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 tekoälyllä. Yritys pyrki muuttamaan patologian varmistamalla, että jokainen potilas voi saada tarkan, ajantasaisen ja henkilökohtaisen syöpädiagnoosin. Nykyään Ibex on laajimmin käytössä oleva tekoälyalusta patologiassa. Patologeja varten kehitettyjen ratkaisujen avulla palvelee maailman johtavat lääkärit, terveydenhuollon organisaatiot ja diagnostiikkapalveluntarjoajat. Jokaisena päivänä Ibexilla on etuoikeus vaikuttaa potilaiden elämään maailmanlaajuisesti. Alusta lisää lääkärien luottamusta, sujuvoittaa diagnostiikkaprosesseja, auttaa kliinikoita antamaan henkilökohtaisempia diagnooseja ja edistää parhaita kliinisiä tuloksia.

Voitko kertoa Ibexin perustamisen ja tekoälyllä toteutettavan syöpädiagnostiikan muuttamisen visiosta?

Vuonna 2016 minun perustajakumppani Joseph Mossel ja minä opimme patologian digitaalivallankumouksen suorasta vaikutuksesta syöpädiagnostiikan parantamiseen. Radiologia oli kokenut samanlaisen muodonmuutoksen 20 vuotta aikaisemmin, mikä oli vaikuttanut merkittävästi erikoisalan harjoittamiseen. Patologian digitalisoituessa tunnistimme mahdollisuuden kehittää uusia edistyneitä työkaluja, jotka hyödyntävät tekoälyä tarkkaan kuvananalyysiin. Olemme keskittyneet kehittämään tekoälypohjaisia työkaluja, jotka auttavat lääkäreitä saavuttamaan tarkemmat, objektiiviset, toistettavat diagnoosit ja siten auttavat jokaista potilasta saamaan oikean diagnoosin oikeaan aikaan, mikä johtaa parhaisiin mahdollisiin hoitotuloksiin.

Miten syöpädiagnostiikan maisema on muuttunut Ibexin perustamisen jälkeen vuonna 2016?

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

Syöpädiagnostiikan tekoälykenttä on kasvanut eksponentiaalisesti, ja olemme nähneet startup-yrityksiä ja muita yrityksiä työskentelemässä eri syöpätyyppien diagnostiikassa. Tarkkuuslääketiede on esimerkiksi tietopohjainen potilasstratifiointi, jota mahdollistaa tarkan diagnoosin ja eri informaatiotieteellisten lähestymistapojen avulla, jotka johtavat optimaaliseen, henkilökohtaiseen hoitoon. Tarkkuuslääketieteen kasvu tuo lisääntynyttä tarvetta monimutkaisemmille diagnostiikoille, jotka tukevat uusia kohdennettuja hoitoja.

Olemme myös nähneet akateemisten julkaisujen ja teollisuusjärjestöjen kasvavan kiinnostuksen alaan. Kun Joseph ja minä osallistuimme ensimmäiseen digitaalisen ja laskennallisen patologian konferenssiin vuonna 2016, tekoäly oli vain pieni osa syöpädiagnoosin keskustelua, eikä se ollut vielä valtavirtaa. Nykyään, kun osallistumme suureen patologian konferenssiin, tekoäly on pääasia.

Miten Ibex erottuu muista alan yrityksistä?

Kun puhumme tekoälyllä varustetusta patologiasta, on useita alalajeja. On yrityksiä, jotka priorisoivat tutkimussovellukset, kuten työkalut, jotka analysoivat kudoksen kuvia ymmärtääkseen taudin prosesseja 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 laajimmin käytössä oleva asennuspatologeilla ympäri maailmaa, jotka 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 kunkin syöpätyypin mukaan, kuten syövän havaitsemiseen, lähestymistapamme on kouluttaa tekoäly analysoimaan kaiken, minkä patologi näkee näissä kudoksissa. Se ei ole vain syövän havaitsemisesta kysymys, vaan myös syövän tyypistä, 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 tuomat hyödyt.

Voitko selittää Ibexin ratkaisujen ydinteknologian ja sen avulla patologien syövän diagnostiikkaa ja luokittelua?

