Ophir Tanz, zakladatel a generální ředitel Pearl – Interview Series

Ophir Tanz, je zakladatelem a generálním ředitelem společnosti Perla, společnost, která byla založena na představě, že umělá inteligence může být vždy pomocníkem zubního lékaře a nejdůvěryhodnějším přítelem pacienta. Její zakladatelé mají jedinečný osobní vztah ke složitosti zubního průmyslu, stejně jako znalosti a vzdělání, aby mohli realizovat plný a praktický potenciál, který AI nabízí.

Co vás zpočátku přitahovalo k umělé inteligenci?

O AI se zajímám už od studií na vysoké škole. Viděl jsem tam spoustu příležitostí a to vedlo k mé ambici uplatnit je při vytváření nových schopností a komerčních aplikací. Zajímalo mě zejména počítačové vidění – obor umělé inteligence, kde učíme počítače vidět, zpracovávat a chápat svět stejným způsobem jako lidský mozek – – a tak jsem po ukončení studia založil společnost GumGum, která se zaměřila na o použití vizuální strojové inteligence k budování hodnoty v kategorii digitálních médií. I když jsem sílu umělé inteligence pochopil poměrně brzy, jak jsem tuto společnost rozrůstal, byl jsem překvapen tím, jak pokročilý a praktický se obor stává – – a začal jsem se stále více zajímat o širší aplikace této technologie.

Vaše první společnost GumGum, která se specializovala na používání AI v kontextové reklamě, skončila obrovským úspěchem, čemu tento úspěch přičítáte?

Myslím, že to, co umožnilo GumGum uspět v takové míře, jakou má, byl důraz, který jsme kladli na aplikace a inovace AI. Je to primárně digitální reklamní společnost, ale i když jsme působili v širších mezích této kategorie, práce, kterou jsme dělali s AI, nebyla ve skutečnosti omezena touto kategorií. To znamenalo, že jsme byli technologickou společností stejně jako společností adtech, která vytvořila významnou diferenciaci. Naše myšlení zaměřené na umělou inteligenci nás vedlo k inovacím v oblastech mimo přirozené hranice digitální reklamy – v oceňování sponzorství a samozřejmě v zubním lékařství. Protože jsme se nikdy nesoustředili na to, abychom byli „jen reklamní společností“ a neustále hledáme způsoby, jak to udělat lépe, společnost GumGum dokázala růst s námi, jak se naše vize rozšiřovala a vyvíjela se základní technologie a pole AI.

Mohl byste se podělit o genezi vašeho nového startupu Pearl?

Po spuštění GumGum a zaměření na počítačové vidění jsem věděl, že s touto technologií můžeme udělat více, a vždy jsem hledal nové aplikace. Zdravotní péče a radiologie mě zvláště zajímaly a také představovaly jasné aplikace typu strojového učení, který GumGum používal. Spustili jsme dentální divizi s názvem GumGum Dental, která byla genezí společnosti Pearl. Rozhodl jsem se zcela oddělit zubní divizi, protože jsem věřil, že příležitost zaručuje samostatnou společnost. Asi by se dalo říct, že to tak mělo být v některých ohledech – můj otec byl zubař a já jsem vyrůstal na výpomoci v jeho ordinaci, takže přechod na dentální průmysl pro mě byl tak trochu návratem domů. Ale není to tak, že by můj dětský vztah k zubnímu lékařství byl hlavním impulsem pro mou touhu vést Pearl jako nový podnik. Pevně ​​věřím, že počítačové vidění a umělá inteligence promění stomatologii a globální zdravotnictví, a chtěl jsem být schopen věnovat tomuto projektu pozornost, kterou si podle mého názoru zaslouží.

Mohl byste probrat počítačové vidění a systémy strojového učení, které se používají ke skenování rentgenových a 3D zubních snímků?

