Biomaker hay còn gọi Dấu ấn sinh học là gì? Dấu ấn sinh học bao gồm tất cả mọi thứ từ huyết áp, nhịp tim, nghiên cứu trao đổi chất cơ bản, phát hiện tia X đến các xét nghiệm mô học phức tạp và di truyền của máu và các mô khác. Từ hỗ trợ ra quyết định lâm sàng, phát hiện thuốc mới và đánh giá rủi ro bảo lãnh, các dấu ấn sinh học có thể giúp dẫn đầu sự đổi mới theo hướng phát hiện sớm và tiết kiệm chi phí đáng kể cho người chi trả và các tổ chức tự bảo hiểm lớn.
Tại sao Dấu ấn sinh học lại quan trọng
Cuộc trò chuyện bắt đầu với một câu hỏi rất chung chung: tại sao các dấu hiệu sinh học về mức độ liên quan đối với mọi công ty bảo hiểm?
Sven Ebert giải thích rằng SCOR đã xem xét các dấu ấn sinh học như một giải pháp để giữ cho mọi người khỏe mạnh hơn về lâu dài. Dấu ấn sinh học cho phép họ đo lường tiến trình và sự cải thiện của một số điều như giảm nhịp tim khi nghỉ ngơi hoặc lượng calo hoạt động cao hơn được đốt cháy mỗi ngày hoặc rất đơn giản là số bước đã thực hiện.
Từ góc độ VC, Debbie Lin giải thích rằng các khoản đầu tư của BIVF là chiến lược đối với lợi ích của công ty dược phẩm của họ. Có quyền truy cập vào các dấu ấn sinh học có thể giúp các công ty dược phẩm phát triển thuốc tốt hơn, hiểu được liệu bệnh nhân có hoạt động tốt trong quá trình thử nghiệm lâm sàng hay không và phân tầng họ đúng cách. Các công ty dược phẩm muốn sử dụng dấu ấn sinh học để tìm ra những cách mới để hiểu rõ hơn về cách bệnh nhân vượt qua căn bệnh của họ và theo dõi họ khi dùng thuốc.
Tiến sĩ Neuwirth giải thích rằng tầm quan trọng của dấu ấn sinh học nằm trong việc xác định kết quả xấu trước khi chúng xảy ra. Việc sử dụng các dấu ấn sinh học để dự đoán và có thể biết liệu ai đó có nguy cơ cao bị biến cố cấp tính kết thúc trong phòng cấp cứu, nên trở thành tiêu chuẩn chăm sóc.
Đào tạo Dấu ấn sinh học dựa trên AI: Những điều cần lưu ý
Trong sự kiện, các diễn giả đã đưa ra một số điều cần lưu ý khi đào tạo AI:
Ebert đã đề cập đến tầm quan trọng của việc tránh dữ liệu hái anh đào và xây dựng các mô hình phong phú cũng tôn trọng luật và quy định. Tiến sĩ Neuwirth đồng ý: đó là chìa khóa để thu thập dữ liệu từ nhiều tổ chức và nhiều bộ dữ liệu.
Sự đa dạng là điều cần thiết. Điều quan trọng là không nên tập trung vào những người đàn ông da trắng, 50 tuổi và đảm bảo bao gồm các hoàn cảnh khác nhau. Khi lấy dữ liệu từ các tập dữ liệu lớn đến từ nhiều tổ chức, quyền riêng tư và tuân thủ cũng là một vấn đề.
Vấn đề sai lệch trong đào tạo thuật toán là một vấn đề rất lớn. Lin đã đề cập rằng iPhone trong ví và iPhone trong túi theo dõi các bước khác nhau và việc tìm ra những thành kiến này sẽ là điều cần thiết trong việc xây dựng cơ sở dữ liệu cần thiết cho sự phát triển của AI.
Dấu ấn sinh học dựa trên AI: Các giải pháp liên quan
Cuộc trò chuyện chuyển sang hướng giải quyết các giải pháp hứa hẹn nhất trong không gian dấu ấn sinh học.
Lin giải thích rằng dịch bệnh đã có một lớp bạc và đã đẩy nhanh việc chấp nhận các công cụ giám sát từ xa, thiết bị đeo tay và y học từ xa. Điều này tạo ra nhiều dữ liệu, làm tăng tốc độ phát triển dấu ấn sinh học. Ví dụ, Lin đã đề cập rằng máy ảnh có thể được sử dụng để phát hiện chứng mất trí và bệnh Alzheimer. Thông qua quét võng mạc, một máy ảnh có thể phát hiện các dấu ấn sinh học trong mắt, để dự đoán liệu ai đó có bị mất trí nhớ hoặc bệnh Alzheimer hay không. FDA đã hạ thấp các rào cản, cấp chỉ định mang tính đột phá, điều này đã thúc đẩy sự đổi mới.
Với các giải pháp AI và ML đang mở rộng và mở rộng trong lĩnh vực này, chúng tôi cũng muốn lắng nghe ý kiến từ các doanh nhân đang giải quyết những vấn đề này trong nhiều trường hợp sử dụng trong chuỗi giá trị chăm sóc sức khỏe. Đó là lý do tại sao nửa sau của sự kiện có bốn công ty khởi nghiệp vô cùng sáng tạo:
Predictiv
Predictiv cung cấp các Cặp song sinh kỹ thuật số dựa trên DNA để chăm sóc sức khỏe. Giải pháp của họ phân tích toàn bộ DNA của bệnh nhân và so sánh nó với 16.000 bệnh di truyền. Điều này dự đoán những bệnh di truyền nào mà bệnh nhân có nguy cơ mắc phải cao nhất và cho phép họ thực hiện các biện pháp phòng ngừa để ngăn ngừa và giảm tác động của bệnh.
Hyfe
AI phát hiện và phân tích ho. Hyfe là một Thuật toán phát hiện ho chạy trên điện thoại thông minh và theo dõi các cơn ho. Hyfe sử dụng các thuật toán máy học được đào tạo dựa trên hàng triệu âm thanh được gắn nhãn để phát hiện tiếng ho từ âm thanh xung quanh và theo dõi chúng theo không gian và thời gian. Mục tiêu cuối cùng là cải thiện nó đến mức có thể phân biệt giữa các loại ho khác nhau và trở thành một công cụ chẩn đoán hiệu quả.
Mechanomind
Nhận dạng hình ảnh AI để chẩn đoán ung thư. Mechanomind đang giúp chẩn đoán ung thư nhanh chóng, chính xác và có thể truy cập ở mọi nơi với khả năng phát hiện và phân loại các loại khối u dựa trên AI, đồng thời tạo ra một thị trường toàn cầu cho các cuộc tham vấn và ý kiến thứ hai. Mục tiêu là để giải quyết tình trạng thiếu bác sĩ bệnh lý trên toàn thế giới, cải thiện độ chính xác và an toàn cho bệnh nhân, mở rộng quy mô chuyên môn chẩn đoán tốt nhất cho các thị trường chưa được phục vụ và giảm chi phí chăm sóc sức khỏe.
Virtonomy.io
Bệnh nhân ảo cho các thử nghiệm lâm sàng theo hướng dữ liệu. Virtonomy đang tạo ra nền tảng web đầu tiên cho các nhà phát triển thiết bị y tế sử dụng bệnh nhân ảo cho các thử nghiệm lâm sàng dựa trên dữ liệu, do đó rút ngắn thời gian tiếp thị cho các thiết bị y tế thiết yếu cho cuộc sống, tăng tốc đổi mới y tế và giảm đáng kể chi phí lên đến 50%.