Lähestymistapamme on, että patologit kouluttavat koneen. Meillä on suuri joukko patologeja ympäri maailmaa, jotka merkitsevät ja luokittelevat diakuvia. Tämä tarkoittaa, että he merkitsevät tiettyjä alueita diakuvissa ja luokittelevat ne. He voivat merkitä matala-asteisen syövän, verisuonen, hermon, tulehduksen jne. Otamme tämän datan ja käytämme sitä tekoälymallien kouluttamiseen. Tämä varmistaa, että tekoäly on erittäin tarkka, myös harvojen ja haasteellisten tapausten kohdalla, mikä on elintärkeää. Tekoälymme on opetettu patologeille ja koulutettu tunnistamaan monia eri rakenteita ja kudoksen morfologioita, mikä on erittäin hyödyllistä patologeille ja lopulta lisää sen tarkkuutta. Saamme käyttöömme laajan datan ja tietämyksen, joten voimme parantaa tekoälyämme ja ottaa oppia suoraan kenttätutkimuksista.

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

Tämä vaatii paljon työtä. Keräämme dataa monilta kumppaneiltamme ympäri maailmaa. Varmistamme, että data on erittäin monipuolista, edustaen eri laboratorioita ja eri kudosten valmistustekniikoita, skannereita ja kliinisiä löydöksiä. Rikastamme koulutusdataa harvinaisten syöpätyyppien avulla. Tämä varmistaa, että tekoäly on koulutettu laajalla joukolla piirteitä. Koulutusprosessin aikana mitataan, mitä tekoäly tekee hyvin, ja määritetään, missä parannuksia tarvitaan. Tiimimme, jolla on laaja kokemus koneoppimisesta, testaa tekoälyä tuhansilla diakuvilla, jotka olemme keränneet eri laboratorioista. Suoritamme tutkimuksia ja kliinisiä tutkimuksia ja vertaamme kahta perustavaa asiaa. Ensinnäkin arviomme sen itsenäisen suorituskyvyn verrattuna todellisiin tuloksiin. Toiseksi määritämme, kuinka tarkasti patologi työskentelee tekoälyn avustuksella. Näin varmistamme, että tekoäly on tarkka, luotettava, puolueeton ja turvallinen. Mitataan myös sen vaikutusta patologeihin, jotka käyttävät tekoälyä. Sovelluksiimme nähden havaitsemme, että patologi, joka saa tekoälyn avustusta, saavuttaa paremmat tulokset (eli tarkemmat, korkeampi yhteensopivuus todellisten tuloksien kanssa) kuin perinteisessä hoidossa (eli ilman tekoälyä). Mitataan myös heidän työnsä tehokkuutta ja muita tekoälyalustan tärkeitä hyötyjä, kuten laboratorion työnkulkujen optimointia ja odottamisen ajan lyhentämistä (kuinka nopeasti potilas saa tulokset).

Mitkä ovat Ibexin ratkaisujen ainutlaatuiset ominaisuudet, jotka parantavat diagnostiikkaprosesseja ja potilastuloksia?

Integroitu järjestelmämme sisältää diakuvan näyttämön, tekoälyn tulokset ja sisäänrakennetut raportointityökalut. Tämä kokonainen järjestelmä on suunniteltu parantamaan tarkkuutta ja tuottavuutta. Se opastaa patologeja diagnostiikkaprosessin läpi, näyttäen heille pääasialliset löydökset jokaisessa tapauksessa ja diassa. Sen sijaan, että etsivät piirteitä, jotka voivat olla pieniä ja hankalia havaita, tekoäly korostaa kaikkea erittäin selkeästi. Siitä patologi voi vahvistaa tai muuttaa. Tekoäly näyttää mitat ja kvantifioi; se myös antaa pisteet. Sisäänrakennetuilla raportointityökaluilla patologi ei tarvitse tarkastella diassa, tehdä diagnoosin mielessään ja sitten siirtyä toiseen järjestelmään ja raportoida kaikkea; sen sijaan raportointi tapahtuu, kun tekoäly ohjaa integroitua työnkulkua. Jopa hiiren klikkauksia on optimoitu. Kaikki on rakennettu patologeja ajatellen parantamaan diagnostiikan tarkkuutta ja tuottavuutta, mikä luo paremman työympäristön näille lääkäreille ja paremmat tulokset potilaille.

