Joseph Mossel, Ibex Medical Analyticsin perustaja ja toimitusjohtaja – Haastattelusarja

Joseph Mossel on Ibex Medical Analyticsin toimitusjohtaja. Hänen uransa teknologia-alalla on yli 20 vuoden pituinen, ja hän on työskennellyt ohjelmistokehityksessä ja tuotepäällikkönä sekä johtajana startup-yrityksissä, suurissa monikansallisissa yrityksissä ja hyväntekeväisyysjärjestöissä. Joseph on johtanut tuotteita niiden kehittämisestä monimiljoonaisiin liiketoimintoihin. Hänellä on tietojenkäsittelytieteen maisterin tutkinto Tel Avivin yliopistosta ja ympäristötieteen maisterin tutkinto VU Amsterdamista.

Ibex on patologeille kehitetty kliininen, monikudoksinen alusta, joka auttaa patologeja havaitsemaan ja luokittelemaan rintasyöpää, eturauhasen syöpää ja mahasyöpää sekä yli sataa muuta kliinisesti merkittävää ominaisuutta.

Ibexin AI-pohjaiset työnkulut toimivat sulautuneesti kolmannen osapuolen digitaalisen patologian ohjelmistoliittymien, skannausalustojen ja laboratoriotietojärjestelmien kanssa. Ne tarjoavat automaattisia, korkealaatuisia näkemyksiä, jotka parantavat potilasturvallisuutta, lisäävät lääkärien luottamusta ja tehostavat tuottavuutta.

Mikä innoitti sinua perustamaan Ibex Medical Analyticsin, ja mikä ongelma yritit ratkaista?

Syöpä koskettaa valitettavasti jokaisen – joko henkilökohtaisesti, hoitaen jonkun, jolla on syöpä, tai tietäen jonkun, joka on vaikuttunut siitä. Minulla on sukulaisia ja ystäviä, jotka ovat sairastuneet syöpään, ja valitettavasti yksi työntekijöistämme menehtyi syöpään.

Syövän esiintyvyys lisääntyy maailmanlaajuisesti, ja syövän diagnostiikan kysyntä kasvaa. Samalla patologien maailmanlaajuinen pula vaikeuttaa diagnostiikan tekoa. Ibexin alusta auttaa voittamaan nämä haasteet antamalla patologeille AI-työkaluja, jotka parantavat diagnostiikan tarkkuutta ja tehostavat työnkulkua. Tämä varmistaa, että jokainen potilas saa tarkan ja ajantasaisen diagnostiikan, joka on ratkaiseva sekä hoidon suunnittelussa että lopputuloksissa.

Olemme ylpeitä työstämme asiakkaidemme hyväksi, jotka luottavat jokapäiväisesti teknologiaamme paremman diagnostiikan saavuttamiseksi. Heidän luottamuksensa korostaa vaikutusta, jonka teemme, muuttaen patologian alaa ja parantaen potilastuloksia.

Voitko kertoa taustastasi ja siitä, miten se johti sinut AI-pohjaisen patologian pariin?

Urani aikana on ollut kaksi voimakasta ajuria: tarkoituksen etsintä ja monitieteisyys syvän erikoistumisen sijaan. Olen onnekas, että johtaan yritystä, joka antaa minulle syvän tarkoituksen ja mahdollistaa työskentelyn erittäin lahjakkaiden ja monipuolisten tiimien kanssa.

Alkuperäinen akateeminen taustani on tietojenkäsittelytieteessä, erityisesti laskennallisen neurotieteen alalla. Työskentelin algoritmi-insinöörinä ja siirtyin tuotepäälliköksi. Suuren korporaation jälkeen päättelin, ettei se ollut minulle. Suoritin ympäristötieteen tutkinnon ja johtamin ympäristön hyväksi toimivaa voittoa tavoittelematonta organisaatiota useita vuosia. Kestävyys on edelleen intohimoni ja yksi aikamme suurista haasteista.

Noin kymmenen vuotta sitten tapasin perustajani, Chaim Linhartin, joka jakoi saman intohimon merkityksellisen eron tekemiseen ja saman innostuksen teknologiaa kohtaan. Chaim on erikoistunut, ja hänellä on tietojenkäsittelytieteen tohtorin tutkinto ja yli 25 vuoden kokemus algoritmien kehittämisestä, tekoälystä ja koneoppimisesta. Ibexin alkuvaiheessa Chaim osallistui Kaggle-kilpailuihin (ML).

