Ilman Shazhaev, stofnandi og forstjóri Acoustery – Interview Series

Ilman Shazhaev, er meðstofnandi og forstjóri Acoustery, heilsutæknifyrirtæki sem þróar gervigreind tækni til að þekkja snemma öndunarfærasjúkdóma.

Hvað laðaði þig upphaflega að tölvunarfræði og verkfræði?

Magn gagna sem til er í dag er umfangsmeira en nokkru sinni fyrr og gervigreind tækni - sem er mjög gagnaháð - hefur tekið gríðarlegum framförum á undanförnum árum. Þess vegna er svo spennandi að gera rannsóknir á þessu sviði.

Núna er ég einbeitt að Big Data verkefnum. Meðan á COVID-19 stóð, stofnaði ég Acoustery: fullkomlega sjálfvirka gervigreindarlausn til að fylgjast með heilsu manns sem byggir á greiningu á rödd, hósta og andardrætti.

Næsta skref var að sameina heilsurannsóknir og spilamennsku. Hvers vegna? Magn gagna sem þessi iðnaður býr til er einstakt; það sem meira er, spilarar eru snemma tilbúnir til að deila gögnum sínum og leggja sitt af mörkum til vísindalegra framfara. Á sama tíma er fjöldi áframhaldandi klínískra rannsókna lítill, framfarir hægar og leikjageirinn gerir ráð fyrir mun kraftmeiri gagnavinnslu.

Gætirðu útskýrt tilurð sögunnar á bak við Acoustery?

Eins og ég gat um áður, var Acoustery byrjað á heimsfaraldri. Jafnvel þó að viðskiptatækifæri árið 2020 væru tiltölulega takmörkuð, dvaldi ég í Dubai, einum af fáum stöðum þar sem verkefni gæti starfað án ofurströngra takmarkana.

Meðstofnandi minn Dr.Dmitry Mikhaylov, prófessor við National University of Singapore, og ég byrjuðum á nýrri áskorun: fyrstu stigs uppgötvun COVID-19. Á þeim tíma voru Sameinuðu arabísku furstadæmin gríðarlega að kanna snemmgreiningartækni og studdu að mestu gervigreind verkefni.

Þökk sé þessu fengum við aðgang að einni bestu prófunaraðstöðu í UAE: Sheikh Zayed hersjúkrahúsinu, þar sem við höfðum gögn frá hundruðum COVID-19 sjúklinga til að þjálfa gervigreindarvélina okkar á.

Á næsta stigi sýndu prófanir að tækni okkar var mjög nákvæm og hafði mikla möguleika. Vísindamenn birtu niðurstöður sínar í hæstu tímaritum í Japan og Bandaríkjunum og prófunaraðferðin okkar var notuð í nokkrum Asíulöndum meðan á heimsfaraldri stóð sem neyðartæki.

Þegar COVID-19 var lokið lögðum við áherslu á að greina astma með sömu aðferð. Sharjah háskólinn, sem nú er leiðandi í rannsóknum Sameinuðu arabísku furstadæmanna, samþykkti þessar prófanir á jörðu niðri.

Hvað varðar COVID-19 hversu nákvæmt er þetta kerfi miðað við PCR, LFT og mótefnapróf?

Jákvæð forspárgildi Acoustery í samhengi við skimun alls staðar í samfélaginu fyrir COVID-19 er tiltölulega hátt (81%) samanborið við Xpert MTB/RIF, nýtt próf sem er að gjörbylta berklagreiningu og berklaeftirliti með því að stuðla að hraðri greiningu á sjúkdómur (61%) og PCR hálsþurrkur (71%).

Niðurstöður okkar hafa sýnt að hugbúnaðinn sem Acoustery þróaði er hægt að nota sem aðal skimunarverkfæri utan rannsóknarstofu til að greina tilfelli af COVID-19 og beina sjúklingum á rannsóknarstofur fyrir PCR próf.

Gætirðu sagt okkur meira um vélanámið sem notað er til að þjálfa gervigreindina?

