Ο Ophir Tanz, Ιδρυτής & Διευθύνων Σύμβουλος της Pearl – Σειρά Συνεντεύξεων

Ο Ophir Tanz, είναι ο ιδρυτής και Διευθύνων Σύμβουλος της Pearl, μια εταιρεία που ιδρύθηκε με την ιδέα ότι η τεχνητή νοημοσύνη μπορεί να είναι ο πάντα-ενεργός βοηθός του οδοντιάτρου και ο πιο αξιόπιστος φίλος του ασθενούς. Οι ιδρυτές της έχουν μια μοναδική προσωπική σύνδεση με τις ιδιαιτερότητες της οδοντιατρικής βιομηχανίας, καθώς και τις γνώσεις και την εκπαίδευση για να υλοποιήσουν το πλήρες και πρακτικό δυναμικό που έχει η τεχνητή νοημοσύνη.

Τι σας έκανε να ενδιαφερθείτε αρχικά για την Τεχνητή Νοημοσύνη;

Έχω ενδιαφερθεί για την Τεχνητή Νοημοσύνη από τότε που ήμουν στο κολέγιο. Είδα πολλές ευκαιρίες εκεί και αυτό με οδήγησε να εφαρμόσω την τεχνητή νοημοσύνη στη δημιουργία νέων ικανοτήτων και εμπορικών εφαρμογών. Συγκεκριμένα, ενδιαφερόμουν για την υπολογιστική όραση – το πεδίο της τεχνητής νοημοσύνης όπου διδάσκουμε τους υπολογιστές να βλέπουν, να επεξεργάζονται και να κατανοούν τον κόσμο με τον ίδιο τρόπο που το κάνει ο ανθρώπινος εγκέφαλος – και μετά την αποφοίτησή μου, ίδρυσα μια εταιρεία, GumGum, που επικεντρωνόταν στην εφαρμογή της οπτικής μηχανικής νοημοσύνης για να δημιουργήσει αξία στην ψηφιακή μέσο.

Η πρώτη σας εταιρεία, GumGum, που ειδικευόταν στην χρήση της Τεχνητής Νοημοσύνης στην περιεχομενική διαφήμιση, είχε τεράστια επιτυχία. Τι αποδίδετε αυτήν την επιτυχία;

Νομίζω ότι αυτό που επέτρεψε στη GumGum να επιτύχει στο βαθμό που έχει είναι η έμφαση που τοποθετήσαμε στην εφαρμογή και την καινοτομία της Τεχνητής Νοημοσύνης. Είναι κυρίως μια εταιρεία ψηφιακής διαφήμισης, αλλά ακόμη και αν λειτουργούσαμε μέσα στα πλαίσια της ευρύτερης κατηγορίας αυτής, η δουλειά που κάναμε με την Τεχνητή Νοημοσύνη δεν ήταν στην πραγματικότητα περιορισμένη από την κατηγορία. Αυτό σήμαινε ότι ήμασταν μια τεχνολογική εταιρεία τόσο quanto μια εταιρεία διαφήμισης, η οποία δημιούργησε σημαντική διαφοροποίηση. Η στάση μας προς την Τεχνητή Νοημοσύνη οδήγησε σε καινοτομίες σε περιοχές έξω από τα φυσικά όρια της ψηφιακής διαφήμισης – στη χορήγηση αξίας και, φυσικά, στην οδοντιατρική. Επειδή δεν ήμασταν ποτέ επικεντρωμένοι στο να είμαστε “μόνο μια εταιρεία διαφήμισης” και συνεχώς αναζητούσαμε τρόπους να κάνουμε καλύτερα, η GumGum μπόρεσε να μεγαλώσει μαζί μας καθώς η όρασή μας επεκτάθηκε και η υποκείμενη τεχνολογία και το πεδίο της Τεχνητής Νοημοσύνης εξελίχθηκαν.

