Florian Hillen, VideaHealthin CEO ja perustaja – Haastattelusarja

Florian Hillen on VideaHealthin CEO ja perustaja, joka on alusta, jonka tehtävänä on parantaa potilaiden terveyttä keinotekoisen älykkyyden avulla. Hyödyntämällä algoritmeja, analyytikkoja ja terveydenhuollon tietoja, Videa avaa terveyden ja taloudellisen arvon hammaslääketieteen arvoketjussa, mikä tekee hammaslääketieteestä läpinäkyvämmän hammaslääkäreille, vakuutusyhtiöille ja potilaille.

Kun olit MIT:ssä, suorittit laajaa tutkimusta keinotekoisen älykkyyden, terveydenhuollon ja suun terveyden leikkauspisteestä. Mitkä olivat joitain tämän tutkimuksen merkittävimmistä tuloksista?

Opiskelin lääketiedettä Saksassa, työskentelin useiden terveydenhuollon startup-yritysten kanssa (mukaan lukien yhden perustaminen) ja tiesin aina, että haluan tehdä jotain vaikuttavaa, joten fokukseni MIT:ssä ja Harvardin tutkimuksessa oli katsella, missä keinotekoinen äly voisi vaikuttaa eniten terveyteen. Tutkin keinotekoista älykkyyttä radiologiassa, ihotaudissa, silmätaudissa ja biologiassa. Aluksi luulin, että keinotekoinen äly voisi vaikuttaa eniten mammografiassa, joten työskentelin viiden eri yrityksen kanssa tässä alassa. Kuitenkin siirryin pois mammografiasta, koska tajusin, että keinotekoinen äly voi vaikuttaa suuremmassa määrin hammaslääketieteeseen. Suurin syy tähän on, että hammaslääketieteellä on yksi korkeimmista – ellei korkein – sairauksien havaitsemattomien tapausten määrä. Hammaslääkärit havaitsevat vain noin 50 %:n hampaan reikiintymisistä. Tämä voi johtaa suuriin vaikutuksiin, koska havaitsemattomat reikiintymiset, märkäruokit, haavat ja suun sairaudet voivat kehittyä suuremmiksi ongelmiksi, jos niitä ei hoideta. Työkalu, joka mahdollistaa tietopohjaisen lähestymistavan, on valtavan suuri potentiaali hammaslääkäreille ja potilaille.

Minun tutkimukseni ja työni MIT:ssä johtivat VideaHealthin perustamiseen sekä kahteen maisterin tutkintoon sähkötekniikassa ja tietotekniikassa sekä teknologiassa ja politiikassa.

Miten tämä tutkimus siirtyi VideaHealthin lanseeraukseen?

MIT tunnisti tutkimushankkeeni potentiaalin, joka oli nimeltään Delta V tuolloin, ja tarjosi ensimmäiset 50 000 dollarin rahoituksen valmistumisen jälkeisenä kesänä. Hyvin ennen kuin hammaslääketieteen tekoäly oli kaupallisesti toteuttamiskelpoinen, suunnittelin teknologian, joka on sisällytetty Patenttiin nro 11,553,874, joka kattaa hammaslääketieteellisen kuvan ominaisuuksien havaitsemisen tekoälyllä, joka auttaa hammaslääkäreitä havaitsemaan sairauksia kuvista ja vastaamaan näitä löydöksiä potilastietoihin. Se on kriittinen käsite, joka ohjaa nykyisiä hammaslääketieteellisiä tekoälytekniikoita.

