz zu kurzen Werbespots können Produktplatzierungen in längeren Videos geschickt eingebettet werden, was die Aufmerksamkeitsspanne erhöht. Besonders kreative Kollaborationen haben zudem virales Potenzial und können sich über die bestehende Followerschaft hinaus verbreiten. Durch die sogenannten “Affiliate-Links”, Rabattcodes und direkte Verkaufsförderung etwa können unmittelbare Verkaufsimpulse gesetzt werden, deren Erfolg sich präzise messen lässt. Eine wertvolle Partnerschaft also, die sich auszahlen dürfte.

“Digital Health” umfasst die Verwendung von digitalen Technologien, Informations- und Kommunikationssystemen im Gesundheitswesen. Dies reicht von mobilen Gesundheits-Apps und den sogenannten “Wearable Devices” über Telemedizin bis hin zu KI-gestützten Diagnosesystemen und elektronischen Patientenakten. Seltene und komplexe Krankheiten betreffen weltweit über 300 Millionen Patienten, in Kanada etwa lebt einer von zwölf Menschen mit einer seltenen Erkrankung. Noch alarmierender ist die beträchtliche Anzahl von Menschen, die nicht diagnostiziert werden und sich ihrer Grunderkrankungen nicht bewusst sind. Für diejenigen, die Symptome zeigen, ist der Weg zu einer korrekten Diagnose ein beschwerlicher. Im Durchschnitt konsultieren sie 8 Ärzte und erleiden 2-3 Fehldiagnosen über einen Zeitraum von 4,8 Jahren, bevor sie eine genaue Diagnose erhalten.

Kl-gestützte Entscheidungsunterstützung ist die Zukunft des Gesundheitswesens

Eine künstliche Intelligenz (KI) oder auch artifizielle Intelligenz (AI) ist ein Teilgebiet der Informatik, welches sich mit der Automatisierung intelligenten Verhaltens und dem maschinellen Lernen befasst. Künstliche Intelligenzen beschreiben meist den Versuch, bestimmte menschliche Entscheidungsstrukturen nachzubilden, sodass diese relativ eigenständig Probleme lösen können. Egal ob bei medizinischen Diagnosen, der Exploration von Ölquellen oder auch in der Juristik, die Anwendungsbereiche der künstlichen Intelligenzen sind vielfältig etabliert. Auf der einen Seite dienen KIs der Automatisierung und Optimierung von Prozessen in verschiedenen Bereichen, wie etwa dem Gesundheitswesen oder der Finanzbranche. Sie dienen der Verbesserung von Entscheidungen und Vorhersagen durch die Analyse großer Datenmengen. Außerdem können sie Muster und Zusammenhänge entdecken, die für Menschen schwer zu erkennen sind. Auch sind viele neuere Produkte und Dienstleistungen ohne eine KI nicht möglich.

Die Chancen von Künstlicher Intelligenz (KI) im Gesundheitsbereich sind groß und vielfältig.

Die Methoden des maschinellen Lernens haben sich zu einer Schlüsseltechnologie in einer Vielzahl von Anwendungsbereichen entwickelt und sind aus der Medizintechnik nicht mehr wegzudenken. Sie ermöglichen die Verarbeitung komplexer multivariater Signale direkt am Krankenbett und werden zu völlig neuen therapeutischen und diagnostischen Ansätzen führen. Maschinelles Lernen bietet ein enormes Potenzial und stellt einen entscheidenden Wettbewerbsvorteil bei der Entwicklung innovativer Medizinprodukte dar. Und zwar bei der Diagnose von Krankheiten: Die korrekte Diagnose von Krankheiten erfordert eine jahrelange medizinische Ausbildung. Aber auch dann ist die Diagnose oft noch ein mühsamer und langwieriger Prozess. In vielen Bereichen übersteigt die Nachfrage nach Experten das Angebot bei weitem. Das wiederum erhöht den Druck auf die Ärzte und verzögert nicht selten lebensrettende Diagnosen für Patienten. Maschinelles Lernen - insbesondere die sogenannten Deep-Learning-Algorithmen - hat in jüngster Zeit große Fortschritte bei der automatischen Diagnose von Krankheiten gemacht, wodurch die Diagnose billiger und leichter zugänglich wird. Da in diesen Fällen viele gute Daten vorliegen, können Algorithmen in der Diagnostik genauso gute Ergebnisse erzielen wie Experten. Der Unterschied: Der Algorithmus kann Ergebnisse in Sekundenbruchteilen liefern und ist überall auf der Welt kostengünstig einsetzbar.

Und das ist erst der Anfang. Bald wird es noch fortschrittlichere KI-Diagnostik geben!

Die Anwendung von maschinellem Lernen in der Diagnostik steht erst am Anfang - ausgefeiltere Systeme kombinieren mehrere Datenquellen (CT, MRT, Genomik und Proteomik, Patientendaten und sogar handschriftliche Aufzeichnungen), um eine Krankheit oder ihren Verlauf zu beurteilen. Die “KI” wird Ärzte in absehbarer Zeit zwar nicht ersetzen können, aber “KI-Systeme” können etwa eingesetzt werden, um potenziell bösartige Läsionen oder gefährliche Herzmuster für den Experten zu markieren, so dass sich der Arzt auf die Interpretation dieser Signale konzentrieren kann. “In der Medizin kann KI eine entscheidende Hilfe für die Ärzte und das medizinische Personal sein. Mit dem Einsatz von Methoden der künstlichen Intelligenz kann die Patientenversorgung verbessert und das medizinische Personal entlastet werden.” 

Die “KI” verbessert die Entwicklung von Arzneimitteln.

Viele analytische Prozesse in der Arzneimittelentwicklung können durch die “KI” effizienter und weniger kostenintensiv gestaltet werden. Dadurch können Jahre an Arbeit und Hunderte von Millionen an Investitionen eingespart werden. Verschiedene Patienten reagieren unterschiedlich auf Medikamente und Behandlungspläne. Eine personalisierte Behandlung hat daher ein immenses Potenzial, die Lebenserwartung von Patienten zu erhöhen. Es ist jedoch sehr schwierig herauszufinden, welche Faktoren die Wahl der Behandlung beeinflussen sollten. Die “KI” kann diese komplizierte statistische Arbeit automatisieren - und dabei helfen, herauszufinden, welche Merkmale darauf hindeuten, dass ein Patient auf eine bestimmte Behandlung anspricht. Die “KI” lernt dies, indem es die Daten ähnlicher Patienten vergleicht und deren Behandlungen und Ergebnisse miteinander in Beziehung setzt. Die daraus resultierenden Ergebnisprognosen helfen den Ärzten, den richtigen Behandlungsplan zu entwerfen.

