Tobias Rijken, Co-Founder & CTO di Kheiron Medical Technologies – Seri Wawancara

Tobias Rijken adalah Co-Founder & CTO di Kheiron Medical Technologies, sebuah perusahaan pengembangan teknologi pengolahan citra medis yang menggunakan teknologi pembelajaran mesin canggih untuk mengembangkan dan menyediakan alat cerdas untuk radiolog, departemen radiologi, pusat pengolahan citra, dan rumah sakit untuk meningkatkan efisiensi, konsistensi, dan akurasi pelaporan radiologi.

Kheiron Medical Technologies didirikan dengan fokus tunggal untuk membantu radiolog mendeteksi kanker payudara lebih awal dengan perangkat lunak pembelajaran mesin.

Apa yang awalnya menarik Anda untuk pembelajaran mesin?

Pengenalan informal saya dengan pembelajaran mesin adalah ketika saya pertama kali belajar pemrograman ketika saya masih remaja. Ada mesin permainan di mana Anda bisa memprogram permainan Anda sendiri. Saya ingin bermain permainan itu, tapi siapa yang saya lawan? Bisa jadi lawan lain, atau bisa jadi program. Bagaimana Anda membangun program yang belajar bermain permainan? Itu bukan AI modern, itu AI berbasis aturan. Saya mengalahkan setiap kali, jadi itu bukan AI yang baik.

Ketika saya belajar untuk gelar master di University College London, kita memasuki era baru AI modern. DeepMind baru saja diakuisisi, dan saya belajar pembelajaran mesin di tempat di mana DeepMind sebenarnya didirikan. David Silver, salah satu ilmuwan utama DeepMind, mengajar kursus tentang pembelajaran penguatan. Sebagai bagian dari kursus, saya membangun agen untuk belajar bermain permainan – bentuk sederhana blackjack. Ketika saya selesai dengan AI dan bermain melawan ciptaan saya sendiri, saya tidak bisa mengalahkannya lagi. Dan itu adalah wahyu yang sebenarnya.

Pengenalan formal saya dengan pembelajaran mesin datang di tahun pertama kuliah. Saya belajar matematika dan ilmu komputer di Amsterdam University College. Pada saat yang sama, kursus online besar baru dibuka dan saya bisa bergabung dengan kursus AI dari tokoh-tokoh terkemuka di bidang tersebut. Kursus yang paling berdampak besar adalah dengan Peter Norvig dan Sebastian Thrun dari Stanford, dan saya bisa belajar AI dengan 100.000 orang pada saat yang sama.

Sekarang dengan Kheiron, apa yang saya sukai tentang pembelajaran mesin adalah aplikasinya pada dunia nyata. Kesempatan yang dimilikinya untuk memecahkan masalah dunia nyata. Itulah yang benar-benar menggembirakan saya.

Bisakah Anda membahas cerita di balik Kheiron Medical?

Peter dan saya bertemu di 2016 di akselerator Entrepreneur First di Inggris. Kami terhubung langsung – mungkin karena latar belakang kami yang sama. Kami berdua berasal dari keluarga medis – ibu Peter adalah seorang radiolog, saya tumbuh dalam keluarga medis, dikelilingi oleh dokter, dan kami berdua memilih untuk mengambil rute STEM.

Latar belakang kami memberi kami pandangan yang jelas tentang perjuangan dan tantangan yang dihadapi pekerja kesehatan dan pemahaman tentang bagaimana AI dapat memperbaiki kehidupan mereka serta kehidupan pasien. Kami berbagi keyakinan bahwa AI bersama dengan klinisi akan mengubah kesehatan menjadi lebih baik.

Ada masalah besar yang harus dipecahkan di sini. Ada kekurangan radiolog global. Banyak orang meninggal karena kanker – lebih dari 40.000 wanita Amerika meninggal setiap tahun karena kanker payudara. Bagian dari alasan banyak orang meninggal karena kanker adalah karena dokter tidak memiliki informasi yang tepat untuk membuat keputusan yang tepat. AI dapat membantu dengan itu.

Pertama dan terutama, Kheiron ada di sini untuk membantu radiolog sehingga radiolog dapat membantu pasien. Saya secara pribadi sangat termotivasi oleh menggali masalah untuk memahami kerumitannya. Kami semua bekerja keras untuk benar-benar memahami pekerjaan radiolog, data yang mereka gunakan sehari-hari, alur kerja mereka. Lalu kami dapat memahami bagaimana kami dapat menerapkan AI sebagai bagian dari alur kerja ini.

Kami berinvestasi berat untuk memahami pengguna dan data dengan mendalam. Kami memiliki radiolog di tim kami yang membantu kami mengintegrasikan kebutuhan pengguna ke dalam proses desain dan pengembangan. Kami memiliki inisiatif keterlibatan pasien yang berinteraksi langsung dengan wanita untuk memahami ketakutan dan kebutuhan mereka untuk skrining payudara.

