Künstliche Intelligenz im Markt für Präzisionsmedizin – Globale Branchengröße, Anteil, Trends, Chancen und Prognose, 2018–2028, segmentiert nach Technologie (Deep Learning, Abfragemethode, Verarbeitung natürlicher Sprache, kontextsensitive Verarbeitung), nach Komponente (Hardware, Software, Service), nach therapeutischer Anwendung (Onkologie, Kardiologie, Neurologie, Atemwege, Sonstiges), nach Reg

Marktübersicht

Der globale Markt für künstliche Intelligenz in der Präzisionsmedizin hat im Jahr 2022 einen Wert von 1,24 Milliarden USD und wird im Prognosezeitraum voraussichtlich ein beeindruckendes Wachstum mit einer durchschnittlichen jährlichen Wachstumsrate von 21,13 % bis 2028 verzeichnen. In der sich ständig weiterentwickelnden Landschaft des Gesundheitswesens findet eine starke Konvergenz zwischen künstlicher Intelligenz (KI) und Präzisionsmedizin statt. Diese bahnbrechende Synergie hat das Potenzial, die Art und Weise zu verändern, wie medizinische Behandlungen entwickelt, durchgeführt und personalisiert werden. Der globale Markt für künstliche Intelligenz in der Präzisionsmedizin steht an der Spitze dieses Paradigmenwechsels und bietet einen Einblick in die Zukunft der Innovation im Gesundheitswesen. Die Präzisionsmedizin, die sich durch die Anpassung medizinischer Behandlungen und Eingriffe an die individuellen Merkmale jedes Patienten auszeichnet, hat in den letzten Jahren erheblich an Bedeutung gewonnen. Dieser Ansatz erkennt die inhärente Vielfalt der Patienten an und berücksichtigt Faktoren wie Genetik, Umwelt und Lebensstil. Inzwischen haben KI-Technologien wie maschinelles Lernen und Deep Learning bemerkenswerte Fähigkeiten bei der Analyse riesiger Datenmengen und der Gewinnung umsetzbarer Erkenntnisse bewiesen. Die Verschmelzung dieser beiden Bereiche verspricht enormes Potenzial für die Optimierung von Diagnose, Behandlungsauswahl und Patientenergebnissen.

Traditionelle medizinische Einheitsansätze machen allmählich Platz für personalisierte Behandlungen. Patienten und Gesundheitsdienstleister erkennen gleichermaßen das Potenzial der KI, die Feinheiten individueller Gesundheitsprofile zu entschlüsseln und maßgeschneiderte Therapien zu ermöglichen. Die sinkenden Kosten der Genomsequenzierung haben zu einer Explosion genetischer Daten geführt. KI-Algorithmen können diese Informationen schnell durchforsten, genetische Marker identifizieren, die mit Krankheiten in Zusammenhang stehen, und den Weg für gezielte Eingriffe ebnen. Die Digitalisierung von Gesundheitsakten und die Verbreitung tragbarer Geräte haben eine beispiellose Menge an Patientendaten erzeugt. KI kann diese vielfältigen Datenquellen aggregieren, analysieren und integrieren und so umfassende Erkenntnisse liefern, die bisher nicht erreichbar waren. KI revolutioniert den Prozess der Arzneimittelentdeckung, indem sie potenzielle Arzneimittelkandidaten vorhersagt, Arzneimittelwechselwirkungen simuliert und präklinische Tests beschleunigt. Dies reduziert nicht nur die Kosten, sondern beschleunigt auch die Markteinführung innovativer Therapien.