Kirjoitin ensimmäisen algoritmin minimiin toimivalle tuotteelle (MVP) 19. marraskuuta 2018, ja siitä lähtien pystyin keräämään 1,1 miljoonan dollarin enkeli-investoinnin. Tällä pystyin palkkaamaan ensimmäisen tiimin, jossa oli viisi henkilöä, rakentamaan MVP:stä ensimmäisen pienen tuotteen ja turvata kasvava kiinnostus venture-pääoman (VC) yrityksiltä ja hammaslääketieteen yhteisöltä. Sitten keräsin 5,4 miljoonan dollarin rahoituksen Zeta ja Pillar -yrityksiltä, jotka ovat Bostonissa toimivat terveydenhuollon ja varhaisen innovaation VC-yritykset. Tämä mahdollisti suuremman tiimin rakentamisen, alustan kehittämisen, FDA-hyväksynnän saamisen meidän lääketieteellisille algoritmeillemme ja ensimmäisten asiakkaiden käyttöönoton. Sitten keräsin lisää 21 miljoonan dollarin rahoituksen Spark Capitalilta. On uskomatonta nähdä, kuinka pitkälle olemme jo päässeet tehtävämme mukaisella tiimillämme, upeilla asiakkaillemme ja visioivailla kumppaneillamme, mukaan lukien Henry Schein One, maailman suurin ohjelmisto- ja palveluyritys hammaslääketieteen alalla.

Yksi suuri alkuvaiheen haaste, joka on yleinen medtech-alalla, on käyttäjäpalautteen puute koko tuotekehityksen ajan. Tätä varten sisällytimme hammaslääkärikeskuksia pilottiohjelmiin ennen FDA-hyväksynnän hakemista ja keräämme valtavan määrän käyttäjäpalautetta, jotta voimme optimoida alustaa.

Miksi hammaslääketieteellä on yksi korkeimmista diagnostisten virheiden määrästä terveydenhuollossa?

Tämä voidaan pitkälti attribuoida siihen, että hammaslääkärit ovat eri tasoisia ja diagnostisia kykyjä, jotka voivat olla vaikutuksia ulkoisista tekijöistä, kuten laitteiden laadusta ja valaistuksesta – niin, että useissa tapauksissa 10 eri hammaslääkäriä antavat 10 eri diagnoosia.

Hammasongelmien laaja esiintyvyys on toinen vaikuttava tekijä. Yli 90 %:lla amerikkalaisista aikuisista on ollut vähintään yksi reikiintyminen ja 25 %:lla on vähintään yksi reikiintyminen parhaillaan. Yli 3,5 miljardia ihmistä maailmanlaajuisesti kärsii suun sairauksista – 44 %:sta väestöstä – ja hammaslääkärit eivät havaitse yli 40 %:a heistä.

Useimmat suun ongelmat ovat oireettomia, mukaan lukien useimmat ientaudit ja parodontiittiset haavat. Siksi hammaslääkärit, jotka eivät ole niin hyvin varusteltuja, ovat todennäköisesti ylittämättömiä havaitsemattomia ongelmia, joista potilaat eivät tiedä, erityisesti alkuvaiheen reikiintymisiä, haavat ja sairaudet. Esimerkiksi hammaslääkäri voi keskittyä potilaan suun yhteen puoleen, jossa on hampaisiin kipua, ja jättää huomaamatta suuremman ongelman toisella puolella.

Vaikka se on selvää, että hammaslääkärit haluavat olla mahdollisimman tehokkaita, he jakaavat jatkuvasti aikaansa. Hammaslääkärit ovat erittäin erikoistuneita, mutta heillä on käytännössä neljä työtä: radiologi, yleislääkäri, kirurgi ja harjoittelun johtaja. Se on paljon kannettavaa, ja tämä jatkuva tasapainoilu voi johtaa yliajamiseen.

Mitkä ovat esimerkkejä siitä, miten tekoäly parantaa diagnostiikan tarkkuutta?

Meidän tekoälypohjainen alusta parantaa diagnostiikan tarkkuutta merkittävästi auttamalla hammaslääkäreitä heidän röntgenkuvien analyysissään ja tarjoamalla ennustavaa analyysiä ja diagnoosi-/hoitosuunnitelmaa lähes reaaliajassa, perustuen algoritmiin, joka hyödyntää satoja miljoonia tietopisteitä.

