دسته‌بندی استارتاپ‌های هوش مصنوعی سلامت

یکی از روندهای مطرح امروز در دنیای تکنولوژی، هوش مصنوعی (Artificial Intelligence) است. هوش مصنوعی را به زبان ساده می‌توان توانایی سیستم‌های کامپیوتری برای انجام کارهایی دانست که به طور معمول نیاز به هوش انسان دارند. توضیحات بیشتر در مورد تعریف هوش مصنوعی را در مقاله «آیا هوش مصنوعی جایگزین پزشکان خواهد شد؟» مطالعه نمائید.

هوش مصنوعی در حوزه سلامت طی یک دهه گذشته به آهستگی ولی در بخش‌های مختلف جایگاه خود را یافته است. تعداد استارتاپ‌هایی که محصول و ارزشی که ایجاد می‌کنند به‌طور مستقیم با هوش مصنوعی مرتبط است نسبت به دیگر تکنولوژی‌های نوظهور مانند اینترنت اشیا، واقعیت مجازی یا واقعیت افزوده به مقدار قابل ملاحظه‌ای بیشتر است. از سوی دیگر بسیاری از استارتاپ‌هایی که هسته اصلی محصول آنها را تکنولوژی‌های دیگر تشکیل می‌دهد نیز از تکنولوژی هوش مصنوعی بهره می‌برند.

به منظور شناخت و دسته‌بندی استارتاپ‌های هوش مصنوعی در حوزه سلامت و مراقبت‌های بهداشتی درمانی، ما بیش از 115 استارتاپ را بررسی و آن‌ها را در هشت دسته‌بندی اصلی قرار دادیم. علاوه بر این‌ها، سه دسته دیگر نیز وجود داشت که تعداد استارتاپ‌های آن‌ها کمتر از دسته‌های اصلی بود. هر چند ممکن است همچنان استارتاپ‌هایی وجود داشته باشند که در این دسته‌بندی‌ها نگنجند ولی این دسته‌بندی نمایی خوب از آنچه تاکنون توسط هوش مصنوعی در سلامت ایجاد شده و یا در حال توسعه است به ما می‌دهد.

مهم‌ترین کاربرد این دسته‌بندی، الگوبرداری و شناخت بهتر فرصت‌های ارزش‌آفرینی با استفاده از تکنولوژی‌های هوش مصنوعی در حوزه سلامت است.

دسته‌بندی‌های استارتاپ‌های هوش مصنوعی در سلامت شامل موارد زیر است:

1. دستیار مجازی

2. تحقیقات بالینی

3. کشف دارو

4. کمک‌تشخیصی

5. کمک‌تصمیم‌گیری بیمارستان

6. مدیریت خدمات سلامت

7. مراقبت از راه دور

8. مراقبت شخصی‌سازی‌شده

9. تندرستی

10. حفظ امنیت

11. تحلیل اطلاعات ژنتیک

1. دستیار مجازی

استارتاپ‌های این دسته با استفاده از تکنولوژی هوش مصنوعی به بیماران کمک می‌کنند تا مشکل خود را بهتر بفهمند، تشخیص‌های احتمالی را بدانند و یا پزشک و مرکز درمانی مناسب خود را بیابند. برخی از استارتاپ‌های این دسته نیز به پزشکان در انجام امور حرفه‌ای خود کمک می‌کنند تا بتوانند بازده بیشتری داشته باشند.

برخی از استارتاپ‌های این دسته از قرار زیر هستند:

بابیلون هلث (Babylon Health): با ترکیب فناوری هوش مصنوعی و تخصص پزشکی انسان‌ها یک سیستم خدمات بهداشتی دیجیتال ایجاد کرده است که افراد می‌توانند با مراجعه به آن، مراقبت‌های کامل بهداشتی از جمله ارزیابی بهداشتی شخصی، مشاوره درمانی و ملاقات چهره به چهره با پزشک را در هر زمان از شبانه روز دریافت نمایند.

