Jonas Muff, Fondatore & Amministratore Delegato di Vara – Serie di Interviste

Jonas Muff è il Fondatore & Amministratore Delegato di Vara una piattaforma di screening per il cancro al seno. Fondata in Germania, Vara opera in diversi paesi europei. Hanno recentemente annunciato due importanti partnership quest’anno in Grecia e Messico, che renderanno la loro tecnologia disponibile a oltre 30 milioni di donne.

Cosa ti ha inizialmente attirato nel campo dell’intelligenza artificiale?

In quanto figlio di un medico, ho sempre creduto che il potere e il potenziale della sanità risiedano nella prevenzione piuttosto che solo nella cura; mantenere le persone sane, piuttosto che curare solo i malati. L’intelligenza artificiale detiene la chiave per sbloccare questo cambiamento di paradigma e aiutare i moderni sistemi sanitari a fare passi da gigante sia nella diagnosi che nel trattamento delle malattie. La diagnostica basata sull’intelligenza artificiale ha il potenziale di essere più economica e meno dipendente dalle risorse della conoscenza esperta, delle quali c’è una carenza globale. In questo modo, l’intelligenza artificiale potrebbe potenzialmente essere utilizzata per fornire una medicina di alta qualità nei paesi meno sviluppati per rendere l’accesso alle cure sanitarie più equo e globale.

Puoi discutere la storia di genesis di Vara?

Vara è nata da Merantix, uno studio di venture a Berlino finalizzato a sbloccare il potenziale dell’intelligenza artificiale attraverso un approccio collaborativo. Merantix riunisce persone provenienti da diversi background, tutti con mentalità imprenditoriali, per affrontare problemi del mondo reale in modi innovativi. Abbiamo assemblato un team di esperti di apprendimento automatico, sviluppatori di software, designer di prodotti e radiologi, e ci siamo prefissi di ripensare il flusso di lavoro dello screening del cancro al seno dall’inizio.

Quando si leggono le mammografie, un radiologo di screening sta effettivamente cercando un ago in un pagliaio. Mentre la stragrande maggioranza delle mammografie sarà considerata “normale” – cioè, non conterrà segni di cancro al seno – una piccola, ma assolutamente significativa minoranza sarà sospetta e richiederà ulteriore analisi.

Ciò pone una grande pressione sul radiologo per assicurarsi di non perdere nessun ago, ma sono anche tenuti a trascorrere il 98% (o più) della loro vita lavorativa quotidiana a segnalare mammografie normali. È una combinazione che può portare a errori e in cui abbiamo creduto, fin dal primo giorno, che l’intelligenza artificiale possa aiutare a risolvere entrambi compensando gli errori umani e rimuovendo il carico amministrativo. In questo modo, i radiologi possono dedicare ancora più attenzione a trovare le anomalie.

Con questo in mente, abbiamo collaborato con alcuni dei principali radiologi di screening della Germania per costruire una piattaforma che standardizzi l’intero flusso di lavoro clinico e lo potenzi attraverso l’utilizzo di strumenti avanzati di intelligenza artificiale, automazione e gestione dei dati. Invece di cercare di sostituire i radiologi, la piattaforma Vara mira a potenziarli per rendere i processi più efficienti, più trasparenti e più efficaci.

Attraverso il nostro lavoro, abbiamo anche realizzato che, sebbene lo screening del cancro al seno sia una cosa scontata nella maggior parte dei paesi europei, compresa la nostra patria, la Germania – che ha un orgoglioso retaggio di avvio di un programma di screening basato sulla popolazione nel 2002 – la maggior parte dei paesi del mondo non offre lo screening alle donne. Crediamo che ogni donna abbia il diritto allo screening e quindi la nostra piattaforma è stata progettata per funzionare ovunque nel mondo. La nostra missione è rendere lo screening del cancro al seno basato sui dati più accessibile a tutti.

Quanti set di dati di addestramento sono stati utilizzati per addestrare i dati e questi set includono una vasta gamma di tipi di pelle?

I nostri modelli sono stati sviluppati sulla base di oltre 7 milioni di mammografie utilizzando dati dall’Europa, in prevalenza dalla Germania.

Le mammografie sono molto simili tra diverse popolazioni e etnie. Ciò che varia tra le popolazioni globali è la densità del seno (quantità di tessuto adiposo nel seno), sottotipi di cancro patologico, nonché tipi di lesioni e dimensioni delle lesioni.

Quando valutiamo Vara, non consideriamo solo la prestazione media, ma esaminiamo la prestazione in ogni sottogruppo, ad esempio seni grassi vs. seni densi, o lesioni piccole vs. lesioni grandi. I nostri risultati mostrano che possiamo migliorare le metriche dei radiologi in tutti i sottogruppi rilevanti.

Ciò significa che anche se le donne di altre popolazioni tendono ad avere seni più densi, ad esempio, Vara migliorerà comunque il loro standard di cura. Abbiamo eseguito una valutazione locale per comprendere le prestazioni dell’intelligenza artificiale in Messico per assicurarci di migliorare effettivamente lo standard di cura. E continueremo a monitorare le prestazioni prospettiche di Vara in tempo reale e a mantenere un dialogo costante con i nostri partner di screening. Il nostro obiettivo è migliorare lo standard di cura in Messico fornendo un flusso di lavoro di screening standardizzato alimentato dall’intelligenza artificiale.

Il sistema Vara utilizza 3 tipi di classificazioni per ogni mammografia, puoi discutere cosa sono e come aiutano a prevenire i falsi positivi?

Il percorso di riferimento della decisione è un processo di screening sviluppato da Vara in cui l’algoritmo fa solo una dichiarazione per i casi in cui fa previsioni accurate — lasciando altri casi all’esperienza umana.

L’obiettivo del percorso di riferimento della decisione è supportare il radiologo con l’intelligenza artificiale per migliorare sia la sensibilità che la specificità, cioè ridurre i falsi negativi e i falsi positivi. Allo stesso tempo, l’intelligenza artificiale non è perfetta e non può fare previsioni corrette al 100% per tutti i casi. Pertanto, l’obiettivo del percorso di riferimento della decisione è combinare l’esperienza umana dei radiologi con le capacità tecniche dell’intelligenza artificiale di oggi per migliorare entrambi.