Joseph Mossel, Co-Founder & CEO of Ibex Medical Analytics – Interview Serie

Joseph Mossel er CEO af Ibex Medical Analytics. Hans karriere i tech-industrien spænder over mere end 20 år, startende med softwareudvikling og produktledelse, efterfulgt af ledende stillinger i startups, store multinationale virksomheder og non-profit-organisationer. Joseph har ledet produkter fra opstart til modenhed som milliondollarsvirksomheder. Han har en MSc i datalogi fra Tel Aviv Universitet og en MSc i miljøvidenskab fra VU Amsterdam.

Udviklet af patologer til patologer er Ibex en klinisk grad, multi-væv-platform, der hjælper patologer med at opdage og gradere bryst-, prostata- og mavekræft, samt mere end hundred andre klinisk relevante funktioner.

Ubemærket integreret med tredjeparts digitale patologisoftwareløsninger, scanningplatforme og laboratorieinformationssystemer, leverer Ibex’s AI-aktiverede arbejdsgange automatiserede højkvalitetsindsigter, der forbedrer patientssikkerheden, øger lægens tillid og booster produktiviteten.

Hvad inspirerede dig til at co-founder Ibex Medical Analytics (Ibex), og hvilket problem var du på vej til at løse?

Kræft, desværre, berører alle – enten personligt, som plejer for nogen med kræft, eller kender nogen, der er berørt af kræft. Jeg har slægtninge og venner, der er berørt af kræft, og tragisk døde en af vores medarbejdere af kræft.

Da kræftincidensen fortsætter med at stige verden over, er der en stigende efterspørgsel efter kræftdiagnostik, der kompliceres af en global mangel på patologer, hvis job bliver mere komplekst med fremskridt i terapi og en efterspørgsel efter mere komplekse diagnostik.

Vores platform hjælper med at overvinde disse udfordringer ved at give patologer AI-værktøjer, der forbedrer nøjagtigheden og strømliner arbejdsgangene, så hver patient får en præcis og rettidig diagnose, der er afgørende både for at vejlede behandlingsbeslutninger og ultimativt forbedre patientresultater.

Vi er stolte af det arbejde, vi gør for vores kunder, mange af hvem afhænger af vores teknologi dagligt for at levere bedre diagnoser. Deres tillid til vores løsninger understreger den virkelige impact, vi har, og transformerer feltet patologi og forbedrer patientresultater.

Kan du dele lidt om din baggrund og hvordan den ledte til dit arbejde med AI-drevet patologi?

Hvis jeg ser tilbage på min karriere, har der været to drivkræfter: en søgen efter en følelse af formål og en præference for interdisciplinaritet over dyb specialisering. Jeg er heldig at kunne lede en virksomhed, der giver mig en dyb følelse af formål og tillader mig at arbejde med et utroligt talentfuldt hold fra diverse baggrunde og discipliner.

Min oprindelige akademiske baggrund var i datalogi, specialiseret i computermæssig neurovidenskab. Jeg arbejdede herefter som algoritmeingeniør og flyttede over i produktledelse. Efter en periode i en stor korporation besluttede jeg, at det ikke var for mig. Jeg fik en uddannelse i miljøvidenskab og drev en miljømæssig non-profit-organisation i flere år. Bæredygtighed er stadig en passion for mig og anses for at være den store udfordring i vores tid.

For omkring ti år siden mødte jeg min co-founder, Chaim Linhart, der var lige så ivrig efter at gøre en meningsfuld forskel og delte min passion for teknologi. Chaim, til forskel fra mig, er en specialist. Han har en ph.d. i datalogi og mere end 25 års erfaring i algoritmeudvikling, AI og maskinlæring (ML). I de første dage af Ibex var Chaim optaget af at vinde Kaggle (ML)-konkurrencer.

Da vi fik at vide, at patologi langsomt blev digitaliseret, talte vi om den impact, en digital transformation i patologi kunne have på at forbedre kræftdiagnostik. Hundredvis af virksomheder udviklede allerede AI i radiologi, og vi spurgte os selv, hvorfor ikke gøre det samme i patologi? Det syntes som en naturlig fit til at bringe vores tekniske ekspertise ind i feltet, samarbejdende tæt med patologer på hver enkelt trin.

Hvad var nogle af de største udfordringer, du mødte i de tidlige dage af Ibex, og hvordan overvandt du dem?

Idéen – som vi ikke var de første til at komme med – om at anvende AI til patologisides var den lette del. Eksekvering er hård. De tre største udfordringer, vi mødte i de tidlige dage af Ibex, var adgang til data, adgang til kapital og adgang til domænespecifik viden.