کِی هلث (K Health): این استارتاپ تجربه‌های سلامت افراد را که از طریق تعامل با آن‌ها به دست آمده در یک پایگاه داده واحد ذخیره می‌کند و با استفاده از الگوریتم‌های یادگیری هوش مصنوعی مبتنی بر همین داده‌های جمع آوری شده به ارائه مشاوره‌های سلامتی به سایر افراد می‌پردازد تا مردم بتوانند از طریق آن کنترل سلامتی خود را به دست گیرند.

کورآی (curai): این استارتاپ با استفاده از فناوری یادگیری ماشین به بیماران کمک می‌کند اطلاعات صحیح را به پزشکان ارائه دهند تا متخصصان بتوانند بر مبنای آن بهترین تشخیص را داشته باشند.

سوکی (suki): یک دستیار پزشک دیجیتال است که قادر به شخصی‌سازی برای هر پزشک بوده و در اتاق معاینه به او کمک می‌کند سریع‌تر و هوشمندانه‌تر عمل کند.

2. تحقیقات بالینی

هوش مصنوعی در حوزه تحقیقات بالینی دو مدل خدمت ارائه می‌دهد. یک مدل انجام کارآزمایی‌ها بالینی (Clinical Trial) مجازی است. در تولید دارو به خصوص پیش از آزمون‌های حیوانی یا انسانی، هوش مصنوعی با استفاده از داده‌های کلان یک کارآزمایی بالینی مجازی را اجرا می‌کند. نتیجه این تحقیقات سرعت ارزیابی داروها را افزایش می‌دهد و منجر به جلوگیری از هزینه‌های بیهوده برای داروهای بی‌اثر می‌شود. مدل دیگری که هوش مصنوعی به کمک تحقیقات می‌آید تطبیق افراد مناسب برای انجام کارآزمایی‌های بالینی است. یکی از چالش‌های تحقیقات یافتن افراد مناسب برای ورود به مطالعات است که استارتاپ‌های این حوزه با استفاده از هوش مصنوعی این مشکل را حل می‌کنند.

برخی از استارتاپ‌های این دسته از قرار زیر هستند:

تکرو (Teckro): یک شرکت علوم فناوری است که به آزمایشگاه‌های بالینی و کادر تیم تحقیقات بالینی امکان تحقیق، پرسش و پاسخ و آنالیز آزمایش‌های بالینی را می‌دهد. امکان ثبت بازخورد سریع و مستمر بر اطلاعات نیز وجود دارد. سرعت و وسعت این تحقیقات موجب رشد سریع داروها و درمان پیچیده‌ترین بیماری‌ها در جهان می شود.

ساما (saama): یک شرکت ارائه‌دهنده پلتفرم اطلاعات بالینی در فضای ابری است که با یکپارچه کردن داده‌های بالینی، امکان دسترسی راحت به این داده‌ها را فراهم می‌کند. این استارتاپ با ایجاد بسترهای نرم‌افزاری در جهت تجزیه و تحلیل داده‌ها‌، مبتنی بر هوش مصنوعی به شرکت‌های دارویی برای ایجاد برنامه‌های جدید تولید دارو کمک شایانی می‌کند.

ان‌فِرِنس (nference): این استارتاپ با استفاده از الگوریتم‌های شبکه عصبی پیشرفته (یادگیری عمیق و کم‌عمق) متون مختلف حوزه‌های علمی و تجاری را به صورت لحظه‌ای پردازش کرده و دانش استخراج شده را به صورت APIهایی در اختیار مشتریان خود که بیوانفورماتیک‌ها، زیست‌شناسان، تحلیل‌گران تجارت، داروسازان و غیره هستند قرار می‌دهد.

فلت آیرون (Flatiron Health): با جمع‌­آوری تجربه­‌های بیماران مبتلا به سرطان و با کمک الگوریتم‌­های یادگیری ماشین محققان را در پیشبرد سریع تحقیقات خود و مراقبت بهتر از بیماران یاری می‌دهد.

