[ad_1]
Neuer Player im digitalen Diabetes-Management
Die Diabetes-App Smit.fit aus Indien und das in Katar ansässige Unternehmen für digitale Therapeutika (DTx) Droobi Health haben ihre Fusion angekündigt.
Das zusammengeschlossene Unternehmen namens DroobiSmit mit Hauptsitz in Singapur hat sich zum Ziel gesetzt, ein führender Anbieter von Diabeteslösungen im Nahen Osten und in Südasien zu werden. Es wird personalisierte Lösungen für Menschen mit Prädiabetes, Diabetes und Bluthochdruck bieten und dabei digitale Zwillingstechnologie, prädiktive Analysen und fortschrittliche Überwachung nutzen.
Sujit Chakrabarty, Gründer von Smit.fit, der auch an der Spitze von DroobiSmit stehen wird, erwähnte, dass das Unternehmen den Eintritt in Schwellenmärkte, insbesondere Saudi-Arabien, anstreben werde. Auch die ehemalige katarische Telekommunikationsministerin Dr. Hessa Al Jaber wird dem Vorstand des Unternehmens beitreten.
Fitterfly führt einfühlsamen KI-Chatbot ein
Fitterfly, ein DTx-Unternehmen aus Indien, hat KI-Technologien genutzt, um einen einfühlsamen Gesprächs-Chatbot zu entwickeln, der beim Gesundheits- und Fitnessmanagement hilft.
Dieser Chatbot mit dem Namen JEDi in der Fitterfly Metabolic Health-App bietet individuelle Ratschläge und Anstöße basierend auf Benutzerreaktionen, Gesundheitsdaten und Vorlieben.
„Die JEDi-Architektur ist eine Hybridarchitektur mit regelbasierter (natürlicher Sprachverarbeitung) auf Expertensystembasis, ergänzt durch große Sprachmodelle. Sie ist mit der Fitterfly-Wissensdatenbank verbunden, die unsere Therapien unterstützt“, sagte Ammar Jagirdar, Leiter von X Labs bei Fitterfly , Erläuterung der Chatbot-Architektur.
JEDi kann auch als Plug-and-Play-Lösung oder als Zusatzdienst für Unternehmen, einschließlich Versicherungsgesellschaften, angeboten werden.
Die neue mobile Lösung von Nuvilab umfasst GenAI und CGM-Technologie
Das südkoreanische Lebensmittel-KI-Unternehmen Nuvilab hat eine neue mobile Lösung für das Ernährungsmanagement von Menschen mit Diabetes entwickelt.
Ohne viele Details zur neuen Lösung preiszugeben, teilte das Unternehmen mit, dass es eine kontinuierliche Glukoseüberwachung (CGM) und generative KI integriert, um deren Wirksamkeit zu steigern.
Die Einführung dieses neuen Angebots erfolgt zu einem Zeitpunkt, an dem Nuvilab seine Gesundheitsdienstleistungsziele auf Menschen mit Typ-2-Diabetes ausdehnt.
Unterdessen unterzeichnete das Unternehmen nach einem erfolgreichen siebenwöchigen Pilotprojekt kürzlich einen formellen Vertrag zur Implementierung seines KI-Lebensmittelscanners in der stationären Pflege des Alexandra Hospital in Singapur. Der Scanner weist eine durchschnittliche Genauigkeit von 95 % bei der Aufzeichnung und Analyse der Mahlzeiten der Patienten pro Bett auf.
Qure.ais neueste FDA-Zulassung für die AI CXR-Lösung
Der indische Anbieter medizinischer Bildgebungslösungen Qure.ai hat eine weitere Genehmigung der US-amerikanischen Food and Drug Administration für seine KI-basierte Thorax-Röntgenlösung erhalten.
qXR for Lung Nodule ist Berichten zufolge die erste von der FDA zugelassene Lösung zur Identifizierung und Lokalisierung von Lungenknoten mithilfe von Computer Vision, die für Radiologen, Lungenärzte und Notärzte gedacht ist. Die Lösung kann Regionen mit Verdacht auf Lungenknötchen mit einer Größe von 6 bis 30 Millimetern erkennen und hervorheben.
Es ist die 13. FDA-Zulassung des Unternehmens und die sechste für sein Sortiment an Thorax-Röntgenlösungen.
Oncoshot unterstützt klinische Studien bei Ablaze mit fortschrittlicher Analytik
Das singapurische medizinische KI-Startup Oncoshot hat sich mit dem chinesischen Anbieter von Lösungen für klinische Studien, Zhejiang Ablaze Medicine, zusammengetan, um die Infrastruktur für klinische Studien zu optimieren.
Oncoshot wird fortschrittliche Analysen und Automatisierung integrieren, um das Studiendesign und die Planung von Ablaze zu verbessern. Es wird außerdem eine föderierte Dateninfrastruktur bereitstellen, um Ablaze und seine Partner zu unterstützen.
Laut Marco Meng, Mitbegründer und Direktor von Ablaze, besteht ihr Ziel darin, „dazu beizutragen, optimale Studienstandorte vorherzusagen, die Patientenzuordnung und -bindung zu verbessern und einen kontinuierlichen Zyklus von Verbesserungen des Studiendesigns auf der Grundlage von Daten und Technologie zu ermöglichen.“
[ad_2]