Chaim Linhart, PhD, Ibex Medical Analyticsin perustaja ja CTO – Haastattelusarja

Chaim Linhart, PhD on Ibex Medical Analyticsin CTO ja perustaja. Hänellä on yli 25 vuoden kokemus algoritmikehityksestä, tekoälystä ja koneoppimisesta sekä akateemisesta maailmasta että palvellessaan Israelin armeijan erikoisyksikössä ja useissa teknologiayrityksissä. Chaimilla on tietojenkäsittelytieteen tohtorin tutkinto Tel Avivin yliopistosta, ja hän on voittanut useita Kaggle-koneoppimiskilpailuja.

Vuodesta 2016 lähtien Ibex on johtanut tietä patologian diagnostiikassa käytettävän tekoälyn kehittämisessä. Yritys pyrki muuttamaan patologian alan varmistamalla, että jokainen potilas voi saada tarkan, ajantasaisen ja henkilökohtaisen syöpädiagnoosin. Nykyään Ibex on laajimmin käytössä oleva tekoälyalusta patologian alalla. Patologeja varten kehitettyjen ratkaisujen avulla maailman johtavat lääkärit, terveydenhuollon organisaatiot ja diagnostiikkapalveluntarjoajat hyötyvät niistä. Jokaisena päivänä Ibexilla on etuoikeus vaikuttaa potilaiden elämään maailmanlaajuisesti. Alusta lisää lääkärien luottamusta, sujuvoittaa diagnostiikkaa, auttaa kliinisissä diagnooseissa ja parantaa kliinisiä tuloksia.

Voitko kertoa Ibexin perustamisen taustasta ja visiosta syövän diagnostiikan muuttamiseksi tekoälyn avulla?

Vuonna 2016 minun perustajakumppani Joseph Mossel ja minä opimme patologian digitaalivallankumouksen suoran vaikutuksen parantamiseen syövän diagnostiikassa. Radiologia oli kokenut samanlaisen muodonmuutoksen 20 vuotta aikaisemmin, mikä vaikutti merkittävästi erikoisalansa harjoittamiseen. Patologian digitalisoituessa tunnistimme mahdollisuuden kehittää uusia edistyneitä työkaluja, jotka hyödyntävät tekoälyä suorittaakseen monimutkaisia kuvananalyysiä. Olemme keskittyneet kehittämään tekoälypohjaisia työkaluja, jotka auttavat lääkäreitä saavuttamaan tarkemmat, objektiiviset ja toistettavat diagnoosit, ja siten auttavat jokaista potilasta saamaan oikean diagnoosin oikeaan aikaan, mikä johtaa parhaisiin mahdollisiin hoitotuloksiin.

Miten syövän diagnostiikan maisema on muuttunut Ibexin perustamisen jälkeen vuonna 2016?

Laboratoriot ovat omaksuneet digitalisaation kasvavan nopeasti, ja Covid-19 on kiihdyttänyt tätä kehitystä. Digitaalinen vallankumous on mahdollistanut laboratorioiden laajentaa kykyjään merkittävällä ja merkityksellisellä tavalla hyödyntämällä tekoälyä, joka auttaa patologeja analysoimaan ja ymmärtämään tuloksia tehokkaasti.

Syövän diagnostiikkaan käytettävän tekoälyn ala on kasvanut eksponentiaalisesti, ja olemme nähneet startup-yrityksiä ja muita yrityksiä työskentelemässä eri aihepiireillä patologian tekoälysovelluksissa syövän diagnostiikan parissa. Tarkkuuslääketiede esimerkiksi on dataohjattu potilaiden stratifikaatio, jota mahdollistaa tarkan diagnoosin ja eri informaatiotieteellisten lähestymistapojen avulla, jotka johtavat optimaalisiin, henkilökohtaisiin hoitotuloksiin. Tarkkuuslääketieteessä tapahtuva kasvu lisää tarvetta monimutkaisemmille diagnostiikoille, jotka tukevat uusia kohdennettuja hoitoja.

