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 CompanyTagList on Company {
  pageUrl
  name
  viewerIsFollowing
}

fragment ContentBasicInfo on Content {
  __isContent: __typename
  id
  type
  title
  lang
  companies {
    ...CompanyTagList
    id
  }
  ...PublishingDetails
  ...Reactions
}

fragment ContentMetadata on Content {
  __isContent: __typename
  type
  title
  lang
  pageUrl
  alternatePageUrls {
    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
    companies {
      forum {
        latestPosts {
          ...ForumPosts
        }
      }
      defaultInstrument {
        isin
        id
      }
      id
    }
    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 {
    id
    name
    viewerIsFollowing
    defaultInstrument {
      snapshot {
        priceData {
          date
          lastPrice
          tradeCurrency
        }
        transaction {
          date
          recommendation
          targetPrice
        }
        prevTransaction {
          recommendation
        }
      }
      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
      id
    }
    authors {
      __typename
      imgUrl
      id
    }
    publishers {
      imgUrl
    }
  }
}


__typename

title

isPremium

lang

htmlBody

companies

createdAt

publishers

authors

reactionGroups

pageUrl

alternatePageUrls

imgUrl

description

Pohjoismaisen analyysin kehitys, Analyytikko

Antti Luiro

Analyytikko

Frans-Mikael Rostedt

Aiforia Technologies varustaa patologit ja tutkijat prekliinisissä ja kliinisissä laboratorioissa ohjelmistolla, joka muuttaa kuvat löydöksiksi, päätöksiksi ja diagnooseiksi. Yrityksen tuotteita ja palveluita käytetään lääketieteelliseen kuva-analyysiin useilla eri aloilla onkologiasta neurotieteeseen. Aiforia Technologiesin pääkonttori on Suomessa.

Kiusasin tekoälyä joka väitti Mayo Clinicin kanssa kehitetyn paksunsuolen syövän AI-mallin kehittämisen kestäneen Kolme vuotta. Siitä on varmaan saatu kokemusta nopeuttamaan muita malleja.

Aiforian idea yksinkertaistettuna tarkoittaa sitä, että alansa huippupatologien silmät ovat kaikkien patologien, joilla on Aiforian malli, käytössä. Tässä mallissa interstitiaalisten (keuhkorakkuloiden välinen alue) keuhkosairauksien (jotka vähitellen johtavat hengitysvaikeuksiin) erotusdiagnostiikkaa helpotetaan. Kunnollisen diagnoosin tekoon hankalimmissa tapauksissa tarvitaan näytepala keuhkokudoksesta ja nykyinen patologian diagnostiikan taso on ollut niin heikko, että koepalan lisäarvo ei ole ollut riittävä sen ottamisen perusteeksi. Kun nyt saataisiin mallilla eroteltua, mistä alatyypistä on kyse, saadaan kullekin potilaalle oikea hoito. Se voi olla kortikosteroidi tai mieto solusalpaaja tai immunologinen vasta-aine ja lopulta jopa keuhkonsiirto. Riippuu siis paljon oikeasta diagnoosista, kuka hyötyy mistäkin hoidosta. Tämä on vain yksi todennäköisesti sadoista tai tuhansista mahdollisista patologian tarkkuutta ja miksei myös herkkyyttä parantavista malleista. Mr. Smith voi olla tuottelias, mutta Mayossa taisi olla lähemmäs sata patologia kehittelemässä näitä malleja, kukin erityisosaamisalueensa mukaan. Patologit ovat erikoislääkäreitä. Sen lisäksi heillä voi olla erityisosaamisalue, esim. ihotaudit, maksataudit tai juuri tämä keuhkotaudit. Näin saadaan huippuosaaminen sinnekin, missä ei ole riittävästi patologeja tai juuri tämän alueen osaamista. Luulisi noita malleja pukkaavan ulos lähiaikoina yhä enemmän. Kauanko tällaisen mallin valmiiksi saamisesta kestää, ennen kuin se on terveydenhuollon käytössä ja alkaisi tuottaa Aiforialle fyffeä alustalla myymisen kautta, en tiedä. Muistaako kukaan, onko Jukka tähän asiaan ottanut kantaa?

