Ophir Tanz, ιδρυτής και διευθύνων σύμβουλος της Pearl – Interview Series

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 βοηθός του οδοντιάτρου και ο πιο αξιόπιστος φίλος του ασθενούς. Οι ιδρυτές του έχουν μια μοναδική προσωπική σύνδεση με τις περιπλοκές της οδοντιατρικής βιομηχανίας, καθώς και τη γνώση και την εκπαίδευση για την πραγματοποίηση του πλήρους και πρακτικού δυναμικού που έχει να προσφέρει η τεχνητή νοημοσύνη.

Τι σας τράβηξε αρχικά στην Τεχνητή Νοημοσύνη;

Ενδιαφέρομαι για την τεχνητή νοημοσύνη από τότε που ήμουν στο κολέγιο. Είδα πολλές ευκαιρίες εκεί και αυτό ώθησε τη φιλοδοξία μου να τις εφαρμόσω στη δημιουργία νέων δυνατοτήτων και εμπορικών εφαρμογών. Συγκεκριμένα, με ενδιέφερε η όραση υπολογιστών –– ο τομέας της τεχνητής νοημοσύνης όπου διδάσκουμε τους υπολογιστές να βλέπουν, να επεξεργάζονται και να κατανοούν τον κόσμο με τον ίδιο τρόπο που κάνει ο ανθρώπινος εγκέφαλος –– έτσι, μετά την αποφοίτησή μου, ίδρυσα μια εταιρεία, την GumGum, που επικεντρώθηκε σχετικά με την εφαρμογή νοημοσύνης οπτικών μηχανών για τη δημιουργία αξίας στην κατηγορία των ψηφιακών μέσων. Αν και κατάλαβα τη δύναμη της τεχνητής νοημοσύνης πολύ νωρίς, καθώς μεγάλωσα αυτήν την εταιρεία, εντυπωσιάστηκα από το πόσο προηγμένο και πρακτικό γινόταν ο τομέας –– και άρχισα να ενδιαφέρομαι όλο και περισσότερο για ευρύτερες εφαρμογές της τεχνολογίας.

Η πρώτη σας εταιρεία GumGum που ειδικεύτηκε στη χρήση τεχνητής νοημοσύνης στη διαφήμιση με βάση τα συμφραζόμενα κατέληξε να έχει τεράστια επιτυχία, σε τι αποδίδετε αυτήν την επιτυχία;

Νομίζω ότι αυτό που επέτρεψε στο GumGum να πετύχει στον βαθμό που έχει ήταν η έμφαση που δώσαμε στην εφαρμογή και την καινοτομία AI. Είναι κατά κύριο λόγο μια εταιρεία ψηφιακής διαφήμισης, αλλά παρόλο που λειτουργούσαμε εντός των ευρύτερων ορίων αυτής της κατηγορίας, η δουλειά που κάναμε με την τεχνητή νοημοσύνη δεν περιοριζόταν στην πραγματικότητα από την κατηγορία. Αυτό σήμαινε ότι ήμασταν μια εταιρεία τεχνολογίας όσο μια εταιρεία adtech που δημιούργησε σημαντική διαφοροποίηση. Η νοοτροπία μας για την τεχνητή νοημοσύνη μας οδήγησε να καινοτομήσουμε σε τομείς εκτός των φυσικών ορίων της ψηφιακής διαφήμισης – στην αξιολόγηση χορηγιών και, φυσικά, στην οδοντιατρική. Επειδή ποτέ δεν επικεντρωθήκαμε στο να είμαστε «απλώς μια διαφημιστική εταιρεία» και αναζητούμε συνεχώς τρόπους για να τα καταφέρουμε καλύτερα, η GumGum μπόρεσε να αναπτυχθεί μαζί μας καθώς το όραμά μας διευρύνθηκε και εξελισσόταν η υποκείμενη τεχνολογία και το πεδίο της τεχνητής νοημοσύνης.