Olemme myös nähneet kasvavan määrän akateemisia julkaisuja ja teollisuusjärjestöjä, jotka keskittyvät tähän alaan. Kun Joseph ja minä osallistuimme ensimmäiseen konferenssiimme digitaalisesta ja laskennalllisesta patologiasta vuonna 2016, tekoäly oli vain pieni osa syövän diagnostiikkaa koskevaa keskustelua, eikä se ollut vielä valtavirtaa. Nykyään, kun osallistumme suureen patologian konferenssiin, tekoäly on pääasia.

Mikä erottaa Ibexin muista yrityksistä tekoälyllisen patologian alalla?

Kun puhumme tekoälyllisestä patologiasta, on useita alaalaa. On yrityksiä, jotka priorisoivat tutkimussovelluksia, kuten työkaluja, jotka analysoivat kudoksia, jotta voidaan ymmärtää tautiprosesseja morfologisella ja solutasolla. Toisaalta on yrityksiä, jotka keskittyvät lähinnä kliinisiin sovelluksiin, eli tuotteisiin, jotka käytetään laboratorioissa tukemaan rutiinidiagnooseja.

Ibex keskittyy kliinisiin sovelluksiin, ja meillä on laajin ja monipuolisin asennusalue maailmanlaajuisesti, jossa patologit käyttävät päivittäin työkalujamme syövän diagnostiikkaan. Olemme myös yhteistyössä lääketeollisuuden kanssa kehittääksemme tekoälyllisiä kliinisiä sovelluksia, jotka tukevat patologeja biomerkkereiden määrityksessä, mikä mahdollistaa kohdennetut hoitomenetelmät.

Lisäksi, kun jotkut yritykset keskittyvät tiettyihin, rajoitettuihin osoituksiin per syövän tyyppi, kuten syövän havaitsemiseen, lähestymistapamme on kouluttaa tekoäly analysoimaan kaiken, minkä patologi näkee näissä kudoksissa. Se ei ole vain syövän havaitsemisesta kyse, vaan myös syövän tyypistä ja alatyypistä, asteesta, koosta sekä syövän liittyvistä morfologioista ja muista kliinisistä piirteistä. Tiedämme, että patologia on enemmän kuin vain määrittää, onko potilaalla syöpä vai ei. Haluamme auttaa patologeja ymmärtämään, mitkä ovat tekoälyn edut.

Voitko selittää Ibexin ratkaisujen ydinteknologian ja sen avulla patologit voivat parantaa syövän havaitsemista ja luokittelua?

Lähestymistapamme on, että patologit kouluttavat koneen. Meillä on suuri joukko patologeja ympäri maailmaa, jotka merkitsevät ja luokittelevat mikroskooppikuvia. Tämä tarkoittaa, että he merkitsevät tiettyjä alueita kuvissa ja luokittelevat ne. He voivat merkitä matala-asteisen syövän, verisuonen, hermon, tulehduksen jne. Otamme tämän datan ja käytämme sitä kouluttaaksemme tekoälymallit. Tämä varmistaa, että tekoäly on erittäin tarkka, myös harvinaisissa ja haastavissa tapauksissa, mikä on elintärkeää. Tekoälymme on opetettu patologeille ja koulutettu tunnistamaan monia eri rakenteita ja kudosten morfologioita, mikä on hyödyllistä patologeille ja lopulta lisää sen tarkkuutta. Pääsemällä laajaan tietopohjaan ja tietämykseen, pystymme parantamaan tekoälyämme ja toteuttamaan oppimisen saadusta palautteesta kenttätasolla.

Miten Ibex varmistaa kliinisen tason tarkkuuden eri syövän tyypeissä, kuten rintasyövissä, eturauhasen syövissä ja mahasyövissä?

