जुलियाना इयानी, उपाध्यक्ष, एआई अनुसंधान और विकास, प्रोसिया – साक्षात्कार श्रृंखला

जुलियाना इयानी प्रोसिया के एआई आरएंडडी का नेतृत्व करती हैं ताकि उच्च गुणवत्ता वाले कम्प्यूटेशनल पैथोलॉजी उत्पादों को विकसित किया जा सके। प्रोसिया अपने कॉन्सेंट्रिक ^® डिजिटल पैथोलॉजी प्लेटफ़ॉर्म और कम्प्यूटेशनल अनुप्रयोगों की पाइपलाइन के साथ पारंपरिक उपकरणों की सीमाओं से प्रयोगशालाओं को आगे बढ़ाने के लिए धक्का दे रहा है। आधुनिक डिजिटल प्रयोगशाला के केंद्र में संचालित, ये प्रौद्योगिकियां पैथोलॉजी की अर्थव्यवस्था और अभ्यास को बदल रही हैं, और कैंसर के खिलाफ लड़ाई में आधुनिक, डेटा-केंद्रित चिकित्सा की शक्ति को काम कर रही हैं।

क्या आप प्रोसिया के पीछे की उत्पत्ति की कहानी साझा कर सकते हैं?

पैथोलॉजी जैव चिकित्सा अनुसंधान और कैंसर निदान के केंद्र में बैठती है; फिर भी, जबकि हमने सभी देखा है कि डिजिटलीकरण स्वास्थ्य सेवा के लगभग हर अन्य पहलू को प्रभावित करता है, पैथोलॉजी अपने 150 वर्षों के इतिहास में अधिकांश भाग के लिए अप्रभावित रही है। यह अभी भी एक पैथोलॉजिस्ट द्वारा माइक्रोस्कोप के नीचे ऊतक में पैटर्न को पहचानने के आसपास केंद्रित है। यह अभ्यास स्वाभाविक रूप से मैनुअल और विषयगत है, दो चुनौतियां जो एक कम होती पैथोलॉजिस्ट आबादी और बढ़ते कैंसर बोझ द्वारा और भी जटिल हैं।

प्रोसिया की स्थापना इस देखभाल के मानक को आगे बढ़ाने के लिए की गई थी। हमारे संस्थापकों ने पैथोलॉजी के माइक्रोस्कोप से छवियों तक के परिवर्तन को चलाने के द्वारा कैंसर के खिलाफ लड़ाई में शामिल होने का अवसर देखा। ऐसा करने में – डिजिटल पैथोलॉजी को आगे बढ़ाने में – हम प्रयोगशालाओं को अपने संचालन को सुव्यवस्थित करने, गुणवत्ता और उत्पादकता में महत्वपूर्ण सुधार हासिल करने, और मानव आंखों द्वारा देखे जाने वाले नए अंतर्दृष्टि को अनलॉक करने में सक्षम बना रहे हैं। सामूहिक रूप से, ये लाभ शोधकर्ताओं को नए अवसर प्रदान करने में मदद कर रहे हैं और पैथोलॉजिस्टों को दुनिया भर के रोगियों के लिए परिणामों में सुधार करने में मदद कर रहे हैं।

हमारे शुरुआती दिनों से लेकर, हमने एक ग्राहक आधार का निर्माण किया है जिसमें प्रमुख प्रयोगशालाएं, स्वास्थ्य प्रणाली, जीवन विज्ञान कंपनियां और अनुसंधान संगठन शामिल हैं। हमारे कई उद्यम ग्राहकों में, हम जॉन्स हॉपकिन्स विश्वविद्यालय, पेन्सिलवेनिया विश्वविद्यालय, और शीर्ष 20 फार्मास्यूटिकल कंपनियों में से 10 के साथ काम करते हैं। हमने हाल ही में घोषणा की है कि लैबपीओएन, दुनिया की पहली प्रयोगशाला जिसने 100% डिजिटल पैथोलॉजी निदान तक पहुंच हासिल की है, हमारे सॉफ्टवेयर प्लेटफॉर्म पर स्थानांतरित हो रही है, और संयुक्त पैथोलॉजी केंद्र, जो मानव ऊतक डेटा के दुनिया के सबसे बड़े भंडार का घर है, प्रोसिया के साथ डिजिटल हो रहा है।

प्रोसिया एक डिजिटल और कम्प्यूटेशनल पैथोलॉजी कंपनी है। आप हमारे पाठकों को इसका क्या अर्थ है इसकी व्याख्या कर सकते हैं?

एक उच्च स्तर पर, डिजिटल पैथोलॉजी माइक्रोस्कोपिक स्लाइड को डिजिटल करने की प्रथा है जो तब सॉफ्टवेयर का उपयोग करके देखी जा सकती है, प्रबंधित की जा सकती है, साझा की जा सकती है और विश्लेषण की जा सकती है, जिसमें एआई का लाभ उठाने वाले कम्प्यूटेशनल अनुप्रयोग शामिल हैं।

प्रोसिया विशेष रूप से सॉफ्टवेयर पक्ष पर ध्यान केंद्रित करता है। हम एक कोर प्लेटफ़ॉर्म, कॉन्सेंट्रिक नामक, प्रदान करते हैं जो प्रयोगशालाओं को अपने नियमित पैथोलॉजी संचालन के लिए आवश्यक सभी उद्यम कार्यक्षमता प्रदान करता है। कॉन्सेंट्रिक एआई अनुप्रयोगों के लिए एक लॉन्चपैड के रूप में भी कार्य करता है, जिसमें हम जिन समाधानों का निर्माण कर रहे हैं उनमें से एक सूट शामिल है।

मैंने एआई-सक्षम डिजिटल पैथोलॉजी के लाभों को पहले ही उजागर किया है, जिसमें दक्षता और उत्पादकता लाभ और नए अंतर्दृष्टि को अनलॉक करने की क्षमता शामिल है, इसलिए आइए कुछ विशिष्ट उपयोग के मामलों में गहराई से जाने के लिए कि वे कैसे खेलते हैं। जो विशेष रूप से वर्तमान में शीर्ष पर है वह कोविड के दौरान दूरस्थ संचालन को सक्षम करना है। जैसा कि प्रयोगशालाओं को सामाजिक दूरी को समायोजित करने के लिए नए तरीके से काम करने के लिए अनुकूलन करना पड़ा है, डिजिटल पैथोलॉजी ने पैथोलॉजिस्टों को छवियों को आसानी से साझा करने और कॉन्सेंट्रिक जैसे प्लेटफ़ॉर्म के साथ मांग पर देखने में सक्षम बनाया है। विकल्प अक्सर पैथोलॉजिस्टों के घरों में शारीरिक ग्लास स्लाइड डिलीवर करने के लिए होता है। सोचें कि यह कितना समय लेने वाला और महंगा हो सकता है!

आम तौर पर, जब हम देखते हैं कि प्रोसिया जैसे डिजिटल और कम्प्यूटेशनल पैथोलॉजी समाधान कैसे पैथोलॉजिस्टों को गुणवत्ता और दक्षता में सुधार करने में सक्षम बना रहे हैं – चाहे वह दूसरी राय के लिए छवियों को साझा करना आसान बना रहा हो या प्रयोगशाला में त्रुटि-प्रवण, मैनुअल कार्यों को खत्म करने में मदद कर रहा हो – यह अंततः रोगियों को तेजी से सही निदान प्राप्त करने में सक्षम बना रहा है, और यह महत्वपूर्ण है जब हम विचार करते हैं कि जल्दी उपचार अक्सर बेहतर परिणामों की ओर ले जाता है।

क्या आप बता सकते हैं कि पैथोलॉजी में आज मशीन लर्निंग का उपयोग कैसे किया जा रहा है? यह कहाँ जा रहा है?

यह एक बड़ा प्रश्न है! पैथोलॉजी में मशीन लर्निंग ने वास्तव में कई क्षेत्रों में आशाजनक परिणाम दिखाए हैं। पैथोलॉजी में मशीन लर्निंग का एक सामान्य उपयोग यह है कि यह एक छवि में विशिष्ट क्षेत्रों की पहचान कर सकता है जहां ट्यूमर ऊतक स्थित है ताकि पैथोलॉजिस्ट का ध्यान वहां आकर्षित किया जा सके। यह ऊतक नमूनों के बारे में मात्रात्मक अंतर्दृष्टि भी प्रदान कर सकता है – उदाहरण के लिए, विभाजन में सक्रिय रूप से शामिल कोशिकाओं की संख्या की गणना करना (जो कैंसर का एक सामान्य मार्कर है)। कुछ लोग वर्गीकरण समस्याओं पर भी काम कर रहे हैं, जैसे कि छवियों को निदान या विशिष्ट पैटर्न के आधार पर वर्गीकृत करना, और अन्य लोग मशीन लर्निंग का उपयोग करके रोगी परिणामों या विशिष्ट उपचारों की प्रतिक्रिया की भविष्यवाणी करने के तरीकों पर काम कर रहे हैं। इस क्षेत्र में बहुत दिलचस्प काम हो रहा है!

अंततः, पैथोलॉजी में, इनमें से अधिकांश मशीन लर्निंग उपयोग के मामले कुछ मुख्य नैदानिक और अनुसंधान समस्याओं का समाधान करने के लिए हैं। पहला मात्रा समस्या है जिसका मैंने पहले उल्लेख किया था। मामलों की समीक्षा के लिए बढ़ती संख्या है, और पैथोलॉजिस्टों की संख्या में कमी की जटिल समस्या है। पैथोलॉजी में अधिकांश मशीन लर्निंग उपयोग के मामले व्यक्तिगत और प्रयोगशाला स्तर पर निदान की दक्षता में सुधार करने के लिए हैं। दूसरी बड़ी बात निदान और देखभाल की गुणवत्ता है – हम निदान की सटीकता को कैसे बेहतर बना सकते हैं, हम पूर्वानुमान को कैसे बेहतर बना सकते हैं, और हम रोगी परिणामों को कैसे बेहतर बना सकते हैं?

आपके प्रश्न के दूसरे भाग का उत्तर देने के लिए, मुझे वर्तमान में क्या शोध के दौर में है और क्या वास्तव में नैदानिक अभ्यास में हो रहा है, के बीच अंतर करना चाहिए। अभी तक, इस क्षेत्र में अधिकांश काम शोध में है, और यह कुछ शोध निष्कर्षों को नैदानिक अभ्यास में अनुवाद करना बहुत चुनौतीपूर्ण हो सकता है। यही है जहां मुझे लगता है कि मशीन लर्निंग जा रही है और जाने की जरूरत है – उन प्रणालियों और आवश्यक गुणवत्ता का निर्माण जो वास्तव में शोध में किए गए कुछ अद्भुत निष्कर्षों को लाभ पहुंचाने के लिए आवश्यक हैं। “वास्तविक दुनिया” में काम करने वाला एआई बनाना प्रोसिया का हमेशा से दृष्टिकोण रहा है।

प्रोसिया का डर्मएआई गहरे शिक्षण का लाभ उठाता है और स्वचालित रूप से त्वचा रोग के सैकड़ों प्रकारों को पूर्व-निदान श्रेणियों में वर्गीकृत करता है। इस अनुप्रयोग को डिजाइन और विकसित करते समय आपके प्रमुख विचार क्या थे?

सबसे पहले और सबसे महत्वपूर्ण, हमें यह तय करना था कि हम प्रणाली को क्या बनाना चाहते हैं। हम चाहते थे कि यह किसी विशिष्ट प्रकार की त्वचा के घाव को वर्गीकृत करने में सक्षम हो, न कि केवल एक। और त्वचा पैथोलॉजी में बहुत परिवर्तनशीलता है, जैसा कि आपने कहा, सैकड़ों प्रकार के। इसलिए, हमें यह सुनिश्चित करना था कि हमारे प्रशिक्षण सेट में यह सभी परिवर्तनशीलता अच्छी तरह से प्रस्तुत की गई है। यह वास्तव में चुनौतीपूर्ण हो सकता है, क्योंकि कुछ प्रकार के घाव दूसरों की तुलना में दुर्लभ हैं, और यह एक डेटासेट बनाना मुश्किल हो सकता है जिसमें पर्याप्त उदाहरण हों जो हमारे मॉडल को सीखने के लिए पर्याप्त हों।

दूसरा, हमें यह विचार करना था कि हम केवल एक साइट पर या एक विशिष्ट प्रकार के स्कैनर पर काम करने वाली चीज़ बना नहीं रहे थे। यह वास्तव में यह था कि हम कुछ ऐसा बना रहे थे जो किसी भी प्रयोगशाला की छवियों पर, किसी भी स्कैनर पर काम कर सके। साइटों और स्कैनरों के बीच छवि की उपस्थिति में बहुत परिवर्तन हो सकता है – रंग, प्रकाश, कलाकृतियां आदि। हमें एक प्रणाली विकसित करनी थी जो इन सभी परिवर्तनों के लिए खाता है, और नए साइट के लिए काम करने के लिए बहुत सारे डेटा की आवश्यकता नहीं है।

हमें “अज्ञात” का प्रतिनिधित्व करने के संदर्भ में एआई प्रणाली को विकसित करने में कई अन्य विचार थे। एक और, जो विशेष रूप से हमारे लिए महत्वपूर्ण था, यह था कि एआई प्रणाली को यह जानने की आवश्यकता थी कि वह क्या नहीं जानती थी और जब यह एक अच्छी वर्गीकरण करने के लिए बहुत अनिश्चित थी तो उस जानकारी को वितरित करने में सक्षम थी। यही कारण है कि हमने प्रणाली में एक विधि का निर्माण किया जो प्रत्येक वर्गीकरण को एक आत्मविश्वास स्कोर सौंप सकती है, और हमने इसे इस तरह से डिज़ाइन किया कि यह प्रणाली के प्रदर्शन से संबंधित होगा – जितना अधिक आत्मविश्वास स्कोर, उतनी ही अधिक संभावना है कि वर्गीकरण सही होगा। इसका अर्थ है कि हम प्रणाली के प्रदर्शन को समायोजित कर सकते हैं; यदि मैं इसका उपयोग अपनी प्रयोगशाला में करता हूं और मुझे बहुत उच्च सटीकता की आवश्यकता है, तो मैं डर्मएआई को केवल उच्च-आत्मविश्वास वर्गीकरण प्रदान करने के लिए सेट कर सकता हूं। यदि मेरा उपयोग मामला त्रुटि के प्रति थोड़ा अधिक सहनशील है और मैं अधिक मामलों को वर्गीकृत करना पसंद करता हूं, तो मैं कम-आत्मविश्वास वर्गीकरण को शामिल कर सकता हूं।

डर्मएआई को पैथोलॉजी के इतिहास में सबसे व्यापक अध्ययन में से एक में मान्य किया गया था। आप अध्ययन और इसके प्रमुख निष्कर्षों का सारांश कर सकते हैं?

यह एक अत्यधिक महत्वाकांक्षी अध्ययन था। जैसा कि मैंने अभी उल्लेख किया है, त्वचा पैथोलॉजी में बहुत परिवर्तनशीलता है, जो त्वचा पैथोलॉजी छवियों में अनुवाद करती है, और हम एक प्रणाली विकसित करना चाहते थे जो किसी भी नियमित रूप से तैयार त्वचा पैथोलॉजी स्लाइड को स्वचालित रूप से वर्गीकृत कर सके। विचार यह था कि पैथोलॉजिस्ट इसका उपयोग मामलों को निदान से पहले क्रमबद्ध और ट्राइएज करने के लिए कर सकते हैं – उन्हें एक ऐसे क्रम में रखना जो समझ में आता है, न कि वे स्वाभाविक रूप से आते हैं, और सुनिश्चित करें कि सही मामले सही पैथोलॉजिस्ट के पास जाते हैं, न कि बाद में कहीं और भेजे जाते हैं। और जब हम इसे विकसित करना शुरू किया, तो किसी ने भी ऐसा कुछ नहीं दिखाया था। प्रणाली हमने विकसित की थी छवियों को वर्गीकृत करने के कार्य को कई चरणों में तोड़ दिया, जिसमें गहरे शिक्षण और बुनियादी कंप्यूटर दृष्टि तकनीकों का संयोजन शामिल था – स्लाइड पर ऊतक का पता लगाना, छवि की उपस्थिति को एक परिचित स्थान में समायोजित करना जिसे प्रशिक्षित प्रणाली जानती है, रुचि के क्षेत्रों का पता लगाना, और अंत में चार अलग-अलग श्रेणियों में वर्गीकरण करना जो ऊतक में मौजूद पैटर्न पर आधारित थे। महत्वपूर्ण बात यह थी कि हमने इसे कैसे परीक्षण किया। जबकि हमने प्रणाली को केवल एक साइट से 5,000 छवियों पर प्रशिक्षित किया, हमने इसे तीन पूरी तरह से अलग संस्थानों से लगभग तीन गुना अधिक छवियों पर समायोजित और परीक्षण किया, जिन्हें हमारी प्रणाली ने पहले कभी नहीं देखा था। ऐसा करके, हमने दिखाया कि एक एआई अनुप्रयोग बनाना संभव है जो त्वचा बायोप्सी को सॉर्ट और ट्राइएज कर सकता है, जो कई साइटों पर न्यूनतम कैलिब्रेशन के साथ काम कर सकता है। चूंकि हमने जिस डेटा का परीक्षण किया था वह प्रत्येक साइट के संभावित कार्यभार की नकल करता था, हमें विश्वास था कि यहां दिखाया गया प्रदर्शन वही होगा जो हम देखेंगे यदि हम डर्मएआई को एक प्रयोगशाला में स्थापित करेंगे। और चूंकि प्रणाली ट्यून करने योग्य है – आत्मविश्वास सीमा को समायोजित करके – हम इसे कम से कम 98% सटीकता तक ले जा सकते हैं।

अध्ययन में एक पर्यवेक्षण यह था कि गहरे शिक्षण एल्गोरिदम छवि कलाकृतियों के प्रति संवेदनशील हो सकते हैं। इस संदर्भ में छवि कलाकृतियां क्या हैं और इस समस्या का समाधान करने के लिए कुछ समाधान क्या हैं?

हाँ, कुछ अध्ययनों ने पैथोलॉजी सहित अन्य क्षेत्रों में छवि कलाकृतियों के प्रति एआई प्रणालियों की संवेदनशीलता को प्रदर्शित किया है। ये अक्सर ऐसी सरल चीजें होती हैं जिन्हें हमारे मानव मस्तिष्क आसानी से अनदेखा कर सकते हैं – स्लाइड पर गंदगी, प्रकाश में हल्के परिवर्तन, छवि के धुंधले क्षेत्र, पैथोलॉजिस्ट द्वारा ट्यूमर क्षेत्रों को चिह्नित करने के लिए उपयोग किया जाने वाला पेन स्याही। एआई प्रणालियां इन प्रकार की समस्याओं से आसानी से धोखा खा सकती हैं यदि उन्हें ठीक से प्रशिक्षित नहीं किया गया है।

छवि कलाकृतियों के लिए एआई प्रणालियों को संभालने के लिए दो मार्ग हैं। पहला साफ-सफाई है – सुनिश्चित करना कि आपके प्रशिक्षण और परीक्षण डेटा में कोई कलाकृतियां नहीं हैं, या तो डिजिटल रूप से या शारीरिक रूप से। यह कभी-कभी प्रशिक्षण डेटासेट के लिए करना आसान होता है, लेकिन यदि आप कई साइटों पर एआई प्रणाली स्थापित करने की कोशिश कर रहे हैं तो यह करना मुश्किल हो सकता है। इसलिए, हमने दूसरा दृष्टिकोण अपनाया: सुनिश्चित करना कि इस तरह की कलाकृतियां हमारे डेटा में अच्छी तरह से प्रस्तुत की गई थीं। हमें स्लाइड भेजने से पहले उन्हें साफ नहीं किया गया था, इसलिए हमारे पास कुछ अजीब मुद्दों का प्रतिनिधित्व है जो आप एक स्वच्छ प्रशिक्षण सेट में नहीं देखेंगे, लेकिन जो आप वास्तविक दुनिया में अवश्य ही遇ेंगे। इस तरह, हम सुनिश्चित कर सकते हैं कि हमारी प्रणाली इन कलाकृतियों के संपर्क में आने पर तैयार थी।

एआई अनुप्रयोग जैसे डर्मएआई को पैथोलॉजी प्रयोगशाला में कैसे लागू किया जा रहा है?