Μπορείτε να μοιραστείτε την ιστορία πίσω από την νέα σας εταιρεία Τεχνητής Νοημοσύνης, Pearl;

Μετά την ίδρυση της GumGum και την εστίαση στην υπολογιστική όραση, ήξερα ότι υπήρχε περισσότερο που μπορούσαμε να κάνουμε με την τεχνολογία και ήμουν πάντα σε αναζήτηση νέων εφαρμογών. Η υγεία και η ακτινολογία ήταν ιδιαίτερου ενδιαφέροντος για μένα, και αντιπροσώπευαν σαφείς εφαρμογές του είδους της μηχανικής μάθησης που η GumGum εφαρμόζουσε. Ιδρύσαμε ένα τμήμα οδοντιατρικής που ονομάζεται GumGum Dental, το οποίο ήταν η γέννηση της Pearl. Αποφάσισα να αποσπασθώ完全 από το τμήμα οδοντιατρικής επειδή πίστευα ότι η ευκαιρία άξιζε μια ανεξάρτητη εταιρεία. Μπορώ να πω ότι ήταν προορισμένο σε κάποιο βαθμό – ο πατέρας μου ήταν οδοντίατρος και μεγάλωσα βοηθώντας στο ιατρείο του, οπότε η μετάβαση για να επικεντρωθώ στην οδοντιατρική βιομηχανία ήταν ένα είδος επιστροφής στο σπίτι για μένα. Αλλά δεν ήταν σαν να ήταν η παιδική μου σύνδεση με την οδοντιατρική η κύρια έμπνευση για την επιθυμία μου να ηγηθώ της Pearl ως μια νέα εταιρεία. Πιστεύω ισχυρά ότι η υπολογιστική όραση και η Τεχνητή Νοημοσύνη θα μεταμορφώσουν την οδοντιατρική και την παγκόσμια υγεία, και ήθελα να μπορέσω να δώσω την προσοχή στο πρόγραμμα που πιστεύω ότι αξίζει.

Μπορείτε να συζητήσετε τα συστήματα υπολογιστικής όρασης και μηχανικής μάθησης που χρησιμοποιούνται για την σάρωση ακτινογραφικών και 3D οδοντιατρικών εικόνων;

Η υπολογιστική όραση είναι μια μορφή Τεχνητής Νοημοσύνης που διδάσκει τους υπολογιστές να “βλέπουν” με τον ίδιο τρόπο που κάνουν οι άνθρωποι. Τρέχουμε μεγάλες ποσότητες εμπειρογνωμόνων-σημειωμένων οδοντιατρικών εικόνων δεδομένων σε μια σειρά αλγορίθμων που μοντελοποιούνται στα νευρωνικά δίκτυα του ανθρώπινου εγκεφάλου. Μελετώντας τις σημειωμένες εικόνες, το δίκτυο μαθαίνει να αναγνωρίζει οδοντιατρικές παθολογίες του είδους που έχουν σημειωθεί στις σημειωμένες εικόνες. Αυτή η διαδικασία ονομάζεται ‘επιβεβαίωση’. Διδάσκοντας έναν υπολογιστή με αυτόν τον τρόπο, μπορεί να μάθει να αναγνωρίζει εικόνες με μη κυριολεκτικούς τρόπους. Για παράδειγμα, μαθαίνει πώς να αναγνωρίζει ένα μερικώς καλυμμένο αντικείμενο ή ένα που είναι ορατό μόνο από ορισμένες γωνίες, απορροφώντας χιλιάδες διαφορετικά παραδείγματα και κατασκευάζοντας ουσιαστικά μια εκδοχή του υπολογιστή μιας εικόνας του αντικειμένου.

Διδάξαμε την Τεχνητή Νοημοσύνη και τα αλγόριθμους μηχανικής μάθησης με την κατασκευή μιας μεγάλης συλλογής ακτινογραφιών και συνεργαστήκαμε με οδοντιάτρους και ακτινολόγους για να σημειώσουμε τις εικόνες, και στη συνέχεια χρησιμοποιήσαμε αυτές τις σημειωμένες εικόνες για να διδάξουμε το σύστημα να ερμηνεύσει νέες εικόνες. Τώρα έχουμε μια Τεχνητή Νοημοσύνη που μπορεί να δείξει πιθανές προβλήματα που μπορούν να αναγνωριστούν σε ακτινογραφίες και να βοηθήσει τους οδοντιάτρους να διαβάσουν τις ακτινογραφίες των ασθενών με μεγαλύτερη ακρίβεια και συνέπεια.