Tämä vaatii paljon työtä. Keräämme dataa useista kumppaneistamme ympäri maailmaa. Varmistamme, että data on erittäin monipuolista, edustaen eri laboratorioita ja erilaisia kudosten valmistusmenetelmiä, skannereita ja kliinisiä löydöksiä. Rikastamme koulutusdataa harvinaisilla syövän tyypeillä. Tämä varmistaa, että tekoäly on koulutettu laajalla valikoimalla piirteitä. Koulutusprosessin aikana mitataan, mitä tekoäly tekee hyvin, ja määritetään, missä parannuksia tarvitaan. Tiimimme, jolla on laaja kokemus koneoppimisesta, testaa tekoälyä tuhansilla mikroskooppikuvilla, jotka olemme keränneet eri laboratorioista. Suoritamme tutkimuksia ja kliinisiä tutkimuksia ja vertaamme kahta perustavaa asiaa järjestelmässä. Ensinnäkin, tarkastelemme sen yksinomaista suorituskykyä verrattuna todellisiin tuloksiin. Toiseksi, määritämme, kuinka tarkasti patologi työskentelee tekoälyn kanssa ja ilman. Näin varmistamme, että tekoäly on tarkka, robusti, ei-harhaanjohtava ja turvallinen. Mitataan myös sen vaikutusta patologeihin, jotka käyttävät tekoälyä. Sovellustemme yli näemme, että patologi tekoälyn avustuksella saavuttaa paremmat tulokset (tarkoittaen tarkempia, suurempaa yhtenevyyttä todellisten tuloksien kanssa) kuin tavallisessa hoitokäytännössä (eli ilman tekoälyä). Mitataan myös heidän työnsä tehokkuutta ja muita tärkeitä tekoälyalustan hyötyjä, kuten laboratorion työnkulkujen optimointia ja odottamisen ajan (kuinka nopeasti potilas saa tulokset) lyhentämistä.

Mitkä ovat Ibexin ratkaisujen ainutlaatuiset ominaisuudet, jotka parantavat diagnostiikkaa ja potilaiden tuloksia?

Integroitu järjestelmämme sisältää mikroskooppikuvanäkymän, tekoälytulokset ja sisäänrakennetut raportointityökalut. Tämä kokonainen järjestelmä on suunniteltu parantamaan tarkkuutta ja tuottavuutta. Se opastaa patologeja diagnostisen prosessin läpi, näyttäen heille tärkeimmät löydökset jokaisessa tapauksessa ja mikroskooppikuvassa. Sen sijaan, että etsivät piirteitä, jotka voivat olla pieniä ja hankalia havaita, tekoäly korostaa kaiken erittäin selkeästi. Siitä patologi voi vahvistaa tai muuttaa. Tekoäly näyttää mittaamia ja kvantifioi; se myös pisteyttää kaiken. Sisäänrakennetuilla raportointityökaluilla patologi ei tarvitse tarkastella kuvaa, tehdä diagnoosia mielessään ja sitten siirtyä toiseen järjestelmään ja raportoida kaikkea; sen sijaan raportointi tehdään, kun tekoäly ohjaa integroitua työnkulkua. Jopa hiiren klikkauksia on optimoitu. Kaikki on suunniteltu patologeille, jotta heidän diagnostinen tarkkuutensa ja tehokkuutensa paranevat, mikä luo heille paremman työympäristön ja paremmat tulokset potilaille.

Miten Ibexin ratkaisut integroidaan olemassa oleviin digitaalisiin patologian ohjelmistoihin ja laboratoriotietojärjestelmiin?

Työskentelemme useiden alan toimijoiden kanssa, jotka myyvät kuvien hallintaratkaisuja tai tarjoavat laboratoriotietojärjestelmiä. Jokaiselle kumppanille on erilaisia integrointimahdollisuuksia. Joissakin tapauksissa upotamme tekoälymme heidän työkaluihinsa, jotta patologi voi käyttää heidän alustaaan tekoälymme sisällä. Toisissa tapauksissa integroidaan nämä työkalut siten, että patologit voivat käynnistää Ibexin toisesta järjestelmästä. Riippumatta integraatiosta, haluamme aina varmistaa, että käyttäjillä on optimaalinen tapa käyttää tekoälyä. Olemme myös kehittäneet avoimen sovellusliittymän (API), joka sallii kolmansille osapuolille, mukaan lukien muiden yritysten tai asiakkaiden IT-osastojen, hakea tietoa tekoälystämme ja integroida sen heidän ympäristöönsä.

Mitkä haasteet Ibex kohtasi saadakseen laajan hyväksynnän tekoälyllisistä ratkaisuista patologiassa?

