Haastattelut
Joseph Mossel, Ibex Medical Analyticsin perustaja ja toimitusjohtaja – Haastattelusarja

Joseph Mossel on Ibex Medical Analyticsin toimitusjohtaja. Hänen uransa teknologia-alalla on yli 20 vuoden mittainen, ja hän on työskennellyt ohjelmistokehityksessä ja tuotejohtamisessa sekä start-up-yrityksissä, suurissa monikansallisissa yrityksissä ja voittoa tavoittelemattomissa organisaatioissa. Joseph on johtanut tuotteita niiden kehittämisestä monimiljoonaisiin liiketoimintoihin. Hänellä on MSc-tutkinto tietojenkäsittelytieteestä Tel Avivin yliopistosta ja MSc-tutkinto ympäristötieteestä VU Amsterdamista.
Ibex on patologeille kehitetty kliininen, monikudoksen alusta, joka auttaa patologeja havaitsemaan ja luokittelemaan rintasyövän, eturauhasen syövän ja mahasyövän sekä yli sata muuta kliinisesti merkittävää ominaisuutta.
Ibexin AI-käytännöt toimivat saumattomasti kolmannen osapuolen digitaalisen patologian ohjelmistoliittymien, skannausalustojen ja laboratoriotietojärjestelmien kanssa, ja ne tarjoavat automaattisia, korkealaatuisia näkemyksiä, jotka parantavat potilasturvallisuutta, lisäävät lääkärien luottamusta ja tehostavat tuottavuutta.
Mikä innoitti sinua perustamaan Ibex Medical Analyticsin (Ibex), ja mikä ongelma yritit ratkaista?
Syöpä valitettavasti koskettaa jokaisen – joko henkilökohtaisesti, hoitaen jokuun, jolla on syöpä, tai tietäen jonkun, joka on vaikuttunut syövän. Minulla on sukulaisia ja ystäviä, jotka ovat vaikuttuneet syövän, ja valitettavasti yksi työntekijöistämme menehtyi syöpään.
Koska syövän esiintyvyys jatkuu kasvamassa maailmanlaajuisesti, syövän diagnostiikkaa koskeva kysyntä kasvaa, ja siihen yhdistyy maailmanlaajuinen patologien puute, jonka työ muuttuu monimutkaisemmaksi hoitokeinojen kehittyessä ja vaadittaessa monimutkaisempaa diagnostiikkaa.
Meidän alustamme auttaa voittamaan nämä haasteet antamalla patologeille AI-työkaluja, jotka parantavat tarkkuutta ja suorittavat työnkulkuja, jotta jokainen potilas saa tarkan ja ajantasaisen diagnoosin, joka on tärkeä sekä hoidon päätöksenteon että lopulta parantamassa potilastuloksia.
Olemme ylpeitä työstämme asiakkaidemme hyväksi, joista monet luottavat päivittäin teknologiaamme parempien diagnoosien tarjoamiseksi. Heidän luottamuksensa ratkaisuihimme korostaa todellista vaikutusta, jota teemme, muuttaen patologian alaa ja parantaen potilastuloksia.
Voitko kertoa hieman taustastasi ja siitä, miten se johti sinut AI-väyläisten patologian pariin?
Jos katselen uraani, on ollut kaksi voimakasta voimaa: tavoite löytää tarkoitus ja suosita monialaisuutta syvän erikoistumisen sijaan. Olen onnekas, että johtan yritystä, joka antaa minulle syvän tavoitteen ja mahdollistaa työskentelyn uskomattoman lahjakkaiden tiimien kanssa monista taustoista ja aloista.
Alkuperäinen akateeminen taustani oli tietojenkäsittelytieteessä, erikoistuen laskennalliseen neurotieteeseen. Työskentelin algoritmi-insinöörinä ja siirryin tuotejohtamiseen. Suuren korporaation jälkeen päättelin, ettei se ollut minulle. Hankkin tutkinnon ympäristötieteestä ja johtamin ympäristön hyväksi toimivaa voittoa tavoittelematonta organisaatiota useita vuosia. Kestävyys on edelleen intohimoni ja suuri haaste ajassamme.
