Chaim Linhart, PhD, Συνιδρυτής & Τεχνικός Διευθυντής της Ibex Medical Analytics – Σειρά Συνεντεύξεων

O Chaim Linhart, PhD είναι ο Τεχνικός Διευθυντής και Συνιδρυτής της Ibex Medical Analytics. Έχει περισσότερες από 25 χρόνια εμπειρίας στην ανάπτυξη αλγορίθμων, AI και μηχανικής μάθησης από την ακαδημαϊκή κοινότητα, καθώς και από την υπηρεσία σε μια ελίτ μονάδα του Ισραηλινού στρατού και σε διάφορες εταιρείες τεχνολογίας. Ο Chaim έχει PhD στην Επιστήμη των Υπολογιστών από το Πανεπιστήμιο του Τελ Αβίβ και έχει κερδίσει πολλά διαγωνίσματα μηχανικής μάθησης Kaggle.

Από το 2016, η Ibex ηγείται στον τομέα της διαγνωστικής παθολογίας με τη βοήθεια της τεχνητής νοημοσύνης. Η εταιρεία ξεκίνησε για να μεταμορφώσει την παθολογία, διασφαλίζοντας ότι κάθε ασθενής μπορεί να λάβει μια ακριβή, έγκαιρη και εξατομικευμένη διάγνωση καρκίνου. Σήμερα, η Ibex είναι η πιο ευρέως διαδεδομένη πλατφόρμα τεχνητής νοημοσύνης στην παθολογία. Αναπτύχθηκε από παθολόγους για παθολόγους, οι λύσεις της εξυπηρετούν τους κορυφαίους γιατρούς, τις οργανώσεις υγείας και τους παρόχους διαγνωστικών υπηρεσιών σε όλο τον κόσμο. Κάθε μέρα, η Ibex έχει την τιμή να επηρεάζει τις ζωές των ασθενών παγκοσμίως. Η πλατφόρμα αυξάνει την εμπιστοσύνη των γιατρών, βελτιώνει τις διαγνωστικές ροές εργασίας, βοηθά τους κλινικούς γιατρούς να παρέχουν πιο εξατομικευμένες διαγνώσεις και, το πιο σημαντικό, επιτρέπει καλύτερα κλινικά αποτελέσματα.

Μπορείτε να μοιραστείτε το ταξίδι και την οραματική πίσω από την ίδρυση της Ibex και την αποστολή της να μεταμορφώσει τη διαγνωστική του καρκίνου με τη βοήθεια της τεχνητής νοημοσύνης;

Το 2016, ο συνιδρυτής μου, Joseph Mossel, και εγώ μάθαμε για την άμεση επίδραση που μια ψηφιακή επανάσταση στην παθολογία θα μπορούσε να έχει στην βελτίωση της διαγνωστικής του καρκίνου. Η ακτινολογία είχε περάσει από μια παρόμοια μεταμόρφωση 20 χρόνια νωρίτερα, η οποία είχε σημαντική επίδραση στον τρόπο που ασκείται η ειδικότητα. Με την ψηφιοποίηση της παθολογίας, αναγνώρισα ότι παρείχε την ευκαιρία να αναπτύξουμε νέες προηγμένες εργαλεία που χρησιμοποιούν τη τεχνητή νοημοσύνη για να thựcούν σύνθετη ανάλυση εικόνων. Έχουμε επικεντρωθεί στην ανάπτυξη εργαλείων που βοηθούν τους γιατρούς να φθάσουν σε πιο ακριβείς, αντικειμενικές, αναπαραγώγιμες διαγνώσεις και, κατά συνέπεια, να βοηθήσουν κάθε ασθενή να λάβει τη σωστή διάγνωση, σε έγκαιρο χρόνο, η οποία οδηγεί στην καλύτερη δυνατή θεραπεία.

