Vid närmare granskning

Jag tänkte syna de 2 senaste nyheterna vi fått in.
Först den amerikanske forskaren Robert L. Judson och hans forskning kring systematisering av cancertumörer.
Sen i ett eget inlägg såklart PHI,s egenutvecklade assay/app/applikationer.
Bägge fantastiskt bra nyheter var för sig och ämnade att förenkla och snabba på svar av cellanalys.

Om vi tittar på Roberts "Mission" så har han gett sig på något riktigt stort.
- Att kunna systematisera kännetecken på de mest vanliga cancertyperna.
Robert m kollegor är bland de första (på forskarnivå) att ge sig i kast med all den information PHI,s teknik ger ifrån sig. Kallad Big Data.
Jag tror mig ha läst nånstans att vi enbart förstår och använder runt 10% av all den info DHM lämnar.
Eftersom vi inte är tillräckligt smarta för att ställa de rätta frågorna och kunna få ut de resterande 90% så går vi till datorerna för hjälp.
Dessa har med hjälp av programmerare utvecklat algoritmer och därmed tekniken : Machine Learning. 
Kortfattat går tekniken ut på att mata in sanslöst mycket information och låta datorerna sortera,tolka,förstå,sätta in det sorterade i rätt sammanhang och voi`la.
I andra änden får du förståelig information.Någon mer tekniskt begåvad läsare kan säkert förklara det bättre än undertecknad. Men i grova drag fungerar Machine Learning så.
Ex på tekniken är uppbyggnad av Facebook, självkörande bilar osv...

A future cell laboratory ?

VD Oktober 2015:

Imaged-based time-lapse cytometers, as our HoloMonitor, creates huge amounts of information on how cells interact and multiply over long time periods. Com­bi­ned with Big Data technology, such novel instru­menta­tion will provide cell bio­lo­gists and the pharmaceutical industry with a game changing new tool to better understand complex cellular interactions and through this hopefully cure cancer.

This is why the pharmaceutical industry is excited about HoloMonitor® – it fundamentally changes cell biologists’ view on cell biology.

Men tillbaka till Robert m kollegor. Som vi läste teamade Robert upp med 2 proffs på Big Data och Machine Learning." In this study, we teamed up with Miro Hejna and Jun Song – experts in big data and machine learning – and established a computational pipeline ....."

Man har identifierat 26 "karaktärsdrag/igenkänningstecken" som med 95% säkerhet kan berätta om vilken cancer man har under luppen.
Eftersom Robert mest(enbart?) forskat kring olika typer av hudcancer bör dessa 26 profiler handla om just olika typer av hudcancer.

Jag tänkte jämföra med mina egna erfarenheter när läkarkåren ska kolla upp om en patient har cancer eller inte.
I mitt fall tog man små "samples" av prostatakörteln och odlade samt observerade dessa under idag rådande tidslängd.
I detta fallet 6 veckor. Ni läste rätt. Från att man tog cellprover till att få fram ett svar tog det 45 dagar.
Ponera nu att en patient kommer in med misstänkt aggressiv cancer, en cancer som är långt gången och kräver omedelbar medicinering för att först få stopp på utvecklingen,sen i nästa skede börja jaga cancercellerna och eliminera dem.
45 dagar i den patientens fall,att få svar på vad det är för typ av cancer och därigenom veta vad man ska göra, ter sig ganska tröstlöst.
Frågan är om pat överlevde ens eller om cancern utvecklade sig så att det var lönlöst att sätta in medicinering när man väl fått provsvaren.

I mitt fall tror och hoppas jag inte att dessa 45 dagar har spelat nån avgörande roll då "snäll" prostatacancer utvecklas långsamt.
Men om vi ponerar att det handlar om sådana ledtider för andra pot cancerpatienter,kanske med icke så "snäll" utvecklingskurva.
Lek med tanken att behandlande läkare får provsvaret redan efter 1 dag !
" Vi kan med 95% säkerhet konstatera att provsvaret innehåller typ x cancer och med den infon kan vi börja din behandling redan nu."
Tänk de sjukhus/kliniker som erbjuder den möjligheten.
Att som patient välja klinik är ganska lätt då valet står mellan 1 eller 45 dagar.
Vi ska vara på det klara med att Robert enbart forskar kring hudcancer och att det kommer dröja innan hans upptäckt slår igenom på fler cancertyper.
Men med de resurser han och hans team har i ryggen lär det knappast finnas annat institut som snabbare och med bättre resultat kan nå marknaden.

Förmodligen lär tekniken att känna igen variabler "standardiseras" så småningom och därefter kunna appliceras på fler och fler cancerformer.
Adekvata frågor :
- Vilken världsomspännande tillverkare kommer inte vilja erbjuda denna teknik till sjukhus och kliniker världen över?
- Vilka sjukhus och kliniker kommer inte vilja erbjuda sina kunder detta försprång?
- Vilka försäkringssystem kommer inte premiera och subventionera sina resp målgrupper som innefattas?
Hur kommer inte överlevnadsgraden öka när man sätter in behandling i ett så tidigt skede?
Hur kommer inte pot patienter och anhöriga att driva opinion för att få tillgång till denna nya teknik?

Ordet paradigmskifte använder vi ibland när vi pratar om de egenskaper PHI,s teknik medger.
Men i detta fallet tycker jag inte att paradigmskifte riktigt räcker till.
Vi kan stå på randen till ett helt nytt tänk inom cancerbehandling.
Robert m kollegor har siktet inställt på nånting riktigt riktigt stort.
PHI,s teknik är centrum för denna utveckling.

Når Robert hela vägen fram måste han vara det årets starkaste Nobelpriskandidat.
Och sjuttsingen om inte Holomonitorn borde få ett litet minipris i samma veva.

Avslutningsvis. Aktien och dess kurs. Vi står fortfarande under 50 kr fast vi fick in ovanstående nyhet redan för 1 vecka sen. Marknaden ser inte ut att förstå hur bra nyheter ser ut.
Lägg därtill (mitt kommande inlägg om) PHI,s egenutvecklade tilläggstjänster,appar så borde vi belöna dessa 2 nyheter med att kliva över det gamla ATH (72 kr).
Subjektiv som jag är anser jag att vi borde ligga över 100 kr redan nu.