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.