FDA-kliinisen tutkimuksen tulokset meidän hammaslääketieteelliselle tekoälyratkaisullemme, Videa Caries Assist, osoittivat, että alusta mahdollisti hammaslääkäreille vähentää reikiintymisten määrää 43 % ja vähentää virheellisten havaintojen (väärän positiivisten) määrää 15 %. Tämä vastaa läheisesti yhteistyöhön perustuvan tutkimuksen tuloksia Heartland Dentalin kanssa, jossa alusta auttoi kliinikoita havaitsemaan 46 %:n enemmän reikiintymisiä ja vähentämään virheitä 10 %.

Yhdysvaltain elintarvike- ja lääkevirasto (FDA) on myöntänyt viimeksi 510(k)-hyväksynnän Videa Perio Assist -tekoälykäyttöisen välikarsinan tason mittaamiselle parodontaalisen taudin arvioimiseksi. Videa Perio Assistin avulla hammaslääkärit ja hygienistit voivat helposti mitata välikarsinan tason muutoksia ajan myötä potilaille, jotka ovat 12 vuotta täyttäneitä, mikä johtaa nopeampiin ja tarkempiin hoitosuositusten antamiseen ja parantaa potilaiden tuloksia.

Tekoälyalustamme parantaa myös ennaltaehkäisevää hoitoa, joka on kriittinen hammaslääketieteessä. VideaHealth mahdollistaa hammaslääkäreille havaita reikiintymiset, märkäruokit ja haavat alkuvaiheessa, jotta voidaan tehdä pieniä korjaustoimia ennakkoon, eikä tarvitse tehdä invasiivisia hoitoja myöhemmin, kuten kruunuja ja juurihoitoja. Esimerkiksi Videa Caries Assist voi tunnistaa alkuvaiheen haavat jopa viisi vuotta ennen kuin hammaslääkäri voi itse, ja ehdottaa ennakkoon torjuntaa, kuten remineralisaatiota, jotta voitiin vahvistaa hammasluuta. Olemassa olevien sairauksien tapauksissa teknologiamme mahdollistaa hammaslääkäreille seurata ja seurata sairauden etenemistä rinnakkain kuvien vertailun ja tekoälyllä varustetun ylikerroksen avulla, mikä parantaa olennaista vaihetta kliinisessä diagnoosissa ja hoitoprosessissa.

Mitkä ovat muita keinoja, joilla tekoäly voidaan käyttää hammaslääketieteessä?

Tekoäly tarjoaa hammaslääkäreille objektiivisen analyysin ja/tai vahvistuksen, sekä luotettavan, yksityiskohtaisen ja objektiivisen raportin, jota voidaan viitata kommunikoimalla potilaiden kanssa. Nämä löydökset luovat vakuuttavan visuaalisen esityksen, joka parantaa viestintää, luottamusta ja vastuuta, vahvistaen potilas-hammaslääkärisuhdetta. Luottamuksen ja ymmärryksen parantuminen korreloi suoraan enemmän potilaiden hyväksymällä hoitosuunnitelman suosituksia, mikä auttaa saavuttamaan parempia tuloksia potilaille ja vahvistaa hammaslääketieteen harjoittelun kannattavuutta.

Lisäksi diagnostisen tarkkuuden ja ennaltaehkäisevän hoidon parantamisen, tekoäly voidaan käyttää räätälöityjen kruunun, siltojen ja implanttien nopeampaan ja tarkempaan valmistukseen perinteisten menetelmien sijaan.

Lopulta hyödyntämällä algoritmeja, analyytikkoja ja terveydenhuollon tietoja, hammaslääketieteellinen tekoäly kuten VideaHealthin parantaa potilaiden hoitoa ja kokemusta sekä avaa terveyden ja taloudellisen arvon hammaslääketieteen arvoketjussa, mikä tekee hammaslääketieteestä läpinäkyvämmän hammaslääkäreille, vakuutusyhtiöille ja potilaille.

