Ο Jonas Muff, Ιδρυτής & Διευθύνων Σύμβουλος της Vara – Σειρά Συνεντεύξεων

Ο Jonas Muff είναι ο Ιδρυτής & Διευθύνων Σύμβουλος της Vara, μιας πλατφόρμας για τον έλεγχο του καρκίνου του μαστού. Ιδρυθείσα στη Γερμανία, η Vara λειτουργεί σε πολλές χώρες της Ευρώπης. Πρόσφατα ανακοίνωσαν δύο σημαντικές συνεργασίες φέτος στην Ελλάδα και στο Μεξικό, οι οποίες θα κάνουν την τεχνολογία τους διαθέσιμη σε πάνω από 30 εκατομμύρια γυναίκες.

Τι σας έκανε να ενδιαφερθείτε αρχικά στο πεδίο της τεχνητής νοημοσύνης;

Ως γιος γιατρού, πάντα πίστευα ότι η δύναμη και το δυναμικό της υγείας βρίσκεται στην πρόληψη και όχι μόνο στην θεραπεία· να κρατάει τους υγιείς ανθρώπους υγιείς, και όχι μόνο να θεραπεύει τους ασθενείς. Η τεχνητή νοημοσύνη κατέχει το κλειδί για να ξεκλειδώσει αυτή τη μετατόπιση παραδείγματος και να βοηθήσει τα σύγχρονα συστήματα υγείας να κάνουν ποιοτικές βήματα στην διάγνωση και τη θεραπεία των ασθενειών. Οι διαγνωστικές με τη βοήθεια της τεχνητής νοημοσύνης έχουν τη δυνατότητα να είναι φθηνότερες και λιγότερο εξαρτημένες από τους πόρους της εξειδικευμένης γνώσης, από την οποία υπάρχει μια παγκόσμια έλλειψη. Αυτό σημαίνει ότι η τεχνητή νοημοσύνη θα μπορούσε να χρησιμοποιηθεί για να παρέχει υψηλής ποιότητας ιατρική σε λιγότερο ανεπτυγμένες χώρες, για να κάνει την πρόσβαση στην καλή υγεία πιο δίκαιη και παγκόσμια.

Μπορείτε να συζητήσετε την ιστορία της Vara;

Η Vara γεννήθηκε από την Merantix, ένα εγχείρημα στούντιο στο Βερολίνο που στοχεύει στην ανάπτυξη του δυναμικού της τεχνητής νοημοσύνης μέσω μιας συνεργατικής προσέγγισης. Η Merantix φέρνει τους ανθρώπους μαζί από διαφορετικά υπόβαθρα, όλοι με επιχειρηματικό πνεύμα, για να αντιμετωπίσουν πραγματικά προβλήματα με καινοτόμους τρόπους. Συνέστησε μια ομάδα εμπειρογνωμόνων μηχανικής μάθησης, προγραμματιστών, σχεδιαστών προϊόντων και ραδιολογικών, και ξεκίνησε να ξανασχεδιάσει την εργογραφία του ελέγχου του καρκίνου του μαστού από την αρχή.

Όταν διαβάζουν μαμμοگرάμματα, ένας ραδιολόγος ουσιαστικά ψάχνει για ένα βελάκι σε ένα δασύλλιο. Ενώ η μεγάλη πλειοψηφία των μαμμογραμμάτων θα θεωρηθεί «κανονική» – δηλαδή, δεν θα περιέχουν κανένα σημάδι καρκίνου του μαστού – μια μικρή, αλλά εξαιρετικά σημαντική μειονότητα θα είναι ύποπτη και θα απαιτήσει περαιτέρω ανάλυση.

Αυτό βάζει τεράστια πίεση στον ραδιολόγο να βεβαιωθεί ότι δεν χάνονται κανένα βελάκι, αλλά επίσης απαιτείται να ξοδεύει το 98% (ή περισσότερο) της καθημερινής εργασίας του στην αναφορά κανονικών μαμμογραμμάτων. Είναι μια συνδυασμένη που μπορεί να οδηγήσει σε λάθη και στην οποία πιστεύουμε, από την πρώτη μέρα, ότι η τεχνητή νοημοσύνη μπορεί να βοηθήσει να επιλύσει και τα δύο, αποζημιώνοντας τα ανθρώπινα λάθη και αφαιρώντας το διοικητικό βάρος. Έτσι, οι ραδιολόγοι μπορούν να αφιερώσουν ακόμη περισσότερη προσοχή στην ανίχνευση των ανωμαλιών.