Počítačové vidění je forma umělé inteligence, která učí počítače „vidět“ v podstatě stejným způsobem jako lidé. Do řady algoritmů, které jsou modelovány na neuronových sítích v lidském mozku, dodáváme velké množství dat expertně anotovaných zubních snímků. Studiem anotovaných snímků se síť učí, jak rozpoznat zubní patologie toho druhu, které byly vyznačeny na anotovaných snímcích. Tento proces se nazývá „učení pod dohledem“. Tím, že se počítač naučí tímto způsobem, se může naučit rozpoznávat obrázky nedoslovným způsobem. Učí se například, jak identifikovat částečně zakrytý objekt nebo objekt, který je viditelný pouze z určitých úhlů tím, že absorbuje tisíce různých příkladů a vytvoří v podstatě počítačovou verzi mentálního obrazu tohoto objektu.

Naučili jsme naši AI a algoritmy strojového učení vytvořením velké sbírky rentgenových snímků a spolupracovali jsme se zubními lékaři a radiology na označení snímků, poté jsme tyto označené snímky použili k tomu, abychom naučili systém interpretovat nové snímky. Nyní máme AI, která může ukazovat na potenciální problémy, které lze identifikovat na rentgenových snímcích, a pomáhá zubním lékařům číst rentgenové snímky pacientů přesněji a konzistentněji.

Pro naše 3D zobrazovací systémy používáme podobný přístup, ale s různými třídami algoritmů. S 3D může být školení složitější, protože 3D obrázky obsahují mnohem více dat, což někdy činí anotaci pracnější. Samozřejmě, protože existuje mnohem více dat, jakmile je systém vyškolen k interpretaci 3D obrazu, je ve skutečnosti schopen být ve svých zjištěních přesnější. Je to v podstatě stejné, jako když se člověk dívá na kuželový paprsek oproti tradičnímu kousacímu rentgenovému snímku: Na počítačové tomografii s kuželovým paprskem (CBCT) můžeme vidět každou malou fasetu zubu, ale často dokážeme rozeznat jen určité základní zuby. struktur v kousání. AI čelí stejné výzvě.

Jaký typ informací nebo diagnózy tento systém odhaluje?

Náš radiologický systém umělé inteligence dokáže detekovat velké množství patologických i nepatologických stavů, restorativních prvků a přirozené anatomie. Zubní kaz, měření úbytku kostní hmoty, periapikální radiolucence, zubní kámen, shlukování, zubní kámen, impakce, WPL, furkace, obturace, diskrepance okrajů – seznam je příliš dlouhý na to, aby bylo možné vše vyjmenovat, a neustále roste. Mnohé z těchto schopností jsou zahrnuty v Second Opinion, naší pomůcce pro detekci patologie v reálném čase, která je v současné době k dispozici v Kanadě, Austrálii, Evropě a na několika dalších územích, a většina z nich je aplikována v Practice Intelligence, našem řešení klinické inteligence, který není konfrontován s pacienty. k praktikám v USA i ve světě

Na jakém typu obrazových dat byl systém trénován?

Náš systém detekce radiologické patologie byl trénován na kousnutí, periapikálním a panoramatickém snímku, které jsou nejběžnější v zubní diagnostice – druhy rentgenových snímků, které získáte u zubaře přibližně každé dva roky a podle potřeby. Rentgenové snímky lze v zubním oboru relativně snadno získat ve srovnání s jinými formami medicíny a ročně je zachyceno více dentálních rentgenových snímků než jakákoli jiná forma radiografie. Nákladnou a časově náročnou částí je nechat si rentgeny zkontrolovat a opatřit poznámkami. Sestavili jsme největší světovou sbírku označených zubních rentgenových snímků. Tato dostupnost radiografických dat je součástí toho, proč je zubní pole tak zralé na narušení AI.

Jaký typ zlepšení efektivity a míry přesnosti byl pozorován u systému Pearl ve srovnání s manuální kontrolou snímků lidmi?

Provedli jsme několik velkých studií na tisících rentgenových snímků a stovkách zubních lékařů, abychom otestovali přesnost našeho systému, a to jak jako samostatného detekčního systému, tak při použití jako pomoc zubním lékařům. Podívali jsme se na přesnost pro každý typ detekce a také široce napříč všemi detekcemi podporovanými systémem. Mezi jednotlivými třídami detekce jsou rozdíly v přesnosti s přesností v rozmezí 84-96 procent. Celkově je systém správný jen něco málo přes 92 procent času. To je docela dobré a systém se stále zlepšuje.

