Prosjektbeskrivelse
Appen kombinerer maskinlæring og spektralbilder for å hjelpe med instruksjon i lesjonsgjenkjennelse gjennom avansert diagnostisk trening. Den er spesielt designet for bruk i ressurssvake miljøer og av helsepersonell med begrenset tilgang til tradisjonelle diagnostiske verktøy. Prosjektet bygger på en unik database med 24,000 klinisk vurderte bilder, støttet av forskning fra det Europaforskningsrådsfinansierte DUALSAVE-FGS-prosjektet og Verdens helseorganisasjon (WHO).
De viktigste målene er å ta appen fra prototypestadiet (TRL 4) til operativ utplassering (TRL 7), validere dens diagnostiske nøyaktighet, og implementere den i helseinstitusjoner i Norge, Sør-Afrika og Uganda. Videre mål inkluderer opplæring av helsearbeidere, etablering av en rettferdig og bærekraftig forretningsmodell, og bidra til FNs bærekraftsmål 3 om god helse og velvære samt WHOs universelle helsedekning (UHC). Dette skal sikre at alle har tilgang til kvalitetshelsetjenester uten økonomiske vanskeligheter.
Forsknings- og utviklingsutfordringer inkluderer å sikre diagnostisk presisjon i ulike kliniske miljøer, oppnå brukeraksept og integrere appen i eksisterende helsevesen. Prosjektet benytter tverrfaglige tilnærminger, som kombinerer digital helse, folkehelse, maskinlæring og klinisk forskning for å løse disse utfordringene.
