contentSlug

type

ContentSlug_ContentQuery

slug

ContentPageContentQuery

content

trendingContent

query ContentSlug_ContentQuery(
  $contentSlug: String!
  $type: [ContentType!]
) {
  ...ContentPageContentQuery_13QmVO
}

fragment CompanyDetails_Content on Content {
  __isContent: __typename
  companies {
    name
    description
    pageUrl
    id
  }
}

fragment ContentBasicInfo on Content {
  __isContent: __typename
  id
  type
  title
  lang
  companies {
    viewerIsFollowing
    id
    name
    pageUrl
  }
  tags {
    viewerIsFollowing
    id
    name
    pageUrl
  }
  ...PublishingDetails
  ...Reactions
}

fragment ContentMetadata on Content {
  __isContent: __typename
  type
  title
  lang
  pageUrl
  alternatePageUrls: translations {
    __typename
    pageUrl
    lang
  }
  imgUrl
  description
  ... on Video {
    liveTime
    videoUrl
  }
  ... on Webcast {
    liveTime
    videoUrl
  }
}

fragment ContentPageContentQuery_13QmVO on Query {
  content(slug: $contentSlug, type: $type) {
    __typename
    id
    type
    title
    isPremium
    lang
    htmlBody
    summary
    companies {
      forum {
        latestPosts {
          ...ForumPosts
        }
      }
      name
      id
      viewerIsFollowing
      pageUrl
      defaultInstrument {
        isin
        id
        marketOpen
        marketClose
        marketplace {
          region
        }
        returns {
          total
        }
      }
    }
    tags {
      viewerIsFollowing
      id
      name
      pageUrl
    }
    createdAt
    ... on Video {
      liveTime
    }
    ... on Webcast {
      liveTime
    }
    slug
    ... on CompanyReport {
      reportUrl
    }
    ... on ThirdPartyCompanyReport {
      reportUrl
    }
    ... on StockExchangeRelease {
      reportUrl
    }
    ...ContentBasicInfo
    ...ContentMetadata
    ...PriceAndRecommendation_Content
    ...CompanyDetails_Content
    ...ReportLink_Content
    ...KeyFigures_Content
  }
  ...TrendingContent_1jQ2Cn
}

fragment ForumPosts on ForumPost {
  text
  likesCount
  url
  author
  postedAt
  authorImgUrl
}

fragment KeyFigures_Content on Content {
  __isContent: __typename
  companies {
    defaultInstrument {
      estimateData {
        modelType
        reportingCurrency
      }
      snapshot {
        transaction {
          date
          actualized {
            year
            quarter
            revenue
            revenueGrowth
            ebitAdjusted
            ebitReported
            ebitda
            enterpriseValue
            epsAdjusted
            dividend
            dividendYield
            sharePrice
          }
          estimates {
            year
            quarter
            revenue
            revenueGrowth
            ebitAdjusted
            ebitReported
            ebitda
            enterpriseValue
            epsAdjusted
            dividend
            dividendYield
            sharePrice
          }
        }
      }
      id
    }
    id
  }
}

fragment PriceAndRecommendation_Content on Content {
  __isContent: __typename
  createdAt
  companies {
    name
    pageUrl
    defaultInstrument {
      priceData {
        tradeCurrency
      }
      snapshot {
        priceData {
          date
          lastPrice
          tradeCurrency
        }
        transaction {
          date
          recommendation
          targetPrice
        }
        prevTransaction {
          recommendation
        }
      }
      id
    }
    id
  }
}

fragment PublishingDetails on Content {
  __isContent: __typename
  createdAt
  publishers {
    name
    imgUrl
  }
  authors {
    __typename
    id
    name
    slug
    imgUrl
    jobTitle
  }
  ... on Video {
    liveTime
  }
  ... on Webcast {
    liveTime
  }
}

fragment Reactions on Content {
  __isContent: __typename
  id
  reactionGroups {
    reactionType
    reactionsCount
    viewerReacted
  }
}

fragment ReportLink_Content on Content {
  __isContent: __typename
  type
  isPremium
  ... on CompanyReport {
    reportUrl
  }
  ... on ThirdPartyCompanyReport {
    reportUrl
  }
  ... on StockExchangeRelease {
    reportUrl
  }
}

fragment TrendingContent_1jQ2Cn on Query {
  trendingContent(type: ARTICLE) {
    __typename
    id
    title
    lang
    pageUrl
    createdAt
    type
    imgUrl
    companies {
      squareLogoUrl
      name
      id
    }
    authors {
      __typename
      imgUrl
      id
    }
    publishers {
      imgUrl
    }
  }
}


aiforia-technologies-oyjn-taloudellinen-tiedottaminen-ja-varsinainen-yhtiokokous-tilikaudella-2026

__typename

title

isPremium

lang

htmlBody

summary

companies

createdAt

publishers

authors

reactionGroups

pageUrl

translations

imgUrl

description

Aiforia tarjoaa patologeille ja tutkijoille prekliinisissä ja kliinisissä laboratorioissa tehokkaan syväoppivan tekoälyohjelmiston, jonka avulla kuvista voidaan tehdä löydöksiä, päätöksiä ja diagnooseja. Aiforian pilvipohjaisten tuotteiden ja palvelujen tavoitteena on parantaa lääketieteellisten kuvien analysoinnin tehokkuutta ja tarkkuutta monilla eri aloilla, onkologiasta neurotieteeseen.

