Joseph Mossel, medstifter og administrerende direktør for Ibex Medical Analytics – Interviewserie

Joseph Mossel er administrerende direktør for Ibex Medical Analytics. Hans karriere i tech-industrien strækker sig over mere end 20 år, hvor han startede med softwareudvikling og produktledelse, og herefter havde lederstillinger i startups, store multinationale virksomheder og non-profit organisationer. Joseph har ledet produkter fra idé til modenhed som milliondollarsforretninger. Han har en mastergrad i datalogi fra Tel Aviv Universitet og en mastergrad 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.

Sammen med tredjeparts digitale patologisoftwares, scanningplatforme og laboratorieinformationssystemer, leverer Ibex’s AI-drevne arbejdsgange automatiserede højkvalitetsindsigter, der forbedrer patientssikkerheden, øger lægens tillid og booster produktiviteten.

Hvad inspirerede dig til at co-etablere Ibex Medical Analytics (Ibex), og hvilket problem forsøgte du at løse?

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

Da kræftincidensen fortsætter med at stige verden over, er der en øget efterspørgsel efter kræftdiagnostik, der kombineres med en global mangel på patologer, hvis job bliver mere komplekse med fremgang 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 alle patienter får en nøjagtig og rettidig diagnose, der er afgørende for behandlingsbeslutninger og patientresultater.

Vi er stolte over 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 fortælle 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 drivende kræfter: en søgen efter en følelse af formål og en foretrukken interdisciplinær tilgang over dyb specialisering. Jeg er heldig at kunne lede en virksomhed, der giver mig en dyb følelse af formål og mulighed for at arbejde med et utroligt talentfuldt team fra forskellige baggrunde og discipliner.

Min oprindelige akademiske baggrund var i datalogi, specialiseret i computationsneurologi. 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 grad i miljøvidenskab og drev en miljønon-profitorganisation i flere år. Bæredygtighed er stadig en passion for mig og er den store udfordring i vores tid.

For cirka ti år siden, mødte jeg min medstifter, Chaim Linhart, der ligeledes var drevet af 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. I Ibex’s første dage var Chaim optaget af at vinde Kaggle-konkurrencer (maskinlæring).

Da vi opdagede, 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 virkede som en naturlig fit at bringe vores tekniske ekspertise ind i feltet, i tæt samarbejde med patologer på hver enkelt trin.

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

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

Vi løste udfordringen med data ved at indgå en partnerskabs- og data-delingsaftale 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. Varda Shalev, der ledede Maccabi’s innovationsarm på det tidspunkt, troede på vores vision, og vi underskrev en partnerskabs- og data-delingsaftale med Maccabi. På dette tidspunkt kom Dr. Judith Sandbank, den medicinske chef i 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 prostatakræftsdetektering. Når vi var tilfredse med ydelsen, implementerede vi den på Maccabi’s patologilaboratorium som en anden læsning, hvor vi gennemgik alle tilfælde efter en initial læsning af patologen. Til vores overraskelse fik systemet en alert om en kræfttilfælde, der var overset af patologen, kun få dage efter. Så vidt vi ved, var dette det første tilfælde nogensinde, hvor den initiale diagnose af kræft blev gjort af en algoritme, tilbage i 2018.

Tillykke med at have modtaget FDA’s 510(k)-godkendelse for 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 viser 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 innovativ teknologi til patologer, til gavn for de patienter, 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-godkendelsen et vigtigt skridt mod at opnå refundering for AI i patologi og fremme bred anvendelse.

FDA’s valideringsproces fremhævede en 13% rate af oversete kræfttilfælde i initialt benign-diagnoser. Hvad fortæller os dette 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 diagnosticeret som benign. Denne statistik styrker 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 yderligere 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 prostatakræft. Fungerende som en sikkerhedsnet, hjælper Ibex Prostate Detect patologer med at sikre, at patienter får en nøjagtig diagnose. Den udnytter AI-algoritmer til at forbedre nøjagtigheden af en prostatakræftdiagnose.

Enheden er designet til at identificere tumorer, der måske er overset af patologen. Hvis mistænkelig væv for prostatakræft identificeres, genererer systemet en alert og inkluderer en heatmap, der retter patologens opmærksomhed mod områder, der sandsynligvis indeholder kræft. Ibex Prostate Detect er den eneste FDA-godkendte løsning, der giver AI-drevne heatmaps for alle områder med en sandsynlighed for kræft, og tilbyder fuld forklaring til den gennemgående patolog.

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

Ibex Prostate Detect er designet til at identificere tilfælde, der initialt er diagnosticeret som benign, for yderligere gennemgang af en patolog. Hvis det detekterer vævsmorfologi, der er mistænkelig for prostataadenokarcinom (AdC), atypisk small acinar proliferation (ASAP) og andre sjældne kræftsubtyper, giver det alerts, der inkluderer en heatmap af vævsområder i hele slide-billeder, der sandsynligvis indeholder kræft, og tilbyder fuld forklaring 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, demonstrerede Ibex Prostate Detect’s heatmaps ekstrem pixelnøjagtighed og fastsatte følgende:

• Næsten alle kræftområder er dækket af heatmappen (sensitivitet=98,7%).
• Næsten alt, der er markeret 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, og bekræftede produktets kliniske nytte og fordele i forhold til den nuværende standard.

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

Deep Learning-algoritmen er baseret på multilagrede convolutionelle neurale netværk, der fungerer på flere forstørrelsesniveauer. AI’en er exceptionelt robust og demonstrerer høj nøjagtighed på tværs af flere laboratorier og patientdemografier. Bemærkelsesværdigt er, at i overensstemmelse med vores mantra “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 mener, at uden indsigt fra patologer er det meget svært at nå det niveau af præstation, vi sigter mod. Ved at gøre dette, udstyrer vi alle patologer med ekspertindsigt og sikrer, at hver patient, uanset deres beliggenhed, får en diagnose på niveau med verdens førende specialister.

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

Ibex har allerede en enorm impact på AI-drevne diagnostiske løsninger for bryst- og mavekræft. Som verdensleder 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 den værdi, den bringer. 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 (AZN ) 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.

I fremtiden vil vi fortsætte med at udvide vores tilbud for at give yderligere indsigt inden for de vævsområder, vi allerede understøtter. Vi ser også frem til at give tilbud inden for andre vævsområder 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 diagnosticeres 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 øgede arbejdsbyrde, drevet 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 fejl, 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 potentiale er udvidelse beyond den nuværende patologipraksis til området af prædiktive algoritmer. Algoritmer, der potentielt kombinerer flere modaliteter for at forudsige resultater eller – hvad der er endnu mere kritisk – behandlingseffektivitet.

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

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