Jotain tapahtuu, koska myyntiin haetaan lisää voimaa @usa           Aiforia Technologies Plc – 10 Dec 24              Account Executive - Aiforia Technologies Plc    Aiforia's mission is to transform pathology image analysis with AI, enabling better care for each patient About Aiforia Aiforia equips pathologists and scientists in preclinical and clinical la...

Mr Smith on ollut tuottelias. Siellä Aiforian sivuilla on myös toinen tuore juttu:           aiforia.com              Case study: AI model can improve large droplet fat quantitation in liver...    Dr. Maxwell L. Smith from Mayo Clinic built an AI model to accurately estimate large droplet fat in liver sections prior to transplantation.

Muistaakseni (saa / pitää korjata jos harhaa) Mayolla ja Aiforialla on jonkinlainen sopimus joka sallii Aiforialle tuonkaltaisen kehittelyn jatkomyynnit.

Tälläinen blogiteksti Aiforian sivuilta. Itse ymmärsin noin 10% tekstistä.  (Referaatti tehty ja käännetty chatgpt:llä.) Dr. Maxwell L. Smith Mayo Cliniciltä on kehittänyt tekoälymalleja, jotka auttavat erottamaan interstitiaalisen keuhkosairauden (ILD) alatyyppejä tarkasti histologisten piirteiden perusteella. Näiden mallien avulla voidaan analysoida keuhkokudoksen arpeutumista ja fibroosia, mikä on keskeistä UIP:n ja muiden ILD-alatyyppien diagnosoimisessa. Tämä parantaa diagnostiikan tarkkuutta ja voi johtaa parempiin hoitopäätöksiin, koska ILD-alatyypeillä on erilaiset ennusteet ja hoitovasteet. Tekoäly tarjoaa näin uuden työkalun patologeille ja tukee moniammatillista diagnostiikkaa.            aiforia.com              Case study: differentiating interstitial lung disease subtypes using AI-based...    Dr. Maxwell L. Smith from Mayo Clinic developed two AI models to detect and quantify histopathologic features in interstitial lung disease (ILD) with the goal of using AI to help differentiate ILD subtypes.