Samozřejmě, že tyto údaje o absolutní přesnosti nejsou ve skutečnosti tak orientační, jako je relativní přesnost systému ve srovnání s lidskými zubaři. Pokud by lidská přesnost byla 60 %, systém umělé inteligence, který by byl přesný pouze v 70 % času, by poskytoval zubařům, kteří jej používají, značnou výhodu. Ve studiích, které jsme provedli a které zahrnovaly samostatnou komponentu pro člověka, se zubní lékaři pohybují v rozmezí 70–85 %. Mezi jednotlivými zubními lékaři však existují značné rozdíly, takže určitě existují někteří zubní lékaři, kteří jsou stejně přesní nebo přesnější než náš systém, a značné procento těch, kteří jsou mnohem méně přesní. Abychom mohli vyhodnotit přínos systému, chceme vidět zvýšení přesnosti pro zubaře při používání systému ve srovnání se stejným zubařem, když jej nepoužívá. Naše studie tam ukazují jasný přínos.

Nyní, když se Second Opinion používá v praxi, musíme provést další výzkum zaměřený na dopad v reálném světě. Začínáme to dělat s pomocí akademických partnerů v Německu. Urychlí to návštěvy pacientů? Usnadňuje to lepší komunikaci mezi lékařem a pacientem? Zvyšuje to důvěru pacientů? Zvyšuje to přijímání případů? V současné době pracujeme na zodpovězení těchto otázek. Nakonec bychom rádi prozkoumali vliv systému na výsledky zdraví pacientů, ale to je dlouhodobější projekt.

Měl bych poznamenat, že protože Practice Intelligence je částečně analytický nástroj, který může hodnotit charakteristiky zdraví pacientů v celé praxi a výkon diagnostiky a plánování léčby praktiků, ve skutečnosti máme určitou představu o tom, jak může umělá inteligence ovlivnit péči o pacienty. Nejde o výzkum akademického stylu, ale nedávno jsme provedli studii zaměřenou na produkční data z deseti kanceláří s podporou Practice Intelligence za období jednoho měsíce. Během tohoto měsíce se systém objevil v průměru více než 84,000 84,000 USD na praxi v potenciálních zmeškaných léčebných příležitostech v minulých rentgenových snímcích pro pacienty s plánovanými schůzkami v tomto období. Za těchto 12,500 23,800 USD v potenciální příležitosti, která se objevila, byly praktiky schopny dokončit v průměru XNUMX XNUMX USD za výplňové ošetření a dalších XNUMX XNUMX USD za speciální ošetření. Tato podpora pochází z léčebných příležitostí, které byly dříve promarněny. Protože byla dokončena, můžeme předpokládat, že tato ošetření byla nezbytná a měla být poskytnuta po předchozích návštěvách pacientů. Jednalo se o neformální případovou studii, ale zdá se, že jasně ukazuje, že umělá inteligence přináší významné výhody jak pacientům, tak praktikám, které ji používají.

Co podle vás brání širšímu zavádění umělé inteligence na zubních klinikách?

Přijetí ze strany zubních lékařů používajících Second Opinion v zahraničí a tisíců kanceláří, které nasadily Practice Intelligence v USA, bylo ohromně pozitivní, takže existuje segment tohoto odvětví, který již touží po široké integraci umělé inteligence ve stomatologii. Ale širší přijetí vyžaduje širší povědomí. AI je novinkou v zubní oblasti. Když jsme začali pracovat na dentální radiologii jako GumGum Dental, byli jsme, pokud vím, jedinou komerční společností, která se tohoto úsilí zabývala. To bylo před pěti lety. První prodejná řešení se objevila na konci roku 2019 a byly to pojišťovací a laboratorní aplikace, nikoli klinické aplikace. Practice Intelligence jsme spustili v roce 2020 a společnost Second Opinion vstoupila na globální trh v září 2021. Pro většinu zubařů je tedy AI novinkou. Je třeba je s tím seznámit a naučit je, co umí a co ne. Existuje několik mylných představ o umělé inteligenci, které je třeba překonat. Někteří zubaři mohou mít například sklon považovat AI za hrozbu. Tyto mylné představy budou vyřešeny, jakmile budou zubní lékaři lépe informováni o jeho užitečnosti. Výhody umělé inteligence jsou v zásadě atraktivní – vyšší standard péče, lepší péče o ústní dutinu, lepší finanční výsledky pro praxe – takže očekávám, že se přijetí rychle zrychlí, jakmile gramotnost umělé inteligence ve stomatologii dosáhne kritického množství.