Vi løste dataudfordringen gennem et partnerskab med Maccabi Health Services of Israel. På det tidspunkt var vi to unge iværksættere med ingen medicinsk viden, der besluttede at åbne en medicinsk startup i et meget komplekst domæne. Alligevel troede Varda Shalev, der ledede Maccabis innovationsarm på det tidspunkt, på vores vision, og vi underskrev en partnerskabs- og data-delingsaftale med Maccabi. På dette tidspunkt kom Dr. Judith Sandbank, den ledende patolog ved Ibex, om bord som vores Chief Medical Officer (CMO), en stilling hun stadig besidder. Med en strategisk partner og en CMO var vi nu godt positioneret til at hæve en seed-runde, som vi hævede fra Kamet Ventures, en fransk venture-studio, der var en del af AXA Insurance.

Vi var nu positioneret til at skabe historie. Vi ansatte to ingeniører og udviklede vores første algoritme til prostatakræftsdetektion. Når vi var tilfredse med ydelsen, implementerede vi den på Maccabi-patologilaboratoriet som en anden læsning, hvor vi gennemgik alle sager efter en initial læsning af patologen. Til vores overraskelse fik systemet en alert inden for få dage for en kræfttilfælde, der var overset af patologen. Så vidt vi ved, var dette det første tilfælde, hvor den initiale diagnose af kræft blev lavet af en algoritme, tilbage i 2018.

Tillykke med at modtage FDA 510(k)-godkendelse til Ibex Prostate Detect! Hvad betyder denne godkendelse for Ibex og det bredere felt af AI-drevet diagnostik?

Tak! Denne godkendelse markerer en betydelig milepæl i Ibex’s rejse og eksemplificerer vores engagement i at udvikle klinisk validerede løsninger, der hjælper med at forbedre patienternes sundhedsresultater. Den bekræfter vores engagement i sikkerheden og effikaciteten af vores løsninger og styrker vores evne til at levere innovative løsninger til patologer, hvilket ultimativt gavner patienterne, de betjener.

Vi forestiller os, at denne enorme milepæl vil bryde barrierer og accelerere adoptionen af AI og digitalisering i patologi. Vi håber, at denne præstation vil styrke branchens tillid til, at teknologien er let at implementere og klar til bred anvendelse. På længere sigt er FDA-godkendelse et vigtigt skridt mod at opnå refusion for AI i patologi og fremme bred anvendelse.

FDA-valideringsprocessen fremhævede en 13% rate af oversete kræfttilfælde i initiale benign-diagnoser. Hvad siger dette os om potentialet for AI til at forbedre diagnostisk nøjagtighed?

I de robuste præcision- og kliniske valideringsstudier, der blev gennemført på flere laboratorier i USA og Europa som en del af FDA-godkendelsen, identificerede systemet en 13% rate af oversete kræfttilfælde i en kohorte af pågældende patienter, der initialt var diagnostiseret som benign. Denne statistik understreger nøjagtigheden og impacten af Ibex’s produkter og validerer, at Ibex’s AI-platform kan integreres sikkert i kliniske arbejdsgange, forbedre diagnostisk præcision og ultimativt forbedre patientpleje. Ved at give en ekstra lag af analyse hjælper vores teknologi med at reducere fejl, enable bedre kliniske beslutninger og fremme patientssikkerhed.

Hvordan fungerer Ibex Prostate Detect, og hvad gør det unikt i forhold til andre AI-drevne patologiløsninger?

Ibex Prostate Detect er en in vitro diagnostisk medicinsk enhed, der udnytter AI til at generere heatmaps, der identificerer oversete prostatrakræft. Fungerende som en sikkerhedsnet, hjælper Ibex Prostate Detect patologer med at sikre, at patienterne modtager en præcis diagnose. Den udnytter AI-algoritmer til at forbedre nøjagtigheden af en prostatakræftdiagnose.

Enheden er designet til at identificere tumorer, der muligvis er overset af patologen. Hvis der identificeres mistænkelig væv for prostatakræft, genererer systemet en alert og inkluderer en heatmap, der vejleder patologen til områder, der sandsynligvis indeholder kræft, og tilbyder fuld forklarbarhed til den gennemgående patolog.

Kan du forklare, hvordan heatmap-funktionen hjælper patologer med at identificere kræftigt væv?

Ibex Prostate Detect er designet til at identificere sager, der initialt er diagnostiseret som benign, til yderligere gennemgang af en patolog. Hvis det detekterer vævmorfologi, der er mistænkelig for prostataadenokarcinom (AdC), atypisk lille acinær prolifération (ASAP) og andre sjældne kræftundergrupper, giver det alerts, der inkluderer en heatmap af vævområder i hele slidebilleder, der sandsynligvis indeholder kræft, og tilbyder fuld forklarbarhed til den gennemgående patolog.

