Ophir Tanz, Gründer und CEO von Pearl – Interview-Serie

Ophir Tanz ist der Gründer und CEO von Pearl, einem Unternehmen, das auf der Idee gegründet wurde, dass künstliche Intelligenz dem Zahnarzt als ständiger Assistent und dem Patienten als vertrauenswürdigster Freund dienen kann. Die Gründer haben eine einzigartige persönliche Verbindung zur Zahnindustrie und die notwendigen Kenntnisse und Bildung, um das volle und praktische Potenzial der künstlichen Intelligenz zu nutzen.

Was hat Sie ursprünglich zur künstlichen Intelligenz hingezogen?

Ich bin seit meinem Studium an der künstlichen Intelligenz interessiert. Ich sah viele Chancen darin und das trieb meine Ambition, sie auf die Schaffung neuer Fähigkeiten und kommerzieller Anwendungen anzuwenden. Insbesondere interessierte ich mich für die Computer-Vision – das Feld der künstlichen Intelligenz, in dem wir Computern beibringen, die Welt auf die gleiche Weise wie der menschliche Gehirn zu sehen, zu verarbeiten und zu verstehen – und so gründete ich nach meinem Abschluss ein Unternehmen, GumGum, das sich auf die Anwendung von visueller Maschinenintelligenz zur Schaffung von Wert im digitalen Medienbereich konzentrierte. Obwohl ich die Macht der künstlichen Intelligenz bereits früh verstand, wurde ich während des Wachstums meines Unternehmens von der fortschreitenden und praktischen Entwicklung des Feldes beeindruckt – und wurde zunehmend an breiteren Anwendungen der Technologie interessiert.

Ihr erstes Unternehmen GumGum, das sich auf die Verwendung von künstlicher Intelligenz in der kontextuellen Werbung spezialisiert hat, war sehr erfolgreich. Was tragen Sie diesen Erfolg zu?

Ich denke, was GumGum ermöglichte, so erfolgreich zu sein, war der Schwerpunkt, den wir auf die Anwendung und Innovation der künstlichen Intelligenz legten. Es ist hauptsächlich ein digitales Werbeunternehmen, aber obwohl wir innerhalb der breiteren Grenzen dieser Kategorie operierten, war die Arbeit, die wir mit künstlicher Intelligenz leisteten, nicht durch die Kategorie eingeschränkt. Das bedeutete, dass wir ein Technologieunternehmen waren, ebenso wie ein Adtech-Unternehmen, was eine erhebliche Differenzierung schuf. Unser AI-erstes Mindset führte uns dazu, in Bereichen außerhalb der natürlichen Grenzen der digitalen Werbung zu innovieren – in Sponsorship-Bewertung und, natürlich, Zahnmedizin. Weil wir nie darauf fokussiert waren, “nur ein Werbeunternehmen” zu sein und wir ständig nach Wegen suchten, um besser zu werden, konnte GumGum mit uns wachsen, während unsere Vision expandierte und die zugrunde liegende Technologie und das Feld der künstlichen Intelligenz sich entwickelten.

Können Sie die Entstehungsgeschichte hinter Ihrem neuen AI-Startup Pearl teilen?

Nachdem ich GumGum gegründet und mich auf die Computer-Vision konzentriert hatte, wusste ich, dass es noch mehr gab, was wir mit der Technologie tun konnten, und suchte ständig nach neuen Anwendungen. Gesundheitswesen und Radiologie waren mir besonders interessant, und sie stellten auch klare Anwendungen der Art von maschinellem Lernen dar, die GumGum anwendete. Wir gründeten eine zahnmedizinische Abteilung namens GumGum Dental, die die Keimzelle von Pearl war. Ich entschied mich, die zahnmedizinische Abteilung vollständig abzuspalten, weil ich glaubte, dass die Gelegenheit ein eigenständiges Unternehmen verdiente. Ich denke, man könnte sagen, es war irgendwie vorherbestimmt – mein Vater war Zahnarzt, und ich half in seiner Praxis aus, als ich aufwuchs, also war der Übergang zur Konzentration auf die Zahnindustrie ein bisschen wie eine Rückkehr nach Hause für mich. Aber es war nicht so, als ob meine Kindheitsverbindung zur Zahnmedizin der Hauptgrund für meinen Wunsch war, Pearl als neues Unternehmen zu leiten. Ich glaube fest, dass Computer-Vision und künstliche Intelligenz die Zahnmedizin und die globale Gesundheitsversorgung transformieren werden, und ich wollte in der Lage sein, dem Projekt die Aufmerksamkeit zu geben, die ich ihm für angemessen halte.