3. کشف دارو

استارتاپ‌هایی که در زمینه کشف دارو فعالیت می‌کنند سعی دارند ساختارهای جدید مولکولی و فرمول‌های جدید دارویی را با بهره‌گیری از تکنولوژی‌های هوش مصنوعی کشف کنند. این استارتاپ‌ها از داده‌های متنوع و مختلف، از اطلاعات ژنتیکی تا داده‌های بیولوژیک و محیطی استفاده می‌کنند تا بتوانند ترکیبات جدید را پیدا کنند. تعداد استارتاپ‌های موجود در این دسته و سرمایه‌گذاری‌های انجام شده در آن‌ها نیز به نسبت سایر دسته‌ها قابل توجه است.

برخی از استارتاپ‌های این دسته از قرار زیر هستند:

ری‌کیورژن (Recursion Pharmaceuticals): این استارتاپ بیوتکنولوژی با ترکیب بیولوژی تجربی، اتوماسیون و هوش مصنوعی به صورت موازی در یک سیستم می‌تواند با سرعت و بازده بهتری درمان‌های جدیدی برای بیماری‌ها کشف کند.

بلک‌تورن تراپیوتیکس (BlackThorn Therapeutics): این استارتاپ در حوزه بالینی اعصاب و روان فعالیت می‌کند و به دنبال کشف درمان‌های هدفمند برای اختلالات مغزی است.

نوریتاس (nuritas): با ترکیب هوش مصنوعی و ژنومیک به کشف پپتیدهای فعال زیستی طبیعی می‌پردازد. هدف این استارتاپ مدیریت سلامت انسان و بهبود بخشیدن آن است.

لب‌جینیوس (LabGenius): از یادگیری ماشین برای تولید پروتئین درمانی بهتر کمک می‌گیرد. ترکیب زیست‌شناسی سنتی و فناوری پیشرفته راهکار این استارتاپ برای متحول کردن روند کشف مسکن‌ها و ساخت داروهای ایمن‌تر و موثرتر در سراسر جهان است.

4. کمک‌تشخیصی

راهکارهای کمک‌تشخیصی زیر مجموعه‌ای از سیستم‌های کمک‌تصمیم‌گیری (Decision Support Systems) هستند. استارتاپ‌های این دسته در انواع روش‌های تشخیصی به خصوص روش‌های پاراکلینیک وارد می‌شوند و سرعت تشخیص را افزایش، خطاها را کاهش و فرآیند را بهبود می‌دهند. برخی دیگر از استارتاپ‌های این دسته نیز هستند که با بهره‌گیری از هوش مصنوعی دسترسی به روش‌های تشخیصی را بیشتر می‌کنند. برخی دیگر از استارتاپ‌های هوش مصنوعی سلامت نیز هستند که با استفاده از این تکنولوژی‌ها راهکارهای کاملا جدید تشخیصی ابداع می‌کنند.

برخی از استارتاپ‌های این دسته از قرار زیر هستند:

فرینوم (Freenome): یک شرکت فناوری بهداشت است که در زمینه کنترل سرطان و سایر بیماری‌ها در راستای کنترل مراحل بیماری، محصولات دقیق غربالگری را در دسترس قرار داده و به‌صورت غیر تهاجمی توسعه می‌دهد. (با تولید محصولات غربالگری دقیق و در دسترس به تشخیص به موقع و درمان فعالانه سرطان و سایر بیماری‌ها در مرحله قابل کنترل از بیماری کمک می‌کند.)

پروشیا (Proscia): استارتاپی برای داده‌کاوی توسط هوش‌مصنوعی در جهت کشف ارزشمند فاکتور‌های پنهان سرطان به طور دقیق‌تر و سریع‌تر است. این استارتاپ یک پلتفرم آسیب‌شناسی دیجیتال است که با استفاده از هوش مصنوعی داده‌های پنهانی را که با چشم انسان قابل مشاهده نیست کشف و آن‌ها را به بینش‌های ارزشمندی برای بهبود کارایی، سرعت و کیفیت تشخیص سرطان تبدیل می‌کند.