Banyak orang bertanya kepada saya tentang nama perusahaan kami – Kheiron. Kheiron adalah seorang centaur yang bijak dan lembut – makhluk yang setengah manusia, setengah kuda dalam mitologi Yunani – yang melatih para pahlawan dalam kedokteran. Ide tentang dua bagian yang membuat sesuatu lebih kuat daripada bagian individu adalah inspirasi untuk Kheiron – AI dan klinisi bekerja sama untuk mengubah apa yang mungkin dalam standar perawatan.

Bisakah Anda membahas solusi skrining kanker payudara yang ditawarkan?

Kami bekerja pada beberapa solusi kanker payudara sepanjang jalur skrining kanker payudara.

Produk pertama kami disebut Mia – yang merupakan singkatan dari mammography intelligent assessment. Mia telah dioptimalkan untuk melakukan tugas yang sama dengan radiolog – yaitu, menentukan apakah seorang wanita harus dipanggil kembali untuk pemeriksaan lebih lanjut atau tidak.

Tingkat kinerja yang kami capai memungkinkan kami untuk memikirkan kembali alur kerja. Untuk wanita Amerika, ini sangat bermakna. Amerika Serikat memiliki apa yang disebut “alur kerja pembaca tunggal”. Ini berarti bahwa setiap mammogram dibaca oleh satu radiolog. Namun, Inggris dan Eropa memiliki “alur kerja pembaca ganda”, yang berarti bahwa setiap mammogram dibaca oleh dua radiolog. Banyak radiolog Amerika menganggap pembacaan ganda sebagai “standar emas” karena lebih mungkin daripada pembaca tunggal untuk mendeteksi kanker payudara kecil dan dini.

Studi klinis kami membuktikan bahwa Mia adalah pilihan yang aman dan efektif biaya sebagai pembaca independen atau bersamaan. Ini berarti bahwa di Amerika Serikat, Mia dapat digunakan bersama dengan radiolog untuk mencapai standar emas dari alur kerja pembaca ganda – dengan satu pembaca manusia. Seperti yang saya katakan sebelumnya, ini adalah bagaimana kami melihat kekuatan AI dan manusia bekerja sama untuk memecahkan masalah besar.

Produk pertama yang kami bawa ke pasar Amerika adalah Mia IQ, yang berada satu langkah lebih awal dalam jalur skrining kanker payudara. Mia IQ membantu teknisi radiografi menganalisis kualitas gambar. Jika kami dapat memperbaiki kualitas gambar, maka kualitas pembacaan juga akan meningkat. Dan ini berarti bahwa lebih banyak kanker akan terdeteksi lebih awal, ketika hasilnya dapat lebih baik untuk wanita tersebut.

Ini sangat penting untuk audit jaminan kualitas MQSA dan untuk pelatihan berkelanjutan, di mana kami berharap melihat aplikasi pertama Mia IQ. Mia IQ menyediakan program skrining dengan laporan yang detail tentang masalah penempatan. Ini akan memungkinkan direktur program untuk memberikan pelatihan titik untuk teknisi dan mengatasi masalah kualitas gambar yang mungkin mempengaruhi audit jaminan kualitas mereka.

Berapa banyak gambar yang telah dilatih oleh jaringan saraf?

Bagi kami, kuantitas data bukanlah poinnya. Hal yang baik tentang ruang skrining kanker payudara adalah ada banyak data yang tersedia. Ada banyak data sejarah karena program skrining telah ada selama beberapa waktu. Dan karena Anda menyaring seluruh populasi, ada banyak data baru yang dihasilkan.

Tantangan kami adalah bahwa data tersebut sangat miring. 99% dari populasi skrining tidak memiliki kanker, yang berarti ada kemiringan menuju gambar normal. Ada juga perbedaan populasi, dengan kurangnya keanekaragaman dalam data.

Jadi bagi Kheiron, tantangan bukan tentang mendapatkan kuantitas data. Sebaliknya, di mana sebagian besar kesuksesan kami berasal adalah memahami data mana yang harus dikumpulkan untuk mendapatkan hasil terbaik, dan untuk sangat selektif dan terarah dalam mengumpulkan data. Kolaborasi kami dengan Emory University adalah contoh bagus tentang bagaimana kami melakukannya.

Apakah kesalahan positif saat ini merupakan masalah?

Kesalahan positif hanya sebagian dari masalah. Ilmu skrining bergantung pada kompromi antara kesalahan positif dan kesalahan negatif. Misalnya, kami dapat mencapai tingkat kesalahan positif yang sangat rendah, tetapi kami akan melewatkan beberapa kanker. Di sisi lain, kami dapat memiliki sedikit kanker yang terlewatkan jika kami memiliki tingkat kesalahan positif yang tinggi. Penting untuk memahami kompromi ini dan untuk menyeimbangkan layanan skrining berdasarkan prioritas dan sumber daya.