Noin kymmenen vuotta sitten tapasin perustajani, Chaim Linhartin, joka oli yhtä motivoitunut tekemään merkityksellistä vaikutusta ja jakoi intohimiini teknologiaa kohtaan. Chaim, toisin kuin minä, on erikoistunut. Hänellä on PhD tietojenkäsittelytieteestä ja yli 25 vuoden kokemus algoritmien kehittämisestä, AI:sta ja koneoppimisesta (ML). Ibexin ensimmäisinä päivinä Chaim oli kiireinen voittamassa Kaggle (ML) -kilpailuja.
Kun opimme, että patologia on hitaasti digitalisoitumassa, pohdimme digitaalisen muutoksen vaikutusta patologiassa syövän diagnostiikan parantamiseksi. Satoja yrityksiä kehitti jo AI:ta radiologiaan, ja kysyimme itseltämme, miksi emme tekisi samaa patologiassa? Tuntui luonnolliselta ottaa teknologisen osaamisemme tähän alaan ja tehdä yhteistyötä patologien kanssa jokaisessa vaiheessa.
Mitkä olivat suurimmat haasteet Ibexin alkuvaiheessa, ja miten niitä voitettiin?
Idea – johon emme olleet ainoita – soveltaa AI:ta patologian diakuvien analyysiin oli helppo osa. Toteutus on vaikeampi. Kolme suurinta haastetta, joita kohtasimme Ibexin alkuvaiheessa, olivat pääsy tietoihin, pääsy pääomaan ja pääsy alan tietämykseen.
Ratkasimme tietohaasteen kumppanuuden kautta Maccabi Health Services of Israelin kanssa. Silloin olimme kaksi uranuurtajaa ilman lääketieteellistä tietämystä, jotka päättivät perustaa lääketieteellisen startupin hyvin monimutkaiseen alaan. Varda Shalev, joka johti Maccabin innovaatiotoimintaa tuolloin, uskoi visioomme, ja allekirjoitimme kumppanuuden ja tietojen jakamissopimuksen Maccabin kanssa. Tässä vaiheessa Dr. Judith Sandbank, Ibexin pääpatologi, tuli johtajaksi, ja hän on edelleen meidän CMOnamme. Strategisen kumppanin ja CMO:n kanssa olimme nyt hyvin asemissa keräämään siemensijoituksia, jonka keräsimme Kamet Venturesilta, ranskalaiselta venture-studiolta, joka oli osa AXA-vakuutusta.
Olimme nyt asemassa tehdä historiaa. Palkkasimme kaksi insinööriä ja kehittimme ensimmäisen algoritmin eturauhasen syövän havaitsemiseksi. Kun olimme tyytyväisiä suorituskykyyn, otimme sen käyttöön Maccabin patologian laboratoriossa toisena lukemana, tarkastamalla kaikki tapaukset patologin alkuvaiheen jälkeen. Yllätykseksemme järjestelmä nosti hälytyksen syöpätapauksesta, jonka patologi oli väärin diagnosoinut. Niin kuin tiedämme, tämä oli ensimmäinen tapaus, jossa alkuperäinen syövän diagnosi tehtiin algoritmilla, vuonna 2018.
Onnittelut FDA:n 510(k) -hyväksynnästä Ibex Prostate Detectille! Mitä tämä hyväksyntä merkitsee Ibexille ja laajemmin AI-väyläisten diagnostiikka-alalle?
Kiitos! Tämä hyväksyntä on merkittävä välietappi Ibexin matkalla ja edustaa sitoutumistamme kehittäämään kliinisesti validoitujen ratkaisujen, jotka auttavat parantamaan potilaiden terveyttä. Se vahvistaa sitoutumistamme ratkaisujen turvallisuuteen ja tehokkuuteen ja lujittaa kykyämme tarjota asiakkaillemme edistyksellistä innovaatiota, lopulta hyödyttäen potilaita, joita he palvelevat.
Näemme, että tämä merkittävä saavutus murtuu esteitä ja kiihdyttää AI:n ja digitalisaation omaksumista patologiassa. Toivomme, että tämä saavutus vahvistaa alanlaajuisen luottamuksen, että teknologia on helppo ottaa käyttöön ja valmis laajamittaiseen käyttöön. Pitkällä aikavälillä FDA:n hyväksyntä on tärkeä askel kohti AI:n saamista patologiassa ja edistää laajaa omaksumista.
