Chaim Linhart, PhD, Co-fondatore & CTO di Ibex Medical Analytics – Serie di interviste

Chaim Linhart, PhD è il CTO e co-fondatore di Ibex Medical Analytics. Ha più di 25 anni di esperienza nello sviluppo di algoritmi, intelligenza artificiale e apprendimento automatico, sia nell’ambito accademico che in quello militare, avendo servito in un’unità d’élite dell’esercito israeliano e in diverse aziende tecnologiche. Chaim ha un dottorato in Informatica presso l’Università di Tel Aviv e ha vinto diverse competizioni di apprendimento automatico su Kaggle.

Dal 2016, Ibex ha guidato il percorso verso la diagnostica per immagini basata sull’intelligenza artificiale in patologia. L’azienda si è prefissata di trasformare la patologia garantendo che ogni paziente possa ricevere una diagnosi di cancro accurata, tempestiva e personalizzata. Oggi, Ibex è la piattaforma di intelligenza artificiale più utilizzata in patologia. Sviluppata da patologi per patologi, le soluzioni dell’azienda servono i principali medici, organizzazioni sanitarie e fornitori di servizi di diagnostica di tutto il mondo. Ogni giorno, Ibex ha il privilegio di avere un impatto sulla vita dei pazienti in tutto il mondo. La piattaforma aumenta la fiducia dei medici, semplifica i flussi di lavoro diagnostici, aiuta i clinici a fornire diagnosi più personalizzate e, soprattutto, consente risultati clinici migliori.

Può condividere il percorso e la visione dietro la fondazione di Ibex e la sua missione di trasformare la diagnostica del cancro con l’intelligenza artificiale?

Nel 2016, il mio co-fondatore, Joseph Mossel, e io abbiamo appreso dell’impatto diretto che una rivoluzione digitale in patologia poteva avere sul miglioramento della diagnostica del cancro. La radiologia aveva subito una trasformazione simile vent’anni prima, che aveva avuto un impatto significativo su come veniva praticata la specialità. Con la patologia che si stava digitalizzando, abbiamo riconosciuto che si presentava l’opportunità di sviluppare nuovi strumenti avanzati che utilizzassero l’intelligenza artificiale per eseguire analisi di immagini sofisticate. Ci siamo concentrati sullo sviluppo di strumenti basati sull’intelligenza artificiale che aiutino i medici a raggiungere diagnosi più accurate, oggettive e riproducibili, e quindi aiutino ogni paziente a ricevere la diagnosi giusta, in modo tempestivo, che porti al miglior trattamento possibile.

Come è cambiato il panorama della diagnostica del cancro dal 2016, anno di fondazione di Ibex?

I laboratori stanno adottando la digitalizzazione a un ritmo crescente, ulteriormente accelerato dal Covid-19. La rivoluzione digitale ha consentito ai laboratori di ampliare le loro capacità al di là del microscopio in modo significativo e importante, sfruttando l’intelligenza artificiale che aiuta i patologi ad analizzare e comprendere i risultati in modo efficiente.

Il campo della diagnostica del cancro basata sull’intelligenza artificiale è cresciuto esponenzialmente, poiché abbiamo visto startup e altre aziende lavorare su vari aspetti dell’intelligenza artificiale per la patologia nel campo della diagnosi del cancro. La medicina personalizzata, ad esempio, è una stratificazione dei pazienti basata sui dati, resa possibile da una diagnosi accurata e da vari approcci di informatica che portano a un trattamento ottimale e personalizzato. Un aumento della medicina personalizzata comporta un aumento del bisogno di diagnostica più complessa per supportare i nuovi trattamenti mirati.

Abbiamo anche visto un aumento di pubblicazioni accademiche e associazioni di settore che si concentrano su questo campo. Quando Joseph e io abbiamo partecipato alla nostra prima conferenza sulla patologia digitale e computazionale nel 2016, l’intelligenza artificiale era una piccola parte della conversazione sulla diagnosi del cancro, poiché non era ancora così mainstream. Ora, quando partecipiamo a una grande conferenza di patologia, l’intelligenza artificiale è l’evento principale.

Cosa differenzia Ibex dalle altre aziende nel campo della patologia basata sull’intelligenza artificiale?

Quando parliamo di patologia basata sull’intelligenza artificiale, ci sono diversi sottodomini. Ci sono aziende che danno priorità alle applicazioni di ricerca, come strumenti che analizzano le immagini dei tessuti per aiutare a comprendere i processi di malattia a livello morfologico e cellulare, ad esempio. In secondo luogo, ci sono aziende che si concentrano principalmente sulle applicazioni cliniche, ovvero prodotti utilizzati nei laboratori per supportare la diagnosi di routine.

Ibex si concentra sulle applicazioni cliniche e ha la più grande e più ampia base di installazioni con patologi di tutto il mondo che utilizzano quotidianamente i nostri strumenti per la diagnosi del cancro. Stiamo anche collaborando con aziende farmaceutiche per sviluppare applicazioni cliniche basate sull’intelligenza artificiale che supportino i patologi nella quantificazione dei biomarcatori che consentono terapie mirate.

