Ophir Tanz, fondateur et PDG de Pearl – Série d’entretiens

Ophir Tanz est le fondateur et le PDG de Pearl, une entreprise fondée sur l’idée que l’intelligence artificielle peut être l’assistant permanent du praticien dentaire et l’ami le plus fiable du patient. Les fondateurs ont une connexion personnelle unique avec les complexités de l’industrie dentaire, ainsi que les connaissances et l’éducation nécessaires pour actualiser le potentiel complet et pratique de l’IA.

Qu’est-ce qui vous a initialement attiré vers l’intelligence artificielle ?

J’ai été intéressé par l’IA depuis que j’étais à l’université. J’ai vu beaucoup d’opportunités là-bas et cela a alimenté mon ambition d’appliquer l’IA pour créer de nouvelles capacités et applications commerciales. En particulier, j’étais intéressé par la vision par ordinateur – le domaine de l’intelligence artificielle où nous enseignons aux ordinateurs à voir, à traiter et à comprendre le monde de la même manière que le cerveau humain – donc, après avoir obtenu mon diplôme, j’ai lancé une entreprise, GumGum, qui se concentrait sur l’application de l’intelligence visuelle pour créer de la valeur dans la catégorie des médias numériques. Bien que j’aie compris le pouvoir de l’IA assez tôt, alors que je faisais grandir cette entreprise, j’ai été frappé par le fait que le domaine devenait de plus en plus avancé et pratique – et je suis devenu de plus en plus intéressé par les applications plus larges de la technologie.

Votre première entreprise, GumGum, qui spécialisait l’utilisation de l’IA dans la publicité contextuelle, a fini par être très réussie, à quoi attribuez-vous ce succès ?

Je pense que ce qui a permis à GumGum de réussir à ce point, c’est l’accent que nous avons mis sur l’application et l’innovation de l’IA. C’est principalement une entreprise de publicité numérique, mais même si nous opérions dans les limites plus larges de cette catégorie, le travail que nous avons fait avec l’IA n’était pas confiné par la catégorie. Cela signifiait que nous étions une entreprise de technologie autant qu’une entreprise de publicité, ce qui a créé une différenciation significative. Notre mentalité « IA d’abord » nous a conduit à innover dans des domaines en dehors des limites naturelles de la publicité numérique – dans l’évaluation des parrainages et, bien sûr, la dentisterie. Parce que nous n’étions jamais concentrés sur le fait d’être « juste une entreprise de publicité » et que nous cherchions constamment des moyens de faire mieux, GumGum a pu grandir avec nous à mesure que notre vision s’est élargie et que la technologie sous-jacente et le domaine de l’IA ont évolué.

Pouvez-vous partager l’histoire de la genèse de votre nouvelle entreprise de démarrage d’IA, Pearl ?

Après avoir lancé GumGum et me concentrer sur la vision par ordinateur, je savais qu’il y avait plus que nous pouvions faire avec la technologie et j’étais toujours à la recherche de nouvelles applications. Les soins de santé et la radiologie m’intéressaient particulièrement, et représentaient également des applications claires du type d’apprentissage automatique que GumGum appliquait. Nous avons lancé une division dentaire appelée GumGum Dental, qui était la genèse de Pearl. J’ai décidé de séparer complètement la division dentaire parce que je croyais que l’opportunité méritait une entreprise indépendante. Je suppose que l’on pourrait dire que c’était destiné à être, d’une certaine manière – mon père était dentiste, et j’ai grandi en aidant dans son cabinet, donc passer à me concentrer sur l’industrie dentaire était un peu comme un retour à la maison pour moi. Mais ce n’est pas comme si ma connexion d’enfance avec la dentisterie était la principale impulsion pour mon désir de diriger Pearl en tant que nouvelle entreprise. Je crois fermement que la vision par ordinateur et l’IA transformeront la dentisterie et les soins de santé mondiaux, et je voulais être en mesure de donner l’attention au projet que je pense qu’il mérite.

Pouvez-vous discuter des systèmes de vision par ordinateur et d’apprentissage automatique utilisés pour scanner les images radiographiques et dentaires 3D ?

La vision par ordinateur est une forme d’IA qui enseigne aux ordinateurs à « voir » de la même manière que les humains. Nous alimentons de grandes quantités d’images dentaires annotées par des experts dans une série d’algorithmes modélisés sur les réseaux neuronaux du cerveau humain. En étudiant les images annotées, le réseau apprend à reconnaître les pathologies dentaires du type qui ont été marquées dans les images annotées. Ce processus est appelé « apprentissage supervisé ». En enseignant ainsi un ordinateur, il peut apprendre à reconnaître des images de manière non littérale. Par exemple, il apprend à identifier un objet partiellement obscurci ou visible uniquement sous certains angles en absorbant des milliers d’exemples différents et en construisant ce qui est essentiellement la version de l’ordinateur d’une image mentale de cet objet.

Nous avons enseigné notre IA et nos algorithmes d’apprentissage automatique en construisant une grande collection de radiographies et en travaillant avec des dentistes et des radiologues pour étiqueter les images, puis en utilisant ces images étiquetées pour enseigner au système à interpréter de nouvelles images. Maintenant, nous avons une IA qui peut pointer les problèmes potentiels qui peuvent être identifiés dans les radiographies et aider les dentistes à lire les radiographies des patients de manière plus précise et plus cohérente.

Pour nos systèmes d’imagerie 3D, nous utilisons une approche similaire mais avec des classes d’algorithmes différentes. Avec les images 3D, la formation peut être plus complexe, car les images 3D contiennent beaucoup plus de données, ce qui rend parfois l’annotation plus fastidieuse. Bien sûr, parce qu’il y a tellement plus de données, une fois que le système a été formé pour interpréter une image 3D, il est en fait capable d’être plus précis dans ses constatations. C’est essentiellement la même chose que lorsque un humain regarde un cône de lumière par rapport à une radiographie bitewing traditionnelle : nous pouvons voir chaque petit facet de la dent dans un CBCT, mais nous pouvons souvent ne voir que certaines structures dentaires de base dans une radiographie bitewing. L’IA fait face au même défi.

Quel type d’informations ou de diagnostics est révélé par ce système ?

Notre système d’IA radiologique peut détecter un large éventail de conditions pathologiques et non pathologiques, de caractéristiques de restauration et d’anatomie naturelle. Les caries, la perte osseuse, la radiolucence périapicale, le tartre, l’empâtement, le tartre, l’impaction, le WPL, la furcation, l’obturation, la discordance de marge – la liste est trop longue pour énumérer tout et elle continue de grandir. Beaucoup de ces capacités sont incluses dans Second Opinion, notre outil d’aide à la détection de pathologie en temps réel actuellement disponible au Canada, en Australie, en Europe et dans plusieurs autres territoires, et la plupart sont appliquées dans Practice Intelligence, notre solution d’intelligence clinique non axée sur le patient, qui est disponible pour les cabinets dans les États-Unis et dans le monde entier

Quel type de données d’imagerie a été utilisé pour former le système ?

Notre système de détection de pathologie radiologique a été formé à partir de radiographies bitewing, périapicales et panoramiques, qui sont les plus courantes dans la diagnostics dentaire – le type de radiographies que vous obtenez chez le dentiste tous les deux ans ou lorsque cela est nécessaire. Les images radiographiques sont relativement faciles à obtenir dans le domaine dentaire par rapport à d’autres formes de médecine et plus de radiographies dentaires sont prises chaque année que n’importe quelle autre forme de radiographie. La partie coûteuse et fastidieuse est d’obtenir des experts pour examiner et annoter les radiographies. Nous avons compilé la plus grande collection au monde de radiographies dentaires étiquetées. Cette disponibilité de données radiographiques est l’une des raisons pour lesquelles le domaine dentaire est si propice à la disruption par l’IA.

Quel type d’améliorations d’efficacité et de taux de précision ont été constatés avec le système Pearl par rapport à l’examen manuel d’images par les humains ?

Nous avons mené plusieurs grandes études sur des milliers de radiographies et des centaines de dentistes pour tester la précision de notre système, à la fois en tant que système de détection autonome et lorsqu’il est utilisé pour aider les dentistes. Nous avons examiné la précision pour chaque type de détection ainsi que de manière globale pour toutes les détections prises en charge par le système. Il y a une variance dans la précision entre les classes de détection individuelles, avec une précision allant de 84 à 96 pour cent. Dans l’ensemble, le système est correct plus de 92 pour cent du temps. C’est assez bon et le système continue de s’améliorer.

Bien sûr, ces chiffres de précision absolus ne sont pas aussi indicatifs que la précision relative du système par rapport aux dentistes humains. Si la précision humaine était de 60 %, un système d’IA qui n’est précis que 70 % du temps fournirait un avantage considérable aux dentistes qui l’utilisent. Dans les études que nous avons menées qui comprenaient une composante autonome humaine, les dentistes varient de 70 à 85 %. Il y a une variance significative entre les dentistes individuels, cependant, donc il y a certainement des dentistes qui sont également ou plus précis que notre système et un bon pourcentage qui sont beaucoup moins précis. Pour évaluer les avantages du système, ce que nous voulons voir, c’est une augmentation de la précision pour un dentiste lorsqu’il utilise le système par rapport à la même dentiste lorsqu’il ne l’utilise pas. Nos études montrent un avantage clair.

Maintenant que Second Opinion est utilisé dans les cabinets, nous devons faire plus de recherches pour examiner l’impact réel. Nous commençons à le faire avec l’aide de partenaires universitaires en Allemagne. Est-ce que cela accélère les visites des patients ? Est-ce que cela facilite une meilleure communication entre les médecins et les patients ? Est-ce que cela améliore la confiance des patients ? Est-ce que cela élève l’acceptation des cas ? Nous travaillons actuellement pour répondre à ces questions. Éventuellement, nous aimerions étudier l’impact du système sur les résultats de santé des patients, mais c’est un projet à long terme.

Je devrais noter que, parce que Practice Intelligence est en partie un outil d’analyse qui peut évaluer les caractéristiques de santé des patients et les performances diagnostiques et de planification de traitement des praticiens, nous avons en fait une certaine idée de la façon dont l’IA peut avoir un impact sur les soins aux patients. Ce n’est pas de la recherche de style universitaire, mais nous avons récemment mené une étude examinant les données de production de dix cabinets équipés de Practice Intelligence sur une période d’un mois. Au cours de ce mois, le système a mis en évidence un total de plus de 84 000 $ par cabinet en opportunités de traitement potentiellement manquées dans les radiographies antérieures pour les patients ayant des rendez-vous prévus pendant cette période. Pour ces 84 000 $ d’opportunités de traitement mises en évidence, les cabinets ont pu réaliser en moyenne 12 500 $ de traitement de restauration et 23 800 $ de traitement de spécialité supplémentaire. Cette augmentation provient de opportunités de traitement qui ont été précédemment manquées. Puisque cela a été réalisé, nous pouvons supposer que ces traitements étaient nécessaires et auraient dû être fournis après les visites précédentes des patients. C’était une étude de cas informelle, mais cela semble clairement montrer que l’IA apporte des avantages significatifs, à la fois pour les patients et pour les cabinets qui l’utilisent.

Qu’est-ce qui, selon vous, freine l’adoption plus large de l’IA dans les cabinets dentaires ?

L’accueil a été extrêmement positif de la part des dentistes qui utilisent Second Opinion à l’étranger et des milliers de cabinets qui ont déployé Practice Intelligence aux États-Unis, donc il y a un segment de l’industrie qui a déjà un désir d’intégration de l’IA dans la dentisterie. Mais une adoption plus large nécessite une conscience plus large. L’IA est nouvelle dans le domaine dentaire. Lorsque nous avons commencé à travailler sur la radiologie dentaire en tant que GumGum Dental, nous étions, à ma connaissance, la seule entreprise commerciale engagée dans cet effort. Cela remonte à cinq ans. Les premières solutions commercialisables sont apparues à la fin de 2019 et il s’agissait d’applications d’assurance et de laboratoire, et non d’applications cliniques. Nous avons lancé Practice Intelligence en 2020 et Second Opinion est entré sur le marché mondial en septembre 2021. Donc, autant que la plupart des dentistes sont concernés, l’IA est une nouveauté. Ils ont besoin d’être introduits à l’IA et enseignés sur ce qu’elle peut et ne peut pas faire. Il y a certaines idées fausses sur l’IA qui doivent être surmontées. Certains dentistes peuvent être enclins à voir l’IA comme une menace, par exemple. Ces idées fausses seront résolues à mesure que les dentistes seront mieux informés sur son utilité. Les avantages de l’IA sont fondamentalement attractifs – un niveau de soins plus élevé, de meilleurs soins bucco-dentaires, de meilleurs résultats financiers pour les cabinets – donc je m’attends à ce que l’adoption s’accélère rapidement une fois que la littératie en IA dans la dentisterie atteindra une masse critique.

Quelle est votre vision pour l’avenir des soins dentaires dans 10 ans ?

À mesure que l’industrie dentaire continue d’adopter la transformation numérique, je vois les dentistes incorporant l’IA dans la plupart des tâches chronophages qu’ils effectuent quotidiennement – comme la tenue des dossiers, la planification, les opérations, la gestion des stocks – afin qu’ils se concentrent sur les patients plutôt que sur les tâches de routine qui les éloignent du travail pour lequel leurs compétences sont uniques. Nous verrons un niveau de soins plus élevé pour les patients dans l’ensemble, des coûts plus bas et, en fin de compte, une industrie plus grande apportant de meilleures santé bucco-dentaire à plus de personnes dans le monde.

Je serai également surpris si, dans 15 ans, l’IA n’a pas commencé à ouvrir la voie vers des diagnostics prédictifs efficaces et une planification de traitement personnalisée. Est-ce que ce patient individuel est à plus grand risque de caries en fonction de son profil génétique, de son mode de vie, de ses diagnostics antérieurs ? Pouvez-vous recommander une approche préventive qui réduira son besoin de traitement invasif à l’avenir ? Si elles ont des caries maintenant, en fonction de ce que nous savons sur leurs caractéristiques individuelles, devons-nous procéder avec un traitement de restauration maintenant ou pouvons-nous retarder avec l’attente qu’un changement spécifique dans le mode de vie ou la consommation réduira probablement la progression de la décomposition ? Avec le soutien de l’IA, nous devrions être en mesure de répondre à ces questions – et, pendant que nous y sommes, peut-être réduire le fossé artificiel entre la santé bucco-dentaire et la santé systémique qui existe aujourd’hui.

Y a-t-il autre chose que vous aimeriez partager sur Pearl ?

Les experts ont promis que l’IA fournirait de meilleurs résultats cliniques et des économies de coûts dans l’industrie des soins de santé pendant plus d’une décennie. Beaucoup de ces promesses n’ont pas été réalisées. La dentisterie est en fait un peu en retard dans le jeu de l’IA, mais l’IA progresse dans la dentisterie beaucoup plus rapidement que dans d’autres catégories de soins de santé. Pourquoi ?

En considérant la médecine à travers une lentille commerciale, la dentisterie est beaucoup plus entrepreneuriale que d’autres formes de médecine. La dentisterie est pratiquée dans de nombreux cabinets dentaires traditionnellement détenus en propriété privée. La plupart des autres formes de médecine sont gérées par des hôpitaux, qui sont généralement de grandes institutions bureaucratiques et corporatives. Les cabinets dentaires et les hôpitaux ont tous deux le même désir d’augmenter l’efficacité, d’améliorer les résultats pour les patients, etc., mais structurellement, les hôpitaux sont trop lents et conservateurs pour intégrer et capitaliser efficacement les technologies émergentes qui satisfont à ces désirs. Les cabinets dentaires, en revanche, sont agiles – et le caractère entrepreneurial des dentistes rend la dentisterie un terrain beaucoup plus fertile pour les innovations comme l’IA. Si un dentiste voit un avantage potentiel dans quelque chose, il peut l’implémenter immédiatement. Un hôpital ne pourra pas agir avec ce type de décision unilatérale. Il y aura des études de faisabilité et d’impact, des réactions négatives d’intérêts et de parties prenantes contradictoires, des négociations budgétaires et une série d’autres obstacles que la nouvelle technologie devra surmonter avant d’être mise en œuvre.

Également important, cependant, est le fait que les dentistes peuvent contribuer à l’effort pour développer et améliorer l’IA s’ils le souhaitent. Pearl a pu concevoir, construire et commercialiser cette technologie aussi rapidement que nous l’avons, à la fois parce que les dentistes sont des consommateurs actifs et autonomisés – nous développons des produits pour un marché qui n’est pas entravé par la friction bureaucratique à laquelle sont confrontées les entreprises qui tentent de vendre aux hôpitaux – et parce que les dentistes sont libres de mettre leur soutien matériel et intellectuel derrière nos efforts. Finalement, notre IA est aussi intelligente qu’elle l’est parce qu’elle a été formée et affinée par une armée de dentistes intelligents qui croient en la technologie et étaient libres de contribuer à sa création.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter Pearl.