Voitko jakaa joitain yksityiskohtia tietojoukoista, joita käytettiin kouluttamaan algoritmeja, joita käytetään VideaHealthissa?

Meidän tekoälyalgoritmit hyödyntävät VideaFactorya, joka on alan monipuavin tietojoukko, joka sisältää yli 100 miljoonaa tietopistettä johtavilta hammaslääketieteen palvelujärjestelmiltä, sairaaloilta, vakuutusyhtiöiltä, tietokeskuksilta ja yliopistoilta. Tietojen kontekstina 100 miljoonaa tietopistettä edustaa noin 50 kertaa enemmän röntgenkuvia kuin yksittäinen hammaslääkäri näkee koko uransa aikana. Tietojen tietoisen kokoaminen laajasta tietolähteistä auttaa meitä varmistamaan, että algoritmejamme säilyvät puolueettomina, tarkkoina ja edustavina väestön monimuotoisuudesta. Sitten valitsimme tuhansia hammaslääkäreitä ja valitsimme parhaimman 5 %:n heistä merkintöjen tekemiseen röntgenkuvista, joita käytetään kouluttamaan tekoälyämme. Nämä asiantuntijahammaslääkärit merkitsevät kuvat sairauden tunnistamiseksi ja antavat korkealaatuisia tietoja järjestelmälle, mahdollistaen tekoälymme oppimisen parhailta “opettajilta”.

Algoritmejamme koulutetaan jatkuvasti tiimin datatieteilijöiden toimesta varmistaaksesi tarkkuuden ja jatkuvaan optimointiin. Täydennettynä tällä tiedolla VideaFactory tuottaa erittäin tarkkoja malleja, jotka voivat helposti tunnistaa ja mitata kliinisiä osoittimia hammaslääketieteellisistä röntgenkuvista.

Mitkä ovat joitain syitä, miksi tekoäly ei ole laajemmin omaksuttu hammaslääketieteen alalla?

Hammaslääketiede on erittäin erikoistunut ala, ja se riippuu yksilöllisistä tietopisteistä, jotta voidaan tarjota tehokasta palvelua potilaille. Mutta se on erittäin vaikeaa rakentaa riittävä tietokanta, koska useimmat hammaslääketieteen harjoittelut ovat itsenäisiä ja toimivat erillään, mikä tekee tietojen keräämisen ja analyysin erittäin vaikeaksi, etenkin sille tasolle, joka vaaditaan tehdä tarkat johtopäätökset. Vaikka tämä on parantunut jonkin verran viime vuosina DSO:n ja vakuutusalan kasvavan konsolidoinnin myötä, on edelleen ollut vähän edistystä tietojen keräämisessä ja analyysissä, jotka ovat suurelta osin alttiina tiukille tietosuojaa ja tietoturvalakeja.

Miksi uskot, että tekoälyn vallankumous johtuu hammaslääketieteestä?

Uskon, että tekoäly voi vaikuttaa suuresti hammaslääketieteessä. Alan on miljardit potilaat maailmanlaajuisesti ja yli miljardi röntgenkuva otetaan vuosittain. Kun on kyse yhden maailman yleisimmän terveydenhuollon tilan, hammaslääketieteellisen reikiintymisen, havaitsemisesta, meidän FDA-tutkimuksemme osoittivat, että meidän tekoälymme auttoi vähentämään reikiintymisten määrää yli 40 %:n, mikä on valtavan suuri vaikutus.

Sairauksien havaitsemattomien tapausten määrä on vielä suurempi tietyissä käyttötarkoituksissa. Juurenkärjen infektiot, jotka vaativat juurihoitoa ensisijaisena hoitona, jäävät 50 %:n osalla hammaslääkäreiltä huomaamatta. 50 %:n osalla ne ovat virheellisiä negatiivisia ja 30 %:n osalla virheellisiä positiivisia. Se on ällistyttävää. On selvästi valtava ongelma tässä ja tekoäly voi ratkaista sen.