Με αυτό στο μυαλό, συνεργαστήκαμε με μερικούς από τους κορυφαίους ραδιολόγους της Γερμανίας για να χτίσουμε μια πλατφόρμα που стандαρδοποιεί ολόκληρη την κλινική ροή και την ενισχύει με τη χρήση προηγμένων εργαλείων τεχνητής νοημοσύνης, αυτοματοποίησης και διαχείρισης δεδομένων. Αντί να προσπαθήσουμε να αντικαταστήσουμε τους ραδιολόγους, η πλατφόρμα Vara στοχεύει να ενισχύσει τους ραδιολόγους για να κάνει τις διαδικασίες πιο αποτελεσματικές, πιο διαφανείς και πιο αποτελεσματικές.

Μέσω της δουλειάς μας, επίσης, συνειδητοποιήσαμε ότι, αν και ο έλεγχος του καρκίνου του μαστού είναι algo δεδομένο στις περισσότερες ευρωπαϊκές χώρες, συμπεριλαμβανομένης της πατρίδας μας, της Γερμανίας – η οποία έχει μια υπερήφανη κληρονομιά από την έναρξη ενός προγράμματος ελέγχου του πληθυσμού το 2002 – οι περισσότερες χώρες του κόσμου δεν προσφέρουν ελέγχο στις γυναίκες. Πιστεύουμε ότι κάθε γυναίκα έχει το δικαίωμα στον έλεγχο και, επομένως, η πλατφόρμα μας έχει σχεδιαστεί για να λειτουργήσει οπουδήποτε στον κόσμο. Η αποστολή μας είναι να κάνουμε τον έλεγχο του καρκίνου του μαστού πιο προσιτό σε όλους.

Πόσα σετ εκπαίδευσης έχουν χρησιμοποιηθεί για την εκπαίδευση των δεδομένων, και αυτά τα σετ περιλαμβάνουν μια ευρεία ποικιλία τύπων δέρματος;

Τα μοντέλα μας έχουν αναπτυχθεί με βάση περισσότερα από 7 εκατομμύρια μαμμογράμματα χρησιμοποιώντας δεδομένα από την Ευρώπη, κυρίως τη Γερμανία.

Τα μαμμογράμματα είναι πολύ παρόμοια μεταξύ διαφορετικών πληθυσμών και εθνοτικών ομάδων. Αυτό που διαφέρει σε παγκόσμιους πληθυσμούς είναι η πυκνότητα του μαστού (ποσότητα λίπους στο μαστό), οι παθολογικές υποтиπώσεις του καρκίνου, καθώς και οι τύποι και οι μεγέθεις των βλαβών.

Όταν αξιολογούμε την Vara, δεν λαμβάνουμε υπόψη μόνο την μέση απόδοση, αλλά εξετάζουμε την απόδοση σε κάθε υποομάδα, δηλαδή λίπαντα vs. πυκνά μαστό, ή μικρά vs. μεγάλα βλαβές. Τα αποτελέσματά μας δείχνουν ότι μπορούμε να βελτιώσουμε τα μετρικά των ραδιολογικών σε όλες τις σχετικές υποομάδες.

Αυτό σημαίνει ότι ακόμη και αν οι γυναίκες από άλλους πληθυσμούς τείνουν να έχουν πιο πυκνά μαστό, για παράδειγμα, η Vara θα εξακολουθήσει να βελτιώνει το πρότυπο φροντίδας τους. Thực hiện了一份 τοπική αξιολόγηση για να κατανοήσουμε την απόδοση του AI στη Μεξικό για να διασφαλίσουμε ότι πραγματικά βελτιώνουμε το πρότυπο φροντίδας. Και θα συνεχίσουμε να παρακολουθούμε την προοπτική απόδοση της Vara σε πραγματικό χρόνο και να παραμείνουμε σε συνεχή διάλογο με τους εταίρους ελέγχου μας. Ο στόχος μας είναι να βελτιώσουμε το πρότυπο φροντίδας στο Μεξικό, παρέχοντας einen стандαρδισμένο, ελεγχόμενο ροή που τροφοδοτείται από την τεχνητή νοημοσύνη.

Η συσκευή Vara χρησιμοποιεί 3 τύπους ταξινόμησης για κάθε μαμμογράμμα, μπορείτε να συζητήσετε τι είναι αυτά και πώς βοηθούν στην πρόληψη των ψευδών θετικών;

Η διαδικασία αναφοράς απόφασης είναι μια διαδικασία ελέγχου που αναπτύχθηκε από την Vara, στην οποία το αλγόριθμο κάνει μια δήλωση μόνο για περιπτώσεις όταν κάνει ακριβείς προβλέψεις — ενώ αφήνει άλλες περιπτώσεις στην ανθρώπινη εμπειρογνωσία.

