Från människa till djur – Translationell AI-diagnostik

Hur BraineHealths människocentrerade AI blev grunden för Djuripedias veterinärintelligens

1. Där allt började

Långt innan AI blev ett vardagsbegrepp arbetade BraineHealth AB och dess grundare Roger Svensson med att utveckla ett system som kunde resonera som en läkare.

Projektet — som senare fick namnet Diagnosio — utformades som ett virtuellt läkarverktyg med fokus på att optimera diagnostiskt tänkande, inte bara förutsäga resultat.

Den patenterade logiken (U.S. Patent 11,908,579 B2) utgör idag det vetenskapliga DNA:t bakom Djuripedias utveckling av veterinär AI.

Det som började som ett experiment inom humanvård har nu utvecklats till ett tvärvetenskapligt forskningsinitiativ över artgränserna — drivet av translationell AI.

2. Vad “translationell AI” betyder

Inom medicinen syftar translationell forskning på att överbrygga klyftan mellan laboratorieupptäckter och praktisk vård — att omvandla innovation till konkret patientnytta.

I Djuripedias fall innebär translationell AI att man anpassar beprövad diagnostisk logik från humanvården till djurens värld, där datan ofta är mer begränsad och variationen större.

Den styrande principen är enkel:

Om en algoritm kan optimera mänsklig diagnostik,
kan den också förbättra veterinärmedicin –
så länge vi respekterar biologiska och beteendemässiga skillnader.

3. Samma logik – olika biologi

Mänsklig och veterinär diagnostik delar en gemensam utmaning: osäkerhet.
Båda bygger på mönsterigenkänning, ofullständig information och sannolikhetsbaserat resonemang.

Men till skillnad från människor kan djur inte själva beskriva sina symtom – vilket gör inferens och observation ännu viktigare.

Därför fokuserar Djuripedias forskning på att anpassa det patenterade inversionsramverket till veterinärmedicin genom att:

Arbeta utifrån observerbara mönster istället för verbala symtom.
Integrera artspecifika parametrar som ras, storlek och fysiologi.
Strukturera ägarrapporterade data så att AI kan tolka dem på ett säkert sätt.

Kort sagt: målet är att lära AI att resonera även när språket saknas.

4. Bron mellan Diagnosio och Djuripedia

Den ursprungliga Diagnosio-motorn, som validerades vid Kungliga Tekniska högskolan (KTH), uppnådde upp till 99 % diagnostisk träffsäkerhet i simulerade medicinska dataset.

Den lärde sig att identifiera nästa mest informativa test eller fråga för att maximera diagnostisk säkerhet.

Nu anpassas samma logik till veterinär forskning genom Djuriverse – den kliniska miljö som knyter samman:

BraineHealths diagnostiska teknologi från humanvården,
Djuripedias multi-LLM-resonerande ramverk, och
Djuriverse Veterinärkliniks praktiska data och veterinärer i fält.

Detta ekosystem gör att AI utvecklas i samspel med klinisk verklighet, inte i isolering.

5. Pågående pilot – där veterinärmedicin möter diagnostisk inversion

Vid Djuriverse Norrtälje Veterinärklinik pågår nu en pilotstudie för att anpassa Diagnosio-logiken till djur.

Pilotens fokus ligger på tillstånd där exakt resonemang gör störst skillnad, till exempel:

Fästingburna sjukdomar
Ortopediska skador
Multiorgansjukdomar hos äldre djur

Genom samma stegvisa optimeringslogik som förbättrade human diagnostik undersöker systemet nu hur AI kan guida veterinärens beslutsprocesser – fall för fall.

6. Forskningssamarbeten och framtidsplaner

Projektet drivs med stöd av akademiska medarbetare vid KTH och i samverkan med Djuriversitys forskningsnätverk.

Vägkartan framåt:

Anpassning av algoritmen till veterinär datalogik (2025–2026).
Utökade dataset genom partnerskap (t.ex. försäkringsbolag, kliniker).
Integrering med laboratoriedata från DjuriLab (Exigo H400, kemianalysatorer).
Vetenskaplig publicering och öppen dokumentation för transparens.

Varje steg för oss närmare ett enhetligt resonemangsverktyg som kan stödja både human- och veterinärdiagnostik.

7. Varför detta är viktigt

Translationell AI handlar inte bara om att göra tekniken smartare – utan om att göra vården mer rättvis och tillgänglig.

Om samma diagnostiska ramverk kan stödja både människor och djur,
då demokratiseras beslutsstödet över artgränser och inkomstnivåer.

Det är detta som binder samman Djuripedias uppdrag med BraineHealths ursprungliga vision:

“Att demokratisera vården –
för alla med ett hjärta som slår.”

8. Vägen framåt

När nästa generations multimodala AI utvecklas – som kombinerar språk, bild och sensordata – kommer Djuripedia fortsätta översätta vetenskapliga genombrott från humanvården till veterinärmedicinen.

Från invers logik till kontextuell förståelse, varje innovation kommer att bedömas genom tre frågor: