Chaim Linhart, PhD, Co-founder & CTO of Ibex Medical Analytics – Interview Series

Chaim Linhart, PhD adalah CTO dan Co-Founder dari Ibex Medical Analytics. Ia memiliki lebih dari 25 tahun pengalaman dalam pengembangan algoritma, AI, dan machine learning dari akademisi serta bertugas di unit elit militer Israel dan beberapa perusahaan teknologi. Chaim memiliki gelar PhD di Ilmu Komputer dari Universitas Tel Aviv dan telah memenangkan beberapa kompetisi machine learning Kaggle.

Sejak 2016, Ibex telah memimpin dalam diagnostik berbasis AI untuk patologi. Perusahaan ini bertujuan untuk mengubah patologi dengan memastikan bahwa setiap pasien dapat menerima diagnosis kanker yang akurat, tepat waktu, dan personal. Saat ini, Ibex adalah platform kecerdasan buatan yang paling banyak digunakan di patologi. Dikembangkan oleh ahli patologi untuk ahli patologi, solusi mereka melayani dokter dan organisasi kesehatan terkemuka di dunia. Setiap hari, Ibex memiliki kehormatan untuk mempengaruhi kehidupan pasien di seluruh dunia. Platform ini meningkatkan kepercayaan dokter, mempermudah alur diagnostik, membantu klinisi memberikan diagnosis yang lebih personal, dan yang paling penting, memungkinkan hasil klinis yang lebih baik.

Apakah Anda dapat membagikan perjalanan dan visi di balik pendirian Ibex dan misinya untuk mengubah diagnostik kanker dengan AI?

Pada 2016, rekan co-founder saya, Joseph Mossel, dan saya mengetahui tentang dampak langsung revolusi digital dalam patologi yang dapat memperbaiki diagnostik kanker. Radiologi telah mengalami transformasi serupa 20 tahun sebelumnya, yang memiliki dampak besar pada cara spesialisasi tersebut dipraktekan. Dengan patologi yang menjadi digital, kami mengakui bahwa ini memberikan kesempatan untuk mengembangkan alat canggih baru yang menggunakan kecerdasan buatan (AI) untuk melakukan analisis gambar yang canggih. Kami telah fokus mengembangkan alat berbasis AI yang membantu dokter dalam mencapai diagnosis yang lebih akurat, objektif, dan dapat diulang, sehingga membantu setiap pasien menerima diagnosis yang tepat, pada waktu yang tepat, yang mengarah pada pengobatan terbaik.

Bagaimana lanskap diagnostik kanker telah berubah sejak Ibex didirikan pada 2016?

Laboratorium telah mengadopsi digitalisasi dengan tingkat yang meningkat, bahkan dipercepat oleh Covid-19. Revolusi digital telah memungkinkan laboratorium untuk memperluas kemampuan mereka di luar mikroskop dengan cara yang berdampak dan bermakna, dengan menggunakan AI yang membantu ahli patologi menganalisis dan memahami hasil dengan efisien.

Bidang AI diagnostik kanker telah tumbuh secara eksponensial, karena kami telah melihat startup dan perusahaan lain bekerja pada berbagai aspek AI untuk patologi dalam domain diagnosis kanker. Pengobatan presisi, misalnya, adalah stratifikasi pasien yang didorong data yang diaktifkan oleh diagnosis yang akurat dan berbagai pendekatan informatika yang mengarah pada pengobatan yang optimal dan personal. Peningkatan dalam pengobatan presisi datang dengan kebutuhan yang ditingkatkan untuk diagnostik yang lebih kompleks untuk mendukung pengobatan yang ditargetkan.

Kami juga telah melihat peningkatan dalam publikasi akademis dan asosiasi industri yang fokus pada bidang ini. Ketika Joseph dan saya menghadiri konferensi pertama kami tentang patologi digital dan komputasi pada 2016, AI adalah bagian kecil dari percakapan seputar diagnosis kanker, karena itu tidak mainstream. Sekarang, ketika menghadiri konferensi patologi besar, AI adalah acara utama.

Apa yang membedakan Ibex dari perusahaan lain di bidang patologi berbasis AI?

Ketika kita berbicara tentang patologi berbasis AI, ada beberapa subdomain. Ada perusahaan yang memprioritaskan aplikasi penelitian, seperti alat yang menganalisis gambar jaringan untuk membantu memahami proses penyakit pada tingkat morfologi dan seluler, misalnya. Kedua, ada perusahaan yang fokus terutama pada aplikasi klinis, yaitu produk yang digunakan di laboratorium untuk mendukung diagnosis rutin.

Ibex fokus pada aplikasi klinis, dan kami memiliki basis instalasi terbesar dan tersebar luas dengan ahli patologi di seluruh dunia yang menggunakan alat kami sehari-hari untuk diagnosis kanker. Kami juga bermitra dengan Pharma untuk mengembangkan aplikasi klinis berbasis AI yang mendukung ahli patologi dalam mengkuantifikasi biomarker yang memungkinkan terapi yang ditargetkan.

