Joseph Mossel, Co-Founder & CEO of Ibex Medical Analytics – Interview Series

Joseph Mossel adalah CEO dari Ibex Medical Analytics. Karirnya di industri teknologi telah berlangsung lebih dari 20 tahun, dimulai dari pengembangan perangkat lunak dan manajemen produk, diikuti dengan posisi kepemimpinan di perusahaan rintisan, perusahaan multinasional besar, dan organisasi nirlaba. Joseph telah memimpin produk dari awal hingga menjadi bisnis dengan pendapatan multi-juta dolar. Ia memegang gelar MSc di bidang ilmu komputer dari Universitas Tel Aviv, dan MSc di bidang ilmu lingkungan dari VU Amsterdam.

Ibex, yang dikembangkan oleh ahli patologi untuk ahli patologi, adalah platform multi-jaringan yang membantu ahli patologi mendeteksi dan mengklasifikasikan kanker payudara, prostat, dan lambung, serta lebih dari seratus fitur klinis lainnya.

Terintegrasi secara mulus dengan solusi perangkat lunak patologi digital pihak ketiga, platform pemindaian, dan sistem informasi laboratorium, alur kerja Ibex yang ditenagai AI memberikan wawasan berkualitas tinggi yang meningkatkan keselamatan pasien, meningkatkan kepercayaan dokter, dan meningkatkan produktivitas.

Apa yang menginspirasi Anda untuk menjadi co-founder Ibex Medical Analytics (Ibex), dan apa masalah yang Anda coba selesaikan?

Kanker, sayangnya, menyentuh semua orang–baik mereka yang terkena secara pribadi, telah menjadi perawat bagi seseorang dengan kanker, atau mengenal seseorang yang terkena dampaknya. Saya memiliki kerabat dan teman yang terkena kanker, dan secara tragis, salah satu karyawan kami meninggal karena kanker.

Karena insiden kanker terus meningkat di seluruh dunia, ada permintaan yang meningkat untuk diagnostik kanker yang diperburuk oleh kekurangan ahli patologi global, yang pekerjaannya menjadi lebih kompleks dengan kemajuan terapi dan permintaan akan diagnostik yang lebih kompleks.

Platform kami membantu mengatasi tantangan ini dengan memberdayakan ahli patologi dengan alat AI yang meningkatkan akurasi dan merampingkan alur kerja untuk memastikan bahwa setiap pasien menerima diagnosis yang akurat dan tepat waktu, yang sangat penting baik dalam memandu keputusan pengobatan dan pada akhirnya meningkatkan hasil pasien.

Kami bangga dengan pekerjaan yang kami lakukan untuk pelanggan kami, banyak di antaranya yang mengandalkan teknologi kami setiap hari untuk memberikan diagnosis yang lebih baik. Kepercayaan mereka pada solusi kami menyoroti dampak nyata yang kami buat, mengubah bidang patologi, dan meningkatkan hasil pasien.

Bisakah Anda berbagi sedikit tentang latar belakang Anda dan bagaimana itu membawa Anda ke bidang patologi yang ditenagai AI?

Jika saya melihat kembali karir saya, ada dua kekuatan pendorong: pencarian akan rasa tujuan dan preferensi untuk interdisiplin atas spesialisasi yang mendalam. Saya beruntung dapat menjalankan perusahaan yang memberi saya rasa tujuan yang mendalam dan memungkinkan saya bekerja dengan tim yang sangat berbakat dari berbagai latar belakang dan disiplin ilmu.

Latar belakang akademis saya awalnya adalah ilmu komputer, dengan spesialisasi di bidang neurosains komputasi. Saya kemudian bekerja sebagai insinyur algoritma dan beralih ke manajemen produk. Setelah bekerja di sebuah perusahaan besar, saya memutuskan bahwa itu tidak cocok untuk saya. Saya mendapatkan gelar di bidang ilmu lingkungan dan menjalankan organisasi nirlaba lingkungan selama beberapa tahun. Keberlanjutan masih menjadi passion saya dan dianggap sebagai tantangan besar bagi kita semua.