مکس‌کیو اِی‌آی (MaxQ AI): در موارد حاد پزشکی با تجزیه و تحلیل‌های پیشرفته و هوش مصنوعی ابزارهای پشتیبان تصمیم‌گیری در لحظه را برای بهبود نتایج بالینی فراهم می‌کند.

آرتی‌کیو (ArtiQ): این نرم‌افزار پزشکی مبتنی بر هوش مصنوعی یک شریک قابل اعتماد برای پزشکان در تشخیص، درمان و پیگیری مشکلات تنفسی است. آرتی‌کیو در حال حاضر به تفسیر و تست عملکرد ریوی و بهبود محیط تشخیص بیمار کمک می‌کند.

آیلیس (aillis): آیلیس روش‌های جدید آزمایش و تشخیص آنفولانزا با استفاده از هوش مصنوعی را ارائه می‌دهد. (این شرکت به طور عمده روی روش‌های جدید تشخیص آنفولانزا تمرکز دارد.)

باترفلای نتورک (butterfly network): یک دستگاه تصویربرداری پزشکی طراحی کرده‌است که باعث کاهش هزینه تصویربرداری سه‌بعدی و آنی می‌شود.

هلثی آی‌او (healthy.io): این استارتاپ دوربین‌های گوشی را تبدیل به یک وسیله پزشکی می کند. اولین محصول آن ها کیت ادرار خانگی است که امکان تفسیر آزمایش ادرار با کمک تلفن همراه را به وسیله اسکن هوشمند فراهم می‌کند. به این ترتیب، افراد مبتلا به دیابت یا فشار خون بالا می‌توانند آزمایش‌های ادرار برای تشخیص مشکلات کلیوی را در خانه انجام دهند. این محصول برای غربالگری جمعیتی در اروپا ساخته شده‌است. محصول دوم آنها برای ارزیابی و نظارت بر زخم‌های مزمن و مراقبت‌های بهتر از آن‌ها است.

سیگ توپل (sigTuple): ­با جمع­‌آوری و تحلیل داده­‌های پزشکی با استفاده از هوش­‌مصنوعی و استخراج دانش نهفته در آن­ها اطلاعات مفیدی به منظور تشخیص­ سریع­تر ودقیق­‌تر در اختیار پزشکان قرار می­‌دهد.

سایت (sight): یک شرکت تجهیزات پزشکی است که تشخیص مقرون به صرفه و دقیقی را برای خود‌مراقبتی به ارمغان می‌آورد. این شرکت با استفاده از تکنولوژی یادگیری ماشین و تجزیه و تحلیل­ نمونه خون با کمک هوش­‌مصنوعی بیماری­‌های عفونی را تشخیص می­‌دهد.

ویز (viz): ویز به پزشکان کمک می کند تا از طریق یادگیری ماشین ناهنجاری‌های اسکن مغز را تشخیص دهند. این نرم‌افزار با استفاده از یادگیری عمیق و تحلیل روی اسکن­‌های مغزی، انسداد عروق بزرگ را که منجر به نوعی سکته مغزی غیرفعال می­‌شود تشخیص می­‌دهد و از این طریق به پیشگیری و درمان سریع‌­تر بیماران کمک می­‌کند.

مدیال اِرلی‌ساین (medial earlysign): مدیال اِرلی‌ساین یک بستر هوش­‌مصنوعی مستقر بر روی داده­‌های جمع­‌آوری شده از میلیون­‌ها بیمار ایجاد کرده است که قادر به پیش­‌بینی انواع بیماری­‌های متابولیک، ایمنی و عفونی از روی نتایج آزمایش خون افراد می‌باشد.

کورتی (Corti): این استارتاپ با استفاده از تکنولوژی یادگیری ماشین کمک می‌کند تصمیمات زودتر و دقیق‌تر در بخش اورژانس گرفته شود. به عنوان مثال به تشخیص زودتر سکته قلبی کمک می‌کند.

