Ilman Shazhaev, Co-Founder & CEO of Acoustery – Seri Wawancara

Ilman Shazhaev, adalah Co-Founder & CEO of Acoustery, sebuah perusahaan health-tech yang mengembangkan teknologi AI untuk pengenalan dini penyakit pernapasan.

Apa yang awalnya menarik Anda ke ilmu komputer dan teknik?

Jumlah data yang tersedia saat ini lebih luas daripada sebelumnya, dan teknologi AI — yang sangat bergantung pada data — telah membuat kemajuan luar biasa dalam beberapa tahun terakhir. Ini adalah alasan mengapa melakukan penelitian di bidang ini sangat menarik.

Saat ini, saya fokus pada proyek Big Data. Selama COVID-19, saya co-founder Acoustery: sebuah solusi AI-powered yang sepenuhnya otomatis untuk memantau kesehatan berdasarkan analisis suara, batuk, dan napas.

Langkah selanjutnya adalah menggabungkan penelitian kesehatan dan gaming. Mengapa? Jumlah data yang dihasilkan industri ini unik; apa lagi, para gamer adalah pengadopsi awal yang siap untuk berbagi data dan menyumbang pada kemajuan ilmiah. Pada saat yang sama, jumlah uji klinis yang sedang berlangsung rendah, kemajuan lambat, dan sektor gaming memungkinkan pemrosesan data yang lebih dinamis.

Bagaimana cerita di balik Acoustery?

​​Seperti yang saya sebutkan sebelumnya, Acoustery dimulai selama pandemi. Meskipun peluang bisnis pada tahun 2020 relatif terbatas, saya tinggal di Dubai, salah satu lokasi yang dapat beroperasi tanpa batasan yang sangat ketat.

Co-founder saya, Dr. Dmitry Mikhaylov, seorang profesor di Universitas Nasional Singapura, dan saya memulai tantangan baru: deteksi dini COVID-19. Pada saat itu, UAE secara besar-besaran menjelajahi teknologi diagnosis dini dan mendukung proyek-proyek AI.

Berkat ini, kami mendapatkan akses ke salah satu fasilitas pengujian terbaik di UAE: Rumah Sakit Militer Sheikh Zayed, di mana kami memiliki data dari ratusan pasien COVID-19 untuk melatih mesin AI kami.

Pada tahap berikutnya, tes menunjukkan bahwa teknologi kami sangat akurat dan memiliki potensi besar. Peneliti menerbitkan hasil mereka di jurnal teratas di Jepang dan AS, dan metode pengujian kami digunakan di beberapa negara Asia selama pandemi sebagai alat darurat.

Ketika COVID-19 berakhir, kami fokus pada mendeteksi asma menggunakan pendekatan yang sama. Universitas Sharjah, yang saat ini memimpin penelitian di UAE, menyetujui tes-tes ini.

Bagaimana akurasi sistem ini dibandingkan dengan PCR, LFT, dan tes antibodi untuk COVID-19?

Nilai prediktif positif Acoustery dalam konteks skrining komunitas untuk COVID-19 relatif tinggi (81%) dibandingkan dengan Xpert MTB/RIF, tes baru yang merevolusi deteksi dan kontrol tuberkulosis dengan menyumbang pada diagnosis cepat penyakit ini (61%) dan swab PCR (71%).

Temuan kami menunjukkan bahwa perangkat lunak yang dikembangkan oleh Acoustery dapat digunakan sebagai alat skrining non-laboratorium primer untuk mendeteksi kasus COVID-19 dan mengarahkan pasien ke laboratorium untuk pengujian PCR.

Bagaimana Anda dapat memberi tahu kami lebih lanjut tentang pembelajaran mesin yang digunakan untuk melatih AI?

Kami menganggap bahwa untuk mendapatkan tingkat deteksi COVID-19 yang akurat, kami dapat melatih jaringan konvolusi dan rekuren untuk mendiagnosis penyakit dengan menganalisis spektrogram batuk dan napas pasien. Spektrogram adalah cara visual untuk merepresentasikan kekuatan sinyal pada berbagai frekuensi. Sejumlah studi medis menunjukkan perbedaan signifikan antara batuk pasien yang memiliki COVID dan yang tidak, sehingga kami melatih mesin AI kami untuk mengenali perbedaan tersebut.

Pengembangan Acoustery dapat digunakan untuk mendiagnosis Alzheimer, yang umumnya dianggap sebagai gangguan neurologis. Bagaimana cara kerjanya?

Studi kami menjelajahi bagaimana pengukuran suara dapat terkait dengan profil bahasa pada partisipan dengan penyakit Alzheimer (AD) dan bagaimana profil tersebut dapat membedakan AD dari perubahan yang terkait dengan penuaan normal. Untuk mencapai ini, AI kami menganalisis kalimat sederhana yang diucapkan oleh orang dewasa yang lebih tua dengan dan tanpa AD, dari persentase dan jumlah jeda suara hingga shimmer (kuotien perturbasi amplitudo) dan rasio kebisingan-ke-harmonik. Akurasi analisis ini mencapai 90%.

Kemudian, kami menggunakan pendekatan yang sama di Farcana Labs – sebuah ventura yang fokus pada mengumpulkan Big Data yang dihasilkan oleh para gamer untuk meneliti kemajuan penyakit, terutama gangguan mental.

Penyakit apa lain yang dapat didiagnosis menggunakan metode ini?

Asthma adalah prioritas utama kami sekarang. Tuberkulosis adalah fokus lain, serta penyakit paru obstruktif kronis (COPD), fibrosis paru, pneumonia, dan kanker paru.

Seberapa besar ukuran dataset pelatihan untuk kasus-kasus ini?

Kami memiliki ribuan rekaman batuk dalam database kami yang dikumpulkan selama empat tahun terakhir.

Apa visi Anda untuk masa depan diagnosis medis secara umum?

Data yang dikumpulkan oleh perangkat pribadi akan memainkan peran signifikan dalam mendiagnosis penyakit pada tahap awal dan mencegah wabah. Bahkan ponsel kita memiliki banyak sensor: mikrofon hanya salah satunya. Akselerometer yang dapat menganalisis keterampilan motorik dan mendeteksi banyak penyakit adalah lainnya.

Meskipun teknologi ini tidak boleh menjadi satu-satunya sumber untuk mendiagnosis, mereka dapat sangat membantu memprediksi dan mencegah penyebaran penyakit pernapasan yang sangat menular — dan, akibatnya, wabah baru. Acoustery juga dapat digunakan di negara-negara berkembang di mana akses ke pengujian PCR terbatas.

Anda tampaknya memiliki beberapa proyek yang sedang berjalan; apa beberapa kasus penggunaan AI yang menarik lainnya yang Anda lihat?

Ruang AI unik. Sebagai peneliti AI, kami fokus pada niche yang menghasilkan big data, yang diperlukan untuk penelitian AI. Kami memerlukan banyak pasien untuk mengompilasi dataset berkualitas, sehingga kami memiliki beberapa penelitian yang berjalan paralel dan menjelajahi beberapa vertikal bisnis.

Kami melihat gaming sebagai area di mana sejumlah besar data dihasilkan. Saat ini, orang banyak bermain video game, yang merupakan sumber data yang berharga untuk penelitian kesehatan. Mengumpulkan data dari perangkat pribadi dan wearable adalah vektor lain dengan potensi signifikan.

Semua ini, menarik untuk menjelajahi teknologi ini sekarang, dan saya percaya bahwa masih banyak potensi lain yang dapat dimanfaatkan di sektor lain.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Acoustery.