Θα μπορούσατε να μοιραστείτε την ιστορία γένεσης πίσω από τη νέα σας startup τεχνητής νοημοσύνης Pearl;

Αφού ξεκίνησα το GumGum και επικεντρώθηκα στην όραση του υπολογιστή, ήξερα ότι μπορούσαμε να κάνουμε περισσότερα με την τεχνολογία και ήμουν πάντα σε επιφυλακή για νέες εφαρμογές. Η υγειονομική περίθαλψη και η ακτινολογία είχαν ιδιαίτερο ενδιαφέρον για μένα και αντιπροσώπευαν επίσης σαφείς εφαρμογές του τύπου μηχανικής εκμάθησης που εφάρμοζε το GumGum. Ξεκινήσαμε ένα οδοντιατρικό τμήμα που ονομάζεται GumGum Dental, το οποίο ήταν η γένεση του Pearl. Αποφάσισα να αποχωρήσω εντελώς το οδοντιατρικό τμήμα γιατί πίστευα ότι η ευκαιρία δικαιολογούσε μια αυτόνομη εταιρεία. Υποθέτω ότι θα μπορούσατε να πείτε ότι ήταν γραφτό να γίνει κατά κάποιο τρόπο – ο πατέρας μου ήταν οδοντίατρος και εγώ μεγάλωσα βοηθώντας στο ιατρείο του, οπότε η μετάβαση στο να επικεντρωθώ στην οδοντιατρική βιομηχανία ήταν μια μικρή επιστροφή για μένα. Αλλά δεν είναι ότι η παιδική μου σχέση με την οδοντιατρική ήταν η κύρια ώθηση για την επιθυμία μου να οδηγήσω την Pearl ως ένα νέο εγχείρημα. Πιστεύω ακράδαντα η όραση του υπολογιστή και η τεχνητή νοημοσύνη θα μεταμορφώσουν την οδοντιατρική και την παγκόσμια υγειονομική περίθαλψη και ήθελα να είμαι σε θέση να δώσω την προσοχή στο έργο που πιστεύω ότι του αξίζει.

Θα μπορούσατε να συζητήσετε τα συστήματα όρασης υπολογιστή και μηχανικής μάθησης που χρησιμοποιούνται για τη σάρωση ακτινογραφικών και τρισδιάστατων οδοντιατρικών εικόνων;

Η όραση υπολογιστή είναι μια μορφή τεχνητής νοημοσύνης που διδάσκει στους υπολογιστές να «βλέπουν» με τον ίδιο τρόπο που κάνουν οι άνθρωποι. Τροφοδοτούμε μεγάλες ποσότητες δεδομένων οδοντιατρικών εικόνων σχολιασμένων από ειδικούς σε μια σειρά αλγορίθμων που διαμορφώνονται με βάση τα νευρωνικά δίκτυα στον ανθρώπινο εγκέφαλο. Μελετώντας τις σχολιασμένες εικόνες, το δίκτυο μαθαίνει πώς να αναγνωρίζει οδοντικές παθολογίες του είδους που έχουν σημειωθεί στις σχολιασμένες εικόνες. Αυτή η διαδικασία ονομάζεται «εποπτευόμενη μάθηση». 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 κρυμμένο αντικείμενο ή ένα αντικείμενο που είναι ορατό μόνο από συγκεκριμένες γωνίες, απορροφώντας χιλιάδες διαφορετικά παραδείγματα και δημιουργώντας αυτό που είναι ουσιαστικά η εκδοχή ενός υπολογιστή για μια νοητική εικόνα αυτού του αντικειμένου.

Διδάξαμε τους αλγόριθμους τεχνητής νοημοσύνης και μηχανικής μάθησης δημιουργώντας μια μεγάλη συλλογή από ακτινογραφίες και συνεργαστήκαμε με οδοντίατρους και ακτινολόγους για να επισημάνουμε τις εικόνες και, στη συνέχεια, χρησιμοποιήσαμε αυτές τις ετικέτες για να διδάξουμε στο σύστημα να ερμηνεύει νέες εικόνες. Τώρα έχουμε μια τεχνητή νοημοσύνη που μπορεί να υποδείξει πιθανά ζητήματα που μπορούν να εντοπιστούν στις ακτινογραφίες και να βοηθήσει τους οδοντιάτρους να διαβάσουν τις ακτινογραφίες ασθενών με μεγαλύτερη ακρίβεια και συνέπεια.