Wichtige Markttreiber

Chronische Krankheiten, oft als nicht übertragbare Krankheiten (NCDs) bezeichnet, umfassen eine breite Palette von Gesundheitszuständen wie Herz-Kreislauf-Erkrankungen, Diabetes, Krebs und Atemwegserkrankungen. Sie zeichnen sich durch ihre lange Dauer, langsame Entwicklung und die Notwendigkeit kontinuierlicher medizinischer Betreuung und Behandlung aus. Laut der Weltgesundheitsorganisation (WHO) sind chronische Krankheiten für fast 71 % aller Todesfälle weltweit verantwortlich, wobei erschreckende 85 % dieser Todesfälle in Ländern mit niedrigem und mittlerem Einkommen auftreten. Die sozioökonomischen Auswirkungen chronischer Krankheiten sind tiefgreifend, belasten die Gesundheitssysteme, verringern die Produktivität der Belegschaft und mindern die Lebensqualität der Betroffenen und ihrer Familien. Künstliche Intelligenz, insbesondere maschinelles Lernen und Deep-Learning-Techniken, hat sich als transformative Kraft in der Gesundheitsbranche erwiesen. KI ist in der Lage, riesige Datensätze zu verarbeiten und zu analysieren, komplexe Muster zu erkennen und prädiktive Modelle zu erstellen. Bei Anwendung in der Präzisionsmedizin kann KI komplexe Zusammenhänge zwischen genetischer Veranlagung, Krankheitsanfälligkeit und Behandlungsergebnissen aufdecken, was zu genaueren Diagnosen und personalisierten therapeutischen Eingriffen führt. Eine der wichtigsten Anwendungen von KI in der Präzisionsmedizin ist die Genomforschung.

KI-Algorithmen können die genetischen Informationen eines Patienten schnell analysieren und spezifische Mutationen oder Biomarker identifizieren, die mit bestimmten Krankheiten in Zusammenhang stehen. Diese Informationen helfen Ärzten dabei, fundierte Entscheidungen über Behandlungsstrategien zu treffen, und ermöglichen es ihnen, Medikamente auszuwählen, die wahrscheinlicher wirksam sind und Nebenwirkungen minimieren. KI-gestützte Tools revolutionieren auch die medizinische Bildanalyse. Diese Tools können Bilder wie Röntgenaufnahmen, MRTs und CT-Scans schnell interpretieren und so bei der Früherkennung und Diagnose verschiedener Erkrankungen wie Krebs, Herzkrankheiten und neurodegenerativen Erkrankungen helfen. Darüber hinaus können KI-gesteuerte Vorhersagemodelle den Krankheitsverlauf vorhersagen, sodass Ärzte proaktiv eingreifen und Behandlungspläne entsprechend anpassen können. Die Konvergenz von KI und Präzisionsmedizin hat zu einem schnell wachsenden Markt geführt. Laut Marktforschungsberichten wird der globale Markt für künstliche Intelligenz in der Präzisionsmedizin in den kommenden Jahren voraussichtlich ein erhebliches Wachstum verzeichnen. Faktoren wie erhöhte Mittel für Forschung und Entwicklung, wachsende Partnerschaften zwischen KI- und Gesundheitsunternehmen und die steigende Nachfrage nach personalisierten Behandlungen treiben diesen Trend voran.

Mit dem weiteren technologischen Fortschritt werden die Anwendungen von KI in der Präzisionsmedizin wahrscheinlich weiter zunehmen. Die Integration elektronischer Gesundheitsakten, tragbarer Geräte und Echtzeitüberwachung wird einen kontinuierlichen Datenstrom für die Analyse durch KI-Algorithmen liefern und so rechtzeitige Eingriffe und Anpassungen der Behandlungspläne ermöglichen. Darüber hinaus kann KI bei der Entdeckung neuer Wirkstoffziele und der Entwicklung innovativer therapeutischer Eingriffe helfen und so eine neue Ära der Präzisionsmedizin einleiten.

Der Bereich der Arzneimittelentdeckung und -entwicklung war schon immer ein komplexer und zeitaufwändiger Prozess. Forscher verbringen Jahre damit, potenzielle Arzneimittelkandidaten zu identifizieren, sie auf Sicherheit und Wirksamkeit zu testen und dann einen langwierigen behördlichen Genehmigungsprozess zu durchlaufen, bevor sie schließlich die Patienten erreichen können. Die jüngsten technologischen Fortschritte, insbesondere im Bereich der künstlichen Intelligenz (KI), revolutionieren jedoch die Art und Weise, wie Medikamente entdeckt und entwickelt werden. Dies zeigt sich insbesondere im wachsenden globalen Markt für KI in der Präzisionsmedizin. Präzisionsmedizin, auch als personalisierte Medizin bekannt, ist ein innovativer Ansatz in der Gesundheitsfürsorge, der die individuelle Variabilität der Gene, der Umwelt und des Lebensstils jedes Menschen berücksichtigt. Durch die Anpassung der medizinischen Behandlung und Eingriffe an die einzigartigen Merkmale jedes Patienten zielt die Präzisionsmedizin darauf ab, bessere Ergebnisse zu erzielen, Nebenwirkungen zu reduzieren und letztendlich die Patientenversorgung zu verbessern. Künstliche Intelligenz hat eine bedeutende Rolle bei der Förderung des Marktes für Präzisionsmedizin gefunden. KI-Algorithmen können riesige Mengen an Patientendaten, einschließlich genetischer Informationen, Krankengeschichte und Lebensstilfaktoren, analysieren, um potenzielle Wirkstoffziele zu identifizieren und vorherzusagen, wie Patienten auf verschiedene Behandlungen reagieren werden. Dies beschleunigt den Prozess der Arzneimittelentdeckung und macht ihn schneller und effizienter.