FDA:n validointiprosessi korosti 13 prosentin osuuden syövän oireiden väärin diagnosoinnista alkuvaiheessa. Mitä tämä kertoo AI:n potentiaalista parantaa diagnostiikkaa?
Robustissa tarkkuustutkimuksissa ja kliinisissä validointitutkimuksissa, jotka tehtiin useissa Yhdysvaltain ja Euroopan laboratorioissa osana FDA:n hyväksyntää, järjestelmä tunnisti 13 prosentin osuuden väärin diagnosoiduista syövistä ryhmässä peräkkäisistä potilaista, jotka alun perin diagnosoidaan olevan hyvinvointia. Tämä tilasto vahvistaa Ibexin tuotteiden tarkkuutta ja vaikutusta, ja se myös vahvistaa, että Ibexin AI-alusta voidaan integroida turvallisesti kliinisiin työnkulkuihin, parantaen diagnostisen tarkkuutta ja lopulta parantaen potilashoitoa. Tarjoamalla lisäkerroksen analyysiä, teknologiamme auttaa vähentämään virheitä, mahdollistaa paremman kliinisen päätöksenteon ja edistää potilasturvallisuutta.
Kuinka Ibex Prostate Detect toimii, ja mitä siihen on ainutlaatuista verrattuna muihin AI-väyläisiin patologian ratkaisuihin?
Ibex Prostate Detect on in vitro diagnostiinen lääkinnällinen laite, joka hyödyntää AI:ta generoimaan lämpökarttoja, joissa havaitaan eturauhasen syöpää. Toimien turvallisuusverkkona, Ibex Prostate Detect auttaa patologeja varmistamaan, että potilaat saavat tarkan diagnoosin. Se hyödyntää AI-algoritmeja parantamaan eturauhasen syövän diagnostiikkaa.
Laite on tarkoitettu tunnistamaan kasvaimia, jotka patologi on saattanut missata. Jos epäilty kudosta eturauhasen syövän osalta havaitaan, järjestelmä luo hälytyksen ja sisältää lämpökartan, joka ohjaa patologia alueille, joissa syöpä on todennäköisesti olemassa. Ibex Prostate Detect on ainoa FDA:n hyväksymä ratkaisu, joka tarjoaa AI-väyläisiä lämpökarttoja kaikille alueille, joilla on todennäköisyys syövän olemassaoloon, tarjoamalla täydellisen selitettävyyden tarkastavalle patologille.
Voitko selittää, miten lämpökarttaominaisuus auttaa patologeja tunnistamaan syövän?
Ibex Prostate Detect on tarkoitettu tunnistamaan tapauksia, jotka on alun perin diagnosoinut olevan hyvinvointia, ja niiden tarkastamiseen uudelleen patologin toimesta. Jos se havaitsee kudosmuutoksia, jotka ovat epäilyttäviä eturauhasen syövän suhteen, se luo hälytyksen, joka sisältää lämpökartan koko diaplan kuville, joissa on todennäköisesti syöpää, tarjoamalla täydellisen selitettävyyden tarkastavalle patologille.
Yleensä lämpökartta on tarkka ja täsmällinen ja voi antaa patologille alueita, joissa on syytä keskittyä ja määritellä oikea diagnoosi. Tarkkuustutkimuksissa ja kliinisissä validointitutkimuksissa, jotka tehtiin osana FDA:n hyväksyntää, Ibex Prostate Detectin lämpökartat osoittivat äärimmäisen pikselin tarkkuuden ja määrittelivät seuraavat:
- Lähes kaikki syöpäalueet ovat lämpökartan peitossa (herkkyys = 98,7%).
- Lähes kaikki lämpökartassa korostetut alueet, joilla on suuri todennäköisyys syövän olemassaoloon, ovat todella syöpää (PPV = 99,6%).
- Syöpätapaukset, jotka järjestelmä tunnisti (väärät negatiiviset), vahvistettiin myöhemmin asiantuntijapatologeilla, mikä vahvisti tuotteen kliinisen hyödyn ja edut verrattuna nykyiseen hoitokäytäntöön.
Kuinka AI-malli erottaa hyvinvoinnin ja pahanlaatuisten kudosten välillä, ja miten se on koulutettu?
Syväoppimisalgoritmi perustuu useiden kerrosten konvoluutio-neuroverkkoihin, jotka toimivat useilla suurennusalueilla. AI on poikkeuksellisen vankka, osoittaen korkean tarkkuuden useissa laboratorioissa ja potilasdemografiassa. Huomionarvoista on, että linjaamme mukaan “patologeille, patologien toimesta”, malli on koulutettu yli miljoonalla dialla, jotka on huolellisesti annotoitu maailmanluokan patologeilla johtavissa lääketieteellisissä keskuksissa. Tämä lähestymistapa on kallista, mutta uskomme, että ilman patologien oivallusta on hyvin vaikea saavuttaa haluamiamme suorituskykyä. Tekemällä tämän, varmistamme, että kaikki patologit ovat varustettu asiantuntijoiden oivalluksilla, ja että jokainen potilas, riippumatta sijainnistaan, saa diagnoosin, joka on vertailukelpoinen maailman johtavien asiantuntijoiden kanssa.
Miten Ibex Prostate Detect toimii, ja mitä siihen on ainutlaatuista verrattuna muihin AI-väyläisiin patologian ratkaisuihin?
Ibex Prostate Detect on in vitro diagnostiinen lääkinnällinen laite, joka hyödyntää AI:ta generoimaan lämpökarttoja, joissa havaitaan eturauhasen syöpää. Toimien turvallisuusverkkona, Ibex Prostate Detect auttaa patologeja varmistamaan, että potilaat saavat tarkan diagnoosin. Se hyödyntää AI-algoritmeja parantamaan eturauhasen syövän diagnostiikkaa.
Laite on tarkoitettu tunnistamaan kasvaimia, jotka patologi on saattanut missata. Jos epäilty kudosta eturauhasen syövän osalta havaitaan, järjestelmä luo hälytyksen ja sisältää lämpökartan, joka ohjaa patologia alueille, joissa syöpä on todennäköisesti olemassa. Ibex Prostate Detect on ainoa FDA:n hyväksymä ratkaisu, joka tarjoaa AI-väyläisiä lämpökarttoja kaikille alueille, joilla on todennäköisyys syövän olemassaoloon, tarjoamalla täydellisen selitettävyyden tarkastavalle patologille.
Miten lämpökarttaominaisuus auttaa patologeja tunnistamaan syövän?
Ibex Prostate Detect on tarkoitettu tunnistamaan tapauksia, jotka on alun perin diagnosoinut olevan hyvinvointia, ja niiden tarkastamiseen uudelleen patologin toimesta. Jos se havaitsee kudosmuutoksia, jotka ovat epäilyttäviä eturauhasen syövän suhteen, se luo hälytyksen, joka sisältää lämpökartan koko diaplan kuville, joissa on todennäköisesti syöpää, tarjoamalla täydellisen selitettävyyden tarkastavalle patologille.
Yleensä lämpökartta on tarkka ja täsmällinen ja voi antaa patologille alueita, joissa on syytä keskittyä ja määritellä oikea diagnoosi. Tarkkuustutkimuksissa ja kliinisissä validointitutkimuksissa, jotka tehtiin osana FDA:n hyväksyntää, Ibex Prostate Detectin lämpökartat osoittivat äärimmäisen pikselin tarkkuuden ja määrittelivät seuraavat:
- Lähes kaikki syöpäalueet ovat lämpökartan peitossa (herkkyys = 98,7%).
- Lähes kaikki lämpökartassa korostetut alueet, joilla on suuri todennäköisyys syövän olemassaoloon, ovat todella syöpää (PPV = 99,6%).
- Syöpätapaukset, jotka järjestelmä tunnisti (väärät negatiiviset), vahvistettiin myöhemmin asiantuntijapatologeilla, mikä vahvisti tuotteen kliinisen hyödyn ja edut verrattuna nykyiseen hoitokäytäntöön.
Kuinka AI-malli erottaa hyvinvoinnin ja pahanlaatuisten kudosten välillä, ja miten se on koulutettu?