यह एक महान प्रश्न है। जबकि विभिन्न प्रयोगशालाएं विभिन्न दृष्टिकोण अपना रही हैं, हमारा मानना है कि प्रयोगशालाएं केवल तभी एआई को बड़े पैमाने पर अपना पाएंगी जब वे एक एआई-सक्षम प्लेटफ़ॉर्म का लाभ उठाएंगी। जैसा कि मैंने ऊपर वर्णित किया है, प्रयोगशालाओं के डिजिटल पैथोलॉजी संचालन एक प्लेटफ़ॉर्म के आसपास केंद्रित होते हैं जिसका वे उपयोग करते हैं छवियों को देखने, प्रबंधित करने और विश्लेषण करने के लिए। प्रोसिया का प्लेटफ़ॉर्म, कॉन्सेंट्रिक, यह सभी कार्यक्षमता प्रदान करता है और एआई अनुप्रयोगों के लिए एक लॉन्चपैड के रूप में भी कार्य करता है। हमारा मानना है कि यह दृष्टिकोण प्रयोगशालाओं को अपने दैनिक कार्य में एआई को निर्बाध रूप से एकीकृत करने और इसके वास्तविक वादे को प्राप्त करने में सक्षम बनाता है।

क्या आपको प्रोसिया के बारे में और कुछ साझा करना है?

मैं अपनी टीम और मैं जो काम कर रहे हैं उस पर वास्तव में उत्साहित हूं। आज की दुर्भाग्यपूर्ण वास्तविकता यह है कि हम सभी को कोई न कोई ऐसा व्यक्ति पता है जो कैंसर से प्रभावित हुआ है और इसका उस पर और उनके प्रियजनों पर क्या प्रभाव पड़ता है। हमारा काम रोगी परिणामों में सुधार करने और वास्तव में एक अर्थपूर्ण अंतर बनाने की क्षमता रखता है। यह कुछ ऐसा है जिस पर मैं गर्व महसूस करता हूं।

इस संदर्भ में, यह देखकर अच्छा लगता है कि कई प्रमुख संगठनों का मानना है कि हम जो काम कर रहे हैं वह महत्वपूर्ण है। पिछले कुछ महीनों में, संयुक्त पैथोलॉजी केंद्र (जेपीसी), जो दुनिया के सबसे बड़े मानव ऊतक डेटा भंडार का घर है, ने प्रोसिया को इस आर्काइव को डिजिटल बनाने के लिए चुना है। जेपीसी के पास डिजिटल होने के कई कारण हैं, जिनमें एआई के विकास में तेजी लाना भी शामिल है। लैबपीओएन, दुनिया की पहली प्रयोगशाला जिसने 100% डिजिटल पैथोलॉजी निदान हासिल किया है, ने हाल ही में प्रोसिया के प्लेटफ़ॉर्म को अपने पैथोलॉजी संचालन को स्केल करने और अपने एआई प्रणालियों को लागू करने के लिए चुना है। लैबपीओएन हमारे साथ मिलकर हमारी एआई प्रणालियों के विकास और मान्यकरण पर भी काम करेगा।

और अंत में, हम मानते हैं कि हम पैथोलॉजी के अभ्यास को अकेले नहीं बदल सकते हैं और हमारी टीम का निरंतर विस्तार कर रहे हैं। यदि आप हमारे साथ शामिल होने में रुचि रखते हैं, तो मैं आपको प्रोसिया के बारे में अधिक जानने और हमारी खुली भूमिकाओं को देखने के लिए प्रोत्साहित करता हूं।