Για τα συστήματα τρισδιάστατων εικόνων μας, χρησιμοποιούμε παρόμοια προσέγγιση αλλά με διαφορετικές κατηγορίες αλγορίθμων. Με το 3D, η εκπαίδευση μπορεί να είναι πιο περίπλοκη, επειδή οι τρισδιάστατες εικόνες περιέχουν πολύ περισσότερα δεδομένα, γεγονός που μερικές φορές κάνει τον σχολιασμό πιο επίπονο. Φυσικά, επειδή υπάρχουν πολύ περισσότερα δεδομένα, αφού το σύστημα έχει εκπαιδευτεί να ερμηνεύει μια τρισδιάστατη εικόνα, είναι πραγματικά σε θέση να είναι πιο ακριβές στα ευρήματά του. Είναι ουσιαστικά το ίδιο με όταν ένας άνθρωπος κοιτάζει μια κωνική δέσμη έναντι μιας παραδοσιακής ακτινογραφίας δαγκώματος: Μπορούμε να δούμε κάθε μικρή πτυχή του δοντιού σε μια υπολογιστική τομογραφία κωνικής δέσμης (CBCT), αλλά συχνά μπορούμε απλώς να διακρίνουμε ορισμένα βασικά δόντια δομές σε ένα τσίμπημα. Το AI αντιμετωπίζει την ίδια πρόκληση.

Τι είδους πληροφορίες ή διάγνωση αποκαλύπτει αυτό το σύστημα;

Το ακτινολογικό μας σύστημα AI μπορεί να ανιχνεύσει μια μεγάλη σειρά από παθολογικές και μη παθολογικές καταστάσεις, χαρακτηριστικά αποκατάστασης και φυσική ανατομία. Τερηδόνα, μέτρηση οστικής απώλειας, περιακρορριζική ακτινοδιαύγεια, λογισμός, συνωστισμός, λογισμός, πρόσκρουση, WPL, φουσκώματα, απόφραξη, απόκλιση περιθωρίου – η λίστα είναι πολύ μεγάλη για να απαριθμήσει τα πάντα και συνεχίζει να αυξάνεται. Πολλές από αυτές τις δυνατότητες περιλαμβάνονται στο Second Opinion, το βοήθημα ανίχνευσης παθολογίας σε πραγματικό χρόνο που διατίθεται επί του παρόντος στον Καναδά, την Αυστραλία, την Ευρώπη και πολλές άλλες περιοχές, και οι περισσότερες εφαρμόζονται στο Practice Intelligence, τη λύση κλινικής νοημοσύνης που δεν αντιμετωπίζει ασθενείς, η οποία είναι διαθέσιμη σε πρακτικές στις ΗΠΑ και παγκοσμίως

Σε ποιον τύπο δεδομένων εικόνων εκπαιδεύτηκε το σύστημα;

Το ακτινολογικό μας σύστημα ανίχνευσης παθολογίας εκπαιδεύτηκε στις ακτινογραφίες δαγκώματος, περιακρορριζικής και πανοραμικής ακτινογραφίας, οι οποίες είναι πιο κοινές στην οδοντιατρική διάγνωση – τα είδη των ακτινογραφιών που λαμβάνετε στον οδοντίατρο κάθε δύο χρόνια περίπου, και ανάλογα με την ανάγκη. Οι ακτινογραφικές εικόνες είναι σχετικά εύκολο να ληφθούν στον οδοντιατρικό τομέα σε σύγκριση με άλλες μορφές ιατρικής και περισσότερες οδοντιατρικές ακτινογραφίες λαμβάνονται ετησίως από οποιαδήποτε άλλη μορφή ακτινογραφίας. Το δαπανηρό και χρονοβόρο μέρος είναι να κάνουν τους ειδικούς να επανεξετάσουν και να σχολιάσουν τις ακτινογραφίες. Συγκεντρώσαμε τη μεγαλύτερη συλλογή οδοντιατρικών ακτινογραφιών με ετικέτα στον κόσμο. Αυτή η διαθεσιμότητα ακτινογραφικών δεδομένων είναι μέρος αυτού που κάνει το οδοντικό πεδίο τόσο ώριμο για διακοπή από την τεχνητή νοημοσύνη.