Við gerðum ráð fyrir að til að fá nákvæma greiningartíðni á COVID-19 gætum við þjálfað snúningsnet og endurtekið net til að greina sjúkdóminn með því að greina litróf hósta og andardráttar sjúklinga. Litróf er sjónræn leið til að tákna merkisstyrk á ýmsum tíðnum. Fjöldi læknisfræðilegra rannsókna sýndi marktækan mun á hósta sjúklinga sem höfðu COVID og þeirra sem ekki höfðu, svo við þjálfuðum gervigreindarvélina okkar til að þekkja slíkan mun.

Hægt er að nota þróun Acoustery til að greina Alzheimer, sem almennt er litið á sem taugasjúkdóm. Hvernig nákvæmlega virkar það?

Rannsókn okkar kannar hvernig talmælingar geta tengst tungumálasniði hjá þátttakendum með Alzheimerssjúkdóm (AD) og hvernig þessi snið gætu greint AD frá breytingum sem tengjast eðlilegri öldrun. Til að ná þessu greinir gervigreind okkar einfaldar setningar sem bornar eru fram af eldri fullorðnum með og án AD, allt frá prósentu og fjölda raddbrota til glitra (amplitude truflunarhlutfalls) og hlutfalli hávaða og harmoniku. Nákvæmni þessarar greiningar nær 90%.

Síðar notuðum við sömu nálgun í Farcana Labs – verkefni sem einbeitir sér að því að safna stórum gögnum frá leikmönnum til að rannsaka framvindu sjúkdóma, sérstaklega með geðraskanir.

Hvaða aðra sjúkdóma er hægt að greina með þessari aðferð?

Astmi er forgangsverkefni okkar núna. Berklar eru annar áhersla, auk langvinnrar lungnateppu (COPD), lungnatrefjunar, lungnabólgu og lungnakrabbameins.

Hversu stór eru þjálfunargagnasöfnin fyrir þessi notkunartilvik?

Við höfum þúsundir hóstaupptaka í gagnagrunninum okkar safnað á síðustu fjórum árum.

Hver er framtíðarsýn þín fyrir læknisfræðilega greiningu á öllum sviðum?

Gögnin sem safnað er með persónulegum tækjum munu gegna mikilvægu hlutverki við að greina sjúkdóma á frumstigi og koma í veg fyrir heimsfaraldur. Jafnvel farsímar okkar eru með marga skynjara: hljóðnemi er bara einn af þeim. Hröðunarmælar sem geta greint hreyfifærni og greint fjölmarga sjúkdóma eru annað.

Jafnvel þó að þessi tækni ætti ekki að vera eina uppspretta greiningar, getur hún verulega hjálpað til við að spá fyrir um og koma í veg fyrir útbreiðslu mjög smitandi öndunarfærasjúkdóma - og þar af leiðandi nýrra heimsfaraldra. Acoustery er einnig hægt að nota í þróunarlöndum þar sem aðgangur að PCR prófum er takmarkaður.

Þú virðist vera með mörg verkefni á ferðinni; hvað eru önnur spennandi notkunartilvik sem þú sérð fyrir gervigreind?

AI rýmið er einstakt. Sem vísindamenn gervigreindar einbeitum við okkur að veggskotum sem búa til stór gögn, sem eru nauðsynleg fyrir allar gervigreindarrannsóknir. Okkur vantar marga sjúklinga til að setja saman gæðagagnasöfn, svo við höfum nokkrar rannsóknir í gangi samhliða og erum að kanna nokkra lóðrétta viðskipta.

Við lítum á leik sem svæði þar sem gríðarlegt magn af gögnum er búið til. Í dag spilar fólk mikið af tölvuleikjum, sem er dýrmæt uppspretta gagna fyrir heilsufarsrannsóknir. Söfnun gagna frá persónulegum tækjum og wearables er annar vektor með verulega möguleika.

Þegar allt kemur til alls er spennandi að kanna þessa tækni núna og ég tel að það eigi enn miklu meiri möguleika á að nýta hana í öðrum geirum.

Þakka þér fyrir frábært viðtal, lesendur sem vilja læra meira ættu að heimsækja Acoustery.