Офир Танц, основател и главен изпълнителен директор на Pearl – Серия интервюта

Офир Танц е основател и главен изпълнителен директор на перла, компания, основана на идеята, че изкуственият интелект може да бъде постоянният помощник на зъболекаря и най-надеждният приятел на пациента. Неговите основатели имат уникална лична връзка с тънкостите на денталната индустрия, както и знанията и образованието, за да актуализират пълния и практически потенциал, който AI може да предложи.

Какво първоначално те привлече към изкуствения интелект?

Интересувам се от AI откакто бях в колежа. Видях много възможности там и това подтикна амбицията ми да я приложа за създаване на нови възможности и търговски приложения. По-специално се интересувах от компютърното зрение – областта на изкуствения интелект, където учим компютрите да виждат, обработват и разбират света по същия начин, по който го прави човешкият мозък – така че след дипломирането си създадох компания, GumGum, която се фокусира върху относно прилагането на визуална машинна интелигентност за изграждане на стойност в категорията на цифровите медии. Въпреки че разбрах силата на ИИ доста рано, докато развивах тази компания, бях поразен от това колко напреднала и практична става тази област – и все повече се интересувах от по-широките приложения на технологията.

Първата ви компания GumGum, специализирана в използването на AI в контекстната реклама, в крайна сметка се оказа изключително успешна, на какво отдавате този успех?

Мисля, че това, което позволи на GumGum да успее до такава степен, беше акцентът, който поставихме върху приложението и иновациите на AI. Това е предимно компания за дигитална реклама, но въпреки че работихме в по-широките граници на тази категория, работата, която свършихме с AI, всъщност не беше ограничена от категорията. Това означаваше, че бяхме технологична компания, както и рекламна компания, което създаде значителна диференциация. Нашето мислене, ориентирано към AI, ни накара да направим иновации в области извън естествените граници на дигиталната реклама – в оценката на спонсорството и, разбира се, в стоматологията. Тъй като никога не сме се фокусирали върху това да бъдем „просто рекламна компания“ и непрекъснато търсим начини да се справяме по-добре, GumGum успя да расте с нас, докато нашата визия се разширяваше и основната технология и областта на ИИ се развиваха.

Бихте ли споделили историята на генезиса зад вашия нов AI стартъп Pearl?

След като стартирах GumGum и се съсредоточих върху компютърното зрение, знаех, че можем да направим повече с технологията и винаги бях нащрек за нови приложения. Здравеопазването и радиологията бяха от особен интерес за мен и също така представляваха ясни приложения от типа машинно обучение, което GumGum прилагаше. Стартирахме дентално подразделение, наречено GumGum Dental, което беше генезисът на Pearl. Реших напълно да отделя стоматологичния отдел, защото вярвах, че възможността изисква самостоятелна компания. Предполагам, че може да се каже, че е трябвало да бъде по някакъв начин – баща ми беше зъболекар и аз израснах, помагайки в неговата практика, така че преминаването към фокусиране върху денталната индустрия беше малко като завръщане у дома за мен. Но не е така, сякаш връзката ми със зъболекарството в детството ми беше основният тласък за желанието ми да ръководя Pearl като ново начинание. Силно вярвам, че компютърното зрение и AI ще трансформират стоматологията и глобалното здравеопазване и исках да мога да обърна вниманието на проекта, което смятам, че заслужава.

Бихте ли обсъдили системите за компютърно зрение и машинно обучение, които се използват за сканиране на радиографски и 3D дентални изображения?

Компютърното зрение е форма на AI, която учи компютрите да „виждат“ по почти същия начин, по който го правят хората. Ние подаваме големи количества анотирани от експерти данни за дентални изображения в поредица от алгоритми, които са моделирани върху невронните мрежи в човешкия мозък. Чрез изучаване на анотираните изображения мрежата се научава как да разпознава зъбни патологии от вида, който е отбелязан в анотираните изображения. Този процес се нарича „учене под наблюдение“. Обучавайки компютър по този начин, той може да се научи да разпознава изображения по небуквален начин. Например, той се научава как да идентифицира частично затъмнен обект или такъв, който се вижда само от определени ъгли, като усвоява хиляди различни примери и изгражда това, което по същество е компютърна версия на ментален образ на този обект.