Πώς έχει αλλάξει το τοπίο της διαγνωστικής του καρκίνου από την ίδρυση της Ibex το 2016;

Τα εργαστήρια έχουν υιοθετήσει την ψηφιοποίηση με αυξανόμενο ρυθμό, ακόμη και περισσότερο επιταχύνθηκε από την Covid-19. Η ψηφιακή επανάσταση έχει επιτρέψει στα εργαστήρια να επεκτείνουν τις ικανότητές τους πέρα από το μικροσκόπιο με έναν σημαντικό και σημαντικό τρόπο, αξιοποιώντας τη τεχνητή νοημοσύνη που βοηθά τους παθολόγους να αναλύουν και να κατανοούν τα αποτελέσματα αποτελεσματικά.

Το πεδίο της διαγνωστικής του καρκίνου με τη βοήθεια της τεχνητής νοημοσύνης έχει αυξηθεί εκθετικά, όπως βλέπουμε startups και άλλες εταιρείες που εργάζονται σε διάφορους τομείς της παθολογίας στην διάγνωση του καρκίνου. Η ιατρική με βάση τα δεδομένα, για παράδειγμα, είναι μια διαδικασία που βασίζεται στα δεδομένα για την κατάταξη των ασθενών, η οποία ενεργοποιείται από μια ακριβή διάγνωση και διάφορες προσεγγίσεις πληροφοριών που οδηγούν σε βελτιωμένες, εξατομικευμένες θεραπείες. Μια αύξηση της ιατρικής με βάση τα δεδομένα συνοδεύεται από μια αυξημένη ανάγκη για πιο σύνθετες διαγνώσεις για να υποστηρίξουν τις νέες στοχευμένες θεραπείες.

Έχουμε επίσης δει μια αύξηση στις ακαδημαϊκές δημοσιεύσεις και τις βιομηχανικές ενώσεις που εστιάζουν στο πεδίο. Όταν ο Joseph και εγώ συμμετείχαμε στην πρώτη μας διάσκεψη για την ψηφιακή και υπολογιστική παθολογία το 2016, η τεχνητή νοημοσύνη ήταν ένα μικρό τμήμα της συζήτησης γύρω από τη διάγνωση του καρκίνου, καθώς δεν ήταν τόσο διαδεδομένη. Τώρα, όταν συμμετέχουμε σε eine μεγάλη διάσκεψη παθολογίας, η τεχνητή νοημοσύνη είναι το κύριο γεγονός.

Τι διαφοροποιεί την Ibex από άλλες εταιρείες στο πεδίο της παθολογίας με τη βοήθεια της τεχνητής νοημοσύνης;

Όταν μιλάμε για παθολογία με τη βοήθεια της τεχνητής νοημοσύνης, υπάρχουν διάφορα υποπεδία. Υπάρχουν εταιρείες που προτεραιοποιούν τις ερευνητικές εφαρμογές, όπως εργαλεία που αναλύουν εικόνες ιστού για να βοηθήσουν στην κατανόηση των διαδικασιών της νόσου στο μορφολογικό και κυτταρικό επίπεδο, για παράδειγμα. Δεύτερον, υπάρχουν εταιρείες που εστιάζουν κυρίως στις κλινικές εφαρμογές, δηλαδή προϊόντα που χρησιμοποιούνται στα εργαστήρια για να υποστηρίξουν τη διαγνωστική ροή.

Η Ibex εστιάζει στις κλινικές εφαρμογές και έχουμε την μεγαλύτερη και πιο ευρεία εγκατάσταση με παθολόγους σε όλο τον κόσμο που χρησιμοποιούν τις λύσεις μας καθημερινά για τη διάγνωση του καρκίνου. Επίσης, συνεργαζόμαστε με φαρμακευτικές εταιρείες για την ανάπτυξη κλινικών εφαρμογών που υποστηρίζουν τους παθολόγους στην ποσοτική ανίχνευση βιοδείκτων που επιτρέπουν στοχευμένες θεραπείες.