Syväoppimisalgoritmi perustuu useiden kerrosten konvoluutio-neuroverkkoihin, jotka toimivat useilla suurennusalueilla. AI on poikkeuksellisen vankka, osoittaen korkean tarkkuuden useissa laboratorioissa ja potilasdemografiassa. Huomionarvoista on, että linjaamme mukaan “patologeille, patologien toimesta”, malli on koulutettu yli miljoonalla dialla, jotka on huolellisesti annotoitu maailmanluokan patologeilla johtavissa lääketieteellisissä keskuksissa. Tämä lähestymistapa on kallista, mutta uskomme, että ilman patologien oivallusta on hyvin vaikea saavuttaa haluamiamme suorituskykyä. Tekemällä tämän, varmistamme, että kaikki patologit ovat varustettu asiantuntijoiden oivalluksilla, ja että jokainen potilas, riippumatta sijainnistaan, saa diagnoosin, joka on vertailukelpoinen maailman johtavien asiantuntijoiden kanssa.
Ibex on jo vaikuttanut merkittävästi AI-väyläisiin diagnostiikkaan ratkaisuihin rintasyövän ja mahasyövän osalta. Mitä seuraavaksi on odotettavissa yritykseltä uusien diagnostiikkaominaisuuksien suhteen?
Ibex on jo vaikuttanut merkittävästi AI-väyläisiin diagnostiikkaan ratkaisuihin rintasyövän ja mahasyövän osalta. Useat laboratoriot, myös Yhdysvalloissa, käyttävät jo Ibexin tuotteita muuttaakseen lääketieteellistä käytäntöään. Tuotteemme on osoittanut todellista kliinistä vaikutusta, ja patologit luottavat AI:hin ja vakuuttavat sen arvosta. Nyt kehitämme uuden teknologian markkinoille, jonka Ibex on kehittänyt yhteistyössä AstraZenecan ja Daiichi Sankyon kanssa. Tietty algoritmi, joka on ensimmäinen julkaisemislista, auttaa määrittämään HER2-ilmaisun, joka auttaa hoitohenkilökuntaa määrittämään potilaan hoidon suunnan.
Tulevaisuudessa jatkamme tuotteidemme laajentamista tarjoamaan lisää oivalluksia niiden kudosten tyypeissä, joita jo tuemme. Tutkimme myös tarjoamista uusia tarjouksia muihin kudosten alueisiin ja jatkamme asiakkaidemme työnkulkujen parantamista.
Miten näet AI-väyläisen patologian kehittyvän seuraavien viiden-kymmenen vuoden aikana?
Ennustan, että AI vaikuttaa merkittävästi patologian harjoittamiseen ja syövän diagnostiikkaan. En näe, että korvaamme patologeja, mutta kuten jokainen uusi teknologinen kehitys, käytäntö muuttuu. AI jatkaa olemassaoloaan haasteiden ratkaisemisessa, joita terveydenhuollossa kohtaavat, erityisesti maailmanlaajuinen patologien puute ja heidän kasvava työkuormansa, jota ajavat syövän kasvava määrä. Vastuullisen AI:n toteuttaminen auttaa patologeja hallitsemaan työkuormiaan tehokkaammin, parantaa diagnostisen tehokkuutta ja vähentää viiveitä. Automaattisten tehtävien avulla AI voi alentaa virheiden määrää, parantaa diagnoosin laatua ja lopulta lisätä patologien luottamusta työhönsä. Vahvasti uskon, että AI yhdessä ihmisen kanssa on paras yhdistelmä terveydenhuollon muuttamiseksi.
Toinen lupaava alue on laajentuminen nykyisestä patologian käytännöstä ennustavien algoritmien pariin. Algoritmit, jotka yhdistävät useita modaliteetteja ennustamaan tuloksia tai, olennaisesti, hoidon tehokkuutta.
AI voi myös parantaa terveyden tasa-arvoa demokratisoimalla terveydenhuollon. Riippumatta sijainnista, jokainen potilas ansaitsee luotettavan diagnoosin. Olisi hyvä, jos AI-tekniikkaa otettaisiin käyttöön patologian laboratorioissa yleisesti. Tämä alkaa yhteistyöstä lääkäreiden, teollisuuden ja viranomaisten kanssa nopeuttaa tämän teknologian käyttöönottoa – uskon, että meillä on potilaiden etu tässä asiassa.
Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Ibex Medical Analytics-sivustolla.












