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-oyj-aiforia-closes-a-deal-with-a-major-pharmaceutical-company-reaches-its-short-term-business-target-of-acquiring-ten-large-customers-in-the-pharmaceutical-industry

__typename

title

isPremium

lang

htmlBody

summary

companies

createdAt

publishers

authors

reactionGroups

pageUrl

translations

imgUrl

description

Aiforia Technologies utrustar patologer och forskare i prekliniska och kliniska laboratorier med programvara för att översätta bilder till upptäckter, beslut och diagnoser. Bolagets produkter och tjänster används för medicinsk bildanalys, över en mängd olika områden såsom onkologi samt neurovetenskap. Aiforia Technologies har sitt huvudkontor i Finland.

Ja, problemet med dessa modeller inom hälso- och sjukvården verkar vara att de alltid trimmas så långt det går, vilket leder till ”inte så mycket generalisering”. Detta gör sedan att modellen reagerar väldigt starkt på varje liten förändring i inputen, även om man gör finjusteringar (fine-tuning) eller ändringar i den sista delen (head). Finjustering (fine-tuning) borde visserligen hjälpa mot detta problem (eftersom man tränar den gamla modellen med ny typ av data från en ny enhet), men jag har inte läst artikeln (paper). En lösning skulle också kunna vara någon form av enkoder i början av datakedjan, ett ”embedding layer”, som omvandlar inputdatan till ett sådant format att den inte längre innehåller skannerberoende egenskaper. Allt detta diskuteras flitigt där.

Rolig observation: Om en foundation-modell skapas med en specifik skanner, lär sig modellen skannerns egenskaper men fungerar inte nödvändigtvis med andra skannrar. https://arxiv.org/pdf/2507.22092 FDA har i detta avseende haft rätt i att godkännandet av modeller är skannerspecifikt, även om det vid tidpunkten för riktlinjerna förmodligen inte fanns mycket information om foundation-modeller, de har bara varit i mer forskningsanvändning i 1-2 år. FDA:s tolkningar av utrustningskrav verkar gradvis bli lättare. Utnyttjandet av foundation-modeller kom snabbt till Aiforia. Nu kan AI påskynda modellernas träningsarbete och patologens tid går åt mindre till träning. Syftet var ju i slutändan att använda mindre av den kliniska patologens tid. Nu med hävstång även för det. Och modellen kan lära patologen att se viktiga signaler som man inte ens kände till. Det handlar “bara” om en vision-modell. Nästa steg kan vara multimodalt, där bild och text, det vill säga utlåtanden, till och med patientjournaler, om det vore möjligt att få tillgång till dem, kombineras i modellen. Kanske och någon gång. Aiforias tillvägagångssätt är hittills bäst ur ett kontrollperspektiv, först uppgiftsspecifika modeller och hela tiden human in loop. Därifrån vidare med utvecklingen. Om den robusthet, inklusive skannerdiagnostik, som Aiforia hittills har betonat, ingår i de enorma datamängderna i foundation-modellerna och patentansökan, har de övervunnit fallgroparna i den artikeln. Om Aiforia kan visa FDA att deras modeller har en kvalitet, det vill säga feltolerans, på en sådan nivå att alla skannrar fungerar, då är problemet löst. Det handlar förstås om en kapplöpning, det finns andra aktörer på fältet också.

Här är Anttis och Frans kommentarer om den här färska nyheten om AI-plattformen.  Aiforia meddelade på onsdagen att de lanserar en ny generation AI-plattform som utnyttjar Vision Transformer-teknologi. Den nya teknologin lovar att påskynda utvecklingen av AI-modeller och förbättra deras prestanda, vilket stöder utvidgningen av företagets produktportfölj. Nyheten har ingen direkt inverkan på våra prognoser, men vi ser den effektiviserade produktutvecklingen som positiv, eftersom den delvis lindrar riskerna för företagets innovationsförmåga efter kostnadsnedskärningarna och stöder företagets långsiktiga konkurrenskraft.                   Inderes              Aiforia lanseeraa uuden tekoälyalustan - Inderes    Uusi teknologia lupaa nopeuttaa tekoälymallien kehitystä ja parantaa niiden suorituskykyä, mikä tukee yhtiön tuoteportfolion laajenemista.

Ny teknik lovar att påskynda utvecklingen av AI-modeller och förbättra deras prestanda, vilket stöder företagets produktportföljs expansion. Förutom dessa goda nyheter skulle jag vilja ha kontraktsnyheterna.

Aiforia lanserar nästa generations AI-teknikplattform            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 “djupinlärande neurala nätverk”?                    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...                              (En liten lättnad i tråden )

Även detta begränsar emissioner i januari. Personer i ledande ställning hos emittenten omfattas av ett 30-dagars stängt fönster före offentliggörandet av delårsrapporten eller årsredovisningen. Under den stängda perioden får en person i ledande ställning inte genomföra för egen eller tredje parts räkning, direkt eller indirekt, transaktioner som rör emittentens aktier eller skuldförbindelser eller därmed relaterade derivat eller andra finansiella instrument. Den stängda perioden gäller utöver personliga transaktioner av en person i ledande ställning alla situationer där en person i ledande ställning genomför transaktioner för närstående, såsom kontrollerade enheter, eller för tredje parts räkning.

Aiforia Technologies

Aiforia Technologies Plc, Press Release, 3 May 2023 at 02:00 p.m. EEST. Aiforia has signed an agreement with one of the world's top-rated pharmaceutical companies to collaborate in AI-assisted...

<div class="abstract">Aiforia Technologies Plc, Press Release, 3 May 2023 at 02:00 p.m. EEST.&nbsp;Aiforia has signed an agreement with one of the world's top-rated pharmaceutical companies to collaborate in AI-assisted image analysis.</div>Together the two aim to develop deep-learning models for tissue sample analysis. With this deal, Aiforia has reached its short-term business target of acquiring ten large customers in the pharmaceutical industry by the end of 2023. Aiforia's short- and medium-term business targets&nbsp;(<a href="https://investors.aiforia.com/business-targets">https://investors.aiforia.com/business-targets</a>) were set at the time of the initial public offering in 2021."This is yet another proof that Aiforia's AI solutions can help pharmaceutical companies to increase the speed, accuracy, and consistency of research and development workflows," says Jukka Tapaninen, CEO of Aiforia. "Collaborations with pharmaceutical companies are an essential part of our growth strategy. I am pleased to see how we have been able to develop our business according to the plan and achieve this target well before the end of the year."Further inquiriesJukka Tapaninen, CEO, Aiforia Technologies Plc, tel. +33 61 041 6686 <a href="https://investors.aiforia.com/">https://investors.aiforia.com/&nbsp;</a>Certified AdviserUB Securities Ltd, tel. +358 9 25 380 225&nbsp;About AiforiaAiforia equips pathologists and scientists in preclinical and clinical labs with powerful deep-learning artificial intelligence software for translating images into discoveries, decisions, and diagnoses. The cloud-based Aiforia products and services aim to escalate the efficiency and precision of medical image analysis beyond current capabilities across various fields, from oncology to neuroscience and more. Find out more atwww.aiforia.com

Aiforia Technologies Oyj: Aiforia closes a deal with a major pharmaceutical company - reaches its short-term business target of acquiring ten large customers in the pharmaceutical industry