Επιπλέον, ενώ κάποιες εταιρείες εστιάζουν σε συγκεκριμένες, περιορισμένες ενδείξεις ανά τύπο όγκου, όπως η ανίχνευση του καρκίνου, η προσέγγισή μας είναι να εκπαιδεύσουμε τη τεχνητή νοημοσύνη για να αναλύσει όλα όσα βλέπει ένας παθολόγος σε αυτά τα ιστούς. Δεν είναι μόνο για την ανίχνευση του καρκίνου, αλλά και για τον τύπο και τον υποτύπο του καρκίνου, το βαθμό, το μέγεθος, καθώς και τις καρκίνο-σχετικές μορφολογίες και άλλες κλινικές λειτουργίες. Ξέρουμε ότι η παθολογία είναι περισσότερο από το να καθορίσει εάν ο ασθενής έχει καρκίνο ή όχι. Θέλουμε να βοηθήσουμε τους παθολόγους να κατανοήσουν τα πλεονεκτήματα που προσφέρει η τεχνητή νοημοσύνη.

Μπορείτε να εξηγήσετε την πυρήνα τεχνολογίας πίσω από τις λύσεις της Ibex και πώς βοηθά τους παθολόγους στη διάγνωση και βαθμολόγηση του καρκίνου;

Η προσέγγισή μας είναι ότι οι παθολόγοι εκπαιδεύουν την μηχανή. Έχουμε μια μεγάλη ομάδα παθολόγων σε όλο τον κόσμο που αναノtουν διαφάνειες. Αυτό σημαίνει ότι σημειώνουν συγκεκριμένες περιοχές μέσα σε αυτές τις διαφάνειες και τις επικαλύπτουν. Μπορεί να σημειώσουν ένα χαμηλού βαθμού όγκο, ένα αιμοφόρο αγγείο, ένα νεύρο, φλεγμονή, κ.λπ. Μετά, παίρνουμε αυτά τα δεδομένα και τα χρησιμοποιούμε για να εκπαιδεύσουμε τα μοντέλα της τεχνητής νοημοσύνης. Αυτό διασφαλίζει ότι η τεχνητή νοημοσύνη είναι πολύ ακριβής, ακόμη και για σπάνιες και δύσκολες περιπτώσεις, το οποίο είναι ζωτικά σημαντικό. Η τεχνητή νοημοσύνη μας διδάσκεται από παθολόγους και εκπαιδεύεται για να αναγνωρίσει πολλά διαφορετικά είδη δομών και μορφολογιών του ιστού, το οποίο είναι πολύ χρήσιμο για τους παθολόγους και αναπόφευκτα αυξάνει την ακρίβειά της. Με την πρόσβαση σε ένα πλάτος δεδομένων και γνώσεων, μπορούμε να βελτιώσουμε την τεχνητή νοημοσύνη μας και να εφαρμόσουμε τα μαθήματα που λαμβάνουμε απευθείας στο πεδίο.

Πώς η Ibex διασφαλίζει την κλινική ακρίβεια σε διάφορους τύπους καρκίνου, όπως ο καρκίνος του μαστού, του προστάτη και του στομάχου;

