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

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

XCath, der blev grundlagt i 2017, er en startup, der fokuserer på fremskridt inden for medicinsk robotik, nanorobotik og materialsvidenskab. Virksomheden udvikler næste generations endovaskulære robotiksystemer og styrbare guidewire, der er designet til at behandle cerebrovaskulære lidelser og andre alvorlige medicinske tilstande.

Hvad var det, der først fik din interesse for sammenløbet af AI og medicin, især inden for radiologiens område?

I 2016, da jeg begyndte min radiologiresidens, 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 stillinger end atomer i det observerbare univers, fik fat i min fantasi. Begejstret over AI’s potentiale til at transformere radiologi og medicin som helhed, dykkede jeg hovedkulds ind i AI. Under min residens tilbragte jeg mine aften- og weekendtimer med AI-projekter.

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

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

For omkring et årti siden skete der en revolution inden for akut slagbehandling. Standardbehandlingen var tidligere et lægemiddel kaldet tPA, der ville opløse blodproppen. I 2015 viste kliniske forsøg overlegenheten af at fjerne blodproppen direkte fra de cerebrale arterier ved at navigere små guidewire og katetre inden for arterievasculaturen, 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 begrænsede antal slagcenter, generelt begrænsede 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-og-spoke-model, hvor specialister kan give ekspert-slagbehandling på afstand med endovaskulære teleroboter, der er udrullet til 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 integration af AI i medicinske enheder?

At undervise radiologiresidens 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 i XCath, hvilke af de vigtigste udfordringer har du stået over for under integrationen af AI i XCaths robotiksystemer? Hvordan overvandt du dem?

Integration af 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 udfordrende, men heldigvis var vi i stand til at etablere fremragende billed-delingspartnerskaber. Implementering af modellerne for klinisk brug kræver orkestrering af indsatsen fra forskellige hold, herunder AI, kvalitet, software, UI/UX og robot-teknikere, 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 dedikerede, højpræsterende hold, der kommunikerer hyppigt og effektivt.

Kan du uddybe, hvordan AI forbedrer XCaths endovaskulære robotiksystemers evner? Hvad er AI’s rolle i forbedring af patientresultater?

AI-algoritmer kan fungere som en konstant lærer og assistent, reducerer den kognitive belastning og bringer alle udbydere op på et niveau, hvor de kan give verdensklasse-behandling. AI kan give intraoperative og postoperative feedback, hvilket accelererer trænings- og tilpasningsprocessen for endovaskulær robotik. Vores mål er 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 slagbehandling med robotten.

Desuden kan lokalt indlejrede algoritmer give en ekstra sikkerhedsniveau mod cyberangreb og netværksfejl, da de forventer den forventede procedurernes forløb og kan advare og pause proceduren i tilfælde af uventede begivenheder.

Til sidst ønsker vi ikke at tage kontrol fra interventionisten, men forbedre deres evner, så alle patienter kan være sikre på, at de får verdensklasse-behandling.

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

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

Desuden har XCaths ElectroSteer Deflectable Guidewire System, verdens første elektronisk styrbare smart guidewire, en styrbart spids, der er designet til at navigere komplekse vasculære anatomier og udfordrende karvinkler.

AI vil yderligere forbedre navigationskapaciteterne med lokalt indlejrede computer-vision- og sti-planlægningsmodeller. Disse modeller spiller en afgørende rol i reduktionen af den kognitive belastning på interventionister under procedurerne ved at assistere med realtidsbilledeanalyse og -forbedring samt 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 ikke en rolle. Det er dog 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 begejstrede over resultaterne af den telerobotske demonstration, der fandt lav forsinkelse og pålidelig forbindelse mellem den robotiske controller 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 kapaciteter.

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 patientoverførsel er mulig. I konteksten af slagbehandling, hvor hvert 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 slagbehandling. Vores tilgang adresserer den kritiske behov for hurtig intervention i områder med begrænsnet adgang til specialiseret sundhedsydelser. Når vi først har overvundet denne udfordring, tror jeg, det vil banke vejen for telerobotske løsninger i andre tidskritiske medicinske nødsituationer. Desuden, givet den ekstreme præcision af de robotiske kontroller, 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 gående, især i forhold til robotiksystemer og minimalt invasiv procedurer?

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 inden for radiologi, især i markering af akutte tilfælde eller automatisering af målinger. Jeg er også begejstret over automatiseret medicinsk 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 patientinteraktioner eller operationer i realtid, hvilket frigør værdifuld lægetid. Inden for robotik vil AI spille en afgørende rolle i assistance og proktoring, hvilket forbedrer konsistensen og kvaliteten af patientpleje.

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 i de næste 10 år?

I de sidste par år har vi oplevet en bølge af overvåget dyb 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 er i sin barndom, men har endnu større potentiale. Da AI udvikler sig hurtigt, er det 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 probabilistiske. Globalt behov vil dog drive efterspørgslen efter adoption. I Rwanda bruger virksomheden Zipline flydroner til at levere livsvigtige medicinske forsyninger inden for minutter over hele landet. På samme måde, i områder, der mangler adgang til medicinske ressourcer, er risiko/fordel-ligningen meget forskellig, og det ville sandsynligvis føre til, at de springer over den udviklede verden i udrulningen af multi-agentic AI-medicinske enheder. Tak for det fantastiske interview, læsere, der ønsker at lære mere, skal besøge XCath.