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

Έχουμε πραγματοποιήσει αρκετές μεγάλες μελέτες σε χιλιάδες ακτινογραφίες και εκατοντάδες οδοντιάτρους για να ελέγξουμε την ακρίβεια του συστήματός μας, τόσο ως αυτόνομο σύστημα ανίχνευσης όσο και όταν χρησιμοποιείται για να βοηθήσουμε τους οδοντιάτρους. Εξετάσαμε την ακρίβεια για κάθε τύπο ανίχνευσης καθώς και γενικά για όλες τις ανιχνεύσεις που υποστηρίζονται από το σύστημα. Υπάρχει διακύμανση στην ακρίβεια μεταξύ μεμονωμένων κατηγοριών ανίχνευσης με ακρίβεια που κυμαίνεται από περίπου 84-96 τοις εκατό. Συνολικά, το σύστημα είναι σωστό λίγο πάνω από το 92 τοις εκατό των περιπτώσεων. Αυτό είναι πολύ καλό και το σύστημα συνεχίζει να βελτιώνεται.

Φυσικά, αυτά τα στοιχεία απόλυτης ακρίβειας δεν είναι στην πραγματικότητα τόσο ενδεικτικά όσο η σχετική ακρίβεια του συστήματος σε σύγκριση με τους ανθρώπινους οδοντιάτρους. Εάν η ανθρώπινη ακρίβεια ήταν 60%, ένα σύστημα τεχνητής νοημοσύνης που ήταν ακριβές μόνο στο 70% των περιπτώσεων θα παρείχε σημαντικό πλεονέκτημα στους οδοντιάτρους που το χρησιμοποιούσαν. Στις μελέτες που πραγματοποιήσαμε και περιελάμβαναν ένα ανεξάρτητο ανθρώπινο συστατικό, οι οδοντίατροι κυμαίνονται από 70-85%. Ωστόσο, υπάρχει σημαντική απόκλιση μεταξύ των μεμονωμένων οδοντιάτρων, επομένως σίγουρα υπάρχουν ορισμένοι οδοντίατροι που είναι εξίσου ή πιο ακριβείς από το σύστημά μας και ένα καλό ποσοστό που είναι πολύ λιγότερο ακριβείς. Για να αξιολογήσουμε το όφελος του συστήματος, αυτό που θέλουμε να δούμε είναι μια αύξηση στην ακρίβεια για έναν οδοντίατρο όταν χρησιμοποιεί το σύστημα σε σύγκριση με τον ίδιο οδοντίατρο όταν δεν το χρησιμοποιεί. Οι μελέτες μας δείχνουν ένα σαφές όφελος εκεί.

Τώρα που η Δεύτερη Γνώμη χρησιμοποιείται σε πρακτικές, πρέπει να κάνουμε περισσότερη έρευνα εξετάζοντας τις επιπτώσεις στον πραγματικό κόσμο. Αρχίζουμε να το κάνουμε αυτό με τη βοήθεια ακαδημαϊκών εταίρων στη Γερμανία. Επιταχύνει τις επισκέψεις ασθενών; Διευκολύνει την καλύτερη επικοινωνία γιατρού-ασθενούς; Βελτιώνει την εμπιστοσύνη των ασθενών; Αυξάνει την αποδοχή της υπόθεσης; Αυτήν τη στιγμή εργαζόμαστε για να απαντήσουμε σε αυτές τις ερωτήσεις. Τελικά, θα θέλαμε να διερευνήσουμε τον αντίκτυπο του συστήματος στα αποτελέσματα της υγείας των ασθενών, αλλά αυτό είναι ένα πιο μακροπρόθεσμο έργο.