Generelt er heatmappen nøjagtig og præcis og kan give patologen områder af bekymring, som de kan fokusere på og bestemme den korrekte diagnose. I de præcision- og kliniske valideringsstudier, der blev gennemført som en del af FDA-godkendelsen, viste Ibex Prostate Detect’s heatmaps ekstrem pixelnøjagtighed og fastslog følgende:

• Næsten alle kræftområder er dækket af heatmappen (sensitivitet=98,7%).
• Næsten alt, der er fremhævet som høj sandsynlighed for kræft i heatmappen, er faktisk kræft (PPV=99,6%).
• De oversete kræfttilfælde (falske negativer), der blev identificeret af systemet, blev herefter verificeret af ekspertpatologer, der bekræftede produktets kliniske nytte og fordele i forhold til den nuværende standardbehandling.

Hvordan adskiller AI-modellen sig fra benign og malign væv, og hvordan blev den trænet?

Den dybe læringsalgoritme er baseret på multilagrede convolutionelle neurale netværk, der opererer på flere forstørrelsesniveauer. AI’en er exceptionelt robust og viser høj nøjagtighed på tværs af multiple laboratorier og patientdemografi. Bemærkelsesværdigt er, at i overensstemmelse med vores mantra om ‘af patologer, for patologer’, blev modellen trænet på over en million slides, der blev omhyggeligt annoteret af verdenskendte patologer på førende medicinske centre. Denne tilgang er kostbar, men vi tror, at uden indsigt fra patologer er det meget svært at nå det niveau af ydelse, vi sigter mod. Ved at gøre dette udstyrer vi alle patologer med ekspertindsigt og sikrer, at hver patient, uanset deres beliggenhed, modtager et niveau af diagnose, der er på linje med verdens førende specialister.

Ud over prostatakræft arbejder Ibex også på løsninger til bryst- og mavekræft. Hvad er næste skridt for virksomheden i forhold til nye diagnostiske funktioner?

Ibex har allerede en enorm impact på AI-drevne diagnostiske løsninger til bryst- og mavekræft. Som den verdensomspændende leder i live kliniske implementeringer bruger mange laboratorier – herunder i USA – allerede Ibex-produkter til at transformere deres medicinske praksis. Vores produkter er beviser for at levere reel klinisk impact, og patologer både stoler på AI’en og bekræfter dens værdi. Nu arbejder vi på at udgive en ny type teknologi på markedet, en teknologi, der blev udviklet og valideret af Ibex i samarbejde med AstraZeneca og Daiichi Sankyo. Den specifikke algoritme, der er den første til at blive udgivet, hjælper med at kvantificere HER2-udtryk, hvilket hjælper med at bestemme behandlingsforløbet for patienten.

Set fremad vil vi fortsætte med at udvide vores tilbud for at give yderligere indsigt inden for de vævtyper, vi allerede understøtter. Vi ser også på at give tilbud inden for andre vævområder og fortsætte med at forbedre vores kunders arbejdsgange.

Hvordan ser du AI-drevet patologi udvikle sig i de næste fem til ti år?

Jeg forestiller mig, at AI vil have en dyb impact på patologiens praksis og måden, kræft bliver diagnostiseret på. Jeg ser ikke os selv erstattende patologer, men som med hver ny teknologisk udvikling, vil praksis blive transformeret. AI vil fortsætte med at være instrumental i at tackle de voksende arbejdskraftudfordringer i sundhedssektoren, især den globale mangel på patologer og deres øgende caseloads, der drives af stigende kræfttilfælde. Implementering af ansvarlig AI vil hjælpe patologer med at håndtere deres arbejdsmængde mere effektivt, forbedre diagnostisk effektivitet og reducere forsinkelser. Ved at automatisere rutineopgaver kan AI reducere fejlratener, forbedre kvaliteten af diagnosen og ultimativt styrke patologernes tillid til deres arbejde. Jeg mener stærkt, at AI, sammen med en menneskelig faktor, er den bedste kombination til at transformere sundhedssektoren.

Et andet område med stor løfte er at udvide sig ud over den nuværende praksis i patologi til området for predictive algoritmer. Algoritmer, der potentielt kombinerer flere modaliteter for at forudsige resultater eller, væsentligt, behandlingseffektivitet.

AI kan også forbedre sundhedsulighed gennem demokratiseret sundhedsadgang. Uanset beliggenhed fortjener hver patient en pålidelig diagnose. Det ville være fantastisk, hvis AI-teknologi blev implementeret som en del af standardpraksis i hvert patologilaboratorium verden over. Dette starter dog med samarbejde mellem læger, industrien og myndighederne for at accelerere implementeringen af denne teknologi – jeg føler, vi skylder det patienterne.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Ibex Medical Analytics.