Können Sie die Computer-Vision- und Machine-Learning-Systeme erläutern, die zur Scannung radiographischer und 3D-Zahn-Bilder verwendet werden?

Computer-Vision ist eine Form der künstlichen Intelligenz, die Computern beibringt, auf die gleiche Weise wie der Mensch zu “sehen”. Wir füttern große Mengen an experten-annotierten dentalen Bildern in eine Reihe von Algorithmen, die auf den neuralen Netzen im menschlichen Gehirn modelliert sind. Durch das Studium der annotierten Bilder lernt das Netz, wie es dentale Pathologien erkennen kann, die in den annotierten Bildern markiert wurden. Dieser Prozess wird als “überwachtes Lernen” bezeichnet. Indem wir einem Computer auf diese Weise beibringen, kann er lernen, Bilder auf nicht-literalen Wegen zu erkennen. Zum Beispiel kann er lernen, ein teilweise verdecktes Objekt oder eines, das nur aus bestimmten Winkeln sichtbar ist, zu identifizieren, indem es Tausende von verschiedenen Beispielen aufnimmt und im Wesentlichen eine Art “mentales Bild” des Objekts aufbaut.

Wir haben unser AI- und Machine-Learning-System trainiert, indem wir eine große Sammlung von Röntgenbildern aufgebaut und mit Zahnärzten und Radiologen zusammengearbeitet haben, um die Bilder zu annotieren, und dann diese annotierten Bilder verwendet, um das System zu lehren, neue Bilder zu interpretieren. Jetzt haben wir ein AI-System, das auf potenzielle Probleme hinweisen kann, die in Röntgenbildern identifiziert werden können, und Zahnärzten hilft, Patienten-Röntgenbilder genauer und konsistenter zu lesen.

Für unsere 3D-Bild-Systeme verwenden wir einen ähnlichen Ansatz, aber mit unterschiedlichen Klassen von Algorithmen. Bei 3D-Bildern kann die Schulung komplexer sein, da 3D-Bilder viel mehr Daten enthalten, was manchmal die Annotation erschwert. Natürlich kann das System, sobald es trainiert wurde, um 3D-Bilder zu interpretieren, präziser in seinen Ergebnissen sein. Es ist im Wesentlichen dasselbe, wenn ein Mensch auf ein Cone-Beam-Bild gegenüber einem herkömmlichen Bitewing-Röntgenbild schaut: Wir können jeden kleinen Aspekt des Zahns in einem Cone-Beam-Computertomographie (CBCT) sehen, aber wir können oft nur bestimmte grundlegende Zahstrukturen in einem Bitewing-Röntgenbild erkennen. Das AI-System steht vor der gleichen Herausforderung.

Was für Arten von Informationen oder Diagnosen werden durch dieses System offenbart?

Unser radiologisches AI-System kann eine Vielzahl von pathologischen und nicht-pathologischen Bedingungen, restaurativen Merkmalen und natürlichen Anatomien erkennen. Karies, Knochenverlustmessung, periapikale Radioluzenz, Zahnstein, Überfüllung, Zahnstein, Impaktion, WPL, Furkation, Obturation, Randdiskrepanz – die Liste ist zu lang, um alles aufzuzählen, und sie wächst ständig. Viele dieser Fähigkeiten sind in Second Opinion enthalten, unserem Echtzeit-Pathologie-Erkennungshilfswerkzeug, das derzeit in Kanada, Australien, Europa und mehreren anderen Territorien verfügbar ist, und die meisten werden in Practice Intelligence angewendet, unserer nicht-patientenorientierten klinischen Intelligenzlösung, die in den USA und global verfügbar ist.

Was für Arten von Bildaten wurden zur Schulung des Systems verwendet?

