Vox
Reduzieren Sie Krankenhausaufenthalte bei der Herzinsuffizienz um 50%
21-tägige Früherkennung einer kardialen Dekompensation bei der Herzinsuffizienz
Während einer Dekompensation können Lungenödeme und Ödeme der Stimmlippen nachweisbare Veränderungen in der Stimme eines Patienten hervorrufen. Die KI von Noah Labs verwendet Deep-Learning-Modelle, die auf firmeneigenen Datensätzen von Audioaufzeichnungen trainiert wurden, um eine drohende Dekompensation zu erkennen und ermöglicht damit Ärzten, frühzeitig einzugreifen, wodurch letztendlich Krankenhausaufenthalte vermieden werden.
Dem Herzen zuhören
Krankenhausaufenthalt erfolgen muss
eine Stimmprobe über
unsere Mobilanwendung auf
Länger und gesünder leben – trotz Herzinsuffizienz.
Früherkennung ermöglicht ein rechtzeitiges Eingreifen, damit die Patienten gesünder und länger leben.
Durch frühzeitige medizinische Intervention kann eine Verschlechterung der Herzinsuffizienz verhindert werden und Notfallbesuche und Krankenhausaufenthalte vermieden werden.
Die Verhinderung vermeidbarer Krankenhausaufenthalte senkt die Kosten für Leistungserbringer und Kostenträger.
Unsere Roadmap auf dem Weg zur klinischen Validierung
VAMP-HF bestätigt die Leistungsfähigkeit unseres sprachbasierten Algorithmus, bei Patienten mit akuter dekompensierter Herzinsuffizienz sicher zwischen Aufnahme- und Entlassungszuständen zu unterscheiden.
Die von Noah Labs geleitete prospektive Studie zielt darauf ab, unseren sprachbasierten Algorithmus für die MDR-Zulassung in Zusammenarbeit mit führenden Universitätskliniken in ganz Europa klinisch zu validieren und wird durch EU-Mittel unterstützt.
Diese Studie wertet 18 Monate lang wöchentliche Sprachaufzeichnungen von Patienten mit chronischer Herzinsuffizienz aus, die nach ihrem Krankenhausaufenthalt zu Hause überwacht wurden, um die Leistung unseres Algorithmus bei der Früherkennung einer Dekompensation zu validieren.
VAMP-HF bestätigt die Fähigkeit unseres sprachbasierten Algorithmus, bei Patienten mit akuter dekompensierter Herzinsuffizienz zwischen Aufnahme- und Entlassungszuständen zu unterscheiden
Weltweit anerkannte Pioniere in der Sprach- und Stimmwissenschaft.
%20(1).webp)
Experte für Signalverarbeitung und Akustik, der die klinische Stimmforschung an MGH und Harvard vorantreibt.
Dozent am King's College London, spezialisiert auf KI-gestützte Sprachanalyse für Gesundheit und affektive Signalverarbeitung.
Postdoc an der ETH Zürich, das mobile Technologien für die Überwachung chronischer Krankheiten erforscht, mit Schwerpunkt auf KI und digitalen Gesundheitstools.
Dr. Kamil Szyc ist Assistenzprofessor an der Technischen Universität Wroclaw mit den Schwerpunkten rechnergestützte Signalverarbeitung und maschinelles Lernen.
Sie sind Arzt oder Wissenschaftler und möchten mit uns zusammenarbeiten?
Nehmen Sie Kontakt auf, um mehr über Noah Labs Vox zu erfahren und zu unserem Weg zur Revolutionierung der Behandlung von Herzinsuffizienz beizutragen.
Sie sind ein ausgezeichneter Forscher oder Entwickler? Unterstützen Sie uns bei unserer Mission, bahnbrechende Technologien auf den Markt zu bringen und unseren bedürftigen Patienten zu helfen.
Würdest Sie gerne mehr wissen?
Geben Sie Ihre E-Mail-Adresse ein, um mehr Informationen zu erhalten.