Πρέπει να σημειώσω ότι, επειδή το Practice Intelligence είναι εν μέρει ένα εργαλείο ανάλυσης που μπορεί να αξιολογήσει τα χαρακτηριστικά υγείας των ασθενών σε όλη την πρακτική και την απόδοση του διαγνωστικού και σχεδιασμού θεραπείας των επαγγελματιών, έχουμε πραγματικά κάποια αίσθηση του πώς η τεχνητή νοημοσύνη μπορεί να επηρεάσει τη φροντίδα των ασθενών. Δεν είναι έρευνα ακαδημαϊκού τύπου, αλλά πρόσφατα πραγματοποιήσαμε μια μελέτη που εξετάζει δεδομένα παραγωγής από δέκα γραφεία με δυνατότητα Practice Intelligence σε περίοδο ενός μήνα. Κατά τη διάρκεια αυτού του μήνα, το σύστημα εμφανίστηκε κατά μέσο όρο πάνω από 84,000 $ ανά πρακτική άσκηση σε πιθανή χαμένη ευκαιρία θεραπείας σε προηγούμενες ακτινογραφίες για ασθενείς με προγραμματισμένα ραντεβού εκείνη την περίοδο. Για αυτές τις πιθανές ευκαιρίες που εμφανίστηκαν στα 84,000 $, οι πρακτικές μπόρεσαν να ολοκληρώσουν κατά μέσο όρο 12,500 $ σε θεραπεία αποκατάστασης και επιπλέον 23,800 $ σε εξειδικευμένη θεραπεία. Αυτή η ώθηση προέρχεται από ευκαιρίες θεραπείας που προηγουμένως είχαν χαθεί. Επειδή ολοκληρώθηκε, μπορούμε να υποθέσουμε ότι αυτές οι θεραπείες ήταν απαραίτητες και θα έπρεπε να είχαν παρασχεθεί μετά από προηγούμενες επισκέψεις των ασθενών. Αυτή ήταν μια άτυπη μελέτη περίπτωσης, αλλά φαίνεται να δείχνει ξεκάθαρα ότι η τεχνητή νοημοσύνη αποφέρει σημαντικά οφέλη, τόσο στους ασθενείς όσο και στις πρακτικές που τη χρησιμοποιούν.

Τι κατά τη γνώμη σας εμποδίζει την ευρύτερη υιοθέτηση της τεχνητής νοημοσύνης στις οδοντιατρικές κλινικές;

Η υποδοχή ήταν συντριπτικά θετική από οδοντιάτρους που χρησιμοποιούν το Second Opinion στο εξωτερικό και τα χιλιάδες γραφεία που έχουν αναπτύξει το Practice Intelligence στις ΗΠΑ, επομένως υπάρχει ένα τμήμα του κλάδου που έχει ήδη επιθυμία για ευρεία ενσωμάτωση AI στην οδοντιατρική. Αλλά η ευρύτερη υιοθέτηση απαιτεί ευρύτερη συνειδητοποίηση. Το AI είναι νέο στον οδοντιατρικό τομέα. Όταν ξεκινήσαμε να εργαζόμαστε στην οδοντιατρική ακτινολογία ως GumGum Dental, ήμασταν, εξ όσων γνωρίζω, η μόνη εμπορική επιχείρηση που συμμετείχε στην προσπάθεια. Αυτό ήταν πριν από πέντε χρόνια. Οι πρώτες εμπορεύσιμες λύσεις εμφανίστηκαν στα τέλη του 2019 και ήταν ασφαλιστικές και εργαστηριακές εφαρμογές, όχι κλινικές εφαρμογές. Παρουσιάσαμε το Practice Intelligence το 2020 και το Second Opinion εισήλθε στην παγκόσμια αγορά τον Σεπτέμβριο του 2021. Όσον αφορά τους περισσότερους οδοντιάτρους, η τεχνητή νοημοσύνη είναι μια καινοτομία. Πρέπει να το μυηθούν και να διδαχθούν τι μπορεί και τι δεν μπορεί να κάνει. Υπάρχουν κάποιες παρανοήσεις σχετικά με την τεχνητή νοημοσύνη που πρέπει να ξεπεραστούν. Ορισμένοι οδοντίατροι μπορεί να τείνουν να δουν την τεχνητή νοημοσύνη ως απειλή, για παράδειγμα. Αυτές οι λανθασμένες αντιλήψεις θα επιλυθούν καθώς οι οδοντίατροι ενημερωθούν καλύτερα για τη χρησιμότητά του. Τα οφέλη της τεχνητής νοημοσύνης είναι θεμελιωδώς ελκυστικά – υψηλότερο επίπεδο φροντίδας, καλύτερη στοματική υγειονομική περίθαλψη, ισχυρότερα οικονομικά αποτελέσματα για πρακτικές – επομένως αναμένω ότι η υιοθέτηση θα επιταχυνθεί γρήγορα μόλις ο γραμματισμός της τεχνητής νοημοσύνης στην οδοντιατρική φτάσει σε κρίσιμη μάζα.