Unser radiologisches Pathologie-Erkennungssystem wurde mit Bitewing-, periapikalen und pano-Röntgenbildern trainiert, die in der zahnmedizinischen Diagnostik am häufigsten verwendet werden – die Arten von Röntgenbildern, die man alle zwei Jahre oder so beim Zahnarzt erhält, und wenn es notwendig ist. Radiographische Bilder sind im Vergleich zu anderen Formen der Medizin in der Zahnmedizin relativ leicht zu erhalten, und mehr zahnmedizinische Röntgenbilder werden jährlich aufgenommen als jede andere Form der Radiographie. Der teure und zeitaufwändige Teil ist es, Experten zu finden, die die Röntgenbilder überprüfen und annotieren. Wir haben die weltweit größte Sammlung von annotierten zahnmedizinischen Röntgenbildern zusammengestellt. Die Verfügbarkeit von radiographischen Daten ist Teil dessen, was die Zahnmedizin so anfällig für die Störung durch künstliche Intelligenz macht.

Welche Art von Effizienzverbesserungen und Genauigkeitsraten haben Sie vom Pearl-System im Vergleich zur manuellen menschlichen Überprüfung von Bildern gesehen?

Wir haben mehrere große Studien über Tausende von Röntgenbildern und Hunderte von Zahnärzten durchgeführt, um die Genauigkeit unseres Systems zu testen, sowohl als eigenständiges Erkennungssystem als auch wenn es Zahnärzten als Hilfsmittel dient. Wir haben die Genauigkeit für jeden Erkennungstyp sowie insgesamt für alle Erkennungen, die das System unterstützt, untersucht. Es gibt eine Varianz in der Genauigkeit zwischen den einzelnen Erkennungsklassen, wobei die Genauigkeit zwischen 84 und 96 Prozent schwankt. Insgesamt ist das System korrekt in etwa 92 Prozent der Fälle. Das ist ziemlich gut, und das System verbessert sich ständig.

Natürlich sind diese absoluten Genauigkeitszahlen nicht so aussagekräftig wie die relative Genauigkeit des Systems im Vergleich zu menschlichen Zahnärzten. Wenn die menschliche Genauigkeit bei 60 Prozent läge, würde ein AI-System, das nur 70 Prozent der Zeit korrekt ist, einen erheblichen Vorteil für Zahnärzte bieten, die es verwenden. In den Studien, die wir durchgeführt haben und die ein menschliches Alleinstellungsmerkmal enthielten, schwankten die Zahnärzte zwischen 70 und 85 Prozent. Es gibt jedoch eine erhebliche Varianz zwischen den einzelnen Zahnärzten, sodass es sicherlich einige Zahnärzte gibt, die genauso oder sogar genauer sind als unser System, und ein gewisser Prozentsatz, der viel weniger genau ist. Um den Nutzen des Systems zu bewerten, möchten wir sehen, ob es eine Erhöhung der Genauigkeit für einen Zahnarzt gibt, wenn er das System verwendet, im Vergleich zu demselben Zahnarzt, wenn er es nicht verwendet. Unsere Studien zeigen einen klaren Vorteil.

Jetzt, da Second Opinion in Praxen verwendet wird, müssen wir mehr Forschung betreiben, um den realen Einfluss zu untersuchen. Wir beginnen damit, mit akademischen Partnern in Deutschland zusammenzuarbeiten. Beschleunigt es Patientenbesuche? Erleichtert es die Kommunikation zwischen Arzt und Patient? Verbessert es das Vertrauen des Patienten? Erhöht es die Akzeptanz von Behandlungen? Wir arbeiten daran, diese Fragen zu beantworten. Schließlich würden wir gerne den Einfluss des Systems auf die Gesundheitsergebnisse der Patienten untersuchen, aber das ist ein langfristiges Projekt.

