Chaim Linhart, PhD, Co-fondateur et CTO d’Ibex Medical Analytics – Série d’entretiens

Chaim Linhart, PhD est le CTO et co-fondateur d’Ibex Medical Analytics. Il a plus de 25 ans d’expérience dans le développement d’algorithmes, l’IA et l’apprentissage automatique, à la fois dans le monde universitaire et en servant dans une unité d’élite de l’armée israélienne et dans plusieurs entreprises technologiques. Chaim a un doctorat en informatique de l’Université de Tel-Aviv et a remporté plusieurs concours d’apprentissage automatique Kaggle.

Depuis 2016, Ibex a ouvert la voie aux diagnostics basés sur l’IA en pathologie. L’entreprise s’est donné pour objectif de transformer la pathologie en garantissant que chaque patient puisse recevoir un diagnostic de cancer précis, opportun et personnalisé. Aujourd’hui, Ibex est la plate-forme d’intelligence artificielle la plus largement déployée en pathologie. Développée par des pathologistes pour des pathologistes, ses solutions servent les médecins, les organisations de soins de santé et les fournisseurs de diagnostics les plus importants du monde. Chaque jour, Ibex a le privilège d’avoir un impact sur la vie des patients du monde entier. La plate-forme renforce la confiance des médecins, rationalise les flux de travail de diagnostic, aide les cliniciens à fournir des diagnostics plus personnalisés et, surtout, permet de meilleurs résultats cliniques.

Pouvez-vous partager le parcours et la vision derrière la fondation d’Ibex et sa mission de transformer les diagnostics du cancer avec l’IA ?

En 2016, mon co-fondateur, Joseph Mossel, et moi avons appris que la révolution numérique en pathologie pourrait avoir un impact direct sur l’amélioration des diagnostics du cancer. La radiologie avait connu une transformation similaire 20 ans plus tôt, qui avait eu un impact important sur la façon dont la spécialité était pratiquée. Avec la pathologie devenant numérisée, nous avons reconnu qu’elle offrait une occasion de développer de nouveaux outils avancés qui utilisent l’intelligence artificielle (IA) pour effectuer des analyses d’images sophistiquées. Nous nous sommes concentrés sur le développement d’outils alimentés par l’IA qui aident les médecins à atteindre des diagnostics plus précis, objectifs, reproductibles et opportuns, et ainsi aider chaque patient à recevoir le bon diagnostic, de manière opportune, ce qui conduit au meilleur traitement possible.

Comment le paysage des diagnostics du cancer a-t-il changé depuis la création d’Ibex en 2016 ?

Les laboratoires adoptent la numérisation à un rythme croissant, encore accéléré par la Covid-19. La révolution numérique a permis aux laboratoires d’élargir leurs capacités au-delà du microscope de manière significative, en exploitant l’IA qui aide les pathologistes à analyser et à comprendre les résultats de manière efficace.

Le domaine des diagnostics du cancer alimentés par l’IA a connu une croissance exponentielle, car nous voyons des startups et d’autres entreprises travailler sur divers aspects de l’IA pour la pathologie dans le domaine du diagnostic du cancer. La médecine de précision, par exemple, est une stratification des patients basée sur les données, rendue possible par un diagnostic précis et diverses approches d’informations qui conduisent à un traitement optimal et personnalisé. L’augmentation de la médecine de précision s’accompagne d’un besoin accru de diagnostics plus complexes pour soutenir les nouveaux traitements ciblés.

Nous avons également vu une augmentation des publications universitaires et des associations industrielles se concentrant sur le domaine. Lorsque Joseph et moi avons assisté à notre première conférence sur la pathologie numérique et computationnelle en 2016, l’IA était une petite partie de la conversation entourant le diagnostic du cancer, car elle n’était pas aussi répandue. Maintenant, lorsqu’on assiste à une grande conférence de pathologie, l’IA est l’événement principal.

Qu’est-ce qui différencie Ibex des autres entreprises dans le domaine de la pathologie alimentée par l’IA ?

Lorsque nous parlons de pathologie alimentée par l’IA, il existe plusieurs sous-domaines. Il y a des entreprises qui donnent la priorité aux applications de recherche, comme des outils qui analysent les images de tissus pour aider à comprendre les processus de maladie au niveau morphologique et cellulaire, par exemple. Deuxièmement, il y a des entreprises qui se concentrent principalement sur les applications cliniques, c’est-à-dire des produits utilisés dans les laboratoires pour soutenir le diagnostic de routine.

Ibex se concentre sur les applications cliniques, et nous avons la plus grande et la plus large base d’installation avec des pathologistes du monde entier utilisant nos outils quotidiennement pour le diagnostic du cancer. Nous sommes également en partenariat avec des entreprises pharmaceutiques pour développer des applications cliniques alimentées par l’IA qui soutiennent les pathologistes dans la quantification des biomarqueurs qui permettent les thérapies ciblées.