Ein Bereich, in dem KI erhebliche Auswirkungen hat, ist die Identifizierung potenzieller Arzneimittelkandidaten. Herkömmliche Methoden der Arzneimittelentdeckung beinhalten oft das Screening großer Bibliotheken chemischer Verbindungen, was zeitaufwändig und teuer sein kann. KI-Algorithmen hingegen können riesige Datenmengen schnell analysieren, um potenzielle Wirkstoffziele zu identifizieren und vorherzusagen, welche Verbindungen wahrscheinlich eine therapeutische Wirkung haben. Darüber hinaus wird KI auch verwendet, um vorherzusagen, wie Patienten auf verschiedene Behandlungen reagieren werden. Durch die Analyse von Patientendaten können KI-Algorithmen Biomarker identifizieren, die dabei helfen können, vorherzusagen, welche Patienten eher auf eine bestimmte Behandlung ansprechen, was gezieltere und personalisiertere Eingriffe ermöglicht.

Ein Haupttreiber dieses Wachstums ist die zunehmende Menge an Daten, die für die Analyse zur Verfügung stehen. Fortschritte in der Genomsequenzierungstechnologie haben zu einer Explosion genetischer Daten geführt und Forschern wertvolle Erkenntnisse über die zugrunde liegenden Ursachen von Krankheiten geliefert. KI-Algorithmen können diese Daten durchforsten, um potenzielle Wirkstoffziele zu identifizieren und Patientenreaktionen vorherzusagen. Darüber hinaus treiben Kooperationen zwischen Pharmaunternehmen und Technologiefirmen das Wachstum des KI-Marktes in der Präzisionsmedizin weiter voran. Diese Partnerschaften ermöglichen die Entwicklung innovativer KI-gesteuerter Tools und Plattformen, die die Prozesse der Arzneimittelentdeckung und -entwicklung beschleunigen können.

Kostenlosen Beispielbericht herunterladen

Wichtige Marktherausforderungen

Eine der größten Herausforderungen für den KI-gesteuerten Markt für Präzisionsmedizin ist der Bedarf an qualitativ hochwertigen, vielfältigen und umfassenden Gesundheitsdaten. KI-Algorithmen sind in hohem Maße auf große Datensätze angewiesen, um genaue Vorhersagen und Empfehlungen zu treffen. Gesundheitsdaten sind jedoch häufig über verschiedene Quellen verteilt, darunter elektronische Gesundheitsakten, Genomdaten, tragbare Geräte und mehr. Die Integration dieser unterschiedlichen Datenquellen bei gleichzeitiger Gewährleistung ihrer Genauigkeit und Sicherheit bleibt eine enorme Herausforderung.

Da KI-Anwendungen in der Präzisionsmedizin Zugriff auf vertrauliche Patientendaten erfordern, sind Bedenken hinsichtlich Datenschutz und -sicherheit in den Vordergrund gerückt. Die Vorteile KI-gestützter Erkenntnisse mit der Patientenvertraulichkeit und den Datenschutzbestimmungen in Einklang zu bringen, ist eine erhebliche Hürde. Für das nachhaltige Wachstum des Marktes ist es entscheidend, das richtige Gleichgewicht zwischen der Datenfreigabe für Forschungszwecke und der Aufrechterhaltung des Patientenvertrauens zu finden.