Kellään tietoa, että ilmoittaako Aiforia kumppaneiden kautta saatuja diilejä? Toimarihan maalaili, että tämän vuoden puolella tulisi Siemensin kautta muutama kauppa.

Joo näissä terveyspuolen malleissa ongelma taitaa olla se, että ne viritetään aina niin tappiin kuin mahdollista “ei niin suurta generalisointia”. Tämä aiheuttaa sitten sen, että malli reagoi kaikkeen pieneen muutokseen inputissa todella vahvasti vaikka tehtäisiin hienosäätöä tai loppupään headin muutoksia. Fine tuningin pitäisi kyllä auttaa tähän ongelmaan (koska opetetaan vanhaa mallia uudenlaisella datalla uudesta laitteesta), mutta en tutustunut paperiin. Yksi ratkaisu voisi olla myös jonkinmoinen enkooderi datan etupäässä “embedding layer”, joka muuntaa inputin datan sellaiseen muotoon, että se ei enää sisällä skanneririippuvaisia ominaisuuksia. Näitä kaikkia siellä kuumasti pohditaan

Hauska havainto: Jos foundation-malli tehdään tietyllä skannerilla, malli oppii tuntemaan kyllä skannerin ominaisuudet, mutta ei välttämättä toimi muilla skannereilla. https://arxiv.org/pdf/2507.22092 FDA on ollut tässä mielessä oikeassa, että mallien hyväksyntä on skannerispesifinen, vaikka linjauksen aikoihin ei tainnut olla foundation malleista vielä paljon tietoakaan, niitä on ollut vasta 1-2 vuotta enemmän tutkimuskäytössä. FDA:n tulkinnat laitevaatimuksista ilmeisesti ovat vähitellen helpottumassa. Foundation-mallien hyödyntäminen tuli vauhdilla Aiforiaan. Nyt AI voi nopeuttaa mallien koulutustyötä ja patologin aikaa kuluu vähemmän koulutukseen. Tarkoitushan lopulta oli käyttää vähemmän kliinisen patologin aikaa. Nyt sitten vivulla sitäkin. Ja malli voi opettaa patologinkin näkemään tärkeitä signaaleja, joista ei tiedettykään. Kyse on ”vasta” vision-mallista. Seuraava askel voi olla multimodaalinen, jossa kuva ja teksti eli lausunnot, jopa sairauskertomukset, jos niihin olisi mahdollista päästä käsiksi, yhdistetään malliin. Ehkä ja joskus. Aiforian lähestymistapa on toistaiseksi paras kontrollimielessä, ensin tehtäväkohtaiset mallit ja koko ajan human in loop. Siitä kehityksen mukana eteenpäin. Jos Aiforian tähän mennessä korostama robustius ml. skanneriagnostisuus sisältyy noihin valtaviin datasetteihin foundation malleissa ja patenttihakemuksessa, ovat selättäneet tuon artikkelin sudenkuopat. Jos Aiforia pystyy osoittamaan FDA:lle, että heidän malleissaan on laatu eli virheensieto sillä tasolla, että kaikki skannerit käy, niin problem solved. Kilpajuoksusta on tietenkin kyse, pelureita on kentällä muitakin.

Tässä on Antin ja Fransin kommentit tästä tuoreesta tekoälyalustauutisesta.  Aiforia tiedotti keskiviikkona tuovansa markkinoille uuden sukupolven tekoälyalustan, joka hyödyntää Vision Transformer -teknologiaa. Uusi teknologia lupaa nopeuttaa tekoälymallien kehitystä ja parantaa niiden suorituskykyä, mikä tukee yhtiön tuoteportfolion laajenemista. Uutisella ei ole suoraa vaikutusta ennusteisiimme, mutta pidämme tuotekehityksen tehostumista positiivisena, sillä se osaltaan lievittää riskejä yhtiön innovaatiokyvyn riittävyydestä kululeikkausten jälkeen ja tukee yhtiön pitkän aikavälin kilpailukykyä.                   Inderes              Aiforia lanseeraa uuden tekoälyalustan - Inderes    Uusi teknologia lupaa nopeuttaa tekoälymallien kehitystä ja parantaa niiden suorituskykyä, mikä tukee yhtiön tuoteportfolion laajenemista.

