Ophir Tanz, Pendiri & CEO Pearl – Seri Wawancara

Ophir Tanz, adalah pendiri dan CEO Pearl, sebuah perusahaan yang didirikan berdasarkan gagasan bahwa kecerdasan buatan dapat menjadi asisten yang selalu aktif bagi praktisi gigi dan teman tepercaya bagi pasien. Pendirinya memiliki koneksi pribadi yang unik dengan industri gigi dan pengetahuan serta pendidikan untuk mewujudkan potensi penuh dan praktis yang dimiliki kecerdasan buatan.

Apa yang awalnya menarik Anda ke Kecerdasan Buatan?

Saya telah tertarik dengan kecerdasan buatan sejak saya berada di perguruan tinggi. Saya melihat banyak kesempatan di sana dan itu mendorong ambisi saya untuk menerapkan kecerdasan buatan dalam menciptakan kemampuan dan aplikasi komersial baru. Saya tertarik dengan visi komputer – bidang kecerdasan buatan di mana kita mengajar komputer untuk melihat, memproses, dan memahami dunia dengan cara yang sama seperti otak manusia – sehingga setelah lulus, saya meluncurkan sebuah perusahaan, GumGum, yang fokus menerapkan kecerdasan mesin visual untuk membangun nilai dalam kategori media digital. Meskipun saya memahami kekuatan kecerdasan buatan sejak awal, ketika saya membesarkan perusahaan itu, saya terkesan dengan seberapa maju dan praktis bidang itu – dan menjadi semakin tertarik dengan aplikasi kecerdasan buatan yang lebih luas.

Perusahaan pertama Anda, GumGum, yang mengkhususkan diri dalam menggunakan kecerdasan buatan dalam periklanan kontekstual, akhirnya sangat sukses, apa yang Anda atribusikan kesuksesan ini?

Saya pikir apa yang memungkinkan GumGum sukses sebesar itu adalah penekanan yang kita berikan pada aplikasi dan inovasi kecerdasan buatan. Ini sebagian besar merupakan perusahaan periklanan digital, tetapi meskipun kita beroperasi dalam kategori yang lebih luas, pekerjaan yang kita lakukan dengan kecerdasan buatan tidak benar-benar terbatas pada kategori itu. Artinya kita adalah perusahaan teknologi sebagaimana kita adalah perusahaan adtech, yang menciptakan diferensiasi yang signifikan. Kita memiliki pola pikir yang berfokus pada kecerdasan buatan, yang memimpin kita untuk berinovasi di bidang di luar batasan periklanan digital – dalam valuasi sponsor dan, tentu saja, gigi. Karena kita tidak pernah fokus untuk menjadi “hanya sebuah perusahaan periklanan” dan kita terus mencari cara untuk melakukan yang lebih baik, GumGum dapat tumbuh bersama kita ketika visi kita berkembang dan teknologi dasar serta bidang kecerdasan buatan berkembang.

Bisakah Anda membagikan kisah di balik perusahaan rintisan kecerdasan buatan baru Anda, Pearl?

Setelah memulai GumGum dan fokus pada visi komputer, saya tahu ada lebih banyak yang bisa kita lakukan dengan teknologi ini dan saya selalu mencari aplikasi baru. Kesehatan dan radiologi sangat menarik bagi saya, dan juga mewakili aplikasi jelas dari jenis pembelajaran mesin yang diterapkan GumGum. Kami meluncurkan divisi gigi yang disebut GumGum Dental, yang merupakan cikal bakal Pearl. Saya memutuskan untuk memisahkan divisi gigi sepenuhnya karena saya percaya kesempatan itu layak mendapatkan perusahaan yang berdiri sendiri. Saya rasa bisa dibilang itu sudah ditakdirkan – ayah saya adalah seorang dokter gigi, dan saya tumbuh membantu di praktiknya, sehingga beralih untuk fokus pada industri gigi sedikit seperti kembali ke rumah bagi saya. Tapi bukan karena koneksi masa kecil saya dengan kedokteran gigi yang menjadi dorongan utama untuk keinginan saya memimpin Pearl sebagai perusahaan baru. Saya sangat percaya bahwa visi komputer dan kecerdasan buatan akan mengubah kedokteran gigi dan kesehatan global, dan saya ingin dapat memberikan perhatian pada proyek itu yang saya rasakan layak.