Die Einbeziehung von KI in die Präzisionsmedizin erfordert die Integration komplexer Daten aus mehreren Quellen und die Entwicklung von Algorithmen zur Analyse. Das Fehlen standardisierter Datenformate und Interoperabilitätsstandards zwischen Gesundheitssystemen und -institutionen stellt ein erhebliches Hindernis für eine nahtlose Datenfreigabe und Zusammenarbeit dar. Bemühungen zur Festlegung gemeinsamer Datenstandards sind unerlässlich, um den Informationsaustausch zu erleichtern und Innovationen zu fördern.

KI-Algorithmen können unbeabsichtigt Verzerrungen in Trainingsdaten aufrechterhalten, was zu Ungleichheiten bei den Gesundheitsergebnissen führt. In der Präzisionsmedizin können voreingenommene Algorithmen zu ungenauen Diagnosen oder Behandlungen führen, insbesondere bei unterrepräsentierten Bevölkerungsgruppen. Darüber hinaus erschwert die „Black Box“-Natur einiger KI-Modelle das Verständnis der Entscheidungsfindung und begrenzt ihre klinische Akzeptanz. Das Streben nach transparenten und interpretierbaren KI-Modellen ist entscheidend für den Aufbau von Vertrauen bei Gesundheitsdienstleistern und Patienten.

Damit KI-gesteuerte Präzisionsmedizinlösungen breite Akzeptanz finden, müssen sie einer strengen klinischen Validierung unterzogen werden, um ihre Sicherheit, Wirksamkeit und Zuverlässigkeit nachzuweisen. Die behördliche Zulassung für KI-basierte Medizinprodukte ist ein komplexer Prozess, der es erfordert, sich in sich entwickelnden Richtlinien zurechtzufinden und Auswirkungen in der realen Welt nachzuweisen. Die Balance zwischen Innovation und Patientensicherheit bleibt eine erhebliche Hürde bei der Markteinführung KI-gestützter Präzisionsmedizintechnologien.

Die Implementierung von KI-Lösungen in den bestehenden klinischen Arbeitsablauf kann eine Herausforderung sein. Angehörige der Gesundheitsberufe werden bereits mit Informationen überschwemmt, und die nahtlose Integration neuer Technologien ohne Unterbrechung etablierter Prozesse ist von entscheidender Bedeutung. Um die Akzeptanz zu fördern, sind benutzerfreundliche Schnittstellen, minimale Störungen und die Demonstration greifbarer Vorteile unerlässlich.

Während die potenziellen langfristigen Vorteile von KI in der Präzisionsmedizin beträchtlich sind, können die anfänglichen Investitionen für die Implementierung der Technologie und Schulungen erheblich sein. Viele Gesundheitseinrichtungen, insbesondere in ressourcenbeschränkten Umgebungen, könnten es schwierig finden, Mittel für KI-Initiativen bereitzustellen. Um diese kostenbezogenen Hindernisse zu überwinden, ist es entscheidend, den wirtschaftlichen Wert und die Kapitalrendite zu demonstrieren.

Wichtige Markttrends

Traditionell folgten medizinische Behandlungen und Eingriffe einem Einheitsansatz, der aufgrund individueller Unterschiede in der genetischen Ausstattung, dem Lebensstil und Umweltfaktoren oft zu suboptimalen Ergebnissen führte. Die Präzisionsmedizin hingegen berücksichtigt die Einzigartigkeit jedes Patienten, indem sie medizinische Entscheidungen und Eingriffe auf der Grundlage seiner spezifischen Merkmale maßschneidert. Dieser Ansatz wurde durch Fortschritte in der Genomik, Molekularbiologie und personalisierten Diagnostik ermöglicht. Die Komplexität der Analyse riesiger Mengen an Patientendaten, einschließlich genetischer Informationen, Krankengeschichten und Lebensstilfaktoren, erfordert Werkzeuge, die diese Daten effizient durchforsten und aussagekräftige Erkenntnisse gewinnen können. Hier kommt künstliche Intelligenz ins Spiel, die die Rechenleistung und algorithmische Intelligenz bietet, die erforderlich sind, um das komplexe Netz an Patienteninformationen zu verstehen. KI in der Präzisionsmedizin beinhaltet die Nutzung von Algorithmen des maschinellen Lernens und Deep-Learning-Techniken, um Muster, Korrelationen und Assoziationen innerhalb großer Datensätze zu erkennen. Diese Muster könnten sich auf Krankheitsrisiken, Behandlungsreaktionen, Arzneimittelwechselwirkungen und mehr beziehen. Je mehr Daten KI-Algorithmen ausgesetzt sind, desto besser können sie subtile Zusammenhänge erkennen, die einer menschlichen Analyse entgehen könnten.