Ich sollte erwähnen, dass, weil Practice Intelligence teilweise ein Analyse-Tool ist, das praxisweite Patientengesundheitsmerkmale und die diagnostischen und Behandlungsplanungsleistungen der Praktiker bewerten kann, wir tatsächlich eine Vorstellung davon haben, wie künstliche Intelligenz die Patientenversorgung beeinflussen kann. Es ist nicht akademische Forschung, aber wir haben kürzlich eine Studie durchgeführt, die die Produktionsdaten von zehn Practice-Intelligence-aktiven Büros über einen Monat hinweg untersuchte. Im Laufe dieses Monats entdeckte das System im Durchschnitt über 84.000 US-Dollar pro Praxis an potenziell verpassten Behandlungsmöglichkeiten in vergangenen Röntgenbildern für Patienten mit geplanten Terminen in diesem Zeitraum. Für diese 84.000 US-Dollar an potenziellen Möglichkeiten, die aufgedeckt wurden, konnten die Praxen im Durchschnitt 12.500 US-Dollar an restaurativer Behandlung und zusätzlich 23.800 US-Dollar an Spezialbehandlungen abschließen. Dieser Anstieg kommt von Behandlungsmöglichkeiten, die zuvor verpasst wurden. Da sie abgeschlossen wurden, können wir annehmen, dass diese Behandlungen notwendig waren und nach den vorherigen Besuchen der Patienten hätten durchgeführt werden sollen. Dies war eine informelle Fallstudie, aber sie scheint deutlich zu zeigen, dass künstliche Intelligenz erhebliche Vorteile sowohl für Patienten als auch für die Praxen bringt, die sie verwenden.

Was ist Ihrer Meinung nach der Grund für die breitere Akzeptanz von künstlicher Intelligenz in zahnmedizinischen Kliniken?

Die Reaktion war überwältigend positiv von Zahnärzten, die Second Opinion im Ausland verwenden, und den über tausend Büros, die Practice Intelligence in den USA eingesetzt haben, also gibt es einen Teil der Branche, der bereits eine breite Integration von künstlicher Intelligenz in der Zahnmedizin möchte. Aber eine breitere Akzeptanz erfordert eine breitere Bewusstseinsbildung. Künstliche Intelligenz ist neu in der Zahnmedizin. Als wir mit der Arbeit an der zahnmedizinischen Radiologie als GumGum Dental begannen, waren wir, soweit ich weiß, das einzige kommerzielle Unternehmen, das sich mit diesem Bemühen beschäftigte. Das war vor fünf Jahren. Die ersten marktfähigen Lösungen erschienen Ende 2019 und sie waren Versicherungs- und Laboranwendungen, nicht klinische Anwendungen. Wir lancierten Practice Intelligence im Jahr 2020 und Second Opinion trat im September 2021 in den globalen Markt ein. Also ist künstliche Intelligenz für die meisten Zahnärzte eine Neuheit. Sie müssen mit ihr bekannt gemacht und über ihre Möglichkeiten und Grenzen aufgeklärt werden. Es gibt einige Missverständnisse über künstliche Intelligenz, die überwunden werden müssen. Bestimmte Zahnärzte neigen vielleicht dazu, künstliche Intelligenz als Bedrohung zu sehen. Diese Missverständnisse werden gelöst, wenn Zahnärzte besser über ihre Nützlichkeit informiert werden. Die Vorteile von künstlicher Intelligenz sind grundlegend attraktiv – höherer Standard der Versorgung, bessere Mundgesundheit, stärkere finanzielle Ergebnisse für Praxen – also erwarte ich, dass die Akzeptanz sich beschleunigt, sobald die künstliche Intelligenz in der Zahnmedizin ein kritischen Mass erreicht.

Wie sehen Sie die Zukunft der zahnmedizinischen Versorgung in 10 Jahren?

Wenn die Zahnmedizin weiterhin die digitale Transformation annimmt, sehe ich Zahnärzte, die künstliche Intelligenz in die meisten zeitaufwändigen Aufgaben integrieren, die sie täglich ausführen – wie z.B. die Erstellung von Patientenakten, die Terminplanung, die Betriebsabläufe, das Inventarmanagement – damit sie sich auf die Patienten konzentrieren können, anstatt auf die Routineaufgaben, die sie von der Arbeit abhalten, für die ihre Fähigkeiten einzigartig geeignet sind. Wir werden einen höheren Standard der Patientenversorgung sehen, niedrigere Kosten und letztendlich eine größere Branche, die bessere Mundgesundheit für mehr Menschen auf der ganzen Welt bringt.