Tekoälyn hyödyt ulottuvat myös koko alalle: potilaat saavat paremman hoidon nopeammin ja saavat enemmän arvoa hoitosuunnitelmistaan, kun taas hammaslääkärit suorittavat toimintonsa ja maksut tehokkaammin, ja vakuutusyhtiöt vähentävät petoksia ja parantavat korvausprosessien tehokkuutta. Se on voitto-voitto-voitto!

Yksityinen pääoma on myös erittäin vahva hammaslääketieteessä, miksi uskon, että hammaslääketiede ohittaa terveydenhuollon tekoälyn omaksumisessa. Se ei riipu monimutkaisista sairaalajärjestelmistä, vaan yksityisen pääoman tukemista hammaslääketieteen harjoitteluista ja ohjelmistojen suorittamisesta. Ja tekoäly voidaan ottaa käyttöön satojen toimistojen kautta kerran!

Mitkä ovat joitain ratkaisuja, jotka tarjotaan VideaHealthissa?

Meidän tekoälysarja sisältää komponentteja, jotka auttavat karttuessa, diagnoosissa, hoitosuunnitelman laatimisessa ja harjoittelun hallinnassa:

1. Videa Assist

• Auttaa hammaslääketieteen ammattilaisia havaitsemaan enemmän sairauksia nopeammin objektiivisella analyysillä.
• Sisältää Videa Caries Assist – FDA-hyväksytyn tekoälykäyttöisen reikiintymisen tunnistustyökalun.
• Vähentää virheellisiä positiivisia 15 %:n ja parantaa diagnostisen tarkkuuden 100 %:n kaikille kliinikoille, jotka käyttävät teknologiaa, riippumatta kokemuksesta.*
• Parantaa potilaskommunikaatiota, rakentaa potilaiden luottamusta ja lisää tapausten hyväksymisen määrää.
• Videa Assist tukee orgaanista kasvua lisäämällä hoitosuunnitelman arvon keskimäärin 26 %:n kaikissa harjoitteluissa, tehokkaammin ja nopeammin korvaamalla, ja skaalaa liiketoimintaa paremmalla tehokkuudella.

2. Videa Insights

• Auttaa DSO:ja hallitsemaan ja kasvattamaan harjoitteluja toimivilla näkymillä.
• Parantaa laadunvarmistusta ja koulutusta kliinisen henkilökunnalle.
• Tarjoaa tietoja, joiden avulla voidaan tehdä parempia harjoittelun hankintapäätöksiä

Onko mitään muuta, mitä haluaisit jakaa VideaHealthista?

Meidän tehtävämme on auttaa miljoonia potilaita saamaan tarkemman, tehokkaamman ja läpinäkyvämman hammaslääketieteen – ja se on yhä selvemmäksi heille, mitä on jo tiedetty lääketieteellisessä ja hammaslääketieteellisessä yhteisössä pitkään: suun ja lääketieteellinen terveys ovat olennaisesti kytköksissä toisiinsa, ja hammaslääketiede vaikuttaa suoraan kehon muuhun terveyteen.

Samaan aikaan olemme kunnioittavia siitä, että voimme paremmin varustaa hammaslääkäreitä, jotka odotetaan käyttävän monia rooleja – diagnostikkoa, kirurgia, yleislääkäriä ja erikoislääkäriä – jollakin, joka on mahdotonta ilman edistyneiden teknologioiden, kuten tekoälyn, käyttöä. Oikeanlaisen tekoälyn avulla hammaslääkärit voivat hallita näitä erikoistuneita rooleja ja saavuttaa uskomattomia tehokkuuden parannuksia samalla, kun he tarjoavat erinomaista hoitoa.

*FDA-kliinisen tutkimuksen tulokset Videa Caries Assistista.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla VideaHealth-sivustolla.