“Der Einsatz von künstlicher Intelligenz in der Medizin wird in den nächsten Jahren eines der dominierenden Riesenthemen in der Gesundheitsforschung sein”. [...] “Eine kluge künstliche Intelligenz könnte so künftig für die Fachleute in manchen Bereichen eine Art Sparringpartner werden.” Wie KI die Medizin revolutioniert - Helmholtz Home

Das sieht auch Prof. Felix Nensa, vom Institut für KI in der Medizin (IKIM) am Universitätsklinikum Essen, so: “Wenn automatisierte Prozesse und Routinearbeiten für das medizinische Personal wegfallen, wenn zeitaufwändige Abläufe durch digitale Hilfe vereinfacht und Therapien optimiert werden, profitieren Arzt und Patient.” Medizin der Zukunft: Wo Künstliche Intelligenz helfen kann - ZDFheute

Viele Experten gehen sogar davon aus, dass neue KI-Systeme besser als viele Ärzte abschneiden. Medizin & KI: Wie Künstliche Intelligenz den Klinik-Alltag erleichtern soll (handelsblatt.com)

Sicher ist auf jeden Fall, dass die Rolle des Patienten gestärkt wird. “Unterstützt durch die Ärzte, könnten sie eigene Prioritäten setzen, könnten aus den Behandlungsmöglichkeiten, die die KI vorschlägt, jene wählen, die für sie persönlich die richtige ist. Mag also sein, dass Künstliche Intelligenz die Medizin menschlicher machen wird.” KI kann die Medizin verbessern – und sogar menschlicher machen - [GEO]

Der digitale Gesundheitsmarkt, insbesondere im Bereich der KI-gestützten Diagnostik, zeigt ein enormes Wachstumspotenzial.

Das weltweite Marktvolumen für Digital Health wird voraussichtlich von 171,86 Milliarden US-Dollar im Jahr 2024 auf 258,25 Milliarden US-Dollar bis 2029 anwachsen, mit einer jährlichen Wachstumsrate von 8,49%.

“Speziell der Markt für Bilderkennungstechnologien, die für Smartphone-basierte Diagnostik relevant sind, wird allein in der DACH-Region bis 2030 auf 1,27 Milliarden US-Dollar anwachsen.” 

Aktuelle Studien: Wie KI die Patientenversorgung transformiert

Eine wegweisende Studie, kürzlich im renommierten Fachjournal “The Lancet Regional Health” publiziert, eröffnet faszinierende Einblicke in das Potenzial der Künstlichen Intelligenz im medizinischen Kontext. Ein deutsches Forschungskonsortium hat sich der grundlegenden Frage gewidmet, welchen Mehrwert KI-gestützte Entscheidungssysteme in der klinischen Praxis tatsächlich generieren können.

Die Wissenschaftler führten eine umfassende Metaanalyse durch, die 18 randomisierte kontrollierte Studien sowie eine Kohortenstudie einschloss. Das Besondere: Die Untersuchungen umfassten ein breites Spektrum medizinischer Disziplinen - von der Psychiatrie über die Onkologie bis hin zur Inneren Medizin. Mit durchschnittlich 243 Teilnehmenden pro Studie und einem ausgewogenen Geschlechterverhältnis von etwa 50,5 Prozent Frauen wurde eine repräsentative Datenbasis geschaffen, wenngleich die methodische Qualität der einzelnen Studien gewisse Schwankungen aufwies.

Die Resultate sind bemerkenswert:

In nahezu zwei Dritteln der analysierten Studien - präzise 63 Prozent - zeigten sich signifikante Vorteile für Patienten, die mit KI-unterstützten Systemen behandelt wurden. Besonders beeindruckend sind die konkreten Zahlen: Die durchschnittliche Krankenhausverweildauer reduzierte sich um mehr als 20 Prozent, von 13 auf 10,3 Tage. Noch deutlicher fiel die Verkürzung der Intensivstationsaufenthalte aus - hier sank die Behandlungsdauer von 8,4 auf 6,3 Tage, was einer Reduktion um etwa 25 Prozent entspricht.

Geradezu spektakulär erscheint die Entwicklung der Mortalitätsrate:

Die Sterblichkeit im Krankenhaus konnte durch den Einsatz von KI-gestützten Systemen von 21,3 auf 9 Prozent mehr als halbiert werden. Auch im Bereich der psychischen Gesundheit zeigten sich positive Effekte: Bei weniger komplexen Fällen reduzierten sich depressive Symptome von 52,3 auf 45,1 Prozent.

Bemerkenswert ist zudem die Sicherheitsbilanz: Obwohl Nebenwirkungen nur in 42 Prozent der Studien systematisch dokumentiert wurden, zeigte keine einzige Untersuchung eine Zunahme unerwünschter Effekte im Vergleich zur konventionellen Behandlung. Dies unterstreicht das günstige Nutzen-Risiko-Profil der KI-gestützten Interventionen.

Die praktischen Anwendungsfelder der KI in der Medizin sind bereits heute beeindruckend vielfältig:

In der Intensivmedizin ermöglichen maschinelle Lernalgorithmen eine präzise Früherkennung der lebensbedrohlichen Sepsis durch kontinuierliche Analyse der Vitalparameter. Die radiologische Diagnostik profitiert von KI-Systemen, die subtile Gewebeveränderungen und Tumore bereits im Frühstadium detektieren können, noch bevor klinische Symptome “manifest” werden.

Immenses Potenzial der KI in der Medizin

Die dokumentierten Verbesserungen in Behandlungsdauer, Überlebensraten und psychischer Gesundheit lassen auf eine neue Ära der Patientenversorgung hoffen, in der modernste Technologie und ärztliche Expertise synergetisch zusammenwirken.

Mobile Health (“mHealth”): Kernbereiche der digitalen Gesundheit

“Die Bilderkennung als Teil der Computer Vision bezieht sich auf die Technologie, die es Maschinen ermöglicht, visuelle Daten wie Bilder und/ oder Videobilder zu analysieren und zu verstehen. Sie umfasst die Verwendung von Algorithmen und Deep-Learning-Modellen zur Identifizierung von Objekten, Szenen, Mustern und anderen visuellen Elementen in Bildern.” Bild-Erkennung - D-A-CH | Statista Marktprognose

Smartphones und “Wearables” haben sich zu persönlichen Gesundheitsassistenten entwickelt. Sie überwachen Vitalwerte, erinnern an Medikamenteneinnahmen und unterstützen bei der Einhaltung von Therapieplänen. Fitness-Tracker und Gesundheits-Apps fördern präventives Gesundheitsverhalten. KI-Systeme unterstützen bei der Diagnose von Krankheiten, analysieren radiologische Bilder und helfen bei der Entwicklung personalisierter Behandlungspläne. die sogenannten “Machine Learning-Algorithmen” können Krankheitsmuster erkennen und sogar Prognosen erstellen.

“Mobile Health (mHealth) ist ein dynamisches und wachsendes Feld des Gesundheitssektors und stellt ein Teilsegment von Digital Health dar. Das Spektrum reicht von Wearable Computing zu Smartphone-Apps zur Aufzeichnung, Überwachung und Speicherung spezifischer Gesundheitsparameter und kann als eine durch Mobilgeräte elektronisch unterstützte Gesundheitsversorgung verstanden werden.”

Das sind die Vorteile der digitalen Transformation:

Die digitale Transformation im Gesundheitswesen bietet bedeutende Vorteile für Patienten und Gesundheitssysteme. Ein zentraler Aspekt ist die verbesserte Zugänglichkeit zu medizinischer Versorgung, insbesondere in ländlichen Regionen, wo traditionell medizinische Infrastruktur dünn besiedelt ist. Durch automatisierte Prozesse wird die Effizienz gesteigert, was Wartezeiten verkürzt und Ressourcen optimiert.