5. کمک‌تصمیم‌گیری بیمارستان

سیستم‌های کمک‌تصمیم‌گیری در سطح مدیریتی برای بیمارستان‌ها و مراکز درمانی نیز می‌توانند مورد استفاده قرار گیرند. یکی از راهکارهایی که توسط این دسته از استارتاپ‌ها ارائه می‌شود مدیریت و توزیع مناسب منابع به منظور کاهش هزینه‌ها و افزایش بازدهی است. استارتاپ‌های دیگری نیز هستند که برخی از کارهای پرسنل مراکز درمانی را با استفاده از هوش مصنوعی اتوماسیون می‌کنند و به این طریق از نیروی انسانی مورد نیاز و یا حجم کاری آن‌ها می‌کاهند.

برخی از استارتاپ‌های این دسته از قرار زیر هستند:

اولیو (Olive): اولیو، قصد دارد ربات‌­ها را در مواردی که می­‌توانند بهتر از انسان عمل کنند جایگزین نیروی انسانی کند و تنها مواردی همچون خلاقیت و همدلی که انسان در آن از ربات پیشتاز است بر عهده بشر باشد.

کیوونتوس (Qventus): با استفاده از الگوریتم­‌های یادگیری و بهینه­‌سازی، تصمیمات عملیاتی بهینه و در لحظه را برای مراقبت‌های بهداشتی به بیمارستان‌­ها و مراکز خدمات درمانی پیشنهاد می­‌دهد.

لین تاس (leanTaas): این استارتاپ با استفاده از تحلیل داده‌های پرونده‌های الکترونیک و برنامه‌های کاری کلینیک‌ها و بیمارستان‌ها بازده عملیاتی آن‌ها را به شکل محسوسی افزایش می‌دهد. این راهکار منجر به کاهش زمان انتظار بیماران و هزینه‌های مراکز می‌گردد در حالی که رضایت بیماران افزایش پیدا می‌کند.

6. مدیریت خدمات سلامت

یکی دیگر از راهکارهایی که هوش مصنوعی ارائه می‌دهد ارزیابی ریسک است. برای شرکت‌های بیمه یا کارفرما‌هایی که کارکنان خود را بیمه می‌کنند ارزیابی ریسک و مدیریت آن خدمتی ارزشمند است. به طور کلی استارتاپ‌هایی که در این دسته قرار دارند مشتریانشان بیمه‌ها یا سازمان‌ها (برای خدمات بیمه که به کارکنانشان می‌دهند) هستند. این استارتاپ‌ها با مدیریت خدمات سلامت در وهله اول سعی در کاهش هزینه‌های کلان بهداشتی درمانی دارند.

برخی از استارتاپ‌های این دسته از قرار زیر هستند:

لومیاتا (Lumiata): این استارتاپ با استفاده از هوش مصنوعی پیش‌بینی‌هایی برای مدیریت هزینه‌ها و ریسک به شرکت‌های بیمه و کارفرمایان ارائه می‌دهد.

اِی‌آی کیور (AiCure): یک شرکت تجزیه و تحلیل داده پیشرفته است که از هوش‌مصنوعی برای درک چگونگی پاسخ بیماران به درمان استفاده می‌کند. این استارتاپ با استفاده از هوش­‌مصنوعی داده­‌های ویدئویی، صوتی و رفتاری را که از بیمار دریافت می­‌کند تحلیل کرده و چگونگی پاسخ بیمار به درمان را گزارش می­‌دهد و از این طریق باعث تصمیم‌گیری­‌های هوشمندانه و بهبود روند درمان بیماران می­‌شود.

یوکِیر اِی‌آی (Ucare.ai): با استفاده از یوکِیر بیماران می­‌توانند به درک شخصی از شرایط سلامت خود و خطرات احتمالی آینده دست پیدا کنند و بتوانند اقدامات پیشگیرانه را زودتر انجام دهند. از همین رو ارائه‌‌دهندگان خدمات سلامت نیز می­‌توانند روی افرادی که نیاز به درمان فوری دارند تمرکز کنند.