Обучихме нашите AI и алгоритми за машинно обучение, като изградихме голяма колекция от рентгенографии и работихме със зъболекари и рентгенолози, за да етикетираме изображенията, след което използвахме тези етикетирани изображения, за да научим системата да интерпретира нови изображения. Сега имаме AI, който може да посочи потенциални проблеми, които могат да бъдат идентифицирани в рентгенографиите и да помогне на зъболекарите да разчитат рентгенографиите на пациентите по-точно и последователно.

За нашите системи за 3D изображения ние използваме подобен подход, но с различни класове алгоритми. С 3D обучението може да бъде по-сложно, тъй като 3D изображенията съдържат много повече данни, което понякога прави анотацията по-трудоемка. Разбира се, тъй като има много повече данни, след като системата бъде обучена да интерпретира 3D изображение, тя всъщност може да бъде по-прецизна в своите открития. По същество е същото, както когато човек гледа конусообразен лъч спрямо традиционна рентгенова снимка със захапване: можем да видим всеки малък аспект на зъба в конусно-лъчева компютърна томография (CBCT), но често можем само да различим определен основен зъб структури в захапка. AI е изправен пред същото предизвикателство.

Какъв тип информация или диагноза се разкрива от тази система?

Нашата радиологична AI система може да открие голям набор от патологични и непатологични състояния, възстановителни функции и естествена анатомия. Кариес, измерване на костна загуба, периапикална радиопрозрачност, зъбен камък, струпване, зъбен камък, удар, WPL, фуркация, обтурация, несъответствие в границите – списъкът е твърде дълъг, за да се изброи всичко и продължава да расте. Много от тези възможности са включени във Second Opinion, нашата помощ за откриване на патология в реално време, налична в момента в Канада, Австралия, Европа и няколко други територии, и повечето се прилагат в Practice Intelligence, нашето решение за клинично разузнаване, което не е изправено пред пациенти, което е налично на практики в САЩ и по света

На какъв тип данни за изображения е била обучена системата?

Нашата система за откриване на радиологична патология беше обучена на рентгенови снимки на захапка, периапикални и пано рентгенографии, които са най-често срещани в денталната диагностика – видовете рентгенови снимки, които получавате при зъболекаря на всеки две години или така, както и когато възникне необходимост. Рентгенографските изображения са сравнително лесни за получаване в областта на денталната медицина в сравнение с други форми на медицина и повече зъбни радиографии се заснемат годишно, отколкото всяка друга форма на радиография. Скъпата и отнемаща много време част е да накарате експерти да прегледат и анотират рентгеновите снимки. Съставихме най-голямата в света колекция от етикетирани зъбни рентгенови снимки. Тази наличност на радиографски данни е част от това, което прави областта на денталната медицина толкова узряла за прекъсване от AI.

Какъв тип подобрения на ефективността и проценти на точност са наблюдавани от системата Pearl в сравнение с ръчния човешки преглед на изображения?

Проведохме няколко големи проучвания на хиляди радиографии и стотици зъболекари, за да тестваме точността на нашата система, както като самостоятелна система за откриване, така и когато се използва в помощ на зъболекари. Разгледахме точността за всеки тип откриване, както и като цяло за всички откривания, поддържани от системата. Има разлика в точността между отделните класове на откриване с точност, варираща от около 84-96 процента. Като цяло системата е правилна малко над 92 процента от времето. Това е доста добре и системата продължава да се подобрява.