Kun kuulimme, että patologia on hitaasti siirtymässä digitaaliseen muotoon, pohdimme digitaalisen muutoksen vaikutusta syövän diagnostiikan parantamiseen. Satoja yrityksiä kehitti jo tekoälyä radiologiaan, ja kysyimme itseltämme, miksi emme tekisi samaa patologiassa? Tuntui luonnolliselta, että tuomme teknologisen asiantuntemuksemme patologian alalle, tiiviissä yhteistyössä patologien kanssa jokaisessa vaiheessa.

Mitkä olivat suurimmat haasteet Ibexin alkuvaiheessa, ja miten niitä voitettiin?

Idea tekoälyn soveltamisesta patologiaan ei ollut uusi, mutta toteutus oli haasteellista. Kolme suurinta haastetta, joita kohtasimme Ibexin alkuvaiheessa, olivat pääsy dataan, pääsy pääomaan ja pääsy alan tietämykseen.

Ratkaistuamme datahaasteen Maccabi Health Services of Israelin kanssa, jolloin saimme käyttöömme laajan potilasaineiston, pystyimme kehittämään ensimmäisen algoritmiimme eturauhasen syövän havaitsemiseksi. Kun olimme tyytyväisiä algoritmin suorituskykyyn, otimme sen käyttöön Maccabin patologian laboratoriossa toisena lukijana, tarkastellen kaikkia tapauksia patologin alkuperäisen lukemisen jälkeen. Yllätykseksemme järjestelmä havaitsi jo muutamassa päivässä syöpätapauksen, jota patologi oli aluksi väärin diagnosoinut. Tietääksemme tämä oli ensimmäinen kerta, kun algoritmi teki alkuperäisen syövän diagnostiikan, vuonna 2018.

Onnittelut Ibex Prostate Detectin saamasta FDA:n 510(k)-hyväksynnästä! Mitä tämä hyväksyntä merkitsee Ibexille ja laajemmin tekoälypohjaisen diagnostiikan alalla?

Kiitos! Tämä hyväksyntä on merkittävä vaihe Ibexin matkalla ja osoittaa sitoutumisemme kehittää kliinisiä ratkaisuja, jotka parantavat potilaiden terveyden tuloksia. Se vahvistaa sitoutumistamme ratkaisujen turvallisuuteen ja tehokkuuteen sekä lujittaa kykyämme tarjota innovaatioita patologeille ja lopulta potilaille, joita he palvelevat.

Näen, että tämä merkittävä saavutus murtuu esteitä ja kiihdyttää tekoälyn ja digitalisaation omaksumista patologiassa. Toivon, että tämä saavutus vahvistaa alan laajaa luottamusta siihen, että teknologia on helppokäyttöistä ja valmis laajamittaiseen käyttöön. Pitkällä aikavälillä FDA:n hyväksyntä on tärkeä askel kohti tekoälyn korvaavan diagnostiikan laajan hyväksymistä ja korvaamista patologiassa.

FDA:n validointiprosessi osoitti 13 prosentin osuuden väärästä diagnostiikasta alkuperäisissä benignissä diagnostiikoissa. Mitä tämä kertoo tekoälyn mahdollisuuksista parantaa diagnostiikan tarkkuutta?

Robustissa tarkkuus- ja kliinisissä validointitutkimuksissa, jotka tehtiin useissa Yhdysvaltain ja Euroopan laboratorioissa osana FDA:n hyväksyntää, järjestelmä tunnisti 13 prosentin osuuden väärästä diagnostiikasta potilaista, jotka oli aluksi diagnosoinut benigniksi. Tämä tilasto vahvistaa Ibexin tuotteiden tarkkuutta ja vaikuttaa siihen, että Ibexin AI-alusta voidaan turvallisesti integroida kliinisiin työnkulkuihin, parantaen diagnostiikan tarkkuutta ja lopulta potilaiden hoitoa.

Miten Ibex Prostate Detect toimii, ja mitä siihen on ominaista verrattuna muihin tekoälypohjaisiin patologian ratkaisuihin?

Ibex Prostate Detect on vitro-diagnostinen lääkinnällinen laite, joka hyödyntää tekoälyä luodakseen lämpökarttoja, joissa havaitaan eturauhasen syöpää. Toimien turvallisuusverkkona, Ibex Prostate Detect auttaa patologeja varmistamaan, että potilaat saavat tarkan diagnostiikan. Se käyttää tekoälyalgoritmeja parantamaan eturauhasen syövän diagnostiikan tarkkuutta.

Voitko selittää, miten lämpökarttaominaisuus auttaa patologeja havaitsemaan syöpäkudoksia?