هلث اَت اِسکیل (health at scale): این استارتاپ با استفاده از هوش مصنوعی و تکنولوژی یادگیری ماشین بیمار را با مناسب‌ترین پزشک و مرکز درمانی در مناسب‌ترین زمان انطباق می‌دهد. در نتیجه راهکار این استارتاپ نتایج درمان بهبود و هزینه‌ها کاهش می‌یابد.

لوسینا هلث (Lucina Health): این استارتاپ با اتکا به یک پایگاه داده غنی و تحلیل وضعیت جسمانی زنان باردار، افرادی را که در معرض خطر زایمان زودرس هستند (معمولا در سه ماه اول بارداری) شناسایی می­‌کند تا با پیشگیری و درمان زودهنگام از وقوع اتفاقات ناگوار جلوگیری شود.

7. مراقبت از راه دور

استارتاپ‌های این دسته با استفاده از هوش مصنوعی بخشی از نقش پرسنل بهداشتی درمانی را به عهده می‌گیرند. راهکارهای مراقبت از راه دوری که از هوش مصنوعی بهره می‌برند مانیتورینگ اولیه بیمار را انجام می‌دهند و در صورتی که مشکلی وجود داشته باشد پرسنل بهداشتی درمانی یا فرد مسئول را مطلع می‌کند. این استارتاپ‌ها ضمن کاهش هزینه‌های سیستم، راهکاری برای مشکل کمبود نیروی متخصص نیز هستند.

برخی از استارتاپ‌های این دسته از قرار زیر هستند:

مایند استرانگ (Mindstrong): مایند استرانگ برای اولین بار راهی برای اندازه­‌گیری عینی و مداوم عملکرد مغز به صورت روزانه ارائه کرده­‌است. این استارتاپ دیدگاه جدیدی از عملکرد مغز به ­انسان می­‌دهد که تاکنون از روش­‌های تصویربرداری سنتی امکان­‌پذیر نبوده است.

بایوفرمیس (Biofourmis): بایوفورمیس، با استفاده از موتور تحلیلی مبتنی­ بر هوش­‌مصنوعی و تجزیه و تحلیل داده­‌های بالینی موجود در منابع خود، وقوع یا تشدید یک بیماری را از قبل پیش‌­بینی کرده و به پزشکان و شرکت­‌های تولید دارو و خدمات سلامت کمک می­‌کند تا خدمات بهتر و موثر­تری ارائه دهند.

کانتینیوس بایومتریکس (ContinUse Biometrics): فناوری معاینه از راه دور را به طور کارآمدی پیاده­‌سازی می‌کند. به این صورت که از طریق سنسورهایی که به گوشی همراه فرد متصل است در هر زمان و هر مکان که فرد بخواهد اطلاعات بالینی همچون ضربان قلب، فشار خون، میوگرافی و غیره را بدون تماس جسمی و از راه دور برای پزشک ارسال می­‌کند تا از طریق آن درمان و تشخیص مناسب را انجام دهد. این استارتاپ برای مراقبت از بیماران قلبی و عروقی، عضلانی و دیابت بسیار موثر است.

وینترلایت لبز (Winterlight Labs): وینترلایت، فناوری‌ای ایجاد می‌کند که می‌تواند به سرعت و به طور دقیق علائم اختلال شناختی را از نمونه گفتار تشخیص دهد. در واقع وینترلایت با به‌کارگیری هوش­‌مصنوعی و پردازش و تحلیل صدای افراد و الگوهای گفتار زبان آن­ها، بیماری‌­های شناختی و روانی از جمله زوال عقل را تشخیص می‌­دهد.

دنتال مانیتورینگ (dental monitoring): راهکار این استارتاپ برای پایش سلامت دندان‌ها استفاده از یک گجت برای عکس‌برداری با گوشی موبایل از دندان‌ها و تحلیل آن‌ها با هوش مصنوعی است.

