Jeg bygger kliniske iOS-produkter der kombinerer hardware-sensorer og on-device AI til at opdage sundhedsrisici, før de bliver akutte — uden at sende patientdata til skyen.
KOL opdages ofte for sent, fordi spirometri kræver et klinikbesøg. Zefia flytter målingen hjem: en pen-formet enhed kombinerer spirometri og VOC-breathomics, valideret mod GLI-2012/GOLD 2025 og bygget til EU MDR/IEC 62304.
Se projektet →Hypoglykæmi hos type 1-diabetikere rammer ofte uden varsel. Eq Foresight forudsiger det 30 minutter før det sker — en kaskade af 4 CoreML-modeller der kører fuldt lokalt, uden at sende data til skyen.
Se projektet →Al inferens og alle kliniske beregninger kører lokalt på enheden — ingen server, ingen abonnement, ingen datamonetisering.
Udviklet med IEC 62304, EU MDR og GDPR for øje fra dag ét — ikke tilføjet bagefter.
Soloudviklet fra sensor/BLE-integration og modeltræning til SwiftUI, sikkerhed og denne side.