Claus Henrik Johansen
Vi står over for en skelsættende periode i sundhedssektoren med udbredelsen af AI. Læs med for at lære, hvordan teknologi fra NVIDIA og Google kommer til at revolutionere branchen.
Resume
- Udbredelsen af kunstig intelligens kommer til at ændre vores sundhedssektor i en grad, som vi slet ikke kan forestille os.
- NVIDIAs teknologi kommer til at give branchen nye ”superkræfter”, og vi kommer til at se ny medicin blive udviklet med en hastighed, som næsten kan gøre ”superman” misundelig.
- Et sundhedsvæsen, der er udfordret på personalesiden, kommer til at anvende og implementere AI, så vi endnu hurtigere kan stille diagnosen, og finde den rigtige behandling til patienten hurtigere end nogensinde før.
- Kunstig intelligens kommer til at øge produktiviteten i en grad, som vi slet ikke kan forestille os. Fremtiden ser lys ud!
- Det kommer til at gavne mange selskaber. Læs med neden for at lære om hvilke.
En eksplosiv periode er foran os
Sundhedssektoren står foran en eksplosiv periode, hvor kunstig intelligens får en betydelig rolle. Det anslås, at sundhedssektoren producerer 1.000.000.000.000 gigabyte data om året, og der gættes på, at det tal er dobbelt så højt om bare 2 år.
Det er et ufatteligt stort tal. Det dækker jo over diverse prøver og test f.eks. røntgenbilleder, vævsprøver, blodprøver, genomiske data, alle data i diverse patientjournaler osv.
Det er klart, at mængden af disse data er overvældende, og kan være svære at overskue for selv de dygtigste mennesker. Tænk på en læge, der har 20 patienter, og 50 parametre, som skal holdes op over for grænseværdier for, hvornår patienten er syg, eller skal undersøges nærmere. Vi taler om 20 x 50 = 1000 dataværdier, som en læge eller sygeplejerske skal kunne overskue, vel at mærke på daglig basis.
Derfor er der kæmpe værdi i at udvikle et system for lægen eller sygeplejersken, som lynhurtigt kan analysere disse data. Det er her NVIDIAs ”superkræfter” kommer ind.
NVIDIAs superkræfter
Her følger nogle linjer om, hvad NVIDIA laver. NVIDIA kommer fra Santa Clara i Californien. NVIDIA er et software og ”fabless” selskab, dvs. NVIDIA har ingen fabrikker selv, og de fleste investeringer er derfor kun hardware (computere) og software (programmer). NVIDIAs salg er altså ikke afhængig af egne fabrikker.
Det er en vigtig pointe, for NVIDIAs salg kan derfor ”eksplodere” uden, at der er en bagvedliggende produktion på en fabrik, der skal kunne følge med.
NVIDIA designer Graphics Processing Units (GPU), og Application Programming Interface (API) til “data science”, og “High-Performance Computing”, dvs. supercomputere og ”computer-clusters”, som er systemer af computere, der arbejder sammen som én, men meget kraftfuld computer.
Accelerated computing
NVIDIA er kendt for sin tilgang til at integrere alle dele: mikrochips, algoritmer og software, med det formål at kunne accelerere beregninger og tilgange til store datamængder. Hensigten er at kunne forbedre performance i algoritmerne, men uden at ændre på selve funktionaliteten.
Et eksempel: Diagnosen hos lægen skal stilles under hensyntagen og inddragelse af ny viden, uden at computeren eller diagnoseprogrammerne skal udskiftes (computerens algoritme forbedres løbende via inkludering af nye og relevante data).
Alt sammen er nødvendigt, når store mængder af data skal analyseres, f.eks. når der skal udvikles nye lægemidler, eller når der skal stilles diagnoser på baggrund af f.eks. røntgenbilleder osv.
Hvor kan vi se AI anvendt i højere grad?
NVIDA nævner selv 4 områder, hvor anvendelsen af kunstig intelligens kan løfte tempoet til nye højder, og samtidig øge innovationshastigheden.
#1 Artificial Intelligence powered Drug Discovery (AIDD)
NVIDIA annoncerede i februar 2023 ”BioNeMo Cloud”, som var en ny service til life science-sektorens forskningsafdelinger, som giver forskere i mindre biotekselskaber adgang til ”trænede AI-modeller”, og som derved kan analyse deres egne data på disse modeller.
NVIDIA annoncerede i november et arbejde med Amazon’s cloud service forretningsben, AWS, om at få adgang til BioNemo via AWS’ cloud service.
NVIDIA annoncerede også i november 2023, at selskabet havde indgået et samarbejde med et af verdens største pharma-selskaber (top-10), selskabet Roche/Genentech. Roche kalder selv samarbejdsprogrammet et ”lab-in-a-loop”.