Die Digitalisierung von Gesundheitsakten sowie die explosionsartige Zunahme tragbarer Geräte und medizinischer Sensoren haben zu einem beispiellosen Volumen an Patientendaten geführt. KI-Algorithmen leben von Daten, und diese Fülle an Informationen ermöglicht es ihnen, genauere Vorhersagen und Empfehlungen zu treffen. Im Bereich der Genomik wurden bemerkenswerte Fortschritte bei der Entschlüsselung des menschlichen Genoms und dem Verständnis der genetischen Grundlagen von Krankheiten erzielt. KI kann dabei helfen, diese umfangreichen genetischen Informationen zu interpretieren und sie mit klinischen Ergebnissen zu verknüpfen. KI-gesteuerte Simulationen und virtuelle Arzneimittelscreenings können die Arzneimittelentdeckung und -entwicklung beschleunigen und die Entwicklung gezielter Therapien ermöglichen, die auf das einzigartige genetische Profil eines Patienten abgestimmt sind. KI-Technologien können die Analyse medizinischer Daten beschleunigen, was zu schnelleren Diagnosen, optimierten Behandlungsplänen und kürzeren Krankenhausaufenthalten führt. Dies verbessert nicht nur die Patientenergebnisse, sondern senkt auch die Gesundheitskosten.

Segmental Insights

Basierend auf der Technologie hat sich das Segment Deep Learning im Jahr 2022 zum dominierenden Akteur auf dem globalen Markt für künstliche Intelligenz in der Präzisionsmedizin entwickelt. Dies ist darauf zurückzuführen, dass die Präzisionsmedizin darauf abzielt, medizinische Behandlungen und Eingriffe auf individuelle Merkmale zuzuschneiden, was eine effektivere und personalisiertere Versorgung ermöglicht. Deep Learning, ein Teilbereich des maschinellen Lernens, hat sich als außerordentlich gut geeignet erwiesen, um komplexe Probleme in diesem Bereich zu lösen. In der Präzisionsmedizin werden riesige Mengen heterogener Daten analysiert, darunter Genomik, Proteomik, medizinische Bilder, elektronische Gesundheitsakten und mehr. Deep-Learning-Modelle, insbesondere neuronale Netzwerke, eignen sich hervorragend zum Erlernen komplexer Muster und Darstellungen aus derart vielfältigen und hochdimensionalen Datentypen. Eine der wichtigsten Stärken von Deep Learning ist die Fähigkeit, relevante Merkmale automatisch aus Rohdaten zu extrahieren. In der Präzisionsmedizin, wo bedeutsame Merkmale möglicherweise nicht explizit definiert sind, können Deep-Learning-Modelle subtile Beziehungen und Merkmale identifizieren, die zur Diagnose, Prognose und Behandlung von Krankheiten beitragen. Vielen Krankheiten liegen komplexe Mechanismen zugrunde, die auf verschiedenen Komplexitätsebenen wirken. Die hierarchische Architektur von Deep Learning mit mehreren Schichten miteinander verbundener Neuronen kann diese komplexen Muster und Beziehungen erfassen und eignet sich daher gut für die Modellierung komplexer Krankheitsprozesse.

Das Softwaresegment wird im Prognosezeitraum voraussichtlich ein schnelles Wachstum erleben. Die Präzisionsmedizin ist in hohem Maße auf die Analyse riesiger Mengen an Patientendaten angewiesen, darunter genomische, klinische und Lebensstilinformationen. KI-Algorithmen sind in der Lage, diese komplexen Datensätze zu verarbeiten und aussagekräftige Erkenntnisse daraus zu extrahieren. Softwareanwendungen ermöglichen die Entwicklung und Bereitstellung dieser Algorithmen, sodass medizinisches Fachpersonal Patientendaten in einem Umfang und mit einer Komplexität analysieren kann, die manuell nicht möglich wäre. KI-Algorithmen wie maschinelles Lernen und Deep-Learning-Modelle sind von zentraler Bedeutung, um Daten der Präzisionsmedizin zu verstehen. Diese Algorithmen erfordern große Mengen gekennzeichneter Daten für Training, Feinabstimmung und Validierung. Softwareplattformen bieten Forschern und Datenwissenschaftlern die Infrastruktur, um diese KI-Modelle effektiv zu entwerfen, zu entwickeln und zu trainieren.

