Tobias Rijken, spoluzakladatel a technický ředitel společnosti Kheiron Medical Technologies – rozhovor

Tobias Rijken je spoluzakladatel a technický ředitel společnosti Kheiron Medical Technologies, lékařské imagingové společnosti, která využívá pokročilé technologie strojového učení k vývoji a poskytování inteligentních nástrojů pro radiology, radiologické oddělení, imaging centra a nemocnice, aby zlepšily efektivitu, konzistenci a přesnost radiologických zpráv.

Společnost Kheiron Medical Technologies byla založena s jediným cílem – pomoci radiologům detekovat rakovinu prsu dříve pomocí softwaru strojového učení.

Co vás最初 přitáhlo ke strojovému učení?

Moje neformální seznámení se strojovým učením bylo, když jsem poprvé začal programovat jako mladý teenager. Existoval herní engine, ve kterém jste mohli programovat své vlastní hry. Chtěl jsem hrát tuto hru, ale proti komu? Může to být jiný hráč, ale také program. Jak vytvořit program, který se učí hrát hru? Nebyla to moderní AI, byla to pravidlová AI. Porazil jsem ji každým způsobem, takže to nebyla dobrá AI.

Když jsem studoval magisterský titul na University College London, vstoupili jsme do nové éry moderní AI. DeepMind byl právě koupen a já studoval strojové učení na místě, kde DeepMind skutečně vznikl. David Silver, jeden z vedoucích vědců DeepMind, učil kurz o učení s posilováním. Jako součást kurzu jsem vytvořil agenta, který se učil hrát hru – zjednodušenou formu blackjacku. Když jsem dokončil AI a hrál proti svému vlastnímu výtvoru, už jsem ho nedokázal porazit. A to byla skutečná revelace.

Moje formální seznámení se strojovým učením přišlo v mém prvním roce na univerzitě. Studoval jsem matematiku a počítačové vědy na Amsterdam University College. Současně byly zavedeny nové otevřené online kurzy a já se mohl připojit ke kurzům AI od předních osobností v oboru. Kurz, který měl největší dopad, byl s Peterem Norvigem a Sebastianem Thrunem ze Stanfordu a já jsem mohl studovat AI s 100 000 lidmi ve stejnou dobu.

Nyní s Kheironem, co mi na strojovém učení tolik vyhovuje, je jeho aplikace v reálném světě. Možnost, kterou má, řešit reálné problémy. To mě skutečně fascinuje.

Můžete diskutovat o vzniku společnosti Kheiron Medical?

Peter a já se seznámili v roce 2016 na britském akcelerátoru Entrepreneur First. Okamžitě jsme se spojili – pravděpodobně kvůli našim podobným pozadí. Oba pocházíme z lékařských rodin – Peterova matka je radioložka, já vyrostl v lékařské rodině, obklopen lékařskými odborníky, a oba jsme se rozhodli jít cestou STEM.

Naše pozadí nám dalo jasnou představu o problémech a výzvách, kterým čelí zdravotničtí pracovníci, a porozumění tomu, jak AI může zlepšit jejich životy i životy pacientů. Sdílíme víru, že AI spolu s klinickými pracovníky změní zdravotnictví k lepšímu.

Existuje velký problém, který je třeba vyřešit. Existuje globální nedostatek radiologů. Mnoho lidí umírá na rakovinu – více než 40 000 amerických žen umírá každý rok na rakovinu prsu. Část důvodů, proč tolik lidí umírá na rakovinu, je, že lékaři nemají správné informace, aby mohli učinit správná rozhodnutí. AI může pomoci s tím.

Nejprve a především je Kheiron zde, aby pomohl radiologovi, aby radiolog mohl pomoci pacientům. Já osobně jsem velmi motivován tím, že se ponořím do problému a pochopím jeho složitosti. Všichni tvrdě pracujeme, abychom skutečně pochopili práci radiologů, data, se kterými pracují denně, jejich workflow. Pak můžeme zjistit, jak můžeme nasadit AI jako součást tohoto workflow.

Investujeme hodně do hlubokého porozumění uživatelům a datům. Máme radiology v našem týmu, kteří nám pomáhají integrovat potřeby uživatelů do designu a vývojového procesu. Máme iniciativu pro zapojení pacientů, která přímo spolupracuje s ženami, aby pochopila jejich obavy a potřeby pro screening prsu.

Mnozí lidé se mě ptají na název naší společnosti – Kheiron. Kheiron byl moudrý a jemný kentaur – stvoření, které je částí člověk, částí kůň v řecké mytologii – který trénoval hrdiny v medicíně. Toto pojetí dvou polovin, které vytvářejí něco mocnějšího než jednotlivé části, je inspirací pro Kheiron – AI a klinický pracovník pracují společně, aby změnili to, co je možné ve standardu péče.

Můžete diskutovat o řešeních pro screening rakoviny prsu, které nabízí?

Pracujeme na několika řešeních pro screening rakoviny prsu podél cesty screeningového procesu.

Náš první produkt se jmenuje Mia™ – což znamená mammografická inteligentní evaluace. Mia byla optimalizována pro provedení stejné úkolu jako radiolog – určit, zda by žena měla být vyzvána k dalšímu vyšetření nebo ne.

Úroveň výkonu, kterého dosahujeme, umožňuje nám přehodnotit workflow. Pro americké ženy je to velice významné. USA mají takzvaný “single-reader workflow”. To znamená, že každá mammografie je čtena jedním radiologem. Naopak, Spojené království a Evropa mají “double-reader workflow”, což znamená, že každá mammografie je čtena dvěma radiology. Mnozí američtí radiologové považují double reading za “zlatý standard”, protože je více pravděpodobné, že detekuje časnou, malou rakovinu prsu.

Naše klinické studie prokazují, že Mia je klinicky bezpečná a nákladově efektivní volba jako nezávislý nebo současný čtenář. To znamená, že v USA může být Mia použita společně s radiologem, aby se dosáhlo zlatého standardu double-reading workflow – s jedním lidským čtenářem. Jak jsem již řekl, tohle je skutečně to, jak vidíme sílu AI a člověka, kteří pracují společně, aby vyřešili velké problémy.

První produkt, který přinášíme na americký trh, se jmenuje Mia IQ™, který sedí o krok dříve v cestě screeningového procesu rakoviny prsu. Mia IQ pomáhá radiografickým technikům analyzovat kvalitu obrazu. Pokud můžeme zlepšit kvalitu obrazu, pak se také zlepší kvalita čtení. A to znamená, že více rakovin bude detekováno dříve, když jsou výsledky lepší pro ženu.

To je velice důležité pro MQSA kvalitativní audity a pro kontinuální školení, kde očekáváme, že uvidíme první aplikace Mia IQ. Mia IQ poskytuje screeningovým programům zprávy, které detailují problémy s pozicováním. To umožní programovým ředitelům poskytnout cílené školení pro techniky a řešit jakékoliv širší problémy s kvalitou obrazu, které by mohly ovlivnit jejich kvalitativní audity.

Kolik obrazů bylo neuronové síti trénováno?

Pro nás není důležité množství dat. Dobrá věc o prostoru screeningového procesu rakoviny prsu je, že existuje spousta dat. Existuje spousta historických dat, protože screeningové programy existují již nějakou dobu. A protože se screenuje celá populace, existuje spousta nových dat, která jsou generována.

Výzvou je, že data jsou silně zkreslená. 99 % screeningové populace nemá rakovinu, což znamená, že existuje zkreslení směrem k normálním obrazům. Existují také rozdíly v populaci, s nedostatkem diverzity v datech.

Pro Kheiron není výzvou získat množství dat. Místo toho je naše úspěch založen na pochopení, která data sbírat, aby se dosáhlo nejlepších výsledků, a být velmi selektivní a cílený v tom, kde a jak získáváme naše data. Naše spolupráce s Emory University je skvělým příkladem toho, jak děláme.

Jsou falešné pozitivy aktuálně problémem?

Falešné pozitivy jsou pouze částí problému. Věda screeningového procesu závisí na kompromisu mezi falešnými pozitivy a falešnými negativy. Například můžeme dosáhnout velmi nízké míry falešných pozitiv, ale budeme muset vynechat některé rakoviny. Na druhou stranu můžeme mít velmi málo vynechaných rakovin, pokud máme vysokou míru falešných pozitiv. Je důležité pochopit tyto kompromisy a vyvážit naše screeningové služby na základě priorit a zdrojů.

Kulturní a politické rozdíly také existují mezi zeměmi, které ovlivňují, jak jsou tyto kompromisy dělány. V některých zemích je vynechání rakoviny považováno za velmi problematické. V jiných zemích je více důležité minimalizovat zbytečné recalls, protože jsou spojeny s náklady na zdravotní péči.

V konečném důsledku se jedná o pochopení, jak tento kompromis ovlivňuje pacienty, z hlediska počtu zbytečných recalls a dalších testů, které zažívají “falešně pozitivní” skupina ve srovnání s “falešně negativní” skupinou, jejichž rakoviny nejsou detekovány. Je to obtížný balanční akt, ale AI slibuje zvýšit laťku pro obě skupiny.

Kheiron Medical Technologies a Emory University nedávno oznámily spolupráci na vyhodnocení dat z předchozích mammografií více než 50 000 afroamerických žen, které byly screenovány v Emory Healthcare. Můžete sdílet více informací o tomto projektu?

Naše partnerství s Emory University rozšiřuje diverzitu dat, která používáme, aby zajistila, že naše AI řešení pro screening rakoviny prsu, Mia, funguje na stejné úrovni pro jakoukoli ženu, bez ohledu na etnickou příslušnost.

První projekt v rámci spolupráce bude podporovat validaci výkonu Mia proti diverzifikované screeningové populaci Emory. Jedná se o multi-site studii, která zahrnuje čtyři screeningové lokality a nemocnice. Do projektu bude zahrnuta kohorta více než 200 000 screeningových mammografií – přibližně 45 % žen v této kohortě je afroamerického původu.

Oznámili jsme tuto spolupráci na konci listopadu a od té doby jsme udělali velký pokrok, i přes výzvy spojené s globální pandemií a vzdálenou prací. Domnívám se, že je to velký kredit pro tým z Emory, kteří jsou také klinickými pracovníky, poskytujícími vynikající péči pacientům v komunitě.

Pracujeme nyní na tom, abychom investovali energii do vytvoření silného základu pro naši budoucí práci. Pracujeme úzce s týmem z Emory, abychom pochopili klinické workflow. To slouží jako nezbytný základ pro hlubokou analýzu a vyšetřování potenciálních rozdílů mezi subpopulacemi, jako jsou etnické skupiny.

Tato práce není snadná ani rychlá. Ne mnoho věcí ve zdravotnictví je. Nicméně je to velmi odměňující a jsme šťastní, že můžeme těžit z globálních partnerů, kteří jsou extrémně spolupracující a spojeni s námi ve naší společné misi: pomoci každé ženě, aby měla šanci bojovat proti rakovině prsu.

Jak velký je problém podreprezentace nebílých osob pro obrazová data pro diagnostiku rakoviny?

Historicky nebyla diverzita pacientů zrcadlena v medicínském výzkumu tak, jak by měla být. Ti z nás, kteří vyvíjí AI, mají odpovědnost zahrnout etnickou diverzitu do našich studií.

Podreprezentované populace jsou problémem pro screening rakoviny prsu. Výsledky pro afroamerické ženy jsou příkladem toho. Afroamerické ženy tendují mít vyšší míru úmrtí (39 % vyšší než u nebělých), a to může být způsobeno nedostatkem přístupu ke zdravotní péči, zpožděním v diagnostice a zpožděním v zahájení léčby, mezi jinými faktory.

Generalizovatelnost AI napříč různými populacemi je klíčovým krokem k řešení rasových disparit v screeningovém procesu rakoviny prsu. Jsem nadšený, že náš tým Kheiron je odhodlán vybudovat řešení, které funguje stejně dobře na mammografiích z rasově diverzifikovaných populací – a to je velký motivátor pro naši práci. Naše spolupráce s Emory a UCSF nám pomůže dosáhnout této vize generalizovatelnosti – zajistit, aby Mia dala každé ženě, všude lepší šanci bojovat proti rakovině prsu.

Děkuji vám za skvělý rozhovor a za práci na tak důležitých technologiích, které zachraňují životy. Čtenáři, kteří chtějí se dozvědět více, by měli navštívit Kheiron Medical Technologies.