Ein weiterer wichtiger Fortschritt liegt in den erweiterten Präventionsmöglichkeiten, die durch kontinuierliches Gesundheitsmonitoring ermöglicht werden. Patienten können ihre Gesundheitsdaten in Echtzeit überwachen, was frühzeitige Erkennung von Gesundheitsrisiken ermöglicht. Die Entwicklung personalisierter Medizin basiert auf datengesteuerten Entscheidungen, die individuellere und präzisere Behandlungsstrategien erlauben.

Nicht zuletzt bietet diese technologische Entwicklung das Potenzial zur Kostenreduktion im Gesundheitssystem, indem Prozesse “streamlined” und Präventivmaßnahmen gestärkt werden.

“Mobile Health” (“mHealth”) bietet beste Zukunftsperspektiven

Vor allem “Mobile Health” (“mHealth”) hat sich zu einem leistungsfähigen medizinischen Begleiter entwickelt und revolutioniert die persönliche Gesundheit von Patienten auf der ganzen Welt. Die Integration der sogenannten “Wearables” ermöglicht eine direkte medizinische Kommunikation, die mit den Vorteilen der Telemedizin verglichen werden kann.

“Laut Prognose könnte sich der weltweite Umsatz im Bereich mHealth im Jahr 2028 auf rund 410,4 Milliarden US-Dollar belaufen.” Mobile Health (mHealth) | Statista

Die Nutzung von Smartphones als Hardwareplattform für KI-gestützte Diagnostik eröffnet enorme Möglichkeiten, da weltweit etwa 4,5 Milliarden Smartphones im Einsatz sind. Dies ermöglicht eine schnelle, kostengünstige und weitreichende Implementierung solcher Technologien.

Das Wachstum des Digital-Health-Marktes wird durch Faktoren wie die zunehmende Verbreitung von Smartphones, verbesserte Internetverbindungen und die wachsende Notwendigkeit, die Gesundheitskosten zu senken, vorangetrieben.

“Im globalen Vergleich wird der größte Teil der Marktgröße in den USA erwartet (3.687,00 Mio. € im Jahr 2025).”

KI in der “Digital Health”: Revolution der medizinischen Versorgung

Die Integration von Künstlicher Intelligenz (KI) in den “Digital-Health-Sektor” markiert einen Wendepunkt in der Geschichte der Medizin. Diese Technologie transformiert nicht nur die Art und Weise, wie Krankheiten diagnostiziert und behandelt werden, sondern eröffnet völlig neue Möglichkeiten in der personalisierten Medizin. Die KI ermöglicht eine nie dagewesene Individualisierung der Behandlung bis hin zu einer automatisierten Patientenbetreuung. Das sogenannte “Deep Learning” für Bildanalyse und Mustererkennung oder “Predictive Analytics” für Krankheitsprognosen, die vor allem im Bereich “Mobile Health” (“mHealth”) Anwendung findet, dürften das Gesundheitswesen auf lange Sicht nicht nur entlasten, sondern vor allem zu erheblichen Kosteneinsparungen führen.

Welche Player gibt es im “mHealth-Sektor”?

Moderne Arbeitswelten sind zunehmend von hohen Leistungserwartungen und bürokratischen Strukturen geprägt, die die psychische Gesundheit der Mitarbeiter herausfordern. “Unmind”, eine innovative digitale B2B-Plattform, adressiert diese Herausforderung gezielt durch einen ganzheitlichen Ansatz zur mentalen Unternehmenskultur. Nach erfolgreichen Finanzierungsrunden mit einem Gesamtvolumen von 4,7 Millionen Pfund bietet Unmind ein umfassendes Schulungsprogramm zur psychischen Gesundheit. In enger Zusammenarbeit mit Psychologen entwickelte interaktive Inhalte wie Videos, Audioformate und digitale Übungen ermöglichen Mitarbeitern, Stimmung und Konzentration zu verbessern. Das Ziel ist, Vorurteile am Arbeitsplatz abzubauen und eine Kultur der gegenseitigen Fürsorge und des mentalen Wohlbefindens zu etablieren.

“Ovia Health” bietet ein Familien- und Karrieremanagement mithilfe von digitalen Gesundheitslösungen. Seit 2012 unterstützt das Unternehmen über 13 Millionen Familien mit gezielten Apps wie “Ovia Pregnancy”, “Ovia Parenting” und “Ovia Fertility”. Die Plattform hilft berufstätigen Eltern, komplexe Lebensentscheidungen zu treffen und unterstützt Arbeitgeber beim Mitarbeitererhalt.

Smartphones entwickeln sich zu leistungsfähigen medizinischen Diagnoseinstrumenten. Die Sensortechnologie ermöglicht innovative Gesundheitsüberwachung direkt vom heimischen Standort. Sonys “mSafety”-Plattform demonstriert diese Entwicklung: Mit anpassbarer Smartwatch und Cloud-Technologie überwachen europäische Krankenhäuser beispielsweise Nierenpatienten-Compliance und Sturzrisiken.

“GOLD COPD Strategy” ist eine App für Mediziner, die sich mit der chronisch obstruktiven Lungenerkrankung befassen. Sie ermöglicht Ärzten standardisierte Untersuchungen, Bewertungstests und Symptomverfolgung zur präzisen Krankheitsprognose.

“MDCalc” hilft Notfallmedizinern. Die Plattform dient der evidenzbasierten medizinischen Risikoeinschätzung.

“PubMed” ist eine mobile Suchanwendung mit 30 Millionen biomedizinischen Zitaten. Die App ermöglicht gezielte Recherche nach Artikelkategorien und Lesen aktueller Erkenntnisse.

Apps wie “PlushCare” und “Amwell” ermöglichen kostengünstige und sichere Arztberatungen ohne Praxisbesuch. Diese Technologie wurde bereits in abgelegenen Regionen wie Kasachstan und Ruanda erfolgreich implementiert und macht medizinische Versorgung zugänglicher denn je.

Fazit und Ausblick:

Die Verflechtung von Technologie und Gesundheitswesen prognostiziert eine vielversprechende Zukunft für die Digitalisierung und Verbesserung der medizinischen Dienstleistungen.

“In der Medizin kann KI die Arbeit im Alltag, bei wissenschaftlichen Fragestellungen oder in betrieblichen Prozessen erleichtern. Besonders bei der Auswertung großer Datenmengen wie medizinischen Bildaufnahmen ist die KI weit entwickelt und wird bereits erfolgreich eingesetzt. KI kann nicht nur die Patientenversorgung verbessern und das medizinische Personal entlasten, sondern bietet auch große Potenziale für Unternehmen im Gesundheitswesen.”

Es “wird erwartet, dass der weltweite Umsatz mit KI im Gesundheitssektor im Jahr 2028 auf rund 103 Milliarden US-Dollar ansteigen wird. Im Bereich Digital Health kann Künstliche Intelligenz zur Beantwortung von wissenschaftlichen Fragestellungen eingesetzt werden oder um betriebliche Prozesse zu erleichtern. Insbesondere bei der Auswertung großer Datenmengen wie medizinischen Bildaufnahmen ist die KI weit entwickelt und kommt bereits erfolgreich zum Einsatz.” KI - Umsatz im Gesundheitswesen | Statista

Übernahmen sind in diesem Sektor vorprogrammiert:

Auch die großen Pharmakonzerne sind aktiv am Aufbau und Erwerb von Technologien zur Verbesserung ihrer Methoden beteiligt. “Roche” etwa hat mit Data-Science-Unternehmen Partnerschaften geschlossen und mehrere KI- oder Big-Data-Unternehmen übernommen. “Novartis” hat mit Unternehmen wie “MIT”, “IBM Watson” und anderen zusammengearbeitet. Dennoch bleibt es für die Pharmaindustrie eine Herausforderung, diese Erkenntnisse ohne einen effektiven Kanal umzusetzen, der den Arzt bei der Nutzung der riesigen Mengen klinischer Daten unterstützt, die in seiner Praxis ungenutzt liegen.