Jaká je vaše vize budoucnosti zubní péče za 10 let?

Vzhledem k tomu, že zubní průmysl pokračuje v přijímání digitální transformace, vidím zubaře začleňovat umělou inteligenci do většiny časově náročných úkolů, které denně provádějí – jako je mapování, plánování, operace, správa zásob – takže se soustředí na pacienty spíše než na rutinní úkoly, které odvést je od práce, pro kterou se jejich dovednosti jedinečně hodí. Dočkáme se plošně vyššího standardu péče o pacienty, nižších nákladů a nakonec i většího odvětví, které přinese lepší zdraví ústní dutiny více lidem na celém světě.

Budu také překvapen, pokud do 15 let AI nezačne uvolňovat cestu k účinné prediktivní diagnostice a personalizovanému plánování léčby. Je u tohoto jednotlivého pacienta vyšší riziko vzniku dutin na základě jeho genetického profilu, životního stylu, minulých diagnóz? Můžeme doporučit preventivní přístup, který sníží jejich potřebu invazivní léčby v budoucnu? Pokud mají nyní kaz, na základě toho, co víme o jejich individuálních charakteristikách, musíme nyní přistoupit k obnovovací léčbě, nebo můžeme odložit s očekáváním, že konkrétní změna životního stylu nebo konzumace pravděpodobně zmírní progresi kazu? S podporou AI bychom měli být schopni na tyto otázky odpovědět – a když už jsme u toho, možná zúžit nepřirozenou propast mezi orálním a systémovým zdravím, která dnes existuje.

Je ještě něco, co byste chtěli o Pearl sdílet?

Odborníci již více než deset let slibují, že AI bude poskytovat lepší klinické výsledky a úspory nákladů ve zdravotnictví. Mnoho z těchto slibů nebylo realizováno. Zubní lékařství je ve hře s umělou inteligencí ve skutečnosti trochu pozdě, ale umělá inteligence postupuje v zubním lékařství mnohem rychleji než v jiných kategoriích zdravotní péče. Proč?

Zvažujeme-li medicínu komerční optikou, stomatologie je mnohem podnikavější než jiné formy medicíny. Zubní lékařství se provádí v mnoha malých, tradičně soukromých ordinacích. Většina ostatních forem medicíny je řízena nemocnicemi, což jsou obecně velké byrokratické korporační instituce. Zubní ordinace i nemocnice mají stejnou touhu zvýšit efektivitu, zlepšit výsledky pacientů atd., ale nemocnice se strukturálně pohybují příliš pomalu a konzervativně na to, aby efektivně integrovaly a využily vznikající technologie, které tato přání uspokojí. Zubařské praxe jsou na druhou stranu agilní – a podnikatelský charakter zubařů dělá ze zubního lékařství mnohem úrodnější půdu pro inovace, jako je umělá inteligence. Pokud zubař v něčem vidí potenciální přínos, může jej okamžitě realizovat. Nemocnice nebude schopna jednat s tímto druhem jednostranné rozhodnosti. Budou existovat studie proveditelnosti a dopadu, odraz od protichůdných zájmů a zúčastněných stran, vyjednávání o rozpočtu a řada dalších obručí, kterými bude muset nová technologie před implementací proskočit.

Neméně důležitá je však skutečnost, že zubní lékaři mohou přispět ke snaze o její rozvoj a zdokonalování, pokud si to přejí. Pearl dokázala vymyslet, vybudovat a komercializovat tuto technologii stejně rychle jako my, protože zubaři jsou aktivní a kompetentní spotřebitelé – vyvíjíme produkty pro trh, který není zatížen byrokratickým třením, kterému čelí společnosti, které se snaží prodávat do nemocnic – a protože zubaři mohou svobodně vložit svou materiální a intelektuální podporu do našeho úsilí. Naše umělá inteligence je nakonec tak chytrá, jaká je, protože byla vycvičena a vypilována armádou chytrých zubařů, kteří této technologii věří a mohli k jejímu vytvoření přispět.

Děkuji za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit Perla.