Uusi teknologia lupaa nopeuttaa tekoälymallien kehitystä ja parantaa niiden suorituskykyä, mikä tukee yhtiön tuoteportfolion laajenemista. Kaipaisin näitten hyvien julkaisuiden lisäksi niitä sopimus uutisia.

Aiforia lanseeraa seuraavan sukupolven tekoälyteknologia-alustan            aiforia.com              Aiforia launches next-generation AI technology platform    Aiforia expands its AI technology platform featuring the powerful Vision Transformer architecture and proprietary Foundation Engine.

Aiforian ”syväoppivat neuroverkot”?                    facebook.com              1,4 milj. näyttökertaa · 23 t. reaktiota | Totally not winging it:...    Totally not winging it: these birds were trained to diagnose cancer with 99% accuracy. 🐦  In this popular Ri talk, Hannah Fry told us about a study that definitely ruffled some feathers.  Watch the...                              (Pieni kevennys ketjuun )

Aiforia Technologies

Aiforia Technologies Oyj:n taloudellinen tiedottaminen ja varsinainen yhtiökokous tilikaudella 2026Aiforia Technologies Oyj, Yhtiötiedote, 19.12.2025 klo 9.00 EETAiforia julkaisee seuraavat ...

Aiforia Technologies Oyj:n taloudellinen tiedottaminen ja varsinainen yhtiökokous tilikaudella 2026Aiforia Technologies Oyj, Yhtiötiedote, 19.12.2025 klo 9.00 EETAiforia julkaisee seuraavat taloudelliset katsaukset ja tilinpäätöksen vuonna 2026 seuraavasti:<ul><li>6.3.2026: Tilinpäätöstiedote tilikaudelta 2025</li><li>11.3.2026: Tilikauden 2025 tilinpäätös ja hallituksen toimintakertomus</li><li>28.8.2026: Puolivuosikatsaus 1.1.–30.6.2026</li></ul>Aiforia Technologies Oyj:n varsinainen yhtiökokous on suunniteltu pidettäväksi 2.4.2026. Yhtiön hallitus kutsuu kokouksen koolle erillisellä yhtiötiedotteella lähempänä ajankohtaa.Lisää tietoa taloudellisesta tiedottamisesta löytyy yhtiön sijoittajasivuilta osoitteessa<a href="https://investors.aiforia.com/fi/sijoittajat/sijoittajakalenteri"> https://investors.aiforia.com/fi/sijoittajat/sijoittajakalenteri</a>.Lisätietoja Veli-Matti Parkkonen, talousjohtaja, Aiforia Technologies Oyj puh. +358 405 009 878 <a href="https://investors.aiforia.com/fi/">https://investors.aiforia.com/fi/ </a>&nbsp;Hyväksytty neuvonantaja UB Corporate Finance Oy <a href="mailto:ubcf@unitedbankers.fi">ubcf@unitedbankers.fi</a>&nbsp;Tietoja Aiforiasta Aiforia on lääketieteen ohjelmistoyritys, jonka tavoitteena on mullistaa kuvien analysointi tekoälyn avulla. Aiforia tarjoaa patologeille ja tutkijoille kliinisissä, prekliinisissä ja akateemisissa laboratorioissa edistyksellisen tekoälyohjelmiston, joka mahdollistaa merkittäviä lääketieteellisiä läpimurtoja tänään ja tulevaisuudessa. Parantamalla patologian kuvien analysoinnin tehokkuutta, tarkkuutta ja toistettavuutta, yhä useammalla potilaalla on mahdollisuus parempaan hoitoon. Aiforian alustalla on kehitetty tutkimuskäyttöön jo tuhansia tekoälymalleja. Kliinisessä diagnostiikassa Aiforian tekoälyratkaisuja käytetään kansainvälisesti. Euroopassa Aiforia on CE-IVD -merkittyjen digitaalisen patologian tekoälyratkaisujen markkinajohtaja.Aiforia on perustettu vuonna 2013 ja sen osakkeella käydään kauppaa Helsingin pörssin First North Growth Market -markkinapaikalla. Yhtiön pääkonttori sijaitsee Helsingissä, ja sillä on tytäryhtiöt USA:ssa ja Ranskassa, sekä paikallisia edustajia eri puolilla Eurooppaa ja Pohjois-Amerikkaa. Aiforian kansainväliseen tiimiin kuuluu kokeneita tekoäly- ja ohjelmistokehittäjiä, patologeja, lääketieteen asiantuntijoita, sekä liiketoiminnan osaajia.&nbsp;Lue lisää: <a href="http://aiforia.com">www.aiforia.com</a>