Bisakah Anda membahas sistem visi komputer dan pembelajaran mesin yang digunakan untuk memindai radiografi dan citra 3D gigi?

Visi komputer adalah bentuk kecerdasan buatan yang mengajar komputer untuk “melihat” dengan cara yang sama seperti manusia. Kita memberi sejumlah besar data gambar gigi yang telah diberi anotasi oleh ahli ke dalam serangkaian algoritma yang dimodelkan pada jaringan saraf di otak manusia. Dengan mempelajari gambar yang telah diberi anotasi, jaringan belajar mengenali patologi gigi yang telah ditandai dalam gambar yang diberi anotasi. Proses ini disebut ‘pembelajaran terawasi’. Dengan mengajar komputer dengan cara ini, komputer dapat belajar mengenali gambar dengan cara yang tidak literal. Misalnya, komputer belajar mengidentifikasi objek yang sebagian terhalang atau hanya dapat dilihat dari sudut tertentu dengan menyerap ribuan contoh yang berbeda dan membangun apa yang pada dasarnya merupakan versi komputer dari gambar mental objek itu.

Kita mengajar kecerdasan buatan dan algoritma pembelajaran mesin dengan membangun koleksi besar radiograf dan bekerja sama dengan dokter gigi dan radiolog untuk memberi label gambar, kemudian menggunakan gambar yang telah diberi label untuk mengajar sistem untuk menafsirkan gambar baru. Sekarang kita memiliki kecerdasan buatan yang dapat menunjuk pada masalah potensial yang dapat diidentifikasi dalam radiograf dan membantu dokter gigi membaca radiograf pasien dengan lebih akurat dan konsisten.

Untuk sistem citra 3D, kita menggunakan pendekatan yang sama tetapi dengan kelas algoritma yang berbeda. Dengan citra 3D, pelatihan bisa lebih kompleks, karena citra 3D mengandung banyak lebih banyak data, yang kadang-kadang membuat anotasi lebih melelahkan. Tentu saja, karena ada banyak lebih banyak data, setelah sistem telah dilatih untuk menafsirkan citra 3D, sistem sebenarnya dapat lebih presisi dalam temuannya. Ini pada dasarnya sama seperti ketika manusia melihat cone beam versus radiograf bitewing tradisional: Kita dapat melihat setiap aspek kecil dari gigi dalam cone-beam computed tomography (CBCT), tetapi kita sering hanya dapat mengenali struktur gigi dasar dalam radiograf bitewing. Kecerdasan buatan menghadapi tantangan yang sama.

Jenis informasi atau diagnosis apa yang diungkapkan oleh sistem ini?

Sistem radiologi kecerdasan buatan kita dapat mendeteksi berbagai kondisi patologis dan non-patologis, fitur restoratif, dan anatomi alami. Karies, pengukuran kehilangan tulang, radiolusensi periapikal, kalkulus, kerumunan, impaksi, WPL, furkasi, obturasi, diskrepansi margin – daftar ini terlalu panjang untuk disebutkan semuanya dan terus bertambah. Banyak dari kemampuan ini termasuk dalam Second Opinion, alat bantuan deteksi patologi waktu nyata yang saat ini tersedia di Kanada, Australia, Eropa, dan beberapa wilayah lain, dan sebagian besar diterapkan dalam Practice Intelligence, solusi kecerdasan klinis non-pasien yang tersedia untuk praktik di AS dan global.

Jenis data citra apa yang digunakan untuk melatih sistem ini?