Light AI begann 2016 mit der Entwicklung seiner KI-Algorithmus-Anwendungen. Das Unternehmen hat inzwischen über 36 Millionen US-Dollar aufgebracht und arbeitet dabei mit Forschungs- und Bildungseinrichtungen wie dem “UCLA Health Network”, und der “University of Rhode Island” und der “American Heart Association” zusammen. Über diese Einrichtungen hat Light AI etwa 300.000 Bilder und zugehörige klinische Ergebnisdaten von etwa 20.000 Patienten gesammelt, um das KI-Modell des Unternehmens zu trainieren. Die Trainingsdaten koppeln Smartphone-Bilder des Rachenraums mit “Goldstandard”-StrepA-Tupferkulturergebnissen und gewährleistet so eine hohe Genauigkeit und Relevanz für die medizinische Diagnostik. Um eine robuste Modellentwicklung zu gewährleisten, befolgt Light AI anerkannte Praktiken des maschinellen Lernens, einschließlich einer Aufteilung in Training, Validierung und Test, die den Datensatz in drei Teile zum Trainieren, Validieren und Testen des Modells aufteilt. Dadurch wird sichergestellt, dass das Modell nicht nur effektiv trainiert, sondern auch streng auf Leistung und Zuverlässigkeit geprüft wird. Die Trainingsdaten wurden hauptsächlich in sechs Einrichtungen in den Vereinigten Staaten gesammelt. Diese Einrichtungen verfügten über Protokolle des “Institutional Review Board”, die die Einschreibung einer vielfältigen Bevölkerung hinsichtlich Alter, Geschlecht und ethnischer Zugehörigkeit vorsahen, was die Generalisierbarkeit des Modells verbesserte und potenzielle Verzerrungen reduzierte. Die Erklärbarkeit des Modells ist auch ein wichtiger Schwerpunkt, wobei Techniken eingesetzt werden, die visuelle Erklärungen der Vorhersagen des Deep-Learning-Modells liefern, um Vertrauen und Akzeptanz aufzubauen.

Das Unternehmen entwickelt auch Algorithmentechnologies, um neben der “GAS-Pharyngitis” eine Reihe von Krankheiten zu identifizieren, darunter unspezifische virale Pharyngitis, Influenza, Respiratorisches Synzytial-Virus, Mononukleose und Streptokokken-Pneumonie.

Light AI integriert einen geschlossenen oder gesperrten Algorithmus (anstelle einer offenen KI) in einen kommerziellen Smartphone-App-Prototyp, wie unten beschrieben.

“Light.AI (SCAN)”

Das Unternehmen entwickelt derzeit ein Produkt in der FDA-Kategorie “Software as a Medical Device” (“SAMD”) unter dem Markennamen “Light.AI(SCAN)” für das schnelle Screening von “Pharyngitis” der Gruppe A Strep (“GAS” oder “StrepA”). “Light.AI(SCAN)”ermöglicht es einem Gesundheitsdienstleister, ein kurzes Video des Rachens einer Person mit Verdacht auf GAS-Pharyngitis aufzunehmen und es zur Analyse durch einen KI-Algorithmus des “Convolutional Neural Network/Machine-Learning” (“CNN-ML”) an die Cloud zu senden. In Validierungsstudien vor der FDA hat dieses Modell Goldstandard-Metriken auf diagnostischem Niveau generiert, die eine Genauigkeit von 97 % bei der Unterscheidung zwischen “GAS-Pharyngitis”-positivem und “GAS-Pharyngitis”-negativem Gewebe zeigen, mit dem Ziel, die Behandlungsentscheidungen eines Arztes zu unterstützen. “Light.AI(SCAN)” ist für die schnelle Identifizierung und Screening-Diagnose von “GAS-Pharyngitis” vorgesehen. Diese Software ist als Medizinprodukt für den Einsatz in POC-Einrichtungen gedacht und soll einen Gesundheitsdienstleister bei der Behandlungsentscheidung für eine Person mit Verdacht auf “GAS-Pharyngitis” unterstützen. Die Entscheidung basiert auf Bildern des Rachens, die mit einer kompatiblen Smart-Device-Kamera aufgenommen wurden.

Die “Light AI-App”

Derzeit wird die “LAI-App” auf einem iOS-Smart-Gerät mit integrierter Kamera installiert und ausgeführt. Sie führt Datenerfassung, Video-zu-Bild-Konvertierung, Bildsegmentierung und Gut-/Schlecht-Bildklassifizierung lokal durch, ohne dass ein Zugriff auf die Cloud erforderlich ist. Eine Android-Version der LAI-App soll Anfang 2025 verfügbar sein.

App-basierte Plattformtechnologie mit Algorithmen für maschinelles Lernen

“Light.AI(SCAN)” verwendet ML-Modelle, um verschiedene Aufgaben auszuführen, darunter Objektsegmentierung, Gut/Schlecht-Bildklassifizierung und diagnostisches maschinelles Lernen.

Der Krankheitsidentifikationsprozess von “LightAI” umfasst 2 KI-Algorithmen, bei denen es sich bei beiden um “Convoluted Neural Network” (“CNN”) Machine Learning (“ML”)  handelt. Der erste Algorithmus ist der “good/bad image classifier”, der das beste Bild aus den 124 Bildern auswählt, die während eines 2-Sekunden-Videos vom Rachenraum aufgenommen wurden. Der zweite “CNN/ML-Algorithmus” analysiert dann das Bild, das die LightAI-App validiert und in die Cloud hochgeladen hat, und erkennt das Vorhandensein oder Fehlen einer “GAS-Pharyngitis”.

Der Objektsegmentierungsalgorithmus identifiziert den Oropharynx-Abschnitt des Rachens im Bild, der für die GAS-Pharyngitis-Erkennung am relevantesten ist. Der “Bildklassifizierer” ist ein CNN-Modell, das verwendet wird, um ein Oropharynx-Bild basierend auf Bildinhalt und -qualität als gut oder schlecht zu klassifizieren. Ein Oropharynx-Bild guter Qualität zeigt alle notwendigen anatomischen Objekte im Rachenraum, die für weitere diagnostische Entscheidungen erforderlich sind. Ein schlechtes Bild enthält nicht alle notwendigen anatomischen Objekte und/ oder hat eine schlechte Bildqualität.

Das Cloud-basierte CNN-Modell wird anhand guter Oropharynx-Bilder trainiert, die vom Gut/Schlecht-Bildklassifizierer weitergegeben werden. Die zum Trainieren des diagnostischen CNN-Algorithmus verwendeten Daten wurden hauptsächlich an Standorten in den Vereinigten Staaten gesammelt.