Ποιο είναι το όραμά σας για το μέλλον της οδοντιατρικής φροντίδας σε 10 χρόνια;

Καθώς η οδοντιατρική βιομηχανία συνεχίζει να αγκαλιάζει τον ψηφιακό μετασχηματισμό, βλέπω οδοντίατρους να ενσωματώνουν την τεχνητή νοημοσύνη στις περισσότερες από τις χρονοβόρες εργασίες που εκτελούν καθημερινά –όπως χαρτογράφηση, προγραμματισμός, λειτουργίες, διαχείριση αποθεμάτων– έτσι ώστε να επικεντρώνονται στους ασθενείς και όχι στις συνήθεις εργασίες που τους απομακρύνει από την εργασία για την οποία ταιριάζουν μοναδικά οι δεξιότητές τους. Θα δούμε υψηλότερο επίπεδο φροντίδας ασθενών σε όλους τους τομείς, χαμηλότερο κόστος και, τελικά, μια μεγαλύτερη βιομηχανία που θα προσφέρει καλύτερη στοματική υγεία σε περισσότερους ανθρώπους σε όλο τον κόσμο.

Θα εκπλαγώ επίσης εάν, μέσα σε 15 χρόνια, η τεχνητή νοημοσύνη δεν έχει αρχίσει να ανοίγει μια πορεία προς την αποτελεσματική προγνωστική διάγνωση και τον εξατομικευμένο σχεδιασμό θεραπείας. Είναι αυτός ο μεμονωμένος ασθενής σε υψηλότερο κίνδυνο για τερηδόνα με βάση το γενετικό του προφίλ, τον τρόπο ζωής του, τις προηγούμενες διαγνώσεις του; Μπορούμε να προτείνουμε μια προληπτική προσέγγιση που θα μειώσει την ανάγκη τους για επεμβατική θεραπεία στο μέλλον; Εάν έχουν τερηδόνα τώρα, με βάση όσα γνωρίζουμε για τα ατομικά τους χαρακτηριστικά, πρέπει να προχωρήσουμε σε θεραπεία αποκατάστασης τώρα ή μπορούμε να καθυστερήσουμε με την προσδοκία ότι μια συγκεκριμένη αλλαγή στον τρόπο ζωής ή στην κατανάλωση πιθανότατα θα μειώσει την εξέλιξη της τερηδόνας; Με την υποστήριξη της τεχνητής νοημοσύνης, θα πρέπει να είμαστε σε θέση να απαντήσουμε σε αυτές τις ερωτήσεις – και, ενώ βρισκόμαστε σε αυτό, ίσως να περιορίσουμε το αφύσικο χάσμα μεταξύ της στοματικής και της συστημικής υγείας που υπάρχει σήμερα.