Τι είδους πληροφορίες ή διάγνωση αποκαλύπτεται από αυτό το σύστημα;

Το σύστημα ακτινολογικής Τεχνητής Νοημοσύνης μας μπορεί να ανιχνεύσει ένα μεγάλο πλήθος παθολογικών και μη-παθολογικών καταστάσεων, αναστηλωτικών χαρακτηριστικών και φυσικής ανατομίας. Καριές, απώλεια οστών, περιαπικάς ακτινοδιαφάνεια, κάλκουλους, πλήρωση, κ.λπ. – η λίστα είναι πολύ μεγάλη για να την αναφέρουμε όλα και συνεχίζει να αυξάνεται. Πολλές από αυτές τις ικανότητες περιλαμβάνονται στο Second Opinion, τη βοήθεια ανίχνευσης παθολογίας σε πραγματικό χρόνο που είναι διαθέσιμη στον Καναδά, την Αυστραλία, την Ευρώπη και σε πολλές άλλες περιοχές, και οι περισσότερες εφαρμόζονται στο Practice Intelligence, τη λύση πνευματικής νοημοσύνης που δεν αφορά ασθενείς, η οποία είναι διαθέσιμη σε πρακτικές στις ΗΠΑ και παγκοσμίως.

Τι είδους δεδομένα εικόνων χρησιμοποιήθηκαν για την εκπαίδευση του συστήματος;

Το σύστημα ανίχνευσης παθολογίας ακτινογραφιών εκπαιδεύτηκε σε.bitewing, periapical και pano ακτινογραφίες, οι οποίες είναι οι πιο συχνές στην οδοντιατρική διάγνωση – τα είδη ακτινογραφιών που παίρνετε στο οδοντίατρο κάθε δύο χρόνια ή περίπου, και όπως χρειάζεται. Οι ακτινογραφικές εικόνες είναι σχετικά εύκολες να ληφθούν στην οδοντιατρική σε σύγκριση με άλλες μορφές ιατρικής και περισσότερες οδοντιατρικές ακτινογραφίες καταγράφονται ετησίως από οποιαδήποτε άλλη μορφή ακτινογραφίας. Το ακριβό και χρονοβόρο μέρος είναι να πάρουμε τους εμπειρογνώμονες να αναθεωρήσουν και να σημειώσουν τις ακτινογραφίες. Έχουμε συλλέξει την μεγαλύτερη συλλογή σημειωμένων οδοντιατρικών ακτινογραφιών στον κόσμο. Αυτή η διαθεσιμότητα ακτινογραφικών δεδομένων είναι μέρος του τι κάνει την οδοντιατρική βιομηχανία τόσο ώριμη για ανατροπή από την Τεχνητή Νοημοσύνη.

Τι είδους βελτιώσεις αποδοτικότητας και ποσοστά ακρίβειας έχουν παρατηρηθεί από το σύστημα Pearl σε σύγκριση με την χειροκίνητη ανθρώπινη ανασκόπηση εικόνων;

Έχουμε διεξαγάγει αρκετές μεγάλες μελέτες σε χιλιάδες ακτινογραφίες και εκατοντάδες οδοντιάτρους για να δοκιμάσουμε την ακρίβεια του συστήματος μας, τόσο ως αυτόνομο σύστημα ανίχνευσης όσο και όταν χρησιμοποιείται για να βοηθήσει τους οδοντιάτρους. Έχουμε εξετάσει την ακρίβεια για κάθε τύπο ανίχνευσης καθώς και ευρέως σε όλες τις ανιχνεύσεις που υποστηρίζονται από το σύστημα. Υπάρχει διακύμανση στην ακρίβεια μεταξύ των ατομικών τάξεων ανίχνευσης με ακρίβεια που κυμαίνεται από περίπου 84-96 τοις εκατό. Συνολικά, το σύστημα είναι σωστό πάνω από το 92 τοις εκατό της φοράς. Αυτό είναι khá καλό και το σύστημα συνεχίζει να βελτιώνεται.

Τι πιστεύετε ότι εμποδίζει την ευρύτερη υιοθέτηση της Τεχνητής Νοημοσύνης στις οδοντιατρικές κλινικές;