Light AI sammelt auch Bilder, um Klassifizierer zu entwickeln, um Erkennungsmodelle für mehrere Gesundheitsindikationen zu entwickeln. Light AI untersucht potenzielle Partnerschaften für die Entwicklung von Datensätzen, die sich speziell auf andere Krankheiten beziehen. Light AI glaubt, dass seine Technologie Anwendungen bei gastroösophagealen Reflux-Erkrankungen, Herz-Kreislauf-Erkrankungen, Autoimmunerkrankungen und dermatologischen Erkrankungen (Asperger-Syndrom) haben könnte.

Funktionsweise

(POC persönlich oder Telemedizin-Produktkonzept)

Für persönliche, vom Arzt vermittelte Interaktionen hätte der Arzt ein klinikspezifisches Smartphone und wäre derjenige, der die “Light.AI (SCAN)-App” öffnet. Bei telemedizinischen Interaktionen wäre es der Patient, der die “Light.AI (SCAN) App” auf seinem persönlichen Smartphone öffnet. In jedem Fall bietet die App, sobald sie geöffnet ist, leicht verständliche Anweisungen zum Sammeln und Einreichen von Bildern. Der gesamte Vorgang dauert weniger als eine Minute, einschließlich 10 Sekunden Bildanalyse in der Cloud.

Erster Test: “GAS” oder “StrepA”

GAS-Pharyngitis ist eine häufige Ursache für Pharyngitis, insbesondere bei Kindern, und ist weltweit für eine halbe Million Todesfälle im Zusammenhang mit RHD und invasiven Erkrankungen verantwortlich. GAS-Pharyngitis infiziert weltweit jedes Jahr mehr als 600 Millionen Menschen und tötet dabei fast so viele Kinder wie Malaria. Schätzungen zufolge ereignen sich weltweit jedes Jahr 288,6 Millionen Fälle von GAS-Halsschmerzen bei Kindern im Alter von fünf (5) bis 14 Jahren, was mehr als 100.000 behinderungsbereinigten Lebensjahren entspricht. Unbehandelte GAS-Pharyngitis kann akutes rheumatisches Fieber verursachen, eine systemische Immunreaktion, die zu RHD führt. Die Behandlung der GAS-Pharyngitis ist der Schlüssel zur Vorbeugung von RHD. Darüber hinaus ist die Antibiotikabehandlung der Pharyngitis mit einer Verkürzung der Symptomdauer und Infektiosität sowie einer geringeren Häufigkeit eitriger Komplikationen verbunden.

Weltweit wurde die Prävalenz von RHD im Jahr 2019 auf 40,5 Millionen geschätzt, wobei die altersstandardisierte Sterberate durch RHD insgesamt 3,85/100.000 beträgt. RHD ist ein kritisches Problem der öffentlichen Gesundheit in Ländern mit niedrigem und mittlerem Einkommen und ist nach wie vor bei indigenen Minderheitengruppen in Ländern mit hohem Einkommen weit verbreitet. Obwohl RHD in Industrieländern relativ selten ist, führt die Untersuchung und Behandlung von Halsschmerzen zu einer erheblichen Inanspruchnahme von Ressourcen des Gesundheitssystems und zu unangemessenen Behandlungen. Akute Pharyngitis ist eine der häufigsten Beschwerden, mit denen ein Arzt in der ambulanten Versorgung konfrontiert wird. Sie macht jährlich etwa 12 Millionen Besuche oder 1 % bis 2 % aller ambulanten Besuche aus. Während jedoch nur 5 % bis 15 % der Fälle von Halsschmerzen bei Erwachsenen und 20 % bis 30 % der Fälle von Halsschmerzen bei Kindern auf eine GAS-Infektion zurückzuführen sind, liegt die Antibiotika-Verschreibungsrate bei etwa 60 %, was jedes Jahr zu Millionen unangemessener Antibiotika-Verschreibungen führt.

Der unangemessene Einsatz von Antibiotika führt zu vermeidbaren, unnötigen Kosten und Nebenwirkungen und trägt zur Entwicklung einer antimikrobiellen Resistenz bei. Laut der Weltgesundheitsorganisation ist die antimikrobielle Resistenz eine der größten globalen Bedrohungen für die öffentliche Gesundheit und Entwicklung, was dazu führte, dass die WHO sie 2019 zu einer der zehn größten Bedrohungen für die globale Gesundheit und zu einer der größten Bedrohungen für die globale Gesundheit, die Ernährungssicherheit und Entwicklung. Schätzungen zufolge war die bakterielle Antibiotikaresistenz im Jahr 2019 direkt für 1,27 Millionen Todesfälle weltweit verantwortlich und trug zu 4,95 Millionen Todesfällen bei.

Die optimale Behandlung von Halsschmerzen erfordert einen zeitnahen und einfachen Zugang zu diagnostischen Untersuchungen. Derzeit erfordert die Beurteilung einer Pharyngitis zunächst eine medizinische Untersuchung, um die Wahrscheinlichkeit einer GAS-Pharyngitis-Ätiologie klinisch abzuschätzen und den Bedarf an diagnostischen Tests und einer anschließenden Antibiotikabehandlung zu bestimmen. Die klinische Beurteilung basierte auf Bewertungssystemen wie dem modifizierten Centor/McIsaac-Score (0-5; 5 ist der höchste Wert), um das Risiko nach Alter und Vorhandensein oder Fehlen von Fieber, Mandelexsudat, Lymphadenopathie und Husten zu bewerten. Die damit verbundenen positiven Vorhersagewerte für die aktuellen Bewertungsmethoden reichen von einigen Prozent (Score = 0) bis etwa 50 % (Score = 5). Verschiedene Richtlinien empfehlen dann diagnostische Tests basierend auf dem klinischen Risiko.

Der Goldstandard für die GAS-Pharyngitis-Diagnose ist entweder eine Kultur oder eine PCR durch Rachenabstrich. Es dauert etwa ein bis zwei Tage, bis ein Ergebnis von Kulturen vorliegt, und ist daher für die Behandlungsentscheidung am Point of Care nicht hilfreich. Eine PCR kann zur Diagnose einer GAS-Pharyngitis verwendet werden; Außerdem stehen PCR-Testergebnisse normalerweise nicht innerhalb des Zeitrahmens eines Besuchs in der Notaufnahme oder in einer Klinik zur Verfügung. Aus diesem Grund verwenden viele Kliniker einen Schnelltest zur Diagnose einer GAS-Pharyngitis. Diese Tests werden als RADT bezeichnet, da sie ein GAS-Antigen erkennen, anstatt sich auf eine Kultur des Organismus zu verlassen. Die Sensitivität von RADTs liegt zwischen etwa 70 und 90 % und die Spezifität zwischen 90 und 100 %.