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

Teemme yhteistyötä useiden alan toimijoiden kanssa, jotka myyvät kuvanhallintaratkaisuja tai tarjoavat laboratoriotietojärjestelmiä. Kunkin kumppanin kanssa on erilaisia integrointimahdollisuuksia. Joissakin tapauksissa upotamme tekoälymme heidän työkaluihinsa, jotta patologi voi käyttää heidän alustaaan tekoälymme sisällä. Toisissa tapauksissa integroidumme näiden työkalujen kanssa siten, että patologit voivat käynnistää Ibexin toisesta järjestelmästä. Riippumatta integrointitavasta aina haluamme 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-osastot, hakea tietoja tekoälystämme ja integroida sen heidän ympäristöönsä.

Mitkä haasteet Ibex kohtasi saavuttaakseen laajan hyväksynnän tekoälyllisistä ratkaisuistaan patologiassa?

Heijastellessani ajattelen, että päähaaste, jota Ibex kohtasi, liittyi diagnostiikkatuotteiden markkinoille saattamiseen vaadittuun työn, vaivan, ajan ja monialaisten lähestymistapojen monimutkaisuuteen. Tähän kuuluu datan kerääminen, yhteistyö patologien kanssa, tekoälyn koulutus ja testaus, kliinisten tutkimusten suorittaminen ja joissakin maantieteellisissä alueissa sääntelyhyväksyntä – ja kaiken tämän tekeminen tiukkojen laadunvarmistusmittausten puitteissa. Lääketieteellisellä alalla on myös erittäin tärkeää luoda tieteellinen näyttö ja julkaista tulokset useiden laboratorioiden kanssa osoittaakseen tekoälyalustan suorituskyvyn ja hyödyt.

Toinen merkittävä haaste on integrointi. Meidän on varmistettava, että patologit voivat käyttää tekoälyä tehokkaalla ja luonnollisella tavalla. Laboratorioissa on useita järjestelmiä: digitaalinen patologia, skannereita, laboratoriotietojärjestelmä ja työnkulku, sekä raportointityökalut. Yksinkertaisesti sanottuna, meidän on varmistettava, että kaikki toimii yhdessä mahdollisimman tehokkaasti, haasteista huolimatta.

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 terveydenhuollon laitokset käyttävät Ibexin tekoälyratkaisua. Toisena esimerkkinä on CorePlus Laboratories Puerto Ricossa, joka on käyttänyt Ibexiä useita vuosia ja julkaisi tutkimuksen, jossa näytetään alustan vaikutus heidän kliiniseen käytäntöönsä. Esimerkiksi tekoälyalgoritmin avulla patologit pystyivät tunnistamaan 160 miestä, jotka olisivat muuten diagnosoidu väärin. Nämä potilaat saivat oikean hoidon tekoälyn avustuksella. Se on todella vaikutus, jonka teemme – olemme täällä vaikuttaaksemme ihmisten elämään.

Miten näet tekoälyn roolin tulevaisuudessa patologiassa ja syöpädiagnostiikassa seuraavan kymmenen vuoden aikana?

Seuraavan kymmenen vuoden aikana näen, että patologit käyttävät tekoälyä tukemaan heidän diagnostiikkatyötään. Ennustan, että patologit käyttävät tekoälyä suurimmassa osassa työstään varmistaakseen, että laatu on korkea, ja kaikki on objektiivista, toistettavaa ja ajankohtaista. Lisäksi tekoäly auttaa lääkäreitä tekemään asioita, joita he eivät tällä hetkellä tee. Se auttaa heitä päättämään, mitkä lisätutkimukset on suoritettava tietyssä tapauksessa, sekä antaa tarkemman ennusteen ja sujuvoittaa hoitomenetelmien valintaa.

Tekoäly tulee olemaan olennainen koko potilaan matkan ajan, ei vain syöpädiagnostiikassa patologian laboratoriossa, vaan myös esimerkiksi onkologilla, joka päättää hoidon suunnasta. Uskon, että tekoäly auttaa yhdistämään eri aloja. Ajan myötä eri modaliteetit (patologia, radiologia, genomiikka, kliiniset tiedot) syötetään eri tekoälymoduuleihin tukemaan uusia ja parannettuja tarkkuuslääketieteellisiä lähestymistapoja. Terveyden tasa-arvon näkökulmasta potilaat, joilla ei ole pääsyä maailman parhaisiin lääkäreihin, kokevat suuren loikan heidän diagnoosin ja hoidon laadussa. Tekoäly tuo jokaisen lähelle asiantuntijatasoa. Jokaisella on oikeus laadukkaaseen hoitoon, ja tekoäly auttaa meitä edistämään terveyden tasa-arvoa.

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