ام فاین (mfine): این استارتاپ از طریق گوشی همراه و یا دستگاه­‌های پوشیدنی دیجیتال اطلاعات سلامت افراد را بررسی و تحلیل کرده و پیش­‌بینی دقیقی از وضعیت سلامت بیمار را در اختیار مراکز درمانی و پزشکان قرار می­‌دهد تا از طریق ارزیابی‌­های اولیه تشخیص و درمان بهتر و سریع­‌تری برای بیمار فراهم کنند.

8. مراقبت شخصی‌سازی‌شده

استارتاپ‌های این دسته نیز زیرمجموعه سیستم‌های کمک‌تصمیم‌گیری قرار می‌گیرند ولی در زمینه مراقبت‌های درمانی به متخصصان کمک می‌کنند بهترین درمان متناسب با نیاز و شرایط فرد را تجویز نمایند. برخی از این استارتاپ‌ها نیز هستند که خود می‌توانند در مواقع بحرانی شرایط بیمار را تشخیص دهند و درخواست کمک نمایند و یا حتی مداخله‌ای برای نجات جان بیمار انجام دهند.

برخی از استارتاپ‌های این دسته از قرار زیر هستند:

هول بیوم (Whole Biome): یک شرکت میکروبیوم است که با ایجاد تعادل هدفمند در میکروبیوم‌های انسانی در زمینه ایجاد مراقبت بهتر از بیماران متمرکز شده است. این استارتاپ با جمع­‌آوری و تحلیل میکروبیوم­‌های انسانی به پزشکان و محققان کمک می­‌کند تا به سرعت بیومارکرهای جدید را برای اهداف مورد نظر خود از جمله تشخیص و درمان بیماری­‌ها کشف کنند.

اسپرینگ هلث (Spring Health): هدف این استارتاپ کمک به افراد مبتلا به اختلالات روان است تا هر چه زودتر بهبود پیدا کنند. بدین منظور با استفاده از هوش مصنوعی بهترین راهکارهای درمانی و بهبودی را در زمان مناسب پیشنهاد می‌دهد.

لیریو (Lirio): این استارتاپ پلتفرم ارتباطی شخصی‌سازی شده برای تغییر رفتار است که این رویکرد فردمحور را با استفاده از هوش مصنوعی فراهم می‌کند.

آبلاکون (ablacon): این استارتاپ سیستم هوش مصنوعی ابداع کرده است که می‌تواند فیبریلاسیون دهلیزی را دقیق و قابل اعتماد تشخیص دهد و درمان کند.

9. تندرستی

هوش مصنوعی در دسته استارتاپ‌های تندرستی راهکارهایی از توصیه رفتار سلامت مناسب فرد تا ترغیب شخصی‌سازی شده را ارائه می‌کند. هر چند در بسیاری از استارتاپ‌های بازار تندرستی ممکن است از هوش مصنوعی استفاده شود ولی کمتر این تکنولوژی، هسته اصلی این کسب‌وکارها را شکل می‌دهد.

برخی از استارتاپ‌های این دسته از قرار زیر هستند:

ول توک (Welltok): این استارتاپ، پلتفرم مبتنی بر داده برای ترغیب افراد به مشارکت در سلامت و مراقبت از خود است که خدمات خود را به شرکت‌های بیمه و کارفرمایان ارائه می‌دهد.

وی (Vi): این استارتاپ ارائه دهنده تمرین‌های ورزشی شخصی‌سازی‌شده توسط هوش‌مصنوعی در قالب فایل‌های صوتی است. با توجه به هدف هر فرد از ورزش و پایش لحظه‌ای وضعیت او با استفاده از هوش مصنوعی تمرین‌های صوتی ورزشی مناسب را به صورت روزانه ارائه می کند. این اپلیکیشن ورزش کردن را برای کاربران خود بسیار مفرح کرده است.