Wenn also bei einem Patienten vor dem Test eine mittelhohe bis hohe klinische Wahrscheinlichkeit einer GAS-Infektion besteht und ein positiver RADT-Test ausfällt, ist die Wahrscheinlichkeit nach dem Test hoch, dass GAS-Pharyngitis vorliegt, und die Behandlung kann eingeleitet werden. Wenn der RADT jedoch negativ ist, wird häufig eine Kulturuntersuchung durchgeführt. Die Leistung von RADTs hängt von den klinischen Merkmalen (Wahrscheinlichkeit vor dem Test) der Patienten und der Erfahrung des Klinikers bei der Probenentnahme ab. Ein neuer Schnelldiagnosetest, der sowohl eine hohe Sensitivität als auch Spezifität für GAS aufweist, könnte, sofern verfügbar, die Patientenversorgung verbessern und Komplikationen durch unnötige Antibiotika und unbehandelte GAS-Pharyngitis vermeiden. Er könnte aktuelle RADTs ersetzen und möglicherweise sogar die Notwendigkeit von Kultur- und/oder PCR-Tests überflüssig machen, wenn Sensitivität und Spezifität vergleichbar sind. Somit stellt der fehlende Zugang zu einer schnellen und genauen Diagnose von Streptokokken-Pharyngitis sowohl in den Industrie- als auch in den Entwicklungsländern eine erhebliche Gesundheitsbelastung dar. In Entwicklungsländern ist die Situation noch schlimmer, da dort tägliche Untersuchungs- und Testprogramme in Schulen eingeführt wurden, um die hohe Inzidenz der nichteitrigen Folgeerscheinungen von GAS-Infektionen zu reduzieren.

Empowerment ist ein Prozess, der teilweise zur Entlastung der Gesundheitssysteme beiträgt und bei dem Patienten das Wissen vermittelt wird, um mehr Kontrolle über Entscheidungen und Maßnahmen zu erlangen, die ihre Gesundheit betreffen. Zudem wurden Heimtest-Apps als Instrument zur Stärkung der Gesundheit entwickelt. Maschinelles Lernen wird zunehmend eingesetzt, um die Geschwindigkeit und Genauigkeit der Gesundheitsversorgung zu verbessern.

Ein neuer Schnelltest, der sowohl eine hohe Sensitivität als auch Spezifität für GAS-Pharyngitis aufweist, könnte die Patientenversorgung verbessern und Komplikationen durch unnötige Antibiotika und unbehandelte GAS-Pharyngitis vermeiden. Er könnte aktuelle RADTs ersetzen und, wenn Sensitivität und Spezifität vergleichbar sind, die Notwendigkeit zeitaufwändiger Rachenabstriche für Kultur- und/oder PCR-Tests überflüssig machen.

Klinische Daten, die in Uganda in Zusammenarbeit mit der “American Heart Association”gesammelt wurden

Die Plattform wurde in einer Real-World-Studie verwendet, die in Uganda in Zusammenarbeit mit der “American Heart Association” mit einer Stichprobengröße von 82 durchgeführt wurde und die folgenden Sensitivitäts- und Spezifitätsergebnisse lieferte, wobei alle Ergebnisse anschließend durch Bakterienkulturtests bestätigt wurden:

Partnerschaft mit TC4A startet in Afrika und Indien

Light AI hat ein unverbindliches “Term Sheet” (das “Term Sheet”) für ein geplantes Joint Venture mit “Tech Care For All” (“TC4A”) unterzeichnet, um die Plattform auf dem LMIC-Markt (“Lower and Middle Income Country”) einzuführen, wobei der Schwerpunkt zunächst auf Afrika liegt. “TC4A" ist ein Social-Impact-Unternehmen, das es sich zur Aufgabe gemacht hat, die digitale Gesundheit in Afrika und Asien voranzutreiben, um die Gesundheitsergebnisse in unterversorgten Gemeinden zu verbessern. “TC4A” hat eine globale medizinische Lernplattform entwickelt und betreibt sie, die sich an medizinisches Fachpersonal in LMIC-Märkten (“Low- or middle-Income Country”) richtet. Die Plattform umfasst rund 120.000 Gesundheitsdienstleister, die in über 20  Zielländern von Light AI tätig sind.

Diese Partnerschaft ermöglicht die Einführung der LAI-Plattform als Screening-Tool in Märkten, für die keine FDA-Zulassung erforderlich ist, und ermöglicht es Light AI, einen Weg zu kurzfristigen Einnahmen zu finden. Die erste Phase des Projekts umfasst die Durchführung einer Pilot-Markteinführungsstudie zur Bewertung der klinischen Wirksamkeit, der klinischen Behandlungspfade, der Anwendungsfälle, der Wirtschaftlichkeit, der Erstattungs- und Abonnementmodelle sowie der Anforderungen an die Cloud-Infrastruktur und Bereitstellungsstrategien in vier ersten Ländern – Kenia, Uganda, Nigeria und Südafrika – mit dem Plan, die Technologie anschließend in diesen Ländern einzuführen. Bei erfolgreichem Abschluss der Marktstudie der ersten Phase beabsichtigt Light AI, die Ergebnisse der Pilotstudie zu nutzen, um Markteinführungsstrategien zu entwickeln und die Technologie in weiteren 16 afrikanischen Ländern einzuführen. Bei erfolgreichem Abschluss der zweiten Phase beabsichtigt das Unternehmen, nach Erhalt der erforderlichen behördlichen Genehmigungen über globale Vertriebspartner ein auf der Technologie basierendes Diagnoseangebot in diesen Ländern auf den Markt zu bringen.

Das Unternehmen geht davon aus, dass “TC4A”-Vertreter im Auftrag von Light AI Smartphones an Ärzte liefern werden. Zunächst werden in den ersten sechs Monaten der Verteilung iPhones geliefert, da die Plattform derzeit auf iOS läuft. Die Android-App soll Anfang 2026 fertiggestellt sein und wird derzeit von Light AI entwickelt.

Das Term Sheet sieht den Abschluss einer endgültigen Forschungs- und Entwicklungsvereinbarung vor, gemäß der “TC4A” Light AI bestimmte Machbarkeits- und klinische Studien zur Verfügung stellt, um die Einführung und Kommerzialisierung der Plattform in den afrikanischen Zielländern zu unterstützen. Die endgültige Forschungs- und Entwicklungsvereinbarung wurde noch nicht ausgehandelt. Das Term Sheet sieht vor, dass die endgültige Forschungs- und Entwicklungsvereinbarung Bedingungen hinsichtlich der Rollen der einzelnen Parteien, Zahlungsbestimmungen, die Light AI verpflichten, Gebühren an “TC4A” als Gegenleistung für Dienstleistungen zu zahlen, mit einer Gebührenobergrenze für jede anwendbare Phase des Projekts, Bestimmungen zum geistigen Eigentum, die Light AIs Eigentum an seiner Technologie bestätigen und “TC4A” eine begrenzte, nicht exklusive und nicht übertragbare Lizenz zur Nutzung dieser Technologie sowie andere übliche Bedingungen einräumen wird.

Das Term Sheet sieht außerdem vor, dass die Parteien eine Lizenz- und Vermarktungsvereinbarung abschließen werden, wenn Light AI die durch diese anfänglichen Machbarkeits- und klinischen Studien erzielten Ergebnisse vernünftigerweise als unterstützend für die Einführung und Vermarktung der Plattform in den Zielländern erachtet. In dieser Vereinbarung werden die Bedingungen festgelegt, unter denen die Parteien die Technologie registrieren, implementieren und vermarkten. Die Bedingungen der Lizenz- und Vermarktungsvereinbarung wurden noch nicht ausgehandelt. Das Term Sheet sieht vor, dass die Lizenz- und Vermarktungsvereinbarung Bedingungen hinsichtlich der Rollen der einzelnen Parteien, Zahlungsbestimmungen, die Light AI verpflichten, Gebühren an “TC4A” als Gegenleistung für Dienstleistungen zu zahlen, mit einer Gebührenobergrenze für jede anwendbare Phase des Projekts, Finanzbestimmungen, die die Einnahmen zu 60 % Light AI und zu 40 % “TC4A” zuteilen, Bestimmungen zum geistigen Eigentum, die Light AIs Eigentumsrecht an seiner Technologie bestätigen und “TC4A” bestimmte Lizenzen zur Nutzung oder Unterlizenzierung dieser Technologie gewähren, sowie andere übliche Bedingungen enthalten wird. Das Term Sheet sieht vor, dass einem Geschäftsführer von “TC4A” ein Sitz im Vorstand von Light Ai angeboten wird. Emmanual Blin, Mitbegründer und CEO von “TC4A”, ist Direktor des Resulting Issuer.