Υπάρχει κάτι άλλο που θα θέλατε να μοιραστείτε για το Pearl;

Οι ειδικοί υπόσχονται ότι η τεχνητή νοημοσύνη θα προσφέρει καλύτερα κλινικά αποτελέσματα και εξοικονόμηση κόστους στον κλάδο της υγειονομικής περίθαλψης για πάνω από μια δεκαετία. Πολλές από αυτές τις υποσχέσεις δεν έχουν πραγματοποιηθεί. Η Οδοντιατρική είναι στην πραγματικότητα λίγο αργά στο παιχνίδι της τεχνητής νοημοσύνης, αλλά η τεχνητή νοημοσύνη προχωρά στην οδοντιατρική πολύ πιο γρήγορα από ό,τι σε άλλες κατηγορίες υγειονομικής περίθαλψης. Γιατί;

Λαμβάνοντας υπόψη την ιατρική μέσω ενός εμπορικού φακού, η οδοντιατρική είναι πολύ πιο επιχειρηματική από άλλες μορφές ιατρικής. Η οδοντιατρική εκτελείται σε πολλά μικρά, παραδοσιακά ιδιόκτητα ιατρεία. Οι περισσότερες άλλες μορφές ιατρικής διαχειρίζονται νοσοκομεία, τα οποία είναι γενικά μεγάλα γραφειοκρατικά εταιρικά ιδρύματα. Τα οδοντιατρεία και τα νοσοκομεία έχουν την ίδια επιθυμία να αυξήσουν την αποτελεσματικότητα, να βελτιώσουν τα αποτελέσματα των ασθενών, κ.λπ., αλλά δομικά τα νοσοκομεία κινούνται πολύ αργά και συντηρητικά για να ενσωματώσουν αποτελεσματικά και να κεφαλαιοποιήσουν τις αναδυόμενες τεχνολογίες που ικανοποιούν αυτές τις επιθυμίες. Τα οδοντιατρικά ιατρεία, από την άλλη πλευρά, είναι ευέλικτα – και ο επιχειρηματικός χαρακτήρας των οδοντιάτρων καθιστά την οδοντιατρική ένα πολύ πιο πρόσφορο έδαφος για καινοτομίες όπως η τεχνητή νοημοσύνη. Εάν ένας οδοντίατρος δει ένα πιθανό όφελος σε κάτι, μπορεί να το εφαρμόσει αμέσως. Ένα νοσοκομείο δεν θα είναι σε θέση να ενεργήσει με τέτοιου είδους μονομερή αποφασιστικότητα. Θα υπάρξουν μελέτες σκοπιμότητας και επιπτώσεων, απώθηση από αντισταθμιστικά συμφέροντα και ενδιαφερόμενα μέρη, διαπραγματεύσεις για τον προϋπολογισμό και ένα γάντι άλλων κρίκων μέσω των οποίων μια νέα τεχνολογία θα πρέπει να πηδήξει πριν από την εφαρμογή.

Εξίσου σημαντικό όμως είναι το γεγονός ότι οι οδοντίατροι μπορούν να συμβάλουν στην προσπάθεια ανάπτυξής του και βελτίωσής του εάν το επιθυμούν. Η Pearl μπόρεσε να συλλάβει, να κατασκευάσει και να εμπορευματοποιήσει αυτήν την τεχνολογία τόσο γρήγορα όσο και επειδή οι οδοντίατροι είναι ενεργοί και ισχυροί καταναλωτές – αναπτύσσουμε προϊόντα για μια αγορά που δεν επιβαρύνεται από τη γραφειοκρατική τριβή που αντιμετωπίζουν οι εταιρείες που προσπαθούν να πουλήσουν στα νοσοκομεία – και γιατί οι οδοντίατροι είναι ελεύθεροι να βάλουν την υλική και πνευματική τους υποστήριξη πίσω από τις προσπάθειές μας. Τελικά, η τεχνητή νοημοσύνη μας είναι τόσο έξυπνη όσο και επειδή έχει εκπαιδευτεί και τελειοποιηθεί από μια στρατιά έξυπνων οδοντιάτρων που πιστεύουν στην τεχνολογία και είχαν την ελευθερία να συνεισφέρουν στη δημιουργία της.

Σας ευχαριστούμε για την υπέροχη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να το επισκεφτούν Pearl.