Kira-kira sepuluh tahun yang lalu, saya bertemu dengan co-founder saya, Chaim Linhart, yang sama-sama memiliki dorongan untuk membuat perbedaan yang bermakna dan berbagi passion saya untuk teknologi. Chaim, tidak seperti saya, adalah seorang spesialis. Ia memiliki gelar PhD di bidang ilmu komputer dan lebih dari 25 tahun pengalaman dalam pengembangan algoritma, AI, dan machine learning (ML). Di hari-hari awal Ibex, Chaim sibuk memenangkan kompetisi Kaggle (ML).

Ketika kami mengetahui bahwa patologi sedang (perlahan-lahan) didigitalkan, kami berbicara tentang dampak transformasi digital dalam patologi dapat memiliki pada peningkatan diagnostik kanker. Ratusan perusahaan sudah mengembangkan AI di radiologi, dan kami bertanya pada diri sendiri, mengapa tidak melakukan hal yang sama di patologi? Ini tampak seperti kesesuaian alami untuk membawa keahlian teknologi kami ke bidang ini, bekerja sama erat dengan ahli patologi setiap langkahnya.

Apa tantangan terbesar yang Anda hadapi di awal Ibex, dan bagaimana Anda mengatasi mereka?

Ide -yang tidak kami temukan pertama kali- untuk menerapkan AI pada slide patologi adalah bagian yang mudah. Eksekusi adalah yang sulit. Tiga tantangan utama yang kami temui dalam hari-hari awal Ibex adalah akses ke data, akses ke modal, dan akses ke pengetahuan spesifik domain.

Kami menyelesaikan tantangan data melalui kemitraan dengan Maccabi Health Services of Israel. Pada saat itu, kami adalah dua wirausaha muda dengan tidak ada pengetahuan medis yang memutuskan untuk membuka startup medis di domain yang sangat kompleks. Namun, Varda Shalev, yang memimpin lengan inovasi Maccabi pada saat itu, percaya pada visi kami, dan kami menandatangani perjanjian kemitraan dan berbagi data dengan Maccabi. Pada titik ini, Dr. Judith Sandbank, kepala patologi di Ibex, bergabung sebagai Chief Medical Officer (CMO) kami, posisi yang masih ia pegang. Dengan mitra strategis dan CMO, kami sekarang siap untuk menggalang putaran benih, yang kami galang dari Kamet Ventures, sebuah studio ventura Perancis yang merupakan bagian dari AXA Insurance.

Kami sekarang siap untuk membuat sejarah. Kami merekrut dua insinyur dan mengembangkan algoritma pertama kami untuk deteksi kanker prostat. Setelah kami puas dengan kinerjanya, kami menerapkannya di laboratorium patologi Maccabi sebagai bacaan kedua, meninjau semua kasus setelah bacaan awal oleh ahli patologi. Untuk kejutan kami, dalam beberapa hari, sistem tersebut mengangkat alert untuk kasus kanker yang terlewatkan oleh ahli patologi. Sejauh yang kami ketahui, ini adalah kasus pertama di mana diagnosis awal kanker dilakukan oleh algoritma, kembali pada tahun 2018.

Selamat atas penerimaan FDA 510(k) untuk Ibex Prostate Detect! Apa yang dimaksud dengan persetujuan ini bagi Ibex dan bidang diagnostik yang ditenagai AI secara lebih luas?

Terima kasih! Persetujuan ini menandai tonggak penting dalam perjalanan Ibex dan menggambarkan dedikasi kami untuk mengembangkan solusi yang divalidasi secara klinis yang membantu meningkatkan hasil kesehatan pasien. Ini menguatkan komitmen kami terhadap keselamatan dan efikasi solusi kami dan memperkuat kemampuan kami untuk memberikan inovasi terdepan kepada ahli patologi, pada akhirnya menguntungkan pasien yang mereka layani.

Kami membayangkan bahwa tonggak besar ini akan merobohkan hambatan dan mempercepat adopsi AI dan digitalisasi dalam patologi. Kami berharap prestasi ini akan meningkatkan kepercayaan industri secara luas bahwa teknologi ini mudah diimplementasikan dan siap untuk digunakan secara luas. Jangka panjang, persetujuan FDA adalah langkah penting menuju pencapaian pembayaran untuk AI dalam patologi dan memfasilitasi adopsi yang luas.

Proses validasi FDA menyoroti tingkat 13% kanker yang terlewatkan dalam diagnosis awal yang dinyatakan jinak. Apa yang ini katakan tentang potensi AI untuk meningkatkan akurasi diagnostik?