10. حفظ امنیت

حفظ امنیت و حریم شخصی افراد در حوزه سلامت از حساسیت زیادی برخوردار است. از سوی دیگر ما نیاز به دسترسی به داده‌های سلامت برای کشف ناشناخته‌ها داریم. استارتاپ‌هایی هستند که با بهره‌گیری از تکنولوژی هوش مصنوعی توانسته‌اند راهکارهایی برای دسترسی به داده‌ها و در عین حال حفظ امنیت و حریم شخصی ارائه دهند.

یکی از استارتاپ‌های این دسته از قرار زیر است:

دیتاوَنت (Datavant): این استارتاپ داده‌های بهداشتی جهان را سازمان‌دهی می‌کند و به صاحبان داده کمک می‌کند تا حریم شخصی و امنیت داده‌های خود را در زمان اشتراک مدیریت کنند.

11. تحلیل اطلاعات ژنتیک

کشف رازهای پنهان در اطلاعات ژنتیکی انسان بدون بهره‌گیری از تکنولوژی هوش مصنوعی امکان‌پذیر نیست. بنابراین استارتاپ‌هایی هستند که به طور اختصاصی روی توسعه راهکارهای تحلیل اطلاعات ژنتیکی با استفاده از هوش مصنوعی کار می‌کنند.

برخی از استارتاپ‌های این دسته از قرار زیر هستند:

وکسی نکست‌کُد (WuXi NextCODE): این استارتاپ با استفاده از ژنوم انسان، انواع بیماری‌ها و عوامل بیماری‌زا در هر شخص را مشخص می‌کند. محصول آن یک پلتفرم استاندارد جهانی برای داده‌های ژنومی ایجاد کرده است که قابلیت‌هایی همچون طراحی، ذخیره‌سازی، تفسیر و تجزیه و تحلیل داده‌های ژنومی را فراهم می‌کند‌.

آی‌کربن‌ایکس (iCarbonX): پلتفرم هوش­ مصنوعی که داد­ه‌های بیولوژیکی را از افراد مختلف در چین چمع­‌آوری و داده‌کاوی می­‌کند تا از طریق یادگیری ماشین به استخراج الگوهای مفید دست پیدا کنند. شعار این استارتاپ زندگی سالم از طریق اکوسیستم زندگی دیجیتال است.

نتیجه‌گیری

استارتاپ‌هایی که از تکنولوژی هوش مصنوعی در حوزه سلامت بهره می‌گیرند تعداد قابل توجهی دارند و سهم آن‌ها از بازار سرمایه‌گذار نیز نسبت به تکنولوژی‌های دیگر بیشتر است. به همین دلیل به نظر می‌رسد که فرصت مناسبی برای علاقه‌مندان به این تکنولوژی است که وارد حوزه سلامت شوند. از سوی دیگر برای فعالان حوزه سلامت نیز هوش مصنوعی بازاری رو به رشد و جذاب به نظر می‌رسد.

علاوه بر مواردی که در این مقاله به آن‌ها اشاره شد ده‌ها استارتاپ دیگر هوش مصنوعی سلامت هستند که می‌توان از آن‌ها الگو گرفت. ولی در همین دسته‌بندی‌هایی که ذکر شد فرصت‌های بسیاری وجود دارد که نه فقط در بازار ایران نوظهور و بکر هستند، بلکه بسیاری از آن‌ها هنوز در دنیا به اندازه کافی توسعه نیافته‌اند یا سهم بازار قابل توجهی به‌دست نیاورده‌اند.

تحصیل، مطالعه و کسب دانش و تجربه در زمینه هوش مصنوعی سلامت به خصوص با رویکرد بین‌رشته‌ای در آینده‌ای نه چندان دور -حتی اکنون در کشورهای پیشرفته- فرصت‌های شغلی و تحصیلی بسیار منحصر به فردی دارد.

نویسندگان: دکتر آیدین پرنیا و مهندس نجمه یوسفی

ویرایش محتوایی و نگارشی: دکتر فرشته کاظمی‌پور و امین الهامی