Sistem deteksi patologi radiologi kita dilatih pada radiograf bitewing, periapikal, dan pano, yang paling umum dalam diagnostik gigi – jenis sinar-X yang Anda dapatkan di dokter gigi setiap dua tahun atau sesuai kebutuhan. Gambar radiograf relatif mudah diperoleh dalam bidang gigi dibandingkan dengan bentuk kedokteran lain dan lebih banyak radiograf gigi yang diambil setiap tahun daripada bentuk radiografi lainnya. Bagian yang mahal dan memakan waktu adalah mendapatkan ahli untuk meninjau dan memberi anotasi sinar-X. Kita telah mengompilasi koleksi terbesar radiograf gigi yang diberi label di dunia. Ketersediaan data radiograf ini adalah bagian dari apa yang membuat bidang gigi sangat siap untuk diubah oleh kecerdasan buatan.

Jenis peningkatan efisiensi dan tingkat akurasi apa yang telah dilihat dari sistem Pearl dibandingkan dengan tinjauan manual oleh manusia?

Kita telah melakukan beberapa studi besar di seluruh ribuan radiograf dan ratusan dokter gigi untuk menguji akurasi sistem kita, baik sebagai sistem deteksi mandiri maupun ketika digunakan untuk membantu dokter gigi. Kita telah melihat akurasi untuk setiap jenis deteksi serta secara luas di seluruh deteksi yang didukung oleh sistem. Ada variasi akurasi antara kelas deteksi individual dengan akurasi yang berkisar dari sekitar 84-96 persen. Secara keseluruhan, sistem ini benar lebih dari 92 persen dari waktu. Itu cukup baik dan sistem terus meningkat.

Tentu saja, angka akurasi absolut ini tidak sebenarnya merupakan indikator yang sebaik perbandingan akurasi relatif sistem dengan dokter gigi manusia. Jika akurasi manusia 60%, sistem kecerdasan buatan yang akurat hanya 70% dari waktu akan memberikan keuntungan yang cukup besar bagi dokter gigi yang menggunakannya. Dalam studi yang kita lakukan yang termasuk komponen mandiri manusia, dokter gigi berkisar dari 70-85%. Ada variasi signifikan antara dokter gigi individu, namun, sehingga ada beberapa dokter gigi di luar sana yang sama atau lebih akurat daripada sistem kita dan sejumlah besar yang jauh kurang akurat. Untuk mengevaluasi manfaat sistem, apa yang kita ingin lihat adalah peningkatan akurasi untuk dokter gigi ketika menggunakan sistem dibandingkan dengan dokter gigi yang sama ketika tidak menggunakan sistem. Studi kita menunjukkan manfaat yang jelas di sana.

Sekarang bahwa Second Opinion digunakan dalam praktik, kita perlu melakukan lebih banyak penelitian untuk melihat dampak dunia nyata. Kita mulai melakukannya dengan bantuan mitra akademis di Jerman. Apakah itu mempercepat kunjungan pasien? Apakah itu memfasilitasi komunikasi dokter-pasien yang lebih baik? Apakah itu meningkatkan kepercayaan pasien? Apakah itu meningkatkan penerimaan kasus? Kita saat ini bekerja untuk menjawab pertanyaan-pertanyaan ini. Akhirnya, kita ingin menyelidiki dampak sistem pada hasil kesehatan pasien, tetapi itu adalah proyek jangka panjang.

