Ophir Tanz, Fondatore e Amministratore Delegato di Pearl – Serie di Interviste

Ophir Tanz, è il fondatore e amministratore delegato di Pearl, un’azienda fondata sull’idea che l’intelligenza artificiale possa essere l’assistente sempre attivo del dentista e l’amico più affidabile del paziente. I fondatori hanno una connessione personale unica con le intricazioni del settore dentale, nonché la conoscenza e l’istruzione per attualizzare il potenziale completo e praticabile dell’AI.

Cosa ti ha inizialmente attratto verso l’Intelligenza Artificiale?

Ho iniziato a interessarmi all’AI quando ero al college. Ho visto molte opportunità in questo campo e questo ha guidato la mia ambizione a creare nuove capacità e applicazioni commerciali. In particolare, ero interessato alla visione computerizzata – il campo dell’intelligenza artificiale in cui insegniamo ai computer a vedere, elaborare e comprendere il mondo nello stesso modo in cui lo fa il cervello umano – quindi, dopo la laurea, ho lanciato un’azienda, GumGum, che si concentra sull’applicazione dell’intelligenza visiva delle macchine per creare valore nella categoria dei media digitali. Sebbene capissi il potere dell’AI abbastanza presto, mentre crescevo quell’azienda, mi resi conto di quanto avanzato e praticabile stesse diventando il campo – e divenni sempre più interessato ad applicazioni più ampie della tecnologia.

La tua prima azienda, GumGum, che si specializzava nell’utilizzo dell’AI nella pubblicità contestuale, è stata enormemente di successo, a cosa attribuisci questo successo?

Credo che ciò che ha permesso a GumGum di avere successo nella misura in cui lo ha fatto sia stato l’enfasi che abbiamo posto sull’applicazione e sull’innovazione dell’AI. È principalmente un’azienda di pubblicità digitale, ma anche se operavamo all’interno dei confini più ampi di quella categoria, il lavoro che abbiamo fatto con l’AI non era effettivamente limitato dalla categoria. Ciò significava che eravamo un’azienda tecnologica tanto quanto un’azienda di pubblicità, il che creava una significativa differenziazione. La nostra mentalità “AI-first” ci ha portato a innovare in aree al di fuori dei confini naturali della pubblicità digitale – nella valutazione degli sponsor e, naturalmente, nella dentale. Perché non eravamo concentrati sull’essere “solo un’azienda di pubblicità” e stavamo costantemente cercando modi per fare meglio, GumGum è stata in grado di crescere con noi mentre la nostra visione si espandeva e la tecnologia sottostante e il campo dell’AI evolvevano.

Potresti condividere la storia dietro la tua nuova startup di AI, Pearl?

Dopo aver fondato GumGum e avermi concentrato sulla visione computerizzata, sapevo che c’era di più che potevamo fare con la tecnologia e stavo sempre alla ricerca di nuove applicazioni. La sanità e la radiologia erano di particolare interesse per me e rappresentavano anche applicazioni chiare del tipo di apprendimento automatico che GumGum stava applicando. Abbiamo lanciato una divisione dentale chiamata GumGum Dental, che è stata la genesi di Pearl. Ho deciso di staccare completamente la divisione dentale perché credevo che l’opportunità lo meritasse. Potrei dire che era destino in qualche modo – mio padre era un dentista e sono cresciuto aiutando nel suo studio, quindi passare a concentrarmi sul settore dentale è stato un po’ come un ritorno a casa per me. Ma non è come se la mia connessione infantile con la dentale fosse la principale spinta per il mio desiderio di guidare Pearl come una nuova impresa. Credo fortemente che la visione computerizzata e l’AI trasformeranno la dentale e la sanità globale, e volevo essere in grado di dare l’attenzione al progetto che sento che merita.

Potresti discutere i sistemi di visione computerizzata e apprendimento automatico utilizzati per scansionare le immagini radiografiche e tridimensionali dentali?

La visione computerizzata è una forma di AI che insegna ai computer a “vedere” in modo molto simile a come fanno gli esseri umani. Alimentiamo grandi quantità di immagini dentali annotate da esperti in una serie di algoritmi modellati sulle reti neurali del cervello umano. Studiando le immagini annotate, la rete impara a riconoscere le patologie dentali del tipo che sono state marcate nelle immagini annotate. Questo processo si chiama “apprendimento supervisionato”. Insegnando a un computer in questo modo, può imparare a riconoscere immagini in modi non letterali. Ad esempio, impara a identificare un oggetto parzialmente oscurato o uno visibile solo da certi angoli assorbendo migliaia di diversi esempi e costruendo ciò che è essenzialmente la versione del computer di un’immagine mentale di quell’oggetto.

