Dr. James Tudor, MD, VP for AI hos XCath – Intervju-serie

Dr. James Tudor, MD, står i spidsen for integrationen af AI i XCaths robot-systemer. Drevet af en passion for sammenløbet af teknologi og medicin, balancerer han entusiastisk sine roller som praktiserende radiolog, adjunktprofessor i radiologi ved Baylor College of Medicine og AI-forsker.

XCath blev grundlagt i 2017 og er en startup, der fokuserer på fremgang i medicinsk robotteknologi, nanorobotik og materialsvidenskab. Virksomheden udvikler næste generations endovaskulære robot-systemer og styrbare guidewire, der er rettet mod at behandle cerebrovaskulære lidelser og andre alvorlige medicinske tilstande.

Dr. Tudor, hvad var det, der først vækkede din interesse for sammenløbet af AI og medicin, særligt inden for radiologi?

I 2016, da jeg begyndte min radiolog-residens, besejrede DeepMinds AlphaGo verdensmesteren i Go, Lee Sedol. AlphaGos evne til at komprimere og abstrahere de enorme kompleksiteter i Go, et spil med flere mulige brætstillinger end atomer i det observerbare univers, fangede min fantasi. Begejstret over AI’s potentiale til at transformere radiologi og medicin som helhed, kastede jeg mig hovedkulds ind i AI. Under min residens brugte jeg mine aften- og weekendtimer på AI-projekter.

Kan du fortælle os mere om din rejse fra medicinstudiet til at blive VP for AI hos XCath? Hvad motivede dig til at forfølge AI-integration inden for sundhedsrobotik?

Min karrierevej har taget nogle uventede vendinger. Efter at have afsluttet min radiolog-residens, ønskede jeg at dedikere mere tid til AI og dets kommercielle anvendelser. Jeg sluttede mig til en fitness-robot-startup, grundlagt af Eduardo Fonseca, der nu er XCaths CEO. Det var en formende oplevelse, men jeg havde aldrig forventet, at det ville føre mig ned ad vejen for at behandle akut slag med endovaskulære teleroboter.

For omkring et årti siden skete der en revolution i akut slag-behandling. Standardbehandlingen var tidligere et medicin kaldet tPA, der kunne opløse blodproppen. I 2015 viste kliniske forsøg overlegenheden af at fjerne blodproppen direkte fra de cerebrale arterier ved at navigere små guidewire og katetre inden for arterie-vaskulaturen, en procedure kaldet mekanisk trombektomi. Trods procedurens markante effektivitet for store kar-slag, har mindre end 40% af den amerikanske befolkning adgang til det. Der er et begrænset antal slag-centre, generelt begrænset til byområder, der har specialister, der kan udføre proceduren. Globalt er statistikken endnu mere dystre: mindre end 3% af verden har adgang.

XCaths mission er at øge adgangen til mekanisk trombektomi med en hub-and-spoke-model, hvor specialister kan tilbyde ekspert-slag-behandling på afstand med endovaskulære teleroboter, der er udstationeret i områder uden adgang.

Eduardo spurgte mig, hvordan AI kunne forbedre sikkerheden af telerobotsystemet. Jeg var så nysgerrig, at jeg tilbragte nogle uger med dyb research, havde samtaler med interventionister og lærte om telerobotten. Missionen og det potentielle humanitære udbytte er så overbevisende, at jeg måtte svare på opfordringen.

Hvordan har dine erfaringer som akademisk radiolog formet din tilgang til at integrere AI i medicinske enheder?

At undervise radiologi-residenter har skærpet min evne til at forklare komplekse idéer tydeligt, hvilket er afgørende, når man brobygger mellem AI-teknologi og dens virkelige anvendelse i sundhedssektoren. Det holder mig også grundet i de udfordringer, klinikerne står over for, hvilket hjælper mig med at designe AI-løsninger, der er klinisk praktiske og brugervenlige.

Som VP for AI hos XCath, hvilke af de vigtigste udfordringer mødte du under integrationen af AI i XCaths robot-systemer? Hvordan overvandt du dem?

At integrere AI i kirurgisk robotik præsenterer en U-formet udfordring. De største vanskeligheder ligger i begyndelsen – at erhverve og administrere data – og i slutningen – at integrere det i et indlejret software-pakke. I sammenligning er den faktiske træning af AI-modellerne relativt ligetil.

At erhverve medicinske data er en udfordring, men heldigvis kunne vi etablere fremragende billed-delingspartnerskaber. At implementere modellerne for klinisk brug kræver at koordinere indsatsen fra forskellige hold, herunder AI, Kvalitet, Software, UI/UX og robot-ingeniører, samtidig med at man konstant validerer med det kliniske hold, at løsningen er nyttig og effektiv. Med så mange mobile dele afhænger succes ultimativt af at have dedikeret, højpræsterende hold, der kommunikerer hyppigt og effektivt.

Kan du uddybe, hvordan AI forbedrer XCaths endovaskulære robot-systemers evner? Hvad er AI’s rolle i at forbedre patientresultaterne?

AI-algoritmer kan fungere som en konstant lærer og assistent, reducerer den kognitive belastning og bringer alle udbydere op til at levere verdensklasse-pleje. AI kan give intraoperative og postoperative feedback, hvilket accelererer trænings- og tilpasningsprocessen for endovaskulær robotik. Vi har til hensigt at gøre systemet så effektivt og tilgængeligt, at andre intravaskulære specialister, såsom interventionelle krop-radiologer og interventionelle kardiologer, kan blive trænet til at give akut slag-behandling med robotten.

Derudover kan lokalt indlejrede algoritmer give en ekstra sikkerhedsniveau mod cyber-angreb og netværksfejl, da de forudser den forventede procedurernes vej og kan advare og pause proceduren i tilfælde af uventede begivenheder.

Til sidst ønsker vi ikke at overtage kontrollen fra interventionisten, men forbedre deres evner, så hver patient kan være sikker på at modtage verdensklasse-pleje.

Hvordan adresserer XCaths AI-drevne teknologi kompleksiteterne ved at navigere i det humane vaskulatur under endovaskulære procedurer?

XCaths Endovaskulære Robotic System repræsenterer en stor fremgang i præisionsmedicin, designet til at navigere i det komplekse humane vaskulatur med sub-millimeter præcision. Vores system er designet til at minimere procedurvariabilitet og forbedre kontrollen over forskellige endovaskulære enheder gennem en intuitiv kontrolkonsol.

Derudover har XCaths ElectroSteer Deflectable Guidewire System, verdens første elektronisk styrbare smart guidewire, en styrbart spids, der er designet til at navigere komplekse vaskulære anatomier og udfordrende kar-vinkler.

AI vil yderligere forbedre navigations-evnerne med lokalt indlejrede computer-vision og sti-planlægningsmodeller. Disse modeller spiller en afgørende rol i at reducere den kognitive belastning på interventionister under procedurerne ved at assistere med realtids-billedeanalyse og -forbedringer og give sikkerhedsforanstaltninger gennem parallel autonomi.

XCath opnåede nyligt en betydelig milepæl med verdens første telerobotske mekaniske trombektomi-demonstration. Kan du dele dine indsigt i AI’s rolle i denne banebrydende procedure?

Vi brugte en tidligere version af robotten til denne banebrydende præstation, så AI spillede ingen rolle. Men det er en fantastisk milepæl, der lægger grundlaget for fremtidig integration af AI i telerobotske procedurer.

I denne live-demonstration udførte Dr. Vitor Pereira en MT-procedure fra Abu Dhabi på en simuleret patient i Sydkorea, fjernede en blodprop i hjernen på få minutter. Vi var begejstret over resultaterne af den telerobotske demonstration, der fandt lav latency og pålidelig forbindelse mellem den robotiske controller beliggende i Abu Dhabi og den robotiske enhed i Sydkorea. Vi projekterer regionale robot-teleslag-netværk, men vi gik til en ekstrem for at demonstrere teknologiens evner.

Hvad tror du er fremtiden for telerobotsk kirurgi i behandlingen af akut neurovaskulære tilstande, og hvordan er XCath forberedt på at føre an i dette område?

At retfærdiggøre nødvendigheden af telerobotsk kirurgi i mange medicinske scenarier kan være udfordrende, især når en kirurg er tilgængelig eller patient-overførsel er mulig. Men i sammenhæng med slag-behandling, hvor hver minut tæller og neuroner hurtigt går tabt, bliver telerobotske interventioner afgørende.

XCath er unikt positioneret til at bane vejen for telerobotsk kirurgi, først og fremmest fokuseret på slag-behandling. Vores tilgang adresserer det kritiske behov for hurtig intervention i områder med begrænset adgang til specialiseret pleje. Når vi først har overvundet denne udfordring, tror jeg, det vil banke vejen for telerobotske løsninger i andre tidskritiske medicinske nødsituationer. Og givet den ekstreme præcision af de robotiske kontrolsystemer, er der potentiale for at bruge robotten lokalt til at udføre teknisk svære operationer, såsom aneurysm-reparationer.

Hvor ser du fremtiden for AI i sundhedssektoren hen, særligt i forhold til robot-systemer og minimalt invasiv kirurgi?

AI har enormt potentiale til at revolutionere sundhedssektoren. Den første bølge af AI-anvendelser har primært fokuseret på triage og effektivitetsforbedringer. Vi har set betydelige fremskridt i radiologi, særligt i at markere akutte tilfælde eller automatisere indsamling af målinger. Jeg er også begejstret over automatiseret medicinsk journal-dokumentation. En nuværende udfordring er, at læger ofte tilbringer mere tid med at dokumentere foran computere end med at interagere med patienter. Jeg forventer udviklingen af systemer, der kan dokumentere patient-interaktioner eller operationer i realtid, hvilket frigør værdifuld lægetid. I robot-området vil AI spille en afgørende rolle i at assistere og proktore, hvilket forbedrer konsistensen og kvaliteten af pleje.

I den nærmeste fremtid vil AI forbedre, men ikke erstatte, kirurgerne. Implementeringen af parallel autonomi i robot-systemer vil betydeligt forbedre både sikkerheden og effektiviteten af procedurerne.

Som en person dybt involveret i AI-forskning, hvilke fremskridt i AI tror du vil have den mest betydelige indvirkning på udviklingen af medicinske enheder over de næste ti år?

I de sidste par år har vi oplevet en bølge af supervisede dybe læring-modeller, der har fået FDA-godkendelse, og som nu er ved at opfylde deres løfte om at transformere sundhedssektoren. En bølge af generative AI-anvendelser vil sandsynligvis dominere de næste par år. Agentic AI, i sammenligning, er i sin barndom, men har langt større potentiale. Da AI udvikler sig hurtigt, er det meget sandsynligt, at vi vil se multi-agent-systemer, der kan diagnostisere og behandle i realtid. Der vil være yderligere regulatoriske hindringer for disse agenter, hvis handlinger er både uigennemsigtige og sandsynlige. Men globalt behov vil drive efterspørgslen efter adoption. I Rwanda bruger virksomheden Zipline flydende droner til at levere livsvigtige medicinske forsyninger inden for minutter over hele landet. På lignende vis i områder, der mangler adgang til medicinske ressourcer, er risiko/fordel-ekvationen meget forskellig, og de vil sandsynligvis springe over den udviklede verden i implementeringen af multi-agentic AI-medicinske enheder.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge XCath.