Ich werde auch überrascht sein, wenn künstliche Intelligenz in 15 Jahren nicht begonnen hat, einen Weg zur effektiven prädiktiven Diagnostik und personalisierten Behandlungsplanung zu ebnen. Ist dieser individuelle Patient aufgrund seines genetischen Profils, seines Lebensstils, seiner vorherigen Diagnosen anfälliger für Karies? Können wir einen präventiven Ansatz empfehlen, der seinen Bedarf an invasiver Behandlung in der Zukunft verringern wird? Wenn er jetzt Karies hat, können wir aufgrund dessen, was wir über seine individuellen Merkmale wissen, mit einer restaurativen Behandlung fortfahren oder können wir sie verschieben, in der Erwartung, dass eine bestimmte Änderung im Lebensstil oder im Konsum den Fortschritt des Zerfalls verlangsamen wird? Mit der Unterstützung von künstlicher Intelligenz sollten wir in der Lage sein, diese Fragen zu beantworten – und während wir dabei sind, vielleicht den unnatürlichen Graben zwischen oraler und systemischer Gesundheit, der heute besteht, verringern.

Gibt es noch etwas, das Sie über Pearl teilen möchten?

Experten haben versprochen, dass künstliche Intelligenz bessere klinische Ergebnisse und Kosteneinsparungen im Gesundheitswesen liefern wird, und das schon seit über einem Jahrzehnt. Viele dieser Versprechen wurden nicht erfüllt. Die Zahnmedizin ist tatsächlich ein bisschen spät dran, wenn es um künstliche Intelligenz geht, aber künstliche Intelligenz entwickelt sich in der Zahnmedizin viel schneller als in anderen Bereichen des Gesundheitswesens. Warum?

Wenn man die Medizin aus kommerzieller Sicht betrachtet, ist die Zahnmedizin viel unternehmerischer als andere Formen der Medizin. Die Zahnmedizin wird in vielen kleinen, traditionell privat geführten Praxen durchgeführt. Die meisten anderen Formen der Medizin werden von Krankenhäusern durchgeführt, die im Allgemeinen große, bürokratische, korporative Institutionen sind. Zahnarztpraxen und Krankenhäuser haben beide den gleichen Wunsch, die Effizienz zu steigern, die Patientenergebnisse zu verbessern usw., aber strukturell sind Krankenhäuser zu langsam und konservativ, um emergente Technologien, die diese Wünsche erfüllen, effektiv zu integrieren und zu nutzen. Zahnarztpraxen hingegen sind agil – und der unternehmerische Charakter der Zahnärzte macht die Zahnmedizin zu einem viel fruchtbareren Boden für Innovationen wie künstliche Intelligenz. Wenn ein Zahnarzt einen potenziellen Vorteil in etwas sieht, kann er es sofort umsetzen. Ein Krankenhaus wird nicht in der Lage sein, mit dieser Art von einseitiger Entschlossenheit zu handeln. Es wird Machbarkeits- und Auswirkungsstudien, Widerstand von gegensätzlichen Interessen und Stakeholdern, Budgetverhandlungen und eine Reihe anderer Hürden geben, durch die eine neue Technologie springen muss, bevor sie implementiert wird.

Equally wichtig ist jedoch die Tatsache, dass Zahnärzte beitragen können, um die Entwicklung und Verbesserung von künstlicher Intelligenz zu unterstützen, wenn sie es wünschen. Pearl hat es ermöglicht, diese Technologie so schnell zu konzipieren, zu entwickeln und zu kommerzialisieren, weil Zahnärzte aktive und befähigte Verbraucher sind – wir entwickeln Produkte für einen Markt, der nicht durch die bürokratische Reibung behindert wird, die Unternehmen haben, die in Krankenhäuser verkaufen wollen – und weil Zahnärzte frei sind, ihre materielle und intellektuelle Unterstützung unseren Bemühungen zu geben. Letztendlich ist unsere künstliche Intelligenz so intelligent, weil sie von einer Armee intelligenter Zahnärzte trainiert und verfeinert wurde, die an die Technologie glauben und frei waren, zu ihrer Schaffung beizutragen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Pearl besuchen.