Dalam studi validasi presisi dan klinis yang dilakukan di beberapa laboratorium di Amerika Serikat dan Eropa sebagai bagian dari persetujuan FDA, sistem tersebut mengidentifikasi tingkat 13% kanker yang terlewatkan dalam kohort pasien yang secara berturut-turut didiagnosis sebagai jinak. Statistik ini menguatkan akurasi dan dampak produk Ibex, dan juga memvalidasi bahwa platform AI Ibex dapat diintegrasikan secara aman ke dalam alur kerja klinis, meningkatkan presisi diagnostik dan pada akhirnya meningkatkan perawatan pasien. Dengan memberikan lapisan analisis tambahan, teknologi kami membantu mengurangi kesalahan, memungkinkan pengambilan keputusan klinis yang lebih baik, dan mempromosikan keselamatan pasien.

Mengenai potensi, sementara persetujuan ini berfungsi sebagai validasi kritis dari teknologi kami, solusi kami sudah membuat dampak yang signifikan di pasar. Ini adalah bukti dari kerja keras sehari-hari di laboratorium patologi, dan kami melihat ini sebagai langkah maju dalam meningkatkan hasil kesehatan global. Kami tidak bisa membantu tetapi membayangkan dampak yang akan terjadi jika laboratorium di seluruh Amerika Serikat menerima transformasi digital.

Bagaimana Ibex Prostate Detect bekerja, dan apa yang membuatnya unik dibandingkan dengan solusi patologi yang ditenagai AI lainnya?

Ibex Prostate Detect adalah perangkat diagnostik medis in vitro yang menggunakan AI untuk menghasilkan heatmap yang mengidentifikasi kanker prostat yang terlewatkan. Berfungsi sebagai jaring pengaman, Ibex Prostate Detect membantu ahli patologi memastikan bahwa pasien menerima diagnosis yang akurat. Ini menggunakan algoritma AI untuk meningkatkan akurasi diagnosis kanker prostat.

Perangkat ini dimaksudkan untuk mengidentifikasi tumor yang mungkin terlewatkan oleh ahli patologi. Jika jaringan morfologi yang mencurigakan untuk kanker prostat terdeteksi, sistem tersebut mengeluarkan alert yang mencakup heatmap dari area jaringan dalam gambar slide keseluruhan yang kemungkinan mengandung kanker, menawarkan keterjelasan penuh kepada ahli patologi yang meninjau.

Bisakah Anda menjelaskan bagaimana fitur heatmap membantu ahli patologi dalam mengidentifikasi jaringan kanker?

Ibex Prostate Detect dimaksudkan untuk mengidentifikasi kasus yang awalnya didiagnosis sebagai jinak untuk ditinjau lebih lanjut oleh ahli patologi. Jika sistem tersebut mendeteksi morfologi jaringan yang mencurigakan untuk adenokarsinoma prostat (AdC), proliferasi asinar kecil atipikal (ASAP), dan subjenis kanker langka lainnya, sistem tersebut memberikan alert yang mencakup heatmap dari area jaringan dalam gambar slide keseluruhan yang kemungkinan mengandung kanker, menawarkan keterjelasan penuh kepada ahli patologi yang meninjau.

Umumnya, heatmap tersebut akurat dan presisi dan dapat memberikan ahli patologi area perhatian yang dapat mereka fokuskan dan menentukan diagnosis yang tepat. Dalam studi presisi dan validasi klinis yang dilakukan sebagai bagian dari persetujuan FDA, heatmap Ibex Prostate Detect menunjukkan akurasi piksel yang ekstrem dan menentukan hal-hal berikut:

• Hampir semua area kanker tertutup oleh heatmap (sensitivitas=98,7%).
• Hampir semua yang ditandai sebagai kemungkinan kanker tinggi dalam heatmap memang kanker (NPV=99,6%).
• Kasus kanker yang terlewatkan (negatif palsu) yang diidentifikasi oleh sistem tersebut kemudian diverifikasi oleh ahli patologi ahli, mengonfirmasi utilitas klinis dan manfaat produk ini dibandingkan dengan standar perawatan saat ini.

Bagaimana model AI membedakan antara jaringan jinak dan ganas, dan bagaimana model tersebut dilatih?

