Vores videnskab

Vi kombinerer videnskab, maskinlæring og brugerfeedback for at hjælpe mennesker med hudproblemer. I dag oplever 86% af vores brugere en forbedring.

NØIEs videnskabelige og datadrevne tilgang

NØIE er resultatet af at kombinere videnskab og viden om hudpleje med machine learning-algoritmer og uvurderlig feedback fra vores community af brugere. Det er særligt de lukkede loops med feedback fra vores brugerfællesskab, der gør NØIE unik, og de hjælper hele tiden til at forbedre vores løsninger for eksisterende og nye brugere.

Denne form for databaseret tilgang er allerede udbredt i mange andre brancher og ikke mindst vores hverdag. Alligevel har den ikke slået rod på hudplejeområdet, som dermed er gået glip af vigtige indsigter og muligheder for forbedringer - det vil sige lige indtil nu.

Resultatet af vores tilgang er, at vi nu ved præcis, hvilke ingredienser vi skal bruge til hvilke behov. Derfor kan vi lave skræddersyede løsninger til hver af vores brugere, og derfor oplever 86% en forbedring af deres hud ved brug af NØIE.

Men NØIE blev ikke skabt over natten. Det har været en lang rejse gennem de sidste 6 år. Her er fortællingen om, hvordan det hele begyndte.

Undersøgelse af markedet

Tilbage i 2016 satte de to stiftere Chris Christiansen og Daniel Jensen sig for at lære mere om hudsygdomme og deres eksisterende behandlinger som et projekt i LEO Pharma’s Innovation Lab. Hudsygdomme er i dag den fjerde hyppigste sygdomsårsag (Tizek et. al, 2019). Christiansen og Jensen begyndte deres undersøgelse ved at samle 2.938 eksisterende håndkøbsprodukter, der havde til formål at lindre forskellige hudproblemer lige fra akne til psoriasis. Derefter begyndte en screeningsproces af disse produkter i to trin.

Først identificerede og udelukkede de, sammen med Christian Riemer (som nu er leder af vores Research & Development-afdeling) og deres team, produkter som indeholdt potentielt skadelige ingredienser. Det vil sige parfume, ingredienser kendt for at forårsage irritation samt formodede hormonforstyrrende stoffer defineret af et eksternt panel af eksperter. Tilbage var kun 19% dvs. 566 af de 2.938 produkter.

Herefter testede de den oplevede effekt af de resterende 566 produkter. Det gjorde de ved at samle produkterne i en webshop og tilbyde dem til brugere. Her indsamlede de data omkring brugerne, deres demografi, symptomer og hudproblemer samt deres feedback på produkterne efter en 30-dages prøveperiode.

Test af de første indsigter

Analysen af disse mange tusinde datapunkter resulterede i værdifulde indsigter om, hvilke produkter der syntes at have en effekt på hvilke hudproblemer. Nu var tiden inde til at teste disse erfaringer på en mindre gruppe mennesker, og teamet igangsatte et pilotstudie med det formål at validere resultaterne fra dataindsamlingen.

I alt 10 personer fra Storbritannien, der enten havde psoriasis eller eksem, deltog i pilotstudiet. De blev tilbudt individuelle behandlinger, der kombinerede forskellige håndkøbsprodukter udvalgt blandt de 566 nævnt ovenfor. Testperioden på 8 uger indebar en ugentlig opdatering af deltagernes hudtilstand samt en løbende justering af produktanbefalingerne.

Efter testperioden faldt sværhedsgraden af deltagernes hudproblemer og behovet for medicinske behandlinger, såsom topikale steroider, blev gennemsnitlig reduceret med 40%. Selvom det i sig selv var en bedrift, at ikke-receptpligtige produkter var effektive, når de blev brugt korrekt, var det også udgangspunktet for NØIE-algoritmen.

Opbygning af NØIE-algoritmen

Individuelle produktanbefalinger, baseret på grundig dataanalyse, lod til at have en synlig effekt, og derfor grundlagde Christiansen og Jensen NØIE i 2019.

NØIE begyndte at udvikle og producere egne formuleringer og tilbyde en personlig tilpasset løsning, baseret på det solide datagrundlag og den omfattende viden omkring effekten af specifikke ingredienser og ingredienssynergier. 

For at komme ind på NØIEs platform, og få en produktanbefaling, udfylder brugeren en detaljeret onlineundersøgelse, der tager alle relevante kliniske aspekter af huden i betragtning. Disse data behandles derefter gennem maskinlæringsalgoritmer for at kunne tilpasse produkterne personligt. Disse personlige formuleringer bliver derefter testet af brugerne, som giver løbende feedback om, hvorvidt de oplevede en positiv effekt eller ej på deres hud. Alle disse datapunkter blev til rygraden i NØIEs unikke algoritme.

Forbedring af resultaterne

Det første resultat fra brugernes feedback viste, at 30 % oplevede en positiv effekt på deres hud. Efterhånden som maskinlæringsmodellen fortsatte, og feedbacken blev ved med at fodre algoritmen, steg succesraten på NØIEs løsninger fra 30 % (2020) til 72 % (2021). I dag er succesraten for NØIE's løsning, som kun bruger den rigtige og unikke kombination af ingredienser, på 86%.

Da hud er et meget personligt problem, ofte med en psykologisk dimension, er det så meget desto vigtigere at forbedre produkterne og tilbyde anbefalinger på et solidt vidensgrundlag for at mindske mængden af spildtid og penge, samt øge den samlede succesrate.

Det er kort fortalt, hvordan NØIE brugte og stadig bruger videnskab, data, bruger feedback og maskinlæring til at tilbyde personlige hudplejeløsninger.

Find en mere detaljeret forklaring af NØIE’s videnskabelige grundlag her.