Αυτό απαιτεί πολλή δουλειά. Συλλέγουμε δεδομένα από πολλούς συνεργάτες σε όλο τον κόσμο. Διασφαλίζουμε ότι τα δεδομένα είναι πολύ διαφορετικά, με αναπαράσταση από διάφορα εργαστήρια και διάφορες τεχνικές προετοιμασίας ιστού, σαρωτές και κλινικές ευρήματα. Περιβάλλουμε τα δεδομένα εκπαίδευσης με σπάνιους τύπους καρκίνου. Αυτό διασφαλίζει ότι η τεχνητή νοημοσύνη εκπαιδεύεται με một ευρύ φάσμα χαρακτηριστικών. Κατά τη διάρκεια της διαδικασίας εκπαίδευσης, μετράμε τι κάνει καλά η τεχνητή νοημοσύνη και επίσης καθορίζουμε που χρειάζονται βελτιώσεις. Η ομάδα, με μεγάλη εμπειρία στη μηχανική μάθηση, δοκιμάζει την τεχνητή νοημοσύνη σε χιλιάδες διαφάνειες που συλλέγουμε από διάφορα εργαστήρια. Εκτελούμε μελέτες και κλινικές δοκιμές και συγκρίνουμε δύο θεμελιώδεις πτυχές του συστήματος. Πρώτον, αναθεωρούμε την απόδοσή του σε σχέση με την αλήθεια. Δεύτερον, καθορίζουμε πόσο ακριβώς ο παθολόγος εργάζεται με και χωρίς την τεχνητή νοημοσύνη. Κάνοντας così, διασφαλίζουμε ότι η τεχνητή νοημοσύνη είναι ακριβής, ανθεκτική, αμερόληπτη και ασφαλής. Μετράμε την επίδρασή της στους παθολόγους που χρησιμοποιούν την τεχνητή νοημοσύνη. Σε όλες τις εφαρμογές μας, βλέπουμε ότι ο παθολόγος, με τη βοήθεια της τεχνητής νοημοσύνης, φθάνει σε καλύτερα αποτελέσματα (δηλαδή πιο ακριβή, υψηλότερη συμφωνία με την αλήθεια) από το πρότυπο φροντίδας (δηλαδή όταν δεν υποστηρίζονται από την τεχνητή νοημοσύνη). Επίσης, μετράμε την αποτελεσματικότητα της εργασίας τους και άλλα σημαντικά οφέλη της πλατφόρμας της τεχνητής νοημοσύνης, όπως την βελτίωση της ροής εργασίας στο εργαστήριο και τη μείωση του χρόνου αναμονής (πώς γρήγορα ο ασθενής λαμβάνει τα αποτελέσματα).

Τι είναι κάποιες μοναδικές λειτουργίες των λύσεων της Ibex που βελτιώνουν τις διαγνωστικές ροές εργασίας και βελτιώνουν τα αποτελέσματα των ασθενών;

Το ολοκληρωμένο σύστημά μας περιλαμβάνει einen προβολέα διαφανειών, τα αποτελέσματα της τεχνητής νοημοσύνης και ενσωματωμένα εργαλεία αναφοράς. Αυτό το ολιστικό σύστημα σχεδιάστηκε για να βελτιώσει την ακρίβεια και την παραγωγικότητα. Οδηγεί τους παθολόγους μέσα από τη διαγνωστική διαδικασία, δείχνοντας τους τις κύριες ευρήματα σε κάθε περίπτωση και διαφάνεια. Αντί να ψάχνουν για χαρακτηριστικά, τα οποία μπορούν να είναι μικρά και δύσκολα να ανιχνευθούν, η τεχνητή νοημοσύνη τα υπογραμμίζει όλα πολύ καθαρά. Από εκεί, ο παθολόγος μπορεί να επιβεβαιώσει ή να τροποποιήσει. Η τεχνητή νοημοσύνη δείχνει μετρήσεις και ποσοτικοποιήσεις· επίσης, βαθμολογεί όλα. Με τα ενσωματωμένα αναφορά, ο παθολόγος δεν χρειάζεται να κοιτάξει τη διαφάνεια, να κάνει τη διάγνωση στο μυαλό του και μετά να πήξει σε ένα άλλο σύστημα και να αναφέρει όλα· αντίθετα, η αναφορά γίνεται ενώ η τεχνητή νοημοσύνη οδηγεί την ολοκληρωμένη ροή εργασίας. Ακόμη και ο αριθμός των κλικ του ποντικιού είχε βελτιωθεί. Όλα αυτά χτίστηκαν με τους παθολόγους στο μυαλό για να βελτιώσουν την ακρίβεια και την αποτελεσματικότητα της διαγνωστικής, δημιουργώντας ένα καλύτερο περιβάλλον εργασίας για αυτούς τους γιατρούς με καλύτερα αποτελέσματα για τους ασθενείς τους.