Wirtschaftliche Auswirkungen

Die rechtzeitige Erkennung von am Behandlungsort kann zu erheblichen finanziellen Einsparungen für die Kostenträger im Gesundheitswesen führen. Die Implementierung des Smartphone-basierten Tools von Light Ai (“LAI”) für GAS-Pharyngitis (“GAS”) in Afrika und anderen “LMIC”-Märkten (“Low- or middle-Income Country”) könnte zu erheblichen Kosteneinsparungen führen, da der Bedarf an Tests in Kliniken verringert und die hohen Behandlungskosten für unbehandelte Fälle minimiert werden. So kostet die Behandlung von Komplikationen durch unbehandelte Halsentzündungen, wie etwa rheumatische Herzerkrankungen, die “LMICs” jährlich Milliarden von Dollar, eine finanzielle Belastung, die größtenteils durch Krankenhausbehandlung, Operationen und lebenslange Medikamente verursacht wird. Früherkennung und Behandlung von “GAS” mit Antibiotika sind weitaus weniger kostspielig und liegen schätzungsweise bei 2 bis 4 Dollar pro Behandlungszyklus, im Gegensatz zu Hunderten oder Tausenden von Dollar pro Patient für die Behandlung von Komplikationen.

Der Test von “LAI” könnte eine POC-, schnelle, zugängliche und frühe Diagnose zu einem Bruchteil der traditionellen Gesundheitskosten ermöglichen und den Bedarf an Labordiagnostik reduzieren, die in klinischen Umgebungen normalerweise zwischen 10 und 30 Dollar pro Test kostet.

Darüber hinaus kann ein frühes Eingreifen indirekte Kosten im Zusammenhang mit Produktivitätsverlusten verhindern, die schätzungsweise eine erhebliche wirtschaftliche Belastung für Familien darstellen, die oft auf das Einkommen aus der täglichen Arbeit angewiesen sind, um ihre Grundbedürfnisse zu decken. Insgesamt könnte die Technologie von Light AI den “LMICs” potenziell Milliarden von Dollar jährlich einsparen, indem sie die Abhängigkeit von der Krankenhausbehandlung verringert, die Diagnosekosten senkt und die Produktivität der Belegschaft erhält.

Wellness-Initiative:

Das Unternehmen entwickelt derzeit ein Geschäftsmodell, um die Rentabilität seiner App für den Wellness-App-Markt zu prüfen. Die Entwicklung einer Wellness-App-Plattform zur Triage von Pharyngitis, insbesondere von Fällen, die möglicherweise durch “GAS” verursacht werden, stellt eine bedeutende Geschäftsmöglichkeit dar. Light AI geht davon aus, dass der Wellness-App-Markt sein größter Markt sein wird, und beabsichtigt, große Vertriebsökosysteme wie große Smartphone-Hersteller, Apothekenketten und Technologieplattformen zu nutzen.

Die KI-gesteuerten und Symptomprüfungsalgorithmen von Light AI können zur Beurteilung von Halsschmerzen eingesetzt werden und den Benutzern Hinweise geben, ob sie einen Arzt aufsuchen sollten. Das Unternehmen ist der Ansicht, dass diese Plattform einer aufkommenden Verbrauchernachfrage nach zugänglichen, digitalen Gesundheitslösungen gerecht wird, die unnötige Arztbesuche reduzieren und das Gesundheitsmanagement von zu Hause aus verbessern. Bei über 600 Millionen Fällen von “GAS” weltweit pro Jahr, von denen ein Teil unbehandelt zu Komplikationen führen könnte, könnte ein Triage-Tool einen erheblichen Marktbedarf decken, indem es die Verbreitung von GAS verringert und den unnötigen Einsatz von Antibiotika verhindert.

Über Verbraucheranwendungen hinaus könnte die Plattform an Gesundheitsdienstleister und Telemedizindienste vermarktet werden, um deren Fähigkeit zu verbessern, Halsschmerzen aus der Ferne und effizient zu behandeln. Ein solches Tool würde auch gut mit den Zielen von Gesundheitssystemen und Versicherern harmonieren, die mit Arztbesuchen und Diagnosen für häufige Infektionen verbundenen Kosten zu senken. Die Nutzung von Telemedizin nimmt weiter zu, eine App, die Halsschmerzen genau einstuft, könnte breite Akzeptanz finden und zu einem wertvollen Aktivposten für das Wohlbefinden der Verbraucher und Gesundheitssysteme werden.

Geschäftsentwicklungsaktivität

Light AI optimiert derzeit die Benutzeroberfläche und das Backend-Cloudsystem und erkundet den Markt, um eine Pilotstudie mit einer Wellness-Version von “Light.AI(SCAN)” zu testen.

US-Markt FDA und EU-Zulassungs- und Handelswege:

Die Kosten für die Behandlung von GAS-Infektionen in den USA können beträchtlich sein und sich sowohl auf das Gesundheitssystem als auch auf einzelne Patienten auswirken. Direkte medizinische Kosten umfassen Arztbesuche, Diagnosetests und Behandlung, häufig mit Antibiotika wie Penicillin oder Amoxicillin. Schätzungen zufolge betragen die Kosten eines typischen Pharyngitis-Besuchs zwischen 200 und 400 US-Dollar, abhängig von Faktoren wie Versicherungsschutz, Diagnosemethoden und Wahl der Gesundheitseinrichtung. Für Personen ohne Versicherung können die Kosten erheblich höher sein, insbesondere wenn die Infektion zu Komplikationen wie rheumatischem Fieber oder Abszessen führt, die zusätzliche Behandlung erfordern. Indirekte Kosten wie Lohnausfall durch versäumte Arbeit oder Schule und Kinderbetreuungskosten erhöhen die finanzielle Belastung zusätzlich. Das CDC weist darauf hin, dass versäumte Schultage im Zusammenhang mit GAS-Infektionen häufig sind und die Familienressourcen belasten, insbesondere in Haushalten mit niedrigem Einkommen. Diese kumulierten Kosten unterstreichen die finanziellen Auswirkungen von GAS auf Einzelpersonen und das gesamte Gesundheitssystem.