En outre, alors que certaines entreprises se concentrent sur des indications spécifiques et limitées par type de tumeur, comme la détection du cancer, notre approche consiste à former l’IA pour analyser tout ce que les pathologistes verraient dans ces tissus. Ce n’est pas seulement pour détecter le cancer, mais également pour déterminer le type et le sous-type de cancer, le grade, la taille, ainsi que les morphologies et les caractéristiques cliniques liées au cancer. Nous savons que la pathologie est plus que simplement déterminer si le patient a un cancer ou non. Nous voulons aider les pathologistes à réaliser les avantages importants que l’IA apporte à la table.

Pouvez-vous expliquer la technologie de base derrière les solutions d’Ibex et comment elle aide les pathologistes dans la détection et la notation du cancer ?

<p Notre approche consiste à ce que les pathologistes forment essentiellement la machine. Nous avons une grande équipe de pathologistes dans le monde entier qui annotent des lames. Cela signifie qu'ils marquent des zones spécifiques dans ces lames et les étiquettent. Ils peuvent marquer une tumeur de faible grade, un vaisseau sanguin, un nerf, une inflammation, etc. Nous prenons ensuite ces données et les utilisons pour former les modèles d'IA. Cela garantit que l'IA est très précise, même pour les cas rares et difficiles, ce qui est vitalement important. Notre IA est enseignée par des pathologistes et est formée pour identifier de nombreux types de structures et de morphologies de tissus, ce qui est très utile pour les pathologistes et augmente inévitablement sa précision. En ayant accès à une large gamme de données et de connaissances, nous pouvons améliorer notre IA et mettre en œuvre les enseignements obtenus directement sur le terrain.

Comment Ibex assure-t-il une précision clinique à travers différents types de cancer, tels que le cancer du sein, de la prostate et de l’estomac ?

Cela nécessite beaucoup de travail acharné. Nous collectons des données auprès de nombreux partenaires du monde entier. Nous nous assurons que les données sont très diversifiées, avec une représentation de différents laboratoires et de diverses techniques de préparation de tissus, de scanners et de résultats cliniques. Nous enrichissons les données de formation avec des types de cancer rares. Cela garantit que l’IA est formée avec une grande variété de caractéristiques. Au cours du processus de formation, nous mesurons ce que l’IA fait bien, et nous déterminons également où des améliorations doivent être apportées. L’équipe, avec une grande expérience dans l’apprentissage automatique, teste l’IA sur des milliers de lames que nous avons collectées à partir de différents laboratoires. Nous réalisons des études et des essais cliniques et comparons deux aspects fondamentaux du système. Premièrement, nous examinons ses performances autonomes par rapport à la vérité terrain. Deuxièmement, nous déterminons avec quelle précision le pathologiste travaille avec et sans l’IA. En faisant cela, nous nous assurons que l’IA est précise, robuste, impartiale et sûre. Nous mesurons son impact sur les pathologistes qui utilisent l’IA. À travers nos applications, nous constatons que le pathologiste, avec l’aide de l’IA, atteint de meilleurs résultats (c’est-à-dire plus précis, avec un accord plus élevé avec la vérité terrain) que dans les soins standard (c’est-à-dire lorsqu’ils ne sont pas soutenus par l’IA). Nous mesurons également l’efficacité de leur travail et d’autres avantages importants de la plate-forme d’IA, tels que l’optimisation du flux de travail dans le laboratoire et la réduction du temps de réponse (c’est-à-dire le temps nécessaire pour que le patient reçoive les résultats).

Quelles sont les caractéristiques uniques des solutions d’Ibex qui améliorent les flux de travail de diagnostic et les résultats pour les patients ?

<p Notre système intégré comprend un visionneur de lames, les résultats de l'IA et des outils de rapport intégrés. Ce système global a été conçu pour améliorer la précision et la productivité. Il guide les pathologistes à travers le processus de diagnostic, en leur montrant les principales constatations dans chaque cas et chaque lame. Au lieu de rechercher des caractéristiques, qui peuvent être petites et difficiles à détecter, l'IA les met en évidence de manière très claire. À partir de là, le pathologiste peut confirmer ou modifier. L'IA affiche des mesures et des quantifications ; elle score également tout. Avec des rapports intégrés, le pathologiste n'a pas besoin de regarder la lame, de faire le diagnostic dans son esprit et d'aller ensuite dans un autre système pour tout rapporter ; au lieu de cela, la saisie de rapport est effectuée pendant que l'IA pilote le flux de travail intégré. Même le nombre de clics de souris a été optimisé. Tout a été construit avec les pathologistes à l'esprit pour améliorer la précision et l'efficacité diagnostiques, créant ainsi un meilleur environnement de travail pour ces médecins et de meilleurs résultats pour leurs patients.

Comment les solutions d’Ibex s’intègrent-elles aux logiciels de pathologie numérique existants et aux systèmes d’information de laboratoire ?

Nous travaillons avec plusieurs fournisseurs dans le domaine qui vendent des solutions de gestion d’images ou offrent des systèmes d’information de laboratoire. Pour chaque partenaire, il existe différents types d’opportunités d’intégration. Dans certains cas, nous intégrons notre IA dans leurs outils afin que le pathologiste puisse utiliser leur plate-forme avec notre IA à l’intérieur. Dans d’autres cas, nous intégrons avec ces outils de manière à permettre aux pathologistes de lancer Ibex à partir de l’autre système. Quelle que soit l’intégration, nous voulons toujours nous assurer que les utilisateurs ont la manière la plus optimale d’utiliser l’IA. De plus, nous avons développé une interface de programmation d’application (API) ouverte qui permet à des tiers, y compris d’autres entreprises ou les départements informatiques de nos clients, de récupérer des informations à partir de notre IA et de les intégrer dans leur environnement.

Quels défis Ibex a-t-il rencontrés pour parvenir à une adoption généralisée de ses solutions alimentées par l’IA en pathologie ?

En y réfléchissant, je dirais que le principal défi que Ibex a rencontré était lié à la complexité et à la quantité de travail, d’effort et de temps nécessaires pour apporter des produits de diagnostic sur le marché. Cela inclut des approches multidisciplinaires : collecte de données, travail avec des pathologistes, formation de l’IA et tests rigoureux, essais cliniques et, dans certaines géographies, obtention d’une autorisation réglementaire – et faire tout cela sous des mesures de garantie de qualité strictes. Dans le domaine médical, il est également extrêmement important de générer des preuves scientifiques et de publier des résultats avec de multiples laboratoires pour démontrer les performances et les avantages de la plate-forme d’IA.

Un autre défi notable est l’intégration. Nous devons nous assurer que les pathologistes peuvent utiliser l’IA d’une manière efficace et naturelle. Il existe de multiples systèmes dans le laboratoire : des scanners de pathologie numérique, le système d’information de laboratoire et le flux de travail, ainsi que des outils de rapport. En résumé, nous nous assurons que tout se combine de la manière la plus efficace possible, malgré les défis.

Pouvez-vous partager certaines histoires de succès ou des études de cas d’organisations de soins de santé qui ont mis en œuvre les solutions d’Ibex ?

Nous sommes très fiers de nos partenariats et de notre portée mondiale. Par exemple, nous avons le premier déploiement national de l’IA au Pays de Galles – tous les conseils de santé du Pays de Galles utilisent la solution d’IA d’Ibex. Un autre exemple est CorePlus Laboratories à Porto Rico – ils utilisent Ibex depuis plusieurs années et ont publié un article qui montre l’impact que la plate-forme a eu sur leur pratique clinique. Par exemple, en utilisant l’algorithme d’IA, les pathologistes ont pu identifier 160 hommes qui auraient autrement été mal diagnostiqués. Ces patients ont reçu le traitement approprié grâce au soutien de l’IA. C’est vraiment l’impact que nous faisons. C’est quelque chose que nous ne pouvons pas oublier – nous sommes là pour avoir un impact sur la vie des gens.

Quel rôle l’IA jouera-t-elle dans l’avenir de la pathologie et des diagnostics du cancer au cours de la prochaine décennie ?

Au cours de la prochaine décennie, nous allons continuer à voir les pathologistes utiliser l’IA pour les soutenir dans leurs efforts diagnostiques principaux. Je prévois que les pathologistes utiliseront l’IA sur la plupart de leur charge de travail pour s’assurer que la qualité est élevée et que tout est objectif, reproductible et opportun. De plus, l’IA aidera les médecins à faire des choses qu’ils ne font pas actuellement. Elle peut les aider à décider quels tests supplémentaires doivent être effectués sur un cas spécifique, ainsi que fournir une prognose plus précise et une sélection de traitement rationalisée.

L’IA sera intégrale dans l’ensemble du parcours du patient, pas seulement dans la partie de diagnostic du cancer dans le laboratoire de pathologie, mais également, par exemple, pour l’oncologue qui décide du plan de traitement. Je pense également que l’IA aidera à combiner les disciplines. Avec le temps, les différentes modalités (pathologie, radiologie, génomique, dossiers cliniques) seront alimentées dans divers modules d’IA pour soutenir une médecine de précision nouvelle et améliorée. D’un point de vue d’équité en matière de santé, les patients qui n’ont pas accès aux meilleurs médecins du monde connaîtront un bond important dans la qualité de leur diagnostic et de leur traitement. L’IA apportera tout le monde au niveau d’un expert de près. Chacun mérite d’avoir accès à des soins de qualité, et l’IA nous aidera à aller dans la bonne direction pour une santé plus démocratique.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Ibex Medical Analytics.