Ibex Prostate Detect on tarkoitettu havaitsemaan tapauksia, jotka on aluksi diagnosoinut benigniksi, ja se antaa hälytyksiä, jotka sisältävät lämpökartan kudoksista, joissa voi olla syöpää, tarjoten täydellisen selitettävyyden tarkastavalle patologille.

Yleensä lämpökartta on tarkka ja antaa patologille alueita, joihin hän voi keskittyä ja määritellä oikean diagnostiikan. Tarkkuus- ja kliinisissä validointitutkimuksissa, jotka tehtiin osana FDA:n hyväksyntää, Ibex Prostate Detectin lämpökartat osoittivat äärimmäisen pikselitarkkuuden ja määrittelivät seuraavat:

• Lähes kaikki syöpäalueet ovat lämpökartan peitossa (herkkyys = 98,7 %).
• Lähes kaikki lämpökartassa korostetut alueet ovat todella syöpää (PPV = 99,6 %).
• Väärät negatiiviset syöpätapaukset, joita järjestelmä tunnisti, vahvistettiin myöhemmin asiantuntijapatologien toimesta, mikä vahvisti tuotteen kliinistä hyötyä ja etuja verrattuna nykyiseen hoitokäytäntöön.

Miten tekoälymalli erottaa hyvänlaatuisen ja pahanlaatuisen kudoksen, ja miten se on koulutettu?

Syvän oppimisen algoritmi perustuu useiden kerrosten konvoluutio-neuroverkkoihin, jotka toimivat useilla suurennusluokilla. Tekoäly on poikkeuksellisen robusti ja osoittaa korkeaa tarkkuutta useissa laboratorioissa ja potilasdemografiassa. Huomionarvoista on, että mukaan lukien “patologeille patologien toimesta” -mantraamme, malli on koulutettu yli miljoonalla luvulla, jotka on huolellisesti annotoinut maailmanluokan patologit johtavissa lääketieteellisissä keskuksissa. Tämä lähestymistapa on kallista, mutta uskomme, että ilman patologien oivalluksia on vaikea saavuttaa haluamiamme suorituskyky. Tekemällä näin, varmistamme, että kaikki patologit saavat asiantuntijoiden oivallukset, ja jokainen potilas, riippumatta sijainnistaan, saa diagnostiikkaa, joka on vertailukelpoinen maailman johtavien asiantuntijoiden kanssa.

Miten Ibex aikoo laajentaa diagnostiikkaa muihin syöpiin, kuten rintasyöpään ja mahasyöpään?

Ibex on jo vaikuttanut merkittävästi AI-pohjaisiin diagnostiikkaratkaisuihin rintasyövän ja mahasyövän osalta. Maailmanlaajuisesti johtavana live-kliinisenä käyttöönottoyrityksenä monet laboratoriot, myös Yhdysvalloissa, käyttävät jo Ibexin tuotteita muuttaakseen lääketieteellistä käytäntöään. Ibexin tuotteet ovat osoittaneet todellista kliinistä vaikutusta, ja patologit luottavat AI:hin ja vakuuttavat sen arvosta. Nyt kehitämme uuden teknologian markkinoille, jonka kehittämisessä ja validoinnissa olemme yhteistyössä AstraZenecan ja Daiichi Sankyon kanssa. Tämä tietty algoritmi, joka on ensimmäinen julkaisu, auttaa määrittämään HER2-ilmaisun, mikä auttaa hoitohenkilöstöä määrittämään potilaan hoidon suunnan.

Miten näet tekoälypohjaisen patologian kehittyvän seuraavien viiden-kymmenen vuoden aikana?

Ennustan, että tekoäly vaikuttaa merkittävästi patologian harjoittamiseen ja syövän diagnostiikkaan. En näe, että korvaamme patologeja, mutta kuten jokainen uusi teknologinen kehitys, käytäntö muuttuu. Tekoäly jatkaa osoittamistaan työvoiman haasteiden ratkaisemisessa terveydenhuollossa, erityisesti patologien maailmanlaajuisessa pula ja kasvavat työkuormat, joita syövän kasvava määrä aiheuttaa. Vastuullisen tekoälyn käyttöönotto auttaa patologeja hallitsemaan työkuormiaan tehokkaammin, parantaen diagnostiikan tehokkuutta ja vähentäen viiveitä. Automaattisten rutiinitehtävien avulla tekoäly voi alentaa virheiden määrää, parantaa diagnostiikan laatua ja lopulta lisätä patologien luottamusta työhönsä.

Kiitos haastattelusta! Lukijat, jotka haluavat oppia lisää, voivat vierailla Ibex Medical Analyticsin sivustolla.