Light AI hat eine europäische Teilpatentanmeldung, eine israelische Patentanmeldung, eine kanadische Patentanmeldung und eine Patentanmeldung in Hongkong in Bezug auf die Bildverarbeitung von Streptokokkeninfektionen bei Patienten mit Pharyngitis eingereicht. Das Unternehmen hat eine US-Fortführungspatentanmeldung, eine kanadische Patentanmeldung und eine Patentanmeldung der Europäischen Union in Bezug auf die Infektionserkennung mithilfe der Bilddatenanalyse eingereicht. Die Erteilung dieser Patente hängt von der Anzahl der Kommentare ab, die Light AI vom Patentprüfer erhält, und von der Menge der Anträge, die der Patentprüfer prüft. Derzeit kann es bis zu zwei Jahre dauern, bis die Patente erteilt werden.

Große und permanent wachsende Datenbank

Light AI verfügt über eine große und wachsende Datenbank mit Bildern, die möglicherweise zur Erkennung anderer Krankheiten oder zur Erzielung nichtdiagnostischer Einnahmen verwendet werden können.

Light AI verfügt außerdem über das seiner Ansicht nach größte Cloud-basierte Archiv klinischer Bilder des Oropharynx.

Die Patente von sollten auch Selbsttests abdecken, bei denen Bilder von einem zentralen Server zur Diagnose verarbeitet werden, möglicherweise auf Pay-per-Use-Basis.

Wettbewerb

Der derzeitige Goldstandard für die Diagnose von “GAS” verwendet einen Rachenabstrich, der zur Verarbeitung an ein Labor geschickt werden muss, bevor ein Ergebnis vorliegt. Die Aufbereitung von Rachenkulturen in einem medizinischen Labor dauert in der Regel 24 bis 36 Stunden und ist nicht für Schnelltests geeignet.

Für die Diagnose von “GAS” stehen auch Antigen-Schnelltests zur Verfügung. Die Sensitivität dieser Schnelltests liegt zwischen ca. 55 % und 90 % und die Spezifität der “Goldstandard”-Rachenabstrichtests liegt zwischen 90 % und 100 %. Schnelltests müssen physisch gekauft oder geliefert werden, was die Komplexität der Patientenversorgung erhöht und die Tests anfällig für Unterbrechungen der Lieferkette macht. Aufgrund der geringen Sensibilität der Schnelltests wird bei symptomatischen Fällen mit negativem Testergebnis in der Regel eine Rachenkultur durchgeführt, was zusätzliche Kosten und Zeit für die Patientenbehandlung bedeutet.

Die Mitglieder des Managements, der Direktoren, der leitenden Angestellten und das Beratungsausschuss-Team des Unternehmens kommen aus leitenden Positionen bei Organisationen wie “Johnson & Johnson”, “Medtronic” und “Bristol Myers Squibb”. Dem Beratungsausschuss gehören auch Personen an, die leitende beratende Funktionen für wichtige “CDC”- und “WHO”-geführte Programme zur Bekämpfung von Infektionskrankheiten innehatten. Das Führungsteam besteht aus erfahrenen Fachleuten sowohl aus der Gesundheits- als auch aus der Technologiebranche.

Der Gründer und CEO des Unternehmens, Peter Whitehead, ist ein weltweit anerkannter Experte für die Anwendung von Algorithmen auf Gesundheitsdaten und -bilder. Whitehead ist vor allem für die Erfindung des “VELscope” bekannt, des marktbeherrschenden Visualisierungs- und Beurteilungssystems für Mundkrebs und Munderkrankungen: Das “VELscope” wurde bei mehr als 50 Millionen klinischen Untersuchungen von über 10.000 Zahnärzten weltweit eingesetzt und wurde fünfmal mit dem „Best of Class“-Technologiepreis der “American Dental Association” ausgezeichnet.

Thomas Scarnecchia, COO von Light AI, ist ehemaliger Vizepräsident von “Johnson & Johnson R&D” und verfügt über mehr als drei Jahrzehnte Erfahrung im Aufbau von Datenwissenschafts- und Computerwissenschaftsteams.

Zum Vorstand von Light AI gehört auch Emmanuel Blin, ehemaliger Chief Strategy Officer bei “Bristol Myers Squibb”. Blin gründete “TC4A”, die globale digitale Gesundheitsplattform, die Light AIs wichtigster Vertriebspartner in Afrika und Indien ist.

Steve Semmelmayer, der ehemalige Präsident von “Kerr”, Mark Attanasio, Mitbegründer der Investmentbank “Eight Capital”, und Hugh Cleland, Mitbegründer der “VC Firma Roadmap Capital”, komplettieren den Vorstand.

Historie

2016-2019: Grundsteinlegung

Das Unternehmen wurde 2015 gegründet, um die wachsende Bedrohung durch antimikrobielle Resistenzen (“AMR”) zu bekämpfen, die durch den Missbrauch und die übermäßige Verschreibung von Antibiotika verursacht werden. LightAI hat mit führenden Institutionen zusammengearbeitet, um eine robuste Datenbank zur Unterscheidung von viralen und bakteriellen Infektionen zu erstellen. Parallel dazu wurde die erste Version des Diagnosegeräts von LightAI entwickelt und die Algorithmen durch frühe Versuche validiert. Die Finanzierung wurde gesichert, um den Anwendungsbereich zu erweitern.

2020-2021: Umstellung auf Smartphones

Die COVID-19-Pandemie bot LightAI die Gelegenheit, seine Technologie für den Einsatz mit Smartphones anzupassen und so eine schnelle, nicht-invasive Diagnose von COVID-19 und anderen Krankheiten zu ermöglichen. Diese Entwicklung erweiterte die Anwendungsmöglichkeiten seiner Technologie und demonstrierte seine Vielseitigkeit bei der Bewältigung globaler Gesundheitsprobleme.

2022: Festigung unseres Fußabdrucks

LightAI erkannte den weltweiten Bedarf an innovativer Diagnostik und arbeitete mit internationalen Organisationen zusammen, um seine Streptokokken-Erkennungstechnologie in realen Umgebungen zu validieren und eine Erkennungsgenauigkeit von 96,7 % zu erreichen.

2023-2024: Globale Bereitschaft

Aufbauend auf seinem Erfolg ging Light AI Partnerschaften ein, um seine Reichweite und Bereitstellung zu verbessern, insbesondere in Schwellenländern wie Afrika. Das Unternehmen will der weltweit führende Anbieter von fortschrittlichen, intelligenzgestützten Bildverarbeitungssystemen sein, die eine schnelle, genaue Diagnose für Ärzte unterstützen. Light AI möchte Gesundheitsdienstleister mit technologiegestützter Intelligenz und unterstützenden Innovationen helfen, um Infektionskrankheiten besser zu verhindern, zu diagnostizieren und zu behandeln – und so die Versorgung zu verändern und das Leben zu verbessern.

Jedes Jahr infizieren sich über 600 Millionen Menschen mit Krankheiten wie “Streptokokken A” und fordern fast eine halbe Million Menschenleben. Eine wachsende Bedrohung, die Antibiotikaresistenz, könnte bis 2050 bis zu 1 Billion US-Dollar an Gesundheitskosten verursachen und wurde von der WHO als eine der größten Bedrohungen für die Menschheit identifiziert. Ohne einfachen Zugang zu Labortests werden vorsorgliche Antibiotika oft übermäßig eingesetzt, was das Problem noch verschlimmert.

Mit fortschrittlicher Technologie bringt das Unternehmen schnelle und zuverlässige Tests an den Behandlungsort. Dies hilft medizinischem Fachpersonal, sicher zu entscheiden, wann Antibiotika wirklich benötigt werden.