Ο στόχος της διαδικασίας αναφοράς απόφασης είναι να υποστηρίξει τον ραδιολόγο με την τεχνητή νοημοσύνη για να βελτιώσει και την ευαισθησία και την ειδικότητα, δηλαδή να μειώσει τα ψευδώς αρνητικά και τα ψευδώς θετικά. Ταυτόχρονα, η τεχνητή νοημοσύνη δεν είναι τέλεια και δεν μπορεί να κάνει 100% σωστές προβλέψεις για όλες τις περιπτώσεις. Επομένως, ο στόχος της απόφασης αναφοράς είναι να συνδυάσει την ανθρώπινη εμπειρογνωσία των ραδιολογικών με τις τεχνικές ικανότητες της τεχνητής νοημοσύνης σήμερα, για να βελτιώσει και τα δύο.

Οι τρεις τύποι ταξινόμησης είναι:

1. Κανονική ταξινόμηση: Ο αλγόριθμος επιλέγει ένα υποσύνολο περιπτώσεων που θεωρεί κανονικές με υψηλή εμπιστοσύνη και τις επισημαίνει αυτόματα για τον ραδιολόγο. Ο στόχος της κανονικής ταξινόμησης είναι να επισημάνει όσο το δυνατόν περισσότερες κανονικές περιπτώσεις αρνητικές, με ελάχιστη λανθασμένη ταξινόμηση.
2. Δίκτυο ασφαλείας: Για περιπτώσεις όπου η τεχνητή νοημοσύνη είναι πολύ βέβαιη ότι οι εικόνες είναι ύποπτες, προσφέρει ένα δίκτυο ασφαλείας: Αν ο ραδιολόγος ταξινομήσει μια από αυτές τις περιπτώσεις ως αρνητική, το δίκτυο ασφαλείας ενεργοποιείται και δείχνει στον ραδιολόγο μια συγκεκριμένη περιοχή στην εικόνα που είναι ύποπτη στην τεχνητή νοημοσύνη. Ο ραδιολόγος μπορεί τότε να ξανασκεφτεί την απόφαση, πιθανώς πιάνοντας έναν καρκίνο που θα είχε αλλιώς χαθεί.
3. Αταξινόμητες περιπτώσεις: Είναι σημαντικό ότι η τεχνητή νοημοσύνη δεν κάνει μια δήλωση για όλες τις περιπτώσεις. Υπάρχουν περιπτώσεις που δεν ταξινομούνται ως κανονικές (οι λιγότερο ύποπτες περιπτώσεις), ούτε ενεργοποιείται το δίκτυο ασφαλείας (οι πιο ύποπτες περιπτώσεις). Για αυτές τις περιπτώσεις, η τεχνητή νοημοσύνη δεν είναι αρκετά βέβαιη και η εμπειρογνωσία της απόφασης πρέπει να έρχεται από τον ραδιολόγο.

Οι άνθρωποι, συμπεριλαμβανομένων των ραδιολογικών, συχνά βιώνουν γνωστική προκατάληψη, πώς βοηθά η εφαρμογή της τεχνητής νοημοσύνης να λύσει αυτό το ζήτημα;

Η τεχνητή νοημοσύνη μας έχει μάθει από δεδομένα από ένα από τα καλύτερα συστήματα ελέγχου στον κόσμο στη Γερμανία. Επιπλέον, κατά τη διάρκεια της εκπαίδευσης, η τεχνητή νοημοσύνη έχει πρόσβαση σε δεδομένα που οι ραδιολόγοι δεν έχουν στην κλινική πρακτική. Αυτά είναι τα αποτελέσματα της βιοψίας ή τα δύο χρόνια παρακολούθησης κάθε περίπτωσης. Χρησιμοποιώντας ευρεία και αντιπροσωπευτικά δεδομένα, προλαμβάνουμε τις προκαταλήψεις στα δεδομένα εκπαίδευσης.

Στη συνέχεια, αναπτύξαμε το Δίκτυο Ασφαλείας για να μειώσουμε οποιαδήποτε potεντική προκατάληψη στην αλληλεπίδραση μεταξύ ανθρώπων και τεχνητής νοημοσύνης. Το Δίκτυο Ασφαλείας δεν δείχνει τις ύποπτες περιοχές στον ραδιολόγο από την αρχή. Αντίθετα, ο ραδιολόγος αναφέρει τις ευρήματές του με την προβολή Vara και, στην περίπτωση που η τεχνητή νοημοσύνη διαφωνεί με την αξιολόγηση του ραδιολόγου, η Vara δείχνει την τοπική πρόβλεψη. Αυτό δίνει στον ραδιολόγο την ευκαιρία να αναθεωρήσει την αρχική του αναφορά και να την προσαρμόσει. Με αυτόν τον τρόπο, το Δίκτυο Ασφαλείας βοηθά να μειώσει τους λανθασμένους καρκίνους.