Perbedaan budaya dan kebijakan juga ada antara negara, yang mempengaruhi cara kompromi ini dibuat. Di beberapa negara, melewatkan kanker dianggap sangat bermasalah. Di negara lain, dianggap lebih penting untuk meminimalkan panggilan kembali yang tidak perlu karena biaya kesehatan yang terkait dengan setiap panggilan kembali.

Akhirnya, ini tentang memahami bagaimana kompromi ini mempengaruhi pasien, dalam hal jumlah panggilan kembali yang tidak perlu dan tes lebih lanjut yang dialami oleh kelompok ‘kesalahan positif’ versus kelompok ‘kesalahan negatif’ yang kankernya tidak terdeteksi. Ini adalah tindakan yang sulit, tetapi AI berjanji untuk meningkatkan standar untuk kedua kelompok.

Kheiron Medical Technologies dan Emory University baru-baru ini mengumumkan kolaborasi untuk mengevaluasi data dari mammogram sebelumnya pada lebih dari 50.000 wanita Afrika-Amerika yang telah diskrining di Emory Healthcare. Bisakah Anda berbagi lebih banyak detail tentang proyek ini?

Kolaborasi kami dengan Emory University memperluas keanekaragaman data yang kami gunakan untuk memastikan bahwa Mia, solusi skrining kanker payudara AI kami, bekerja dengan standar yang sama untuk setiap wanita, tanpa memandang etnis.

Proyek pertama dalam kolaborasi ini akan mendukung validasi kinerja Mia terhadap populasi skrining yang beragam dari Emory. Ini adalah studi multi-situs yang melibatkan empat situs skrining dan rumah sakit. Sebuah kohort dari lebih dari 200.000 mammogram skrining akan dimasukkan dalam proyek ini – sekitar 45% dari wanita dalam kohort tersebut adalah dari keturunan Afrika-Amerika.

Kami mengumumkan kolaborasi ini pada akhir November dan telah membuat kemajuan besar sejak saat itu, bahkan dengan tantangan operasional di bawah kondisi pandemi global dan kerja jarak jauh. Saya pikir itu adalah penghargaan besar bagi tim di Emory, yang juga merupakan klinisi yang menyediakan perawatan yang sangat baik kepada pasien di komunitas.

Saat ini kolaborasi kami sedang menginvestasikan energi awal untuk membangun fondasi yang kuat untuk pekerjaan kami di masa depan. Kami sedang bekerja erat dengan tim Emory untuk memahami alur kerja klinis. Ini berfungsi sebagai fondasi yang diperlukan untuk analisis yang mendalam dan penyelidikan perbedaan potensial antara subpopulasi, seperti kelompok etnis.

Pekerjaan ini tidak mudah atau cepat. Tidak banyak hal dalam kesehatan yang mudah. Namun, ini sangat memuaskan, dan kami beruntung memiliki mitra global yang sangat kolaboratif dan sejalan dengan kami dalam misi yang kami bagikan: untuk membantu setiap wanita di mana saja memiliki kesempatan yang lebih baik melawan kanker payudara.

Seberapa besar masalah under-representasi non-kulit putih untuk data citra diagnosis kanker?

Secara historis, keanekaragaman populasi pasien tidak tercermin dalam penelitian medis sejauh yang seharusnya. Kami yang mengembangkan AI memiliki tanggung jawab untuk memasukkan keanekaragaman etnis dalam studi kami.

Populasi yang kurang terwakili adalah masalah untuk skrining kanker payudara. Hasil untuk wanita Afrika-Amerika adalah contoh dari ini. Wanita Afrika-Amerika cenderung memiliki tingkat kematian yang lebih tinggi (39% lebih tinggi daripada non-Hispanik kulit putih), dan ini mungkin disebabkan oleh akses ke layanan kesehatan, keterlambatan diagnosis, dan keterlambatan dalam memulai pengobatan, di antara faktor lain.

Generalisasi AI di berbagai populasi adalah langkah kunci untuk mengatasi disparitas rasial dalam skrining payudara. Saya sangat senang bahwa tim Kheiron kami berkomitmen untuk membangun solusi yang berkinerja sama baiknya pada mammogram dari populasi yang beragam – dan ini adalah faktor motivasi besar bagi pekerjaan kami. Kolaborasi kami dengan Emory dan UCSF akan membantu kami mencapai visi ini tentang generalisasi – memastikan bahwa Mia memberikan setiap wanita, di mana saja, kesempatan yang lebih baik melawan kanker payudara.

Terima kasih atas wawancara yang luar biasa dan atas pekerjaan pada teknologi penyelamat jiwa yang sangat penting. Pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Kheiron Medical Technologies.