Laitetaan visiontivaihde silmään  mutta jep, näkisin että tässä on tietynlainen alustapeli käynnissä jossa hihavakiona markkinasta 80 % keskittyy n. 2-5 pelurille. Patologian labroista menee läpi suuria volyymeja ja prosessin pitää olla todella sujuva. Labra ei siis halua ottaa käyttöön ja maksaa monesta erillisestä kuva-analyysiohjelmistosta, joista jokainen pitäisi integroida useisiin järjestelmiin erikseen ja opetella käyttämään erikseen + patologien vaihdella järjestelmien välillä. Lähtökohtaisesti käyttöön otetaan vain yksi alusta. On kuitenkin hyvin mahdollista, että tällä yhdellä alustalla ei ole jokaiseen käyttökohteeseen riittävän hyvää kuvantunnistusmallia tarjolla → Asiakkaalle on tärkeää, että ei lukittaudu täysin pois muista ekosysteemin toimijoista (ja näiden malleista) kun ratkaisu valitaan. Lähtökohtaisesti kuva-analyysiin valitaan paras yleisalusta joka tuo suurimmat automaatiohyödyt (toki vaaditulla laatutasolla). Aiforia on tässä tällä hetkellä vahvoilla, koska kliininen puoli on verrokkeihin nähden edistynyt (malleja tarjolla aloitusvaiheeseen OK:sti ja näyteanalyysin automaatio menee monia kilpailijoita pidemmälle) ja samaa alustaa voidaan käyttää labran tutkimuspuolella. Heikomman kilpailukyvyn alustat/mallitoimittajat ovat pakon edessä muodostamassa kumppanuuksia muiden toimijoiden kanssa, koska eivät ole saaneet omaa alustaansa(ja kuvantunnistusmallejaan) tarttumaan kliiniseen markkinaan, eikä näillä muuten ole mahdollisuutta päästä kiinni kliinisen puolen volyymeihin. Toki tämä ei korjaa heidän malliensa kilpailukykyä (esim. “Syöpä/ei-syöpä → patologi alkaa laskemaan manuaalisesti onka samaa mieltä” vs. Aiforian “tässä jokainen analyysiin tunnistettu solu kuvassa ja tästä valmis lausuntodrafti lukujen kera sisällä - näyttääkö oikealta ja hyväksytkö lausunnon?”) ja voivat hyvin jäädä alustalla paitsioon. Tällöin Aiforia vaan kerää pisteet: “Meillä on paras alusta malleineen, mutta saatte tarvittaessa meidän kilpailijoiden mallejakin käyttöön jos haluatte”. Pidemmän päälle tilanne on toki lähtökohtaisesti eri, kun mallien erot alkavat oletettavasti kaventumaan, ja Aiforia tulee väistämättä olemaan myös härkämäisimmässä skenaariossa heikompi osassa alueita. Jos Aiforia on silti labran pääalusta, yhtiö kerännee jonkinlaisen jälleenmyyntimaksun (huom: lähes puhtaana katteena) jokaisesta kilpailijan mallilla tehdystä analyysista. Tämä voi olla Aiforialle (ja myös alan kehityksen kannalta) ihan hyväkin kehitys, jos investoinnit mallikehitykseen jaetaan useampien yhtiöiden kesken. Tähän löytyy älypuhelin-ekosysteemistä ihan kohtuullinen vertailukohta - jos Aiforia onnistuu voittamaan itselleen merkittävän osan labrojen alustadiileistä (vrt. Apple/Google), heistä tulee tämän asiakaskunnan (ja omien malliensa tuella) markkinan yksi markkinan vahvin alusta mallisaatavuuden näkökulmasta (vrt. iOS/Android), johon heidän omien mallien ohella kilpailijat haluavat tuoda mallejaan (vrt. AppStore/Play Store). Muut alustat näiden muutaman johtavien ohella siirtyvät kehittämään vain malleja (Sovelluskehittäjät) eivätkä käytännössä saa omalle alustalleen järkevää markkinaosuutta, koska muilla toimijoilla ei ole insentiiviä tuoda mallejaan alustalle, josta ei saa volyymeja.

Aiforia Technologies

Aiforia teki alkuvuonna lupaavaa edistystä vahvistuvan kasvun rakentamisessa kliinisessä asiakassegmentissä. Näemme yhtiöllä edellytykset merkittävään kasvuun, joskin näkyvyys kasvun nopeuteen ja onnistumiseen säilyy vielä heikkona.

<p>Aiforia teki alkuvuonna lupaavaa edistystä vahvistuvan kasvun rakentamisessa kliinisessä asiakassegmentissä. Näemme yhtiöllä edellytykset merkittävään kasvuun, joskin näkyvyys kasvun nopeuteen ja onnistumiseen säilyy vielä heikkona. Aiforian arvonmääritys on hyvin epätarkkaa, mutta käytössä olevin menetelmin osakkeen hinnoittelu alkaa näyttää jo varovaisen houkuttelevalta. Nykyisessä riskejä karttavassa markkinaympäristössä ja lyhyen tähtäimen tukipisteiden puuttuessa (22-23e EV/S 38-22x) näemme osakkeen kurssiajurit kuitenkin vielä heikoiksi. Taivummekin vielä toistaiseksi odottamaan sivussa lupaavalta näyttävän tarinan etenemistä ja kasvunäkymän kirkastumista.</p> 

	2021	22e	23e
Liikevaihto	1,0	1,7	3,6
kasvu-%	14,72 %	76,53 %	108,85 %
EBIT (oik.)	−4,7	−8,5	−9,8
EBIT-% (oik.)	−481,42 %	−495,50 %	−272,37 %
EPS (oik.)	−0,29	−0,33	−0,39
Osinko	0,00	0,00	0,00
Osinko %
P/E (oik.)	-	-	-
EV/EBITDA	-	-	-

Kasvun rakentaminen etenee kiitettävästi

Sisäänkirjautuminen vaadittu

Aiforia Technologies

Tunnusluvut26.08.2022