Σε αντίθεση με τους ανθρώπους, το μοντέλο δεν κουράζεται, και συνεχίζει να παρέχει βελτιωμένη απόδοση, ανεξάρτητα από την ώρα της ημέρας. Η τεχνητή νοημοσύνη μπορεί, επομένως, να αντικειμενοποιήσει τα αποτελέσματα των ραδιολογικών.

Μπορείτε να συζητήσετε τις προκλήσεις της ανίχνευσης του καρκίνου του μαστού όταν πρόκειται για πιθανές περιπτώσεις, όπως οι εμφυτεύματα;

Τα μοντέλα μας έχουν εκπαιδευτεί σε ένα πραγματικό, ποικίλο σύνολο δεδομένων όλων των γυναικών που υποβλήθηκαν σε έλεγχο, συμπεριλαμβανομένων γυναικών με εμφυτεύματα. Δεν βρήκαμε αυτές τις περιπτώσεις να είναι μια ιδιαίτερη πρόκληση για την Vara. Επιπλέον, το μοντέλο μας δεν κάνει δηλώσεις για όλες τις περιπτώσεις. Αν είναι αβέβαιο για μια συγκεκριμένη περίπτωση, αναθέτει την απόφαση στους ραδιολόγους, μια προσέγγιση που ονομάζουμε απόφαση αναφοράς (βλ. παραπάνω).

Η Vara επίσης μετα-ελέγχει μαμμογράμματα, σε这一 βήμα της διαδικασίας τι ψάχνεται συγκεκριμένα;

Η Vara δείχνει προβλέψεις μετά τον ραδιολόγο να έχει σχηματίσει μια γνώμη (βλ. «Δίκτυο Ασφαλείας» παραπάνω για περισσότερες λεπτομέρειες). Οι ραδιολόγοι κερδίζουν κρίσιμες πληροφορίες συγκρίνοντας την ανάπτυξη των ιστών και των βλαβών με το χρόνο. Ομοίως, η αξιοποίηση των χρονικών πληροφοριών θα βελτιώσει περαιτέρω την διαγνωστική ακρίβεια των μοντελών της τεχνητής νοημοσύνης. Όχι μόνο το AI μας τρέχει στην τρέχουσα εξέταση, αλλά επίσης ελέγχει τις προηγούμενες εξετάσεις για σημάδια καρκίνου — με την υπόσχεση να βελτιώσει περαιτέρω την απόδοση ελέγχου.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με την Vara;

Η προσέγγιση απόφασης αναφοράς της πλατφόρμας Vara AI είναι τώρα σε χρήση στο 30% όλων των μονάδων ελέγχου στη Γερμανία. Jako μέρος της παγκόσμιας αποστολής μας, πρόσφατα ξεκινήσαμε μονάδες ελέγχου στο Μεξικό και την Ελλάδα, σε συνεργασία με παρόχους υγείας στο έδαφος σε αυτές τις περιοχές. Με τέτοιους εταίρους, δείχνουμε πώς μπορούμε να αξιοποιήσουμε την υπάρχουσα υποδομή υγείας για να τους επιτρέψουμε να πηδήξουν την τρέχουσα ρύθμιση τους σε μια κατάσταση-της-τέχνης, стандαρδισμένη υπηρεσία ελέγχου.

Η ομάδα μας έχει διπλασιαστεί σε 30 και έχουμε διορίσει παγκόσμιους εμπειρογνώμονες στη ραδιολογία, όπως ο καθηγητής Katja Pinker-Domenig, ο οποίος έγινε ο Αρχηγός Ιατρικός Σύμβουλος μας, καθώς και ο Stephan Dreier ως Αρχηγός Αξιωματούχος Εσόδων. Έχουμε επίσης συνεργασίες με αναγνωρισμένα ακαδημαϊκά ιδρύματα στις ΗΠΑ και την Ευρώπη, όπως το Memorial Sloan Kettering Cancer Center, το Πανεπιστήμιο του Κέιμπριτζ, το Karolinska Institutet και το Cancer Registry of Norway.

Η απόδοση της Vara AI δείχνει τεράστια υποσχέσεις όσον αφορά την αναπαραγωγιμότητα και την γενίκευση. Μια μεγάλη αναδρομική μελέτη είναι αυτή τη στιγμή σε δημοσίευση στο παγκοσμίως αναγνωρισμένο Lancet Digital Health, καθώς και μια άλλη σημαντική δημοσίευση peer-review για την πρόληψη του διαστήματος καρκίνου στο European Journal of Radiology.

Απλά ξεκινήσαμε τη Γερμανία’s πρώτη προοπτική μελέτη για να δείξουμε την επίδραση της Vara στη κλινική ρουτίνα. Όλα αυτά τα επιτεύγματα μας βοηθούν να επιτύχουμε την κύρια αποστολή μας να κάνουμε τον έλεγχο του καρκίνου του μαστού με βάση τα δεδομένα πιο προσιτό σε όλους.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την Vara.