Ideen er, at forskerne udarbejder en hypotese på baggrund af eksisterende data, derefter testes den i laboratoriet, og endelig sammenlignes disse data med de ”gamle data”, og nye hypoteser udarbejdes derefter, som så igen bliver testet i laboratoriet.
Med anvendelsen af ”accelerated computing” kan forskere nu lave ”virtuelle” modeller af millioner af molekyler, designe nye molekyler, teste dem i laboratoriet, og derefter videreudvikle dem, så de til sidst ender som potentielle lægemidler, der skal videre fra laboratoriet, og testes i mennesker.
Pointen er her, at arbejdstiden kan kortes ned fra ca. 3 måneder til ca. 3 dage/3 uger, og det gør det muligt at arbejde meget hurtigere, og dermed afkorte processen med at opfinde nye lægemidler.
Selskaber som det schweiziske Roche/Genentech og det amerikanske Amgen har i 2023 indgået nye samarbejdsaftaler med NVIDIA.
Alphabet dannede selskabet Isomorphic Labs for mindre end 2 år siden. Men allerede nu har selskabet allerede lavet 2 aftaler med henholdsvis det schweiziske selskab Novartis og det amerikanske selskab EliLilly til en samlet værdi på USD 3 mia.
Isomorphic Labs kan hjælpe big pharma med at forudsige strukturen på proteiner, og arbejdet bygger videre på Google’s DeepMind. Isomorphic Labs har for nyligt annonceret, at selskabet også kan forudsige targets for nye, små molekyler, som kan forfølges i den videre forskning.
#2 Genomics = Genomforskning
NVIDIA nævner også genomforskning, som et område, der i stigende grad vil anvende kunstig intelligens.
Genomet, også kaldet for arvemassen, omfatter den genetiske information, som det grundlagdes med ved befrugtningen. NVIDIA beskriver selv, at anvendelsen af ”High Performance Computing” (HPC), kan muliggøre at opdage genetiske mutationer hurtigere i kræftceller, så patienter i fremtiden kan få en forebyggende behandling eller få en allerede godkendt behandling hurtigere.
Men en gensekventering af en cancercelle medfører dannelsen af utrolig store mængder af data, og de skal kunne analyseres meget hurtigt. Her kommer NVIDIAs ”High Performance Computing” ind i billedet.
Alle biotek- og pharma-selskaber kan nyde godt af dette, og mange hospitaler/laboratorier vil begynde at se kæmpe muligheder for implementering af AI.
#3 Medicinsk udstyr og billedanalyse
NVIDA beskriver også ”medical devices” og ”medical imaging”, som områder der allerede har oplevet kraftige produktivitetsforbedringer, men som også i de kommende år vil se kraftige forbederinger.
Inden for begge forretningsområder kan ”High Performance Computing” understøtte softwareprogrammer, og fungere som et ekstra ”sæt øjne”, der kan hjælpe læger og radiologer med at lave billedanalyser, og udpege specielle områder, som bør undersøges yderligere.
Denne hjælp kan både øge hastigheden for selve analysen, men så sandelig også hjælpe til med at undgå at ”overse” potentielle sygdomme. Et kæmpe fremskridt inden for bl.a. CT og MRI-scanninger eller undersøgelse ved brug af ultralyd.
Selskaber, der vil indarbejde kunstig intelligens yderligere, er f.eks. det amerikanske selskab GEHealthcare, det hollandske selskab Philips eller det tyske selskab SiemensHealthineers, men der er mange andre selskaber, der er i gang med at gøre det samme.
#4 Generative AI modeller og Large Language Modeller
Hvad er ”Large Language Models”? Det er en ”deep learning-algoritme”, der behandler og genererer menneskelignende tekst. Disse modeller er uddannet på massive datasæt, der indeholder tekst fra forskellige kilder, såsom f.eks. patientjournaler, medicinske guidelines, og oplysninger om godkendelser af nye former for medicin.
”Large Language-modeller” er en underkategori til generative AI-modeller, som generelt både kan generere tekst, billeder og endda også musik.
NVIDIA har f.eks. dets eget modul, der hedder NVIDIA NeMo, der er et end-to-end cloud modul, der bruges til at bygge Generative AI modeller i hvilken som helst virksomhed eller offentlig institution.
Hvad kan Generative AI så bruges til inden for hospitalssektoren?
Her er et par eksempler:
- Lave en chatbot, der kan henvise patienter til den rette læge/specialist
- Foretage personaliserede behandlinger
- Strømline kommunikation og dokumentation i patientjournaler
- Lave analyser, der kan klassificere den enkelte patients risikoprofil
- Forudsige om en behandling vil virke optimalt for den pågældende patient
Googles MedLM-model
Google har lavet en ”Generative AI”-model til sundhedssektoren (MedLM), der er blevet testet af et af USA’s største hospitalskæder, HCA Healthcare samt IT- og konsulentselskabet Accenture.
HCA Healthcare har f.eks. brugt til MedLM til at optage samtaler mellem patienter og lægen på skadestuen, og overføre disse dialoger til et tekst-udkast, som skal godkendes, inden det overføres til den elektroniske patientjournal.
Accenture har f.eks. testet MedLM til at kunne læse kliniske dokumenter, samt til sagsbehandlinger i forbindelse med refusion af udgifter i forbindelse med indlæggelser på hospitaler.
Hvor kommer vi til at se gennembrud?
- Forståelse af immunforsvaret: AI kommer til at give os en meget større indsigt i vores immunforsvar, helt ned på celleniveau, og vil i fremtiden gøre os i stand til at opfinde mere personaliserede behandlinger fx inden for kræft og inden for neurologiske sygdomme. Følg selskaber som Johnson & Johnson, Merck, Roche, AbbVie, Astrazeneca, Novartis, Bristol-Myers, Amgen, Gilead, Biogen, Pfizer, Novo Nordisk og Sanofi.
- Antibiotikaresistente bakterier: AI vil fremme forskningen i at skabe nye former for antibiotika, der kan bekæmpe bakterier, der er resistente over for de gængse former for antibiotika. Følg f.eks. med i GlaxoSmithKline.
- Vacciner: AI vil i fremtiden gøre os i stand til at udvikle vacciner hurtigere, både mod infektionssygdomme, bakterier og cancer. Følg med i selskaber som f.eks. BionNTech, Moderna, Evaxion, Sanofi, GlaxoSmithKline.
Udfordringer?
- Etiske overvejelser: Det er vigtigt, at AI bruges på en ansvarlig og etisk måde, så alle borgere stadig får en lige og anstændig behandling, samt adgang til sundhedsydelser.
- Datakvalitet: Datakvaliteten skal være høj. De data som modellerne skal trænes på, skal være af høj kvalitet, for det vil være afgørende for den svarernes nøjagtighed
- Regulering: Der er behov for regulering, så anvendelsen af AI i fremtiden ikke kommer til at skabe uligheder i adgangen til behandlinger eller adgangen til at tegne en sundhedsforsikring.
Gennemgribende forandringer
Som I nok kan fornemme, står sundhedssektoren over for en teknologi, der kan skabe gennemgribende forandringer på tværs af hele sundhedssektoren – lige fra diagnose til behandling. Jeg håber at kunne holde jer løbende orienteret. Stay tuned.
PS: Denne artikel blev ikke skrevet af ChatGPT eller Gemini.
Dette materiale er udarbejdet af Claus Henrik Johansen og indeholder information, der kan anses for at være en investeringsanbefaling i henhold til Markedsmisbrugsforordningen (Europa-Parlamentets og Rådets forordning 596/2014), dvs. information som anbefaler eller foreslår en investeringsstrategi. Nordnet Bank, filial af Nordnet Bank AB, Sverige (Nordnet), har ikke deltaget i udarbejdelsen, gennemgået eller foretaget ændringer i materialet. Claus Henrik Johansen har ansvaret for materialets indhold, og at det lever op til gældende lovgivning og regler.
Materialet har ikke været forelagt de omtalte selskaber. Claus Henrik Johansen ejer ikke aktier i de omtalte selskaber.
Dette materiale blev offentliggjort første gang den 12. marts 2024 kl. 10:40.
Indholdet i dette materiale udgør ikke personlig investeringsrådgivning. Det er vigtigt, at du som investor træffer dine investeringsbeslutninger ud fra din egen vurdering af information fra forskellige kilder. Nordnet påtager sig intet ansvar for direkte eller indirekte tab som følge af brug af information fra dette materiale. Materialet må ikke gengives uden Nordnets udtrykkelige samtykke.
Claus Henrik Johansen modtager honorar fra Nordnet. Honoraret er aftalt på forhånd og er ikke afhængig af materialets indhold eller de virksomheder, som er omtalt heri.
Det kan forekomme, at Nordnet har positioner i værdipapirer, der omtales i materialet. En sådan beholdning er da alene af administrative hensyn og uden fortjeneste for Nordnet.
Nordnet er under tilsyn af Finansinspektionen i Sverige og det danske Finanstilsyn.
Der er altid en risiko forbundet med at investere. Historiske afkast er ikke en garanti for fremtidige afkast. Finansielle instrumenter kan både stige og falde i værdi. Der er en risiko for, at du ikke får de investerede penge tilbage.
