Nuevo actor en la gestión digital de la diabetes
La aplicación para la diabetes Smit.fit de la India y la empresa de terapia digital (DTx) con sede en Qatar, Droobi Health, han anunciado su fusión.
La entidad combinada llamada DroobiSmit, con sede en Singapur, aspira a ser un proveedor líder de soluciones para la diabetes en las regiones de Medio Oriente y el sur de Asia. Ofrecerá soluciones personalizadas para personas con prediabetes, diabetes e hipertensión, aprovechando la tecnología de gemelos digitales, análisis predictivos y monitoreo avanzado.
Sujit Chakrabarty, fundador de Smit.fit, quien también estará al frente de DroobiSmit, mencionó que buscarán ingresar a los mercados emergentes, particularmente a Arabia Saudita. El ex Ministro de Telecomunicaciones de Qatar, Dr. Hessa Al Jaber, también se unirá al consejo de administración de la empresa.
Fitterfly lanza un chatbot empático con IA
Fitterfly, una empresa DTx de la India, ha aprovechado las tecnologías de inteligencia artificial para desarrollar un chatbot conversacional empático que ayuda con la gestión de la salud y el fitness.
Apodado JEDi, este chatbot de la aplicación Fitterfly Metabolic Health ofrece consejos personalizados y empujones basados en las respuestas de los usuarios, los datos de salud y las preferencias.
“La arquitectura JEDi es híbrida con arquitectura basada en reglas [natural language processing] sobre una base de sistema experto complementado con grandes modelos de lenguaje. Está conectado a la base de conocimientos de Fitterfly que impulsa nuestras terapias”, dijo Ammar Jagirdar, director de X Labs en Fitterfly, explicando la arquitectura del chatbot.
JEDi también puede presentarse como una solución plug-and-play o un servicio complementario para empresas, incluidas las compañías de seguros.
La nueva solución móvil de Nuvilab presenta tecnología genAI y CGM
La empresa surcoreana de inteligencia artificial alimentaria Nuvilab ha creado una nueva solución móvil para gestionar la nutrición de las personas con diabetes.
Sin dar muchos detalles sobre la nueva solución, la compañía compartió que está incorporando monitoreo continuo de glucosa (CGM) e inteligencia artificial generativa para mejorar su efectividad.
El lanzamiento de esta nueva oferta se produce cuando Nuvilab está ampliando sus objetivos de servicios de atención médica para incluir a personas con diabetes tipo 2.
Mientras tanto, la compañía firmó recientemente un contrato formal para implementar su escáner de alimentos con IA en la atención hospitalaria del Hospital Alexandra en Singapur, luego de una exitosa prueba piloto de siete semanas. El escáner tiene una precisión promedio del 95% al registrar y analizar las comidas de los pacientes por cama.
La última aprobación de la FDA de Qure.ai para la solución AI CXR
El proveedor indio de soluciones de imágenes médicas Qure.ai obtuvo otra autorización de la Administración de Alimentos y Medicamentos de los Estados Unidos para su solución de rayos X de tórax basada en inteligencia artificial.
Se informa que qXR para Lung Nodule es la primera solución aprobada por la FDA para identificar y localizar nódulos pulmonares mediante visión por computadora, destinada a radiólogos, neumólogos y médicos de urgencias. La solución puede detectar y resaltar regiones con sospecha de nódulos pulmonares que miden entre 6 y 30 milímetros.
Se trata de la decimotercera autorización de la FDA de la empresa y la sexta para su gama de soluciones de radiografía de tórax.
Oncoshot impulsará los ensayos clínicos en Ablaze con análisis avanzados
La startup de inteligencia artificial médica de Singapur, Oncoshot, se ha asociado con el proveedor de soluciones de ensayos clínicos Zhejiang Ablaze Medicine de China para optimizar la infraestructura de ensayos clínicos.
Oncoshot incorporará análisis avanzados y automatización para mejorar el diseño y la planificación de las pruebas de Ablaze. También ofrecerá una infraestructura de datos federada para respaldar a Ablaze y sus socios.
Su objetivo, según el cofundador y director de Ablaze, Marco Meng, es “ayudar a predecir los sitios de prueba óptimos, mejorar la coincidencia y retención de pacientes y permitir un ciclo continuo de mejoras en el diseño de pruebas impulsadas por datos y tecnología”.