Η υποδοχή ήταν εξαιρετικά θετική από τους οδοντιάτρους που χρησιμοποιούν το Second Opinion στο εξωτερικό και τις χιλιάδες πρακτικές που έχουν αναπτύξει το Practice Intelligence στις ΗΠΑ, οπότε υπάρχει ένα τμήμα της βιομηχανίας που ήδη έχει μια επιθυμία για ευρεία ενσωμάτωση της Τεχνητής Νοημοσύνης στην οδοντιατρική. Αλλά η ευρύτερη υιοθέτηση απαιτεί ευρύτερη ευαισθητοποίηση. Η Τεχνητή Νοημοσύνη είναι καινούρια στην οδοντιατρική. Όταν ξεκινήσαμε να εργαζόμαστε στην οδοντιατρική ακτινολογία ως GumGum Dental, ήμασταν, κατά τη γνώμη μου, η μόνη εμπορική επιχείρηση που ασχολείτο με αυτήν την προσπάθεια. Αυτό ήταν πριν από πέντε χρόνια. Οι πρώτες εμπορικές λύσεις εμφανίστηκαν στα τέλη του 2019 και ήταν εφαρμογές ασφάλισης και εργαστηρίου, όχι κλινικές εφαρμογές. Εκκινήσαμε το Practice Intelligence το 2020 και το Second Opinion εισήλθε στην παγκόσμια αγορά τον Σεπτέμβριο του 2021. Οπότε, όσον αφορά τους περισσότερους οδοντιάτρους, η Τεχνητή Νοημοσύνη είναι μια νεωτεριστική ιδέα. Χρειάζονται να εισαχθούν σε αυτήν και να διδαχθούν τι μπορεί και τι δεν μπορεί να κάνει. Υπάρχουν ορισμένες λανθασμένες αντιλήψεις για την Τεχνητή Νοημοσύνη που πρέπει να υπερβληθούν. Ορισμένοι οδοντίατροι μπορεί να τη θεωρούν ως απειλή, για παράδειγμα. Αυτές οι λανθασμένες αντιλήψεις θα επιλυθούν καθώς οι οδοντίατροι θα γίνουν καλύτερα ενημερωμένοι για τη χρησιμότητά της. Τα οφέλη της Τεχνητής Νοημοσύνης είναι θεμελιωδώς ελκυστικά – υψηλότερος стандарт φροντίδας, καλύτερη οδοντιατρική υγεία, ισχυρότεροι οικονομικοί αποτελέσματα για τις πρακτικές – οπότε περιμένω ότι η υιοθέτηση θα επιταχύνει γρήγορα μόλις η γνώση της Τεχνητής Νοημοσύνης στην οδοντιατρική φτάσει σε κρίσιμο σημείο.

Τι είναι η όρασή σας για το μέλλον της οδοντιατρικής φροντίδας σε 10 χρόνια;

Καθώς η οδοντιατρική βιομηχανία συνεχίζει να ενσωματώνει την ψηφιακή μεταμόρφωση, βλέπω τους οδοντιάτρους να ενσωματώνουν την Τεχνητή Νοημοσύνη στις περισσότερες από τις χρονοβόρες εργασίες που εκτελούν καθημερινά – όπως η καταγραφή, η προγραμματισμένη διαδικασία, η διαχείριση αποθήκης – ώστε να εστιάσουν στους ασθενείς και όχι στις ρουτινικές εργασίες που τους απομακρύνουν από το έργο για το οποίο οι ικανότητές τους είναι μοναδικά κατάλληλες. Θα δούμε einen υψηλότερο стандарт φροντίδας ασθενών σε όλα τα επίπεδα, χαμηλότερα κόστη και, τελικά, μια μεγαλύτερη βιομηχανία που φέρνει καλύτερη οδοντιατρική υγεία σε περισσότερους ανθρώπους σε όλο τον κόσμο.

Θα ήμουν έκπληκτος αν, μέσα σε 15 χρόνια, η Τεχνητή Νοημοσύνη δεν έχει αρχίσει να ανοίγει einen δρόμο προς αποτελεσματική προγνωστική διάγνωση και προσωποποιημένη σχεδίαση θεραπείας. Είναι αυτός ο ασθενής σε υψηλότερο κίνδυνο για καριές με βάση το γενετικό του προφίλ, τον τρόπο ζωής, τις προηγούμενες διαγνώσεις; Μπορούμε να συνιστούμε μια προληπτική προσέγγιση που θα μειώσει την ανάγκη για επεμβατική θεραπεία στο μέλλον; Αν έχει καριές τώρα, με βάση ό,τι ξέρουμε για τις ατομικές του ιδιότητες, πρέπει να προχωρήσουμε με τη θεραπεία τώρα ή μπορούμε να καθυστερήσουμε με την προσδοκία ότι μια συγκεκριμένη αλλαγή στον τρόπο ζωής ή την κατανάλωση θα μειώσει την εξέλιξη της αποσύνθεσης; Με την υποστήριξη της Τεχνητής Νοημοσύνης, πρέπει να μπορέσουμε να απαντήσουμε σε αυτά τα ερωτήματα – και, ενώ είμαστε στο θέμα, ίσως να στενεύουμε το ανόργανο χάσμα μεταξύ οδοντιατρικής και συστηματικής υγείας που υπάρχει σήμερα.