Saya harus mencatat bahwa, karena Practice Intelligence sebagian merupakan alat analitik yang dapat menilai karakteristik kesehatan pasien dan kinerja diagnostik serta perencanaan pengobatan praktisi, kita sebenarnya memiliki beberapa gambaran tentang bagaimana kecerdasan buatan dapat mempengaruhi perawatan pasien. Ini bukan penelitian gaya akademis, tetapi kita baru-baru ini melakukan studi yang melihat data produksi dari sepuluh kantor yang diaktifkan Practice Intelligence selama satu bulan. Selama bulan itu, sistem menemukan rata-rata lebih dari $84.000 per praktik dalam kesempatan pengobatan yang terlewatkan dalam radiograf sebelumnya untuk pasien dengan janji temu dalam periode itu. Untuk $84.000 dalam kesempatan yang terlewatkan yang disingkapkan, praktik-praktik tersebut dapat menyelesaikan rata-rata $12.500 dalam perawatan restoratif dan $23.800 tambahan dalam perawatan khusus. Peningkatan itu berasal dari kesempatan pengobatan yang sebelumnya terlewatkan. Karena telah selesai, kita dapat berasumsi bahwa perawatan tersebut diperlukan dan seharusnya telah disediakan setelah kunjungan pasien sebelumnya. Ini adalah studi kasus informal, tetapi tampaknya menunjukkan bahwa kecerdasan buatan membawa manfaat yang signifikan, baik bagi pasien maupun praktik yang menggunakannya.

Apa menurut Anda yang menghambat adopsi kecerdasan buatan yang lebih luas di klinik gigi?

Responnya sangat positif dari dokter gigi yang menggunakan Second Opinion di luar negeri dan lebih dari seribu kantor yang telah menerapkan Practice Intelligence di AS, sehingga ada segmen industri yang sudah memiliki keinginan untuk integrasi kecerdasan buatan yang luas dalam kedokteran gigi. Tapi adopsi yang lebih luas memerlukan kesadaran yang lebih luas. Kecerdasan buatan adalah baru dalam bidang gigi. Ketika kita mulai bekerja pada radiologi gigi sebagai GumGum Dental, kita, menurut pengetahuan saya, adalah satu-satunya perusahaan komersial yang terlibat dalam upaya itu. Itu lima tahun yang lalu. Solusi pasar pertama muncul pada akhir 2019 dan mereka adalah aplikasi asuransi dan laboratorium, bukan aplikasi klinis. Kita meluncurkan Practice Intelligence pada 2020 dan Second Opinion memasuki pasar global pada September 2021. Jadi, bagi sebagian besar dokter gigi, kecerdasan buatan adalah hal baru. Mereka perlu diperkenalkan dan diajarkan apa yang bisa dilakukan dan tidak bisa dilakukan. Ada beberapa kesalahpahaman tentang kecerdasan buatan yang perlu diatasi. Beberapa dokter gigi mungkin cenderung melihat kecerdasan buatan sebagai ancaman, misalnya. Kesalahpahaman itu akan teratasi ketika dokter gigi menjadi lebih terinformasi tentang utilitasnya. Manfaat kecerdasan buatan secara fundamental menarik – standar perawatan yang lebih tinggi, kesehatan mulut yang lebih baik, hasil keuangan yang lebih kuat untuk praktik – sehingga saya berharap adopsi akan meningkat dengan cepat sekali literasi kecerdasan buatan dalam kedokteran gigi mencapai titik kritis.

Apa visi Anda untuk masa depan perawatan gigi dalam 10 tahun?

Ketika industri gigi terus mengadopsi transformasi digital, saya melihat dokter gigi mengintegrasikan kecerdasan buatan ke dalam sebagian besar tugas yang memakan waktu yang mereka lakukan sehari-hari – seperti pencatatan, penjadwalan, operasi, manajemen inventori – sehingga mereka dapat fokus pada pasien daripada tugas rutin yang mengalihkan perhatian mereka dari pekerjaan yang memerlukan keterampilan unik mereka. Kita akan melihat standar perawatan pasien yang lebih tinggi di seluruh papan, biaya yang lebih rendah, dan, pada akhirnya, industri yang lebih besar yang membawa kesehatan mulut yang lebih baik bagi lebih banyak orang di seluruh dunia.

Saya juga akan terkejut jika, dalam 15 tahun, kecerdasan buatan belum mulai membersihkan jalur menuju diagnosis prediktif yang efektif dan perencanaan pengobatan yang dipersonalisasi. Apakah pasien ini berisiko lebih tinggi untuk karies berdasarkan profil genetik, gaya hidup, diagnosis sebelumnya? Bisakah kita merekomendasikan pendekatan pencegahan yang akan mengurangi kebutuhan mereka akan pengobatan invasif di masa depan? Jika mereka memiliki karies sekarang, berdasarkan apa yang kita ketahui tentang karakteristik individu mereka, apakah kita perlu melanjutkan dengan pengobatan restoratif sekarang atau bisa kita tunda dengan harapan bahwa perubahan tertentu dalam gaya hidup atau konsumsi akan mengurangi kemajuan kerusakan? Dengan dukungan kecerdasan buatan, kita seharusnya dapat menjawab pertanyaan-pertanyaan ini – dan, sambil melakukan itu, mungkin menyempitkan jurang yang tidak wajar antara kesehatan mulut dan kesehatan sistemik yang ada saat ini.

Apakah ada yang lain yang ingin Anda bagikan tentang Pearl?

Ahli telah berjanji bahwa kecerdasan buatan akan memberikan hasil klinis yang lebih baik dan penghematan biaya dalam industri kesehatan selama lebih dari satu dekade. Banyak dari janji-janji ini belum terwujud. Kedokteran gigi sebenarnya sedikit terlambat dalam permainan kecerdasan buatan, tetapi kecerdasan buatan berkembang dalam kedokteran gigi jauh lebih cepat daripada dalam kategori kesehatan lainnya. Mengapa?

Memikirkan kedokteran melalui lensa komersial, kedokteran gigi jauh lebih wirausaha daripada bentuk kedokteran lain. Kedokteran gigi dilakukan dalam banyak praktik swasta yang dimiliki secara tradisional. Sebagian besar bentuk kedokteran lain dikelola oleh rumah sakit, yang umumnya merupakan lembaga korporat besar birokratis. Praktik gigi dan rumah sakit memiliki keinginan yang sama untuk meningkatkan efisiensi, meningkatkan hasil pasien, dll, tetapi secara struktural rumah sakit terlalu lambat dan konservatif untuk mengintegrasikan dan memanfaatkan teknologi yang muncul yang memenuhi keinginan tersebut. Praktik gigi, di sisi lain, lincah – dan karakter wirausaha dokter gigi membuat kedokteran gigi menjadi tanah yang jauh lebih subur untuk inovasi seperti kecerdasan buatan. Jika seorang dokter gigi melihat manfaat potensial dalam sesuatu, mereka dapat segera menerapkannya. Rumah sakit tidak akan dapat bertindak dengan keputusan unilateral seperti itu. Akan ada studi kelayakan dan dampak, penolakan dari kepentingan dan pemangku kepentingan yang berlawanan, negosiasi anggaran, dan serangkaian hambatan lain yang harus dilalui teknologi baru sebelum implementasi.

Sangat penting, bagaimanapun, adalah fakta bahwa dokter gigi dapat berkontribusi pada upaya mengembangkan dan meningkatkan kecerdasan buatan jika mereka mau. Pearl telah dapat merancang, membangun, dan mengkomersialkan teknologi ini secepat yang kita lakukan baik karena dokter gigi adalah konsumen yang aktif dan berwenang – kita mengembangkan produk untuk pasar yang tidak terhambat oleh gesekan birokratis yang dihadapi perusahaan yang mencoba menjual ke rumah sakit – dan karena dokter gigi berwenang untuk memberikan dukungan material dan intelektual di balik upaya kita. Pada akhirnya, kecerdasan buatan kita secerdas yang kita miliki karena telah dilatih dan disempurnakan oleh tentara dokter gigi cerdas yang percaya pada teknologi dan memiliki kebebasan untuk berkontribusi pada penciptaannya.

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