Πώς οι λύσεις της Ibex ενοποιούνται με τις υφιστάμενες ψηφιακές λύσεις παθολογίας και συστήματα πληροφοριών εργαστηρίου;

Συνεργαζόμαστε με διάφορους προμηθευτές στο πεδίο που πωλούν λύσεις διαχείρισης εικόνων ή προσφέρουν συστήματα πληροφοριών εργαστηρίου. Για κάθε συνεργάτη, υπάρχουν διάφορες ευκαιρίες ενοποίησης. Σε ορισμένες περιπτώσεις, ενσωματώνουμε την τεχνητή νοημοσύνη μας στα εργαλεία τους, ώστε ο παθολόγος να μπορεί να χρησιμοποιήσει την πλατφόρμα τους με την τεχνητή νοημοσύνη μας μέσα σε αυτή. Σε άλλες περιπτώσεις, ενοποιούμε με αυτά τα εργαλεία με τρόπο που επιτρέπει στους παθολόγους να εκκινήσουν την Ibex από το άλλο σύστημα. Ανεξάρτητα από την ενοποίηση, πάντα θέλουμε να διασφαλίσουμε ότι οι χρήστες έχουν τον πιο βέλτιστο τρόπο χρήσης της τεχνητής νοημοσύνης. Επιπλέον, έχουμε αναπτύξει ένα ανοιχτό πρόγραμμα διεπαφής εφαρμογής (API) που επιτρέπει σε τρίτους, συμπεριλαμβανομένων άλλων εταιρειών ή τμημάτων IT των πελατών, να ανακτήσουν πληροφορίες από την τεχνητή νοημοσύνη μας και να τις ενοποιήσουν στο περιβάλλον τους.

Ποια ήταν τα προκλήματα που αντιμετώπισε η Ibex για την επίτευξη ευρείας αποδοχής των λύσεων της με τη βοήθεια της τεχνητής νοημοσύνης στην παθολογία;

Κατά την ανασκόπηση, θα έλεγα ότι το κύριο πρόβλημα που αντιμετώπισε η Ibex ήταν γύρω από την απίστευτη πολυπλοκότητα και την ποσότητα εργασίας, της προσπάθειας και του χρόνου που απαιτούνται για να φέρουν διαγνωστικά προϊόντα στην αγορά. Αυτό περιλαμβάνει πολυεπιστημονικές προσεγγίσεις: συλλογή δεδομένων, συνεργασία με παθολόγους, εκπαίδευση της τεχνητής νοημοσύνης και δοκιμή της με αυστηρά μέτρα ποιότητας. Στο ιατρικό πεδίο, είναι επίσης εξαιρετικά σημαντικό να παράγουμε επιστημονικά στοιχεία και να δημοσιεύσουμε αποτελέσματα με πολλά εργαστήρια για να δείξουμε την απόδοση και τα οφέλη της πλατφόρμας της τεχνητής νοημοσύνης.

Ένα άλλο αξιοσημείωτο πρόβλημα είναι η ενοποίηση. Πρέπει να διασφαλίσουμε ότι οι παθολόγοι μπορούν να χρησιμοποιήσουν την τεχνητή νοημοσύνη με τρόπο που είναι αποτελεσματικός και φυσικός. Υπάρχουν πολλά συστήματα στο εργαστήριο: ψηφιακές παθολογικές σαρωτές, το σύστημα πληροφοριών εργαστηρίου και ροή εργασίας, και εργαλεία αναφοράς. Απλά, διασφαλίζουμε ότι όλα έρχονται μαζί με τον πιο αποτελεσματικό τρόπο, παρά τις προκλήσεις.