Inoltre, mentre alcune aziende si concentrano su indicazioni specifiche e limitate per tipo di tumore, come la rilevazione del cancro, il nostro approccio è quello di addestrare l’intelligenza artificiale ad analizzare tutto ciò che un patologo vedrebbe in questi tessuti. Non si tratta solo della rilevazione del cancro, ma anche del tipo e del sottotipo di cancro, del grado, della dimensione, nonché delle morfologie e delle altre caratteristiche cliniche correlate al cancro. Sappiamo che la patologia è più della semplice determinazione della presenza o meno del cancro. Vogliamo aiutare i patologi a realizzare i vasti benefici che l’intelligenza artificiale porta in tavola.

Può spiegare la tecnologia principale dietro le soluzioni di Ibex e come aiuta i patologi nella rilevazione e nella valutazione del cancro?

Il nostro approccio è che i patologi addestrano essenzialmente la macchina. Abbiamo un grande team di patologi in tutto il mondo che annotano le diapositive. Ciò significa che segnano aree specifiche all’interno di quelle diapositive e le etichettano. Potrebbero segnare un tumore a basso grado, un vaso sanguigno, un nervo, un’infiammazione e così via. Prendiamo poi quei dati e li utilizziamo per addestrare i modelli di intelligenza artificiale. Ciò garantisce che l’intelligenza artificiale sia molto precisa, anche per casi rari e difficili, il che è vitale. La nostra intelligenza artificiale è insegnata dai patologi ed è addestrata a identificare molti tipi diversi di strutture e morfologie del tessuto, il che è molto utile per i patologi e inevitabilmente aumenta la sua accuratezza. Avendo accesso a una vasta gamma di dati e conoscenze, possiamo migliorare la nostra intelligenza artificiale e implementare conoscenze con il feedback ottenuto direttamente sul campo.

Come Ibex garantisce l’accuratezza clinica di grado tra diversi tipi di cancro, come il cancro al seno, alla prostata e allo stomaco?

Ciò richiede molto lavoro. Raccogliamo dati da molti partner in tutto il mondo. Ci assicuriamo che i dati siano molto diversificati, con rappresentanza di diversi laboratori e varie tecniche di preparazione dei tessuti, scanner e risultati clinici. Arricchiamo i dati di addestramento con tipi rari di cancro. Ciò garantisce che l’intelligenza artificiale sia addestrata con una vasta gamma di caratteristiche. Durante il processo di addestramento, misuriamo cosa l’intelligenza artificiale fa bene e determiniamo dove sono necessari miglioramenti. Il team, con vasta esperienza nell’apprendimento automatico, testa l’intelligenza artificiale su migliaia di diapositive che abbiamo raccolto da diversi laboratori. Eseguire studi e trial clinici e confrontare due aspetti fondamentali del sistema. In primo luogo, esaminiamo le sue prestazioni autonome rispetto alla verità di riferimento. In secondo luogo, determiniamo con quanta accuratezza il patologo lavora con e senza l’intelligenza artificiale. Facendo ciò, ci assicuriamo che l’intelligenza artificiale sia precisa, robusta, non distorta e sicura. Misuriamo il suo impatto sui patologi che utilizzano l’intelligenza artificiale. In tutte le nostre applicazioni, vediamo che il patologo, con il supporto dell’intelligenza artificiale, raggiunge risultati migliori (ovvero più accurati, con un accordo più alto con la verità di riferimento) rispetto allo standard di cura (ovvero quando non sono supportati dall’intelligenza artificiale). Misuriamo anche l’efficienza del loro lavoro e altri benefici importanti della piattaforma di intelligenza artificiale, come l’ottimizzazione del flusso di lavoro nel laboratorio e la riduzione del tempo di attesa (ovvero quanto velocemente il paziente riceve i risultati).

Quali sono alcune caratteristiche uniche delle soluzioni di Ibex che migliorano i flussi di lavoro diagnostici e migliorano i risultati dei pazienti?

Il nostro sistema integrato include un visualizzatore di diapositive, i risultati dell’intelligenza artificiale e strumenti di reporting integrati. Questo sistema olistico è stato progettato per migliorare l’accuratezza e la produttività. Guida i patologi attraverso il processo diagnostico, mostrando loro i principali risultati in ogni caso e diapositiva. Invece di cercare caratteristiche, che possono essere piccole e difficili da rilevare, l’intelligenza artificiale le evidenzia in modo molto chiaro. Da lì, il patologo può confermare o modificare. L’intelligenza artificiale mostra misurazioni e quantificazioni; valuta anche tutto. Con report integrati, il patologo non deve guardare la diapositiva, fare la diagnosi nella sua mente e poi andare in un altro sistema e segnalare tutto; invece, la segnalazione viene eseguita mentre l’intelligenza artificiale guida il flusso di lavoro integrato. Anche il numero di clic del mouse è stato ottimizzato. Tutto è stato costruito con i patologi in mente per migliorare l’accuratezza diagnostica e l’efficienza, creando così un ambiente di lavoro migliore per questi medici con risultati migliori per i loro pazienti.

Come le soluzioni di Ibex si integrano con le soluzioni di patologia digitale esistenti e con i sistemi di informazione di laboratorio?

Lavoriamo con diversi vendor nel settore che vendono soluzioni di gestione delle immagini o offrono sistemi di informazione di laboratorio. Per ogni partner, ci sono diversi tipi di opportunità di integrazione. In alcuni casi, incorporiamo la nostra intelligenza artificiale nei loro strumenti in modo che il patologo possa utilizzare la loro piattaforma con la nostra intelligenza artificiale all’interno. In altri casi, integriamo con questi strumenti in modo che i patologi possano avviare Ibex da un altro sistema. Indipendentemente dall’integrazione, vogliamo sempre assicurarci che gli utenti abbiano il modo più ottimale di utilizzare l’intelligenza artificiale. Inoltre, abbiamo sviluppato un’interfaccia di programmazione delle applicazioni (API) aperta che consente a terze parti, comprese altre aziende o dipartimenti IT dei clienti, di recuperare informazioni dalla nostra intelligenza artificiale e integrarle nel loro ambiente.

Quali sfide ha affrontato Ibex nel raggiungere un’adozione diffusa delle sue soluzioni basate sull’intelligenza artificiale in patologia?

Riflettendo, direi che la principale sfida che Ibex ha affrontato è stata quella della complessità e della quantità di lavoro, sforzo e tempo necessari per portare i prodotti di diagnostica sul mercato. Ciò include approcci multidisciplinari: raccolta di dati, lavoro con patologi, addestramento dell’intelligenza artificiale e test rigorosi, esecuzione di trial clinici e, in alcune aree geografiche, ottenimento dell’approvazione regolatoria – e fare tutto ciò sotto severe misure di garanzia della qualità. Nel settore medico, è anche estremamente importante generare prove scientifiche e pubblicare risultati con più laboratori per dimostrare le prestazioni e i benefici della piattaforma di intelligenza artificiale.

Un’altra sfida degna di nota è l’integrazione. Dobbiamo assicurarci che i patologi possano utilizzare l’intelligenza artificiale in modo efficiente e naturale. Ci sono molti sistemi nel laboratorio: scanner di patologia digitale, sistema di informazione di laboratorio e flusso di lavoro, e strumenti di reporting. In poche parole, ci assicuriamo che tutto si combini nel modo più efficiente possibile, nonostante le sfide.

Può condividere alcune storie di successo o casi di studio da parte di organizzazioni sanitarie che hanno implementato le soluzioni di Ibex?

Siamo molto orgogliosi delle nostre partnership e della nostra portata globale. Ad esempio, abbiamo il primo dispiegamento nazionale dell’intelligenza artificiale nel Galles – tutti i Consigli sanitari del Galles utilizzano la soluzione di intelligenza artificiale di Ibex. Un altro esempio è CorePlus Laboratories a Porto Rico – hanno utilizzato Ibex per diversi anni e hanno pubblicato un documento, che mostra l’impatto che la piattaforma ha avuto sulla loro pratica clinica. Ad esempio, utilizzando l’algoritmo di intelligenza artificiale, i patologi sono stati in grado di identificare 160 uomini che altrimenti sarebbero stati diagnosticati in modo errato. Quei pazienti hanno ricevuto il trattamento giusto grazie al supporto dell’intelligenza artificiale. È realmente l’impatto che stiamo facendo. È qualcosa che non possiamo dimenticare – siamo qui per avere un impatto sulla vita delle persone.

Qual è il ruolo che vede l’intelligenza artificiale svolgere nel futuro della patologia e della diagnostica del cancro nel prossimo decennio?

Nel prossimo decennio, continueremo a vedere i patologi utilizzare l’intelligenza artificiale per supportarli negli sforzi diagnostici principali. Mi immagino che i patologi utilizzeranno l’intelligenza artificiale nella maggior parte del loro carico di lavoro per assicurarsi che la qualità sia alta e che tutto sia oggettivo, riproducibile e tempestivo. Inoltre, l’intelligenza artificiale aiuterà i medici a fare cose che non fanno attualmente. Potrà aiutarli a decidere quali test aggiuntivi devono essere eseguiti su un caso specifico, nonché fornire una prognosi più accurata e una selezione del trattamento più fluida.

L’intelligenza artificiale sarà integrata in tutto il percorso del paziente, non solo nella parte diagnostica del cancro nel laboratorio di patologia, ma anche, ad esempio, nell’oncologo che decide il corso del trattamento. Credo anche che l’intelligenza artificiale aiuterà a combinare discipline. Con il tempo, le diverse modalità (patologia, radiologia, genomica, registri clinici) saranno alimentate a diversi moduli di intelligenza artificiale per supportare una nuova e migliorata medicina personalizzata. Da una prospettiva di equità sanitaria, i pazienti che non hanno accesso ai migliori medici del mondo vivranno un grande balzo nella qualità della diagnosi e del trattamento. L’intelligenza artificiale porterà tutti al livello di quasi esperto. Tutti meritano di avere accesso a cure di qualità e l’intelligenza artificiale ci aiuterà a muoverci nella direzione giusta per democratizzare l’accesso alla sanità.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Ibex Medical Analytics.