Разбира се, тези цифри за абсолютна точност всъщност не са толкова показателни, колкото е относителната точност на системата в сравнение с човешките зъболекари. Ако човешката точност беше 60%, AI система, която е точна само 70% от времето, би предоставила значително предимство на зъболекарите, които я използват. В проучванията, които сме провели и които включват самостоятелен човешки компонент, зъболекарите варират от 70-85%. Съществува значителна разлика между отделните зъболекари обаче, така че със сигурност има някои зъболекари, които са еднакво или по-точни от нашата система, и добър процент, които са далеч по-малко точни. За да оценим ползата от системата, това, което искаме да видим, е повишаване на точността за зъболекаря, когато използва системата, в сравнение със същия зъболекар, когато не я използва. Нашите проучвания показват ясна полза там.

Сега, когато второто мнение се използва в практиката, трябва да направим повече изследвания, разглеждащи въздействието в реалния свят. Започваме да правим това с помощта на академични партньори в Германия. Ускорява ли посещенията на пациенти? Улеснява ли по-добрата комуникация между лекар и пациент? Подобрява ли доверието на пациентите? Повишава ли приемането на казуси? В момента работим, за да отговорим на тези въпроси. В крайна сметка бихме искали да проучим въздействието на системата върху резултатите за здравето на пациентите, но това е по-дългосрочен проект.

Трябва да отбележа, че тъй като Practice Intelligence е отчасти аналитичен инструмент, който може да оцени здравните характеристики на пациентите в цялата практика и резултатите от планирането на диагностиката и лечението на практикуващите, ние всъщност имаме някакво усещане за това как AI може да повлияе на грижите за пациентите. Това не е изследване в академичен стил, но наскоро проведохме проучване, разглеждащо производствени данни от десет офиса с активиран Practice Intelligence за период от един месец. През този месец системата извади средно над $84,000 84,000 на практика в потенциална пропусната възможност за лечение в минали рентгенографии за пациенти с планирани срещи през този период. За тези $12,500 23,800 потенциална възможност, която се появи, практиките успяха да завършат средно $XNUMX XNUMX за възстановително лечение и допълнителни $XNUMX XNUMX за специално лечение. Този тласък идва от възможностите за лечение, които преди са били пропуснати. Тъй като беше завършено, можем да приемем, че тези лечения са били необходими и е трябвало да бъдат предоставени след предишни посещения на пациентите. Това беше неофициално казус, но изглежда ясно показва, че ИИ носи значителни ползи както за пациентите, така и за практиките, които го използват.

Какво според вас възпира по-широкото приемане на AI в денталните клиники?

Приемът беше изключително положителен от стоматолозите, използващи Second Opinion в чужбина, и хилядите офиси, които внедриха Practice Intelligence в САЩ, така че има сегмент от индустрията, който вече има желание за широко интегриране на AI в стоматологията. Но по-широкото приемане изисква по-широка осведоменост. AI е новост в областта на денталната медицина. Когато започнахме да работим по дентална радиология като GumGum Dental, доколкото ми е известно, ние бяхме единственото търговско предприятие, ангажирано с усилията. Това беше преди пет години. Първите продаваеми решения се появиха в края на 2019 г. и бяха застрахователни и лабораторни приложения, а не клинични приложения. Стартирахме Practice Intelligence през 2020 г., а Second Opinion навлезе на световния пазар през септември 2021 г. Така че, що се отнася до повечето зъболекари, AI е новост. Те трябва да бъдат запознати с него и да бъдат научени какво може и какво не може да прави. Има някои погрешни схващания за AI, които трябва да бъдат преодолени. Някои зъболекари може да са склонни да виждат ИИ като заплаха, например. Тези погрешни схващания ще бъдат разрешени, когато зъболекарите станат по-добре информирани за неговата полезност. Предимствата на AI са фундаментално привлекателни – по-висок стандарт на грижа, по-добро орално здравеопазване, по-добри финансови резултати за практиките – така че очаквам приемането да се ускори бързо, след като грамотността на AI в денталната медицина достигне критична маса.