Μπορείτε να μοιραστείτε κάποιες ιστορίες επιτυχίας ή μελέτες περίπτωσης από οργανισμούς υγείας που έχουν υλοποιήσει τις λύσεις της Ibex;

Είμαστε πολύ περήφανοι για τις συνεργασίες και την παγκόσμια μας εμβέλεια. Για παράδειγμα, έχουμε την πρώτη εθνική υλοποίηση της τεχνητής νοημοσύνης στην Ουαλία – όλα τα Υγειονομικά Συμβούλια στην Ουαλία χρησιμοποιούν την λύση της Ibex. Ένα άλλο παράδειγμα είναι το CorePlus Laboratories στο Πουέρτο Ρίκο – έχουν χρησιμοποιήσει την Ibex για πολλά χρόνια και έχουν δημοσιεύσει ένα έγγραφο, το οποίο δείχνει την επίδραση που η πλατφόρμα έχει στην κλινική τους πρακτική. Για παράδειγμα, χρησιμοποιώντας τον αλγόριθμο της τεχνητής νοημοσύνης, οι παθολόγοι μπόρεσαν να αναγνωρίσουν 160 άνδρες που θα είχαν διαγνωστεί λανθασμένα. Αυτοί οι ασθενείς έλαβαν τη σωστή θεραπεία χάρη στη στήριξη της τεχνητής νοημοσύνης. Αυτό είναι πραγματικά η επίδραση που κάνουμε. Είναι κάτι που δεν μπορούμε να ξεχάσουμε – είμαστε εδώ για να επηρεάσουμε τις ζωές των ανθρώπων.

Τι ρόλο βλέπετε να παίζει η τεχνητή νοημοσύνη στο μέλλον της παθολογίας και της διαγνωστικής του καρκίνου τις επόμενες δεκαετίες;

Κατά τη διάρκεια της επόμενης δεκαετίας, θα συνεχίσουμε να βλέπουμε τους παθολόγους να χρησιμοποιούν την τεχνητή νοημοσύνη για να υποστηρίξουν την πρωταρχική διαγνωστική τους προσπάθεια. Οραματίζομαι ότι οι παθολόγοι θα χρησιμοποιούν την τεχνητή νοημοσύνη σε hầu hết της εργασίας τους για να διασφαλίσουν ότι η ποιότητα είναι υψηλή και όλα είναι αντικειμενικά, αναπαραγώγιμα και έγκαιρα. Επιπλέον, η τεχνητή νοημοσύνη θα βοηθήσει τους γιατρούς να κάνουν πράγματα που δεν κάνουν τώρα. Μπορεί να βοηθήσει τους γιατρούς να αποφασίσουν ποια дополнительνα τεστ πρέπει να thựcθούν σε μια συγκεκριμένη περίπτωση, καθώς και να παρέχουν μια πιο ακριβή πρόγνωση και ροή θεραπείας.

Η τεχνητή νοημοσύνη θα είναι ολοκληρωμένη σε όλη τη διαδρομή του ασθενούς, όχι μόνο στο τμήμα της διαγνωστικής του καρκίνου στην παθολογία, αλλά και, για παράδειγμα, στον ογκολόγο που αποφασίζει για τη θεραπεία. Νομίζω επίσης ότι η τεχνητή νοημοσύνη θα βοηθήσει να συνδυάσει τις дисципλίνες. Με τον καιρό, οι διάφορες modalities (παθολογία, ακτινολογία, γονιδιακά αρχεία, κλινικά αρχεία) θα τροφοδοτούν διάφορα μοντέλα της τεχνητής νοημοσύνης για να υποστηρίξουν τη νέα και βελτιωμένη ιατρική με βάση τα δεδομένα. Από την πλευρά της ιατρικής ισότητας, οι ασθενείς που δεν έχουν πρόσβαση στους καλύτερους γιατρούς του κόσμου θα βιώσουν einen巨ιαίο άλμα στην ποιότητα της διάγνωσής τους και της θεραπείας τους. Η τεχνητή νοημοσύνη θα φέρει όλους στο επίπεδο του σχεδόν εμπειρογνώμονα. Όλοι αξίζουν πρόσβαση σε ποιοτική φροντίδα, και η τεχνητή νοημοσύνη θα μας βοηθήσει να προχωρήσουμε στη σωστή κατεύθυνση για τη δημοκρατικοποίηση της πρόσβασης στην υγεία.

Ευχαριστούμε για την υπέροχη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν Ibex Medical Analytics.