Algoritma Deep Learning didasarkan pada jaringan neural konvolusional multilapis, yang beroperasi pada beberapa tingkat pembesaran. AI ini luar biasa kuat, menunjukkan akurasi tinggi di seluruh laboratorium dan demografi pasien. Yang perlu diperhatikan, sejalan dengan mantra kami ‘oleh ahli patologi, untuk ahli patologi,’ model tersebut dilatih pada lebih dari satu juta slide yang dengan hati-hati dianotasi oleh ahli patologi terkemuka di pusat-pusat medis terkemuka. Pendekatan ini mahal, tetapi kami percaya bahwa tanpa wawasan ahli patologi, sangat sulit untuk mencapai tingkat kinerja yang kami targetkan. Dengan melakukan ini, kami melengkapi semua ahli patologi dengan wawasan ahli dan memastikan bahwa setiap pasien, terlepas dari lokasinya, menerima tingkat diagnosis yang setara dengan spesialis terkemuka dunia.

Di luar kanker prostat, Ibex juga bekerja pada solusi untuk kanker payudara dan lambung. Apa yang selanjutnya untuk perusahaan dalam hal kemampuan diagnostik baru?

Ibex sudah memiliki dampak besar pada solusi diagnostik yang ditenagai AI untuk kanker payudara dan lambung. Sebagai pemimpin dunia dalam peluncuran klinis langsung, banyak laboratorium – termasuk yang di Amerika Serikat – sudah menggunakan produk Ibex untuk mengubah praktik medis mereka. Produk kami terbukti memberikan dampak klinis nyata, dan ahli patologi baik mempercayai AI dan bersaksi tentang nilai yang dibawanya. Sekarang, kami bekerja untuk merilis teknologi baru ke pasar, teknologi yang dikembangkan dan divalidasi oleh Ibex dalam kolaborasi dengan AstraZeneca dan Daiichi Sankyo. Algoritma spesifik yang pertama kali dirilis membantu mengkuantifikasi ekspresi HER2, yang membantu penyedia menentukan jalur pengobatan untuk pasien.

Menghadap ke depan, kami akan terus memperluas penawaran kami untuk memberikan wawasan tambahan dalam jenis jaringan yang sudah kami dukung. Kami juga berencana untuk memberikan penawaran dalam area jaringan lain dan terus memperbaiki alur kerja pelanggan kami.

Bagaimana Anda melihat patologi yang ditenagai AI akan berkembang dalam lima hingga sepuluh tahun ke depan?

Saya membayangkan bahwa AI akan memiliki dampak yang mendalam pada praktik patologi dan cara kanker didiagnosis. Saya tidak melihat kami menggantikan ahli patologi, tetapi seperti setiap perkembangan teknologi baru, praktik akan berubah. AI akan terus menjadi instrumental dalam mengatasi tantangan tenaga kerja yang tumbuh di bidang perawatan kesehatan, terutama kekurangan ahli patologi global dan beban kasus yang meningkat yang dipicu oleh kasus kanker yang meningkat. Implementasi AI yang bertanggung jawab akan membantu ahli patologi mengelola beban kerja mereka lebih efektif, meningkatkan efisiensi diagnostik, dan mengurangi keterlambatan. Dengan mengotomatisasi tugas rutin, AI dapat menurunkan tingkat kesalahan, meningkatkan kualitas diagnosis, dan pada akhirnya meningkatkan kepercayaan ahli patologi dalam pekerjaan mereka. Saya sangat merasa bahwa AI, bersama dengan manusia dalam loop, adalah kombinasi terbaik untuk mengubah perawatan kesehatan.

Area lain dengan janji besar adalah memperluas diri melampaui praktik patologi saat ini ke ranah algoritma prediktif. Algoritma yang menggabungkan beberapa modalitas untuk memprediksi hasil atau, yang sangat penting, efikasi pengobatan.

AI juga dapat meningkatkan kesetaraan kesehatan melalui akses kesehatan yang didemokratisasi. Terlepas dari lokasi, setiap pasien, di mana saja, layak mendapatkan diagnosis yang tepercaya. Ini akan sangat baik jika teknologi AI diterapkan sebagai bagian dari praktik standar di setiap laboratorium patologi di seluruh dunia. Namun, ini dimulai dengan kolaborasi antara dokter, industri, dan lembaga untuk mempercepat penerapan teknologi ini–saya merasa kita berhutang pada pasien.

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