Derzeit sind der Wissenschaft mehr als 7000 seltene Krankheiten bekannt, von denen weltweit etwa 350 Millionen Menschen betroffen sind. Bingli hat eine neue Methodik für die Entwicklung und Validierung von Algorithmen für die Frühdiagnose und/oder das Screening von Risikopersonen entwickelt.

» Die KI von Bingli wird darauf trainiert, die seltene Krankheit entweder anhand ihrer Symptome oder möglicher Komplikationen, die durch die Krankheit ausgelöst werden können, zu erkennen. In beiden Fällen wird die seltene Krankheit in der Liste der vorgeschlagenen Differentialdiagnosen angegeben.

» Auf der Grundlage desselben Datensatzes kann Bingli auch Fragebögen für ein gezielteres Screening erstellen, z. B. für Patienten, die einen Facharzt aufsuchen oder bereits in der Datenbank eines Facharztes gespeichert sind. In diesem Fall errechnet Bingli die Wahrscheinlichkeit, dass der Patient an der seltenen Krankheit leidet, und empfiehlt weitere diagnostische Schritte, wenn ein Risiko für den Patienten besteht.

Bingli stellt digitale Fragebögen zur Verfügung, mit denen Patienten ihre Impfberechtigung prüfen können.

» Pneumokokken-Infektionen, die durch das Bakterium Streptococcus pneumoniae verursacht werden, treten häufig bei kleinen Kindern auf, aber wenn sie infiziert sind, haben vor allem ältere Erwachsene ein hohes Risiko für einen schweren Krankheitsverlauf und Tod.

» Bingli hat eine digitale Lösung entwickelt, um zu ermitteln, welche Patienten im Erwachsenenalter für eine Pneumokokken-Impfung in Frage kommen.

Um die Früherkennung von Herzvorhofflimmern zu verbessern, beauftragte Pfizer Bingli mit der Entwicklung eines Screening-Tools für die Bevölkerung, mit dem sowohl symptomatische als auch asymptomatische Patienten erkannt werden können.

» Dieses Projekt verfolgte zwei Ziele: die Validierung der Bingli-Algorithmen zur Erkennung von symptomatischem Vorhofflimmern und die Entwicklung eines Screening-Fragebogens zur Erkennung von asymptomatischen Risikopatienten auf der Grundlage von Risikofaktoren.

» Es wurde ein Modell entwickelt, das auf virtuellen klinischen Fällen (Vignetten) basiert: Es wurden 1290 Vignetten erstellt und den Kardiologen zur Beurteilung vorgelegt.

» Anhand des Expertenfeedbacks wurde das Modell trainiert und der Schwellenwert für Risikofaktoren definiert, ab dem ein Patient als Risikopatient gilt.

» Dieses Modell ist in einem kurzen Fragebogen integriert, der an die in Betracht kommende Bevölkerung versandt wird. Risikopatienten können dann zur Diagnosebestätigung an das medizinische Personal weitergeleitet werden.