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

Εξπέρτες έχουν υποσχεθεί ότι η Τεχνητή Νοημοσύνη θα παρέχει καλύτερα κλινικά αποτελέσματα και οικονομικές εξοικονομήσεις στην ιατρική βιομηχανία για πάνω από μια δεκαετία. Πολλές από αυτές τις υποσχέσεις δεν έχουν πραγματοποιηθεί. Η οδοντιατρική είναι στην πραγματικότητα λίγο αργή να ενταχθεί στο παιχνίδι της Τεχνητής Νοημοσύνης, αλλά η Τεχνητή Νοημοσύνη προχωράει στην οδοντιατρική πολύ πιο γρήγορα από ότι σε άλλες ιατρικές κατηγορίες. Γιατί;

Συζητώντας την ιατρική από εμπορική οπτική, η οδοντιατρική είναι πολύ πιο επιχειρηματική από άλλες μορφές ιατρικής. Η οδοντιατρική εκτελείται σε πολλές μικρές, παραδοσιακά ιδιωτικές πρακτικές. Οι περισσότερες άλλες μορφές ιατρικής διαχειρίζονται από νοσοκομεία, τα οποία είναι γενικά μεγάλα γραφειοκρατικά εταιρικά ιδρύματα. Οι οδοντιατρικές πρακτικές και τα νοσοκομεία έχουν την ίδια επιθυμία να αυξήσουν την αποδοτικότητα, να βελτιώσουν τα αποτελέσματα των ασθενών, κ.λπ., αλλά δομικά τα νοσοκομεία είναι πολύ αργά και συντηρητικά για να ενσωματώσουν και να κεφαλαιοποιήσουν αποτελεσματικά τις αναδυόμενες τεχνολογίες που ικανοποιούν αυτές τις επιθυμίες. Οι οδοντιατρικές πρακτικές, από την άλλη πλευρά, είναι ευέλικτες – και ο επιχειρηματικός χαρακτήρας των οδοντιάτρων κάνει την οδοντιατρική μια πολύ πιο γόνιμη γη για καινοτομίες όπως η Τεχνητή Νοημοσύνη. Αν ένας οδοντίατρος βλέπει einen πιθανό όφελος σε κάτι, μπορεί να το εφαρμόσει αμέσως. Ένα νοσοκομείο δεν θα μπορέσει να ενεργήσει με αυτόν τον τρόπο. Θα υπάρξουν μελέτες σκοπιμότητας και επίδρασης, αντίδραση από ανταγωνιστικά ενδιαφέροντα και μετόχους, διαπραγματεύσεις προϋπολογισμού και μια σειρά από άλλα εμπόδια που θα πρέπει να διασχίσει μια νέα τεχνολογία πριν από την εφαρμογή της.

Ισότιμα σημαντικό, ωστόσο, είναι το γεγονός ότι οι οδοντίατροι μπορούν να συνεισφέρουν στην προσπάθεια να αναπτύξουν και να βελτιώσουν την Τεχνητή Νοημοσύνη εάν το επιθυμούν. Η Pearl μπόρεσε να συλλάβει, να κατασκευάσει και να εμπορευματοποιήσει αυτήν την τεχνολογία τόσο γρήγορα όσο έχουμε, τόσο porque οι οδοντίατροι είναι ενεργοί και ενδυναμωμένοι καταναλωτές – αναπτύσσουμε προϊόντα για μια αγορά που δεν είναι εγκλωβισμένη από την γραφειοκρατική τριβή που αντιμετωπίζουν οι εταιρείες που προσπαθούν να πουλήσουν σε νοσοκομεία – και porque οι οδοντίατροι είναι ελεύθεροι να δώσουν την υλική και πνευματική υποστήριξή τους στις προσπάθειές μας. Τελικά, η Τεχνητή Νοημοσύνη μας είναι τόσο έξυπνη όσο είναι επειδή έχει εκπαιδευτεί και εξευγενιστεί από einen στρατό έξυπνων οδοντιάτρων που πιστεύουν στην τεχνολογία και ήταν ελεύθεροι να συνεισφέρουν στη δημιουργία της.

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