Каква е вашата визия за бъдещето на стоматологичните грижи след 10 години?

Тъй като денталната индустрия продължава да прегръща дигиталната трансформация, виждам зъболекарите да включват AI в повечето от отнемащите време задачи, които изпълняват ежедневно – като диаграми, планиране, операции, управление на инвентара – така че да се фокусират върху пациентите, а не върху рутинните задачи, които откъснете ги от работата, за която техните умения са уникално подходящи. Ще видим по-висок стандарт на грижа за пациентите навсякъде, по-ниски разходи и в крайна сметка по-голяма индустрия, осигуряваща по-добро орално здраве на повече хора по света.

Също така ще бъда изненадан, ако в рамките на 15 години изкуственият интелект не е започнал да разчиства пътя към ефективна предсказваща диагностика и персонализирано планиране на лечението. Този отделен пациент изложен ли е на по-висок риск от кариес въз основа на техния генетичен профил, начин на живот, предишни диагнози? Можем ли да препоръчаме превантивен подход, който ще намали нуждата им от инвазивно лечение в бъдеще? Ако имат кариес сега, въз основа на това, което знаем за техните индивидуални характеристики, трябва ли да продължим с възстановителното лечение сега или можем да отложим с очакването, че конкретна промяна в начина на живот или консумация вероятно ще намали прогресията на гниенето? С подкрепата на AI би трябвало да можем да отговорим на тези въпроси – и докато сме там, може би да стесним неестествената пропаст между оралното и системното здраве, която съществува днес.

Има ли нещо друго, което бихте искали да споделите за Pearl?

Експертите обещават, че AI ще осигури по-добри клинични резултати и спестяване на разходи в здравната индустрия повече от десетилетие. Много от тези обещания не са реализирани. Стоматологията всъщност е малко закъсняла с играта с ИИ, но ИИ напредва в стоматологията много по-бързо, отколкото в други категории здравеопазване. Защо?

Разглеждайки медицината през комерсиална призма, стоматологията е много по-предприемаческа от другите форми на медицина. Стоматологията се извършва в много малки, традиционно частни практики. Повечето други форми на медицина се управляват от болници, които обикновено са големи бюрократични корпоративни институции. Както денталните практики, така и болниците имат едно и също желание да повишат ефективността, да подобрят резултатите за пациентите и т.н., но структурно болниците са твърде бавни и консервативни, за да интегрират ефективно и да се възползват от възникващите технологии, които удовлетворяват тези желания. Зъболекарските практики, от друга страна, са гъвкави – и предприемаческият характер на зъболекарите прави стоматологията много по-плодородна почва за иновации като AI. Ако зъболекарят види потенциална полза в нещо, той може незабавно да го приложи. Една болница няма да може да действа с такава едностранна решителност. Ще има проучвания за осъществимост и въздействие, отблъскване от противопоставящи се интереси и заинтересовани страни, преговори за бюджета и цяла ръкавица от други обръчи, през които новата технология ще трябва да премине преди внедряването.

Също толкова важен обаче е фактът, че зъболекарите могат да допринесат за усилията за неговото развитие и подобряване, ако желаят. Pearl успя да създаде, изгради и комерсиализира тази технология толкова бързо, колкото и ние, защото зъболекарите са активни и овластени потребители – ние разработваме продукти за пазар, който не е обременен от бюрократичните търкания, пред които са изправени компаниите, опитващи се да продават в болници – и защото зъболекарите са свободни да поставят своята материална и интелектуална подкрепа зад нашите усилия. В крайна сметка нашият AI е толкова умен, колкото е, защото е обучен и усъвършенстван от армия от умни зъболекари, които вярват в технологията и имаха свободата да допринесат за нейното създаване.

Благодаря ви за страхотното интервю, читателите, които искат да научат повече, трябва да го посетят перла.