Selain itu, sementara beberapa perusahaan fokus pada indikasi tertentu, terbatas per jenis tumor, seperti deteksi kanker, pendekatan kami adalah melatih AI untuk menganalisis semua yang dilihat oleh ahli patologi dalam jaringan tersebut. Ini tidak hanya tentang deteksi kanker, tetapi juga jenis dan subtipe kanker, gradenya, ukurannya, serta morfologi dan fitur klinis terkait kanker. Kami tahu bahwa patologi lebih dari sekadar menentukan apakah pasien memiliki kanker atau tidak. Kami ingin membantu ahli patologi menyadari manfaat besar yang dibawa oleh AI ke meja.

Apakah Anda dapat menjelaskan teknologi inti di balik solusi Ibex dan bagaimana itu membantu ahli patologi dalam deteksi dan grading kanker?

Pendekatan kami adalah bahwa ahli patologi pada dasarnya melatih mesin. Kami memiliki tim besar ahli patologi di seluruh dunia yang mengannotasi slide. Ini berarti mereka menandai area tertentu dalam slide tersebut dan melabelinya. Mereka mungkin menandai tumor derajat rendah, pembuluh darah, saraf, peradangan, dan sebagainya. Kami kemudian mengambil data tersebut dan menggunakan itu untuk melatih model AI. Ini memastikan bahwa AI sangat akurat, bahkan untuk kasus yang jarang dan sulit, yang sangat penting. AI kami diajarkan oleh ahli patologi dan dilatih untuk mengidentifikasi berbagai jenis struktur dan morfologi jaringan, yang sangat membantu ahli patologi dan pada akhirnya meningkatkan akurasi. Dengan memiliki akses ke keragaman data dan pengetahuan, kami dapat memperbaiki AI kami dan menerapkan pembelajaran dari umpan balik yang diperoleh langsung di lapangan.

Bagaimana Ibex memastikan akurasi klinis di seluruh jenis kanker yang berbeda seperti kanker payudara, prostat, dan kanker lambung?

Ini membutuhkan banyak kerja keras. Kami mengumpulkan data dari banyak mitra di seluruh dunia. Kami memastikan bahwa data sangat beragam, dengan representasi dari laboratorium yang berbeda dan berbagai teknik preparasi jaringan, pemindai, dan temuan klinis. Kami memperkaya data pelatihan dengan jenis kanker yang jarang. Ini memastikan bahwa AI dilatih dengan berbagai fitur. Selama proses pelatihan, kami mengukur apa yang AI lakukan dengan baik, dan kami juga menentukan di mana perbaikan perlu dilakukan. Tim, dengan pengalaman luas dalam pembelajaran mesin, menguji AI pada ribuan slide yang kami kumpulkan dari laboratorium yang berbeda. Kami menjalankan studi dan uji klinis dan membandingkan dua aspek dasar sistem. Pertama, kami meninjau kinerja mandiri AI dibandingkan dengan kebenaran dasar. Kedua, kami menentukan seberapa akurat ahli patologi bekerja dengan dan tanpa AI. Dengan melakukan ini, kami memastikan bahwa AI akurat, robust, tidak bias, dan aman. Kami mengukur dampaknya pada ahli patologi yang menggunakan AI. Di seluruh aplikasi kami, kami melihat bahwa ahli patologi, dengan bantuan AI, mencapai hasil yang lebih baik (artinya lebih akurat, kesepakatan yang lebih tinggi dengan kebenaran dasar) daripada dalam standar perawatan (yaitu ketika mereka tidak didukung oleh AI). Kami juga mengukur efisiensi pekerjaan mereka dan manfaat lain dari platform AI, seperti optimasi alur kerja di laboratorium dan pengurangan waktu putar (seberapa cepat pasien menerima hasil).

Apa fitur unik dari solusi Ibex yang meningkatkan alur diagnostik dan memperbaiki hasil pasien?

Sistem terintegrasi kami mencakup pemirsa slide, hasil AI, dan alat pelaporan yang terintegrasi. Sistem holistik ini dirancang untuk meningkatkan akurasi dan produktivitas. Ini memandu ahli patologi melalui proses diagnostik, menunjukkan kepada mereka temuan utama dalam setiap kasus dan slide. Alih-alih mencari fitur, yang dapat kecil dan sulit dideteksi, AI menyoroti semuanya dengan sangat jelas. Dari sana, ahli patologi dapat mengkonfirmasi atau memodifikasi. AI menampilkan pengukuran dan kuantifikasi; itu juga memberi skor semua. Dengan laporan yang terintegrasi, ahli patologi tidak perlu melihat slide, membuat diagnosis dalam pikiran mereka, dan kemudian pergi ke sistem lain dan melaporkan semua; sebaliknya, pelaporan dilakukan saat AI mengarahkan alur kerja terintegrasi. Bahkan jumlah klik mouse dioptimalkan. Semuanya dibangun dengan ahli patologi dalam pikiran untuk meningkatkan akurasi diagnostik dan efisiensi, sehingga menciptakan lingkungan kerja yang lebih baik untuk dokter ini dengan hasil yang lebih baik untuk pasien mereka.

Bagaimana solusi Ibex terintegrasi dengan solusi perangkat lunak patologi digital yang ada dan sistem informasi laboratorium?