Heijastuksen jälkeen sanon, että pääasiallinen haaste, jota Ibex kohtasi, liittyi siihen, kuinka monimutkainen ja työläs prosessi diagnostiikkaan käytettävien tuotteiden kehittäminen ja markkinoille saattaminen on. Tähän sisältyy monialaiset lähestymistavat: datan kerääminen, yhteistyö patologien kanssa, tekoälyn kouluttaminen ja testaaminen, kliinisten tutkimusten suorittaminen ja joissakin maantieteellisissä alueissa sääntelyhyväksyntä – ja kaiken tämän tekeminen tiukkojen laadunvarmistusmenettelyjen puitteissa. Lääketieteellisellä alalla on myös erittäin tärkeää luoda tieteellinen näyttö ja julkaista tulokset useiden laboratorioiden kanssa, jotta voidaan osoittaa tekoälyalustan suorituskyky ja hyödyt.

Toinen merkittävä haaste on integraatio. Meidän on varmistettava, että patologit voivat käyttää tekoälyä tehokkaalla ja luonnollisella tavalla. Laboratorioissa on useita järjestelmiä: digitaaliset patologian skannerit, laboratoriotietojärjestelmä ja työnkulku sekä raportointityökalut. Yksinkertaisesti sanottuna, me varmistamme, että kaikki toimii yhdessä mahdollisimman tehokkaasti, huolimatta haasteista.

Voitko jakaa joitakin menestystarinoita tai case-tutkimuksia terveydenhuollon organisaatioista, jotka ovat ottaneet käyttöön Ibexin ratkaisut?

Olemme erittäin ylpeitä kumppanuuksistamme ja globaalista ulottuvuudestamme. Esimerkiksi meillä on ensimmäinen kansallinen tekoälyratkaisun käyttöönotto Walesissa – kaikki Walesin terveysvirastot käyttävät Ibexin tekoälyratkaisua. Toisena esimerkkinä on CorePlus Laboratories Puerto Ricossa, joka on käyttänyt Ibexiä useita vuosia ja julkaisi tutkimuksen, joka osoittaa alustan vaikutuksen heidän kliinisessä käytännössään. Esimerkiksi käyttämällä tekoälyalgoritmia patologit pystyivät tunnistamaan 160 miestä, jotka olisivat muuten diagnosoidu väärin. Nämä potilaat saivat oikean hoidon tekoälyn tuen ansiosta. Tämä on todella vaikutus, jonka teemme. Se on asia, jota emme voi unohtaa – olemme täällä vaikuttaaksemme ihmisten elämään.

Mikä rooli tekoälyllä on tulevaisuudessa patologian ja syövän diagnostiikan alalla seuraavan vuosikymmenen aikana?

Seuraavan vuosikymmenen aikana näemme, kuinka patologit jatkavat tekoälyn käyttöä heidän ensisijaisissa diagnostiikkaan liittyvissä pyrkimyksissään. Ennustan, että patologit käyttävät tekoälyä suurimmassa osassa työkuormastaan, jotta varmistetaan, että laatu on korkea ja kaikki on objektiivista, toistettavaa ja ajankohtaista. Lisäksi tekoäly auttaa lääkäreitä tekemään asioita, joita he eivät tällä hetkellä tee. Se voi auttaa heitä päättämään, mitkä lisätutkimukset on suoritettava tietyssä tapauksessa, sekä tarjoamaan tarkemman ennusteen ja sujuvoittaa hoitomenetelmien valinnan.

Tekoäly on olennainen koko potilaan matkan ajan, ei vain syövän diagnostiikkaa patologian laboratoriossa, vaan myös esimerkiksi onkologin, joka päättää hoidon suunnasta. Uskon, että tekoäly auttaa yhdistämään eri aloja. Ajan myötä eri modaliteetit (patologia, radiologia, genomiikka, kliiniset rekisterit) syötetään eri tekoälymoduuleihin tukemaan uusia ja parannettuja tarkkuuslääketieteellisiä sovelluksia. Terveyden tasa-arvon näkökulmasta potilaat, joilla ei ole pääsyä maailman parhaisiin lääkäreihin, kokovat merkittävän hyppäyksen diagnoosin ja hoidon laadussa. Tekoäly tuo jokaisen lähelle asiantuntijatasoa. Jokaisella on oikeus laadukkaaseen hoitoon, ja tekoäly auttaa meitä siirtymään kohti demokratisoitua terveydenhuoltoa.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Ibex Medical Analytics-sivustolla.