Kostenlosen Beispielbericht herunterladen

Regionale Einblicke

Nordamerika hat sich 2022 als dominierender Akteur auf dem globalen Markt für künstliche Intelligenz in der Präzisionsmedizin herausgestellt und hält den größten Marktanteil in Bezug auf den Wert. Nordamerika verfügt über eine fortschrittliche Gesundheitsinfrastruktur, einschließlich gut etablierter elektronischer Gesundheitsaktensysteme (EHR), die eine Fülle von Patientendaten liefern, die zum Trainieren und Validieren von KI-Algorithmen für die Präzisionsmedizin verwendet werden können. Der Zugang zu qualitativ hochwertigen Daten ist für die Entwicklung präziser KI-Modelle von entscheidender Bedeutung. Die Region hat erhebliche Investitionen und Finanzierungen für KI-Startups und Unternehmen erlebt, die im Bereich der Präzisionsmedizin tätig sind. Risikokapitalfirmen und Investoren sind vom Potenzial der Kombination von KI mit dem Gesundheitswesen angezogen, was Innovation und Wachstum auf dem Markt vorantreibt. Nordamerika, insbesondere die Vereinigten Staaten, verfügt über ein robustes Ökosystem für Forschung und Innovation sowohl in den Bereichen KI als auch Medizin. Führende Forschungsuniversitäten, medizinische Einrichtungen und Technologieunternehmen in der Region haben bei der Entwicklung von KI-Technologien für Anwendungen in der Präzisionsmedizin eine Vorreiterrolle eingenommen. Nordamerika hat eine Tradition der Zusammenarbeit zwischen dem Gesundheits- und dem Technologiesektor. Diese Zusammenarbeit hat die Integration von KI-Lösungen in die medizinische Praxis erleichtert. Partnerschaften zwischen Krankenhäusern, Forschungseinrichtungen und Technologieunternehmen haben die Entwicklung und Einführung von KI-gestützten Präzisionsmedizin-Tools beschleunigt.

Jüngste Entwicklungen

• Im Juni 2023 eröffnete Dartmouth sein Center for Precision Health and Artificial Intelligence (CPHAI). Ziel des Zentrums ist es, die kollaborative Forschung zur Nutzung künstlicher Intelligenz (KI) und biomedizinischer Informationen zur Verbesserung der Präzisionsmedizin und der Gesundheitsergebnisse zu fördern. Die Gründung von CPHAI wird durch ein Startkapital von 2 Millionen US-Dollar von der Geisel School of Medicine und dem Dartmouth Cancer Center in Dartmouth unterstützt. Der Hauptschwerpunkt der Forschung des Zentrums liegt auf der Verbesserung der öffentlichen Gesundheit und der Bereitstellung von Gesundheitsdienstleistungen, wobei gleichzeitig strenge ethische Maßstäbe in Bezug auf Gesundheits-KI eingehalten werden.
• Im Mai 2023 stellte Google Cloud zwei neuartige KI-gesteuerte Lösungen für den Bereich der Biowissenschaften vor. Diese Lösungen zielen darauf ab, den Prozess der Entdeckung neuer Medikamente zu beschleunigen und die Präzisionsmedizin für Biotechnologieunternehmen, Pharmakonzerne und Einrichtungen des öffentlichen Sektors voranzutreiben.
• Im April 2023 gehen Fujitsu Limited und das Barcelona Supercomputing Center eine Partnerschaft ein, um die Forschung in den Bereichen personalisierte Medizin und Quantencomputing voranzutreiben. Diese gemeinsame Zusammenarbeit zielt darauf ab, die Weiterentwicklung von Initiativen zu erleichtern, die sich auf die Nutzung klinischer Daten und die Simulation von Quantencomputern konzentrieren.

Wichtige Marktteilnehmer

• Glanbia Plc
• BioXcel Therapeutics, Inc.
• Sanofi SA
• NVIDIA Corp.
• Alphabet Inc.(Google Inc.)
• IBM Technology Corporation
• Microsoft Corporation
• Intel Corp.
• AstraZeneca plc
• GE HealthCare
• Enlitic, Inc.