Kami bekerja dengan beberapa vendor di bidang yang menjual solusi manajemen gambar atau menawarkan sistem informasi laboratorium. Untuk setiap mitra, ada berbagai kesempatan integrasi. Dalam beberapa kasus, kami mengintegrasikan AI kami ke dalam alat mereka sehingga ahli patologi dapat menggunakan platform mereka dengan AI kami di dalamnya. Dalam kasus lain, kami mengintegrasikan dengan alat tersebut dengan cara yang memungkinkan ahli patologi meluncurkan Ibex dari sistem lain. Terlepas dari integrasi, kami selalu ingin memastikan bahwa pengguna memiliki cara yang paling optimal untuk menggunakan AI. Selain itu, kami telah mengembangkan antarmuka pemrograman aplikasi (API) yang terbuka yang memungkinkan pihak ketiga, termasuk perusahaan lain atau departemen IT pelanggan, untuk mengambil informasi dari AI kami dan mengintegrasikannya ke dalam lingkungan mereka.

Apa tantangan yang dihadapi Ibex dalam mencapai adopsi luas solusi AI-nya di patologi?

Dalam retrospeksi, saya akan mengatakan bahwa tantangan utama yang dihadapi Ibex adalah seputar kompleksitas dan jumlah pekerjaan, upaya, dan waktu yang diperlukan untuk membawa produk diagnostik ke pasar. Ini termasuk pendekatan multidisiplin: mengumpulkan data, bekerja dengan ahli patologi, melatih AI dan mengujinya dengan ketat, menjalankan uji klinis, dan, di beberapa geografi, mendapatkan persetujuan regulasi – dan melakukan semua ini di bawah langkah-langkah jaminan kualitas yang ketat. Di bidang medis, juga sangat penting untuk menghasilkan bukti ilmiah dan menerbitkan hasil dengan beberapa laboratorium untuk menunjukkan kinerja dan manfaat platform AI.

Tantangan lain yang signifikan adalah integrasi. Kami perlu memastikan bahwa ahli patologi dapat menggunakan AI dengan cara yang efisien dan alami. Ada beberapa sistem di laboratorium: pemindai patologi digital, sistem informasi laboratorium dan alur kerja, dan alat pelaporan. Singkatnya, kami memastikan bahwa semuanya datang bersama dengan cara yang paling efisien, meskipun tantangan.

Apakah Anda dapat membagikan beberapa kisah sukses atau studi kasus dari organisasi kesehatan yang telah mengimplementasikan solusi Ibex?

Kami sangat bangga dengan kemitraan dan jangkauan global kami. Sebagai contoh, kami memiliki penerapan AI nasional pertama di Wales – semua Dewan Kesehatan di Wales menggunakan solusi AI Ibex. Contoh lain adalah CorePlus Laboratories di Puerto Rico – mereka telah menggunakan Ibex selama beberapa tahun dan menerbitkan makalah, yang menunjukkan dampak yang dimiliki platform tersebut pada praktik klinis mereka. Sebagai contoh, menggunakan algoritma AI, ahli patologi dapat mengidentifikasi 160 pria yang sebaliknya akan salah didiagnosis. Pasien tersebut diberi pengobatan yang tepat berkat dukungan AI. Itulah dampak yang kami buat. Ini adalah sesuatu yang tidak dapat kami lupakan – kami ada di sini untuk mempengaruhi kehidupan orang.

Apa peran yang Anda lihat AI memainkan dalam masa depan patologi dan diagnostik kanker selama dekade berikutnya?

Selama dekade berikutnya, kami akan terus melihat ahli patologi menggunakan AI untuk mendukung upaya diagnostik utama mereka. Saya membayangkan ahli patologi akan menggunakan AI pada sebagian besar beban kerja mereka untuk memastikan bahwa kualitasnya tinggi, dan semuanya objektif, dapat diulang, dan tepat waktu. Selain itu, AI akan membantu dokter melakukan hal-hal yang mereka tidak lakukan saat ini. AI dapat membantu mereka memutuskan tes tambahan apa yang perlu dilakukan pada kasus tertentu, serta memberikan prognosis yang lebih akurat dan pemilihan pengobatan yang lebih terstruktur.

AI akan menjadi integral di seluruh perjalanan pasien, tidak hanya bagian diagnostik kanker di laboratorium patologi, tetapi juga, misalnya, dokter onkologi yang memutuskan jalur pengobatan. Saya juga pikir AI akan membantu menggabungkan disiplin. Dengan waktu, berbagai modalitas (patologi, radiologi, genomika, catatan klinis) akan diberikan kepada berbagai modul AI untuk mendukung pengobatan presisi yang baru dan ditingkatkan. Dari perspektif kesetaraan kesehatan, pasien yang tidak memiliki akses ke dokter terbaik di dunia akan mengalami lompatan besar dalam kualitas diagnosis dan pengobatan mereka. AI akan membawa semua orang ke tingkat hampir ahli. Setiap orang berhak mendapatkan akses ke perawatan berkualitas, dan AI akan membantu membawa kita ke arah akses kesehatan yang demokratis.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Ibex Medical Analytics.