Abbiamo insegnato al nostro AI e agli algoritmi di apprendimento automatico costruendo una grande raccolta di radiografie e lavorando con dentisti e radiologi per etichettare le immagini, quindi abbiamo utilizzato quelle immagini etichettate per insegnare al sistema a interpretare nuove immagini. Ora abbiamo un AI che può indicare potenziali problemi che possono essere identificati nelle radiografie e aiutare i dentisti a leggere le radiografie dei pazienti in modo più preciso e coerente.

Per i nostri sistemi di immagini tridimensionali, utilizziamo un approccio simile ma con classi diverse di algoritmi. Con le immagini tridimensionali, l’addestramento può essere più complesso, perché le immagini tridimensionali contengono molto più dati, il che a volte rende l’annotazione più laboriosa. Naturalmente, poiché c’è così tanto più dati, una volta che il sistema è stato addestrato a interpretare un’immagine tridimensionale, è effettivamente in grado di essere più preciso nelle sue scoperte. È essenzialmente lo stesso quando un essere umano guarda una cone beam rispetto a una radiografia bitewing tradizionale: possiamo vedere ogni piccolo aspetto del dente in una tomografia computerizzata a cone beam, ma possiamo spesso solo intravedere certe strutture dentali di base in una radiografia bitewing. L’AI affronta la stessa sfida.

Qual tipo di informazione o diagnosi è rivelata da questo sistema?

Il nostro sistema di AI radiologico può rilevare una vasta gamma di condizioni patologiche e non patologiche, caratteristiche di restauro e anatomia naturale. Carie, perdita ossea, radiolucenza periapicale, tartaro, affollamento, tartaro, impatto, WPL, furcazione, otturazione, discrepanza di margine – l’elenco è troppo lungo per elencare tutto e continua a crescere. Molte di queste capacità sono incluse in Second Opinion, il nostro aiuto di rilevamento di patologia in tempo reale attualmente disponibile in Canada, Australia, Europa e diversi altri territori, e la maggior parte sono applicate in Practice Intelligence, la nostra soluzione di intelligenza clinica non rivolta ai pazienti, disponibile per le pratiche negli Stati Uniti e a livello globale.

Qual tipo di dati di immagini è stato utilizzato per addestrare il sistema?

Il nostro sistema di rilevamento di patologie radiologiche è stato addestrato con radiografie bitewing, periapicali e pano, che sono le più comuni nella diagnostica dentale – il tipo di radiografie che si eseguono dal dentista ogni due anni o così, e come necessario. Le immagini radiografiche sono relativamente facili da ottenere nel settore dentale rispetto ad altre forme di medicina e più radiografie dentali vengono catturate annualmente rispetto a qualsiasi altra forma di radiografia. La parte costosa e lunga è ottenere recensioni e annotazioni degli esperti. Abbiamo compilato la più grande raccolta di radiografie dentali etichettate del mondo. La disponibilità di dati radiografici è parte di ciò che rende il settore dentale così pronto per essere rivoluzionato dall’AI.

Qual tipo di miglioramenti di efficienza e tassi di accuratezza sono stati visti dal sistema Pearl rispetto alla revisione manuale delle immagini?

Abbiamo condotto diversi grandi studi su migliaia di radiografie e centinaia di dentisti per testare l’accuratezza del nostro sistema, sia come sistema di rilevamento autonomo che quando utilizzato per aiutare i dentisti. Abbiamo esaminato l’accuratezza per ogni tipo di rilevamento, nonché in generale per tutti i rilevamenti supportati dal sistema. C’è una varianza nell’accuratezza tra le classi di rilevamento individuali, con un’accuratezza che varia da circa l’84-96 percento. Nel complesso, il sistema è corretto più del 92 percento delle volte. Questo è abbastanza buono e il sistema continua a migliorare.

Naturalmente, queste cifre di accuratezza assoluta non sono così indicative come è l’accuratezza relativa del sistema rispetto ai dentisti umani. Se l’accuratezza umana fosse del 60 percento, un sistema di AI che fosse accurato solo il 70 percento delle volte fornirebbe un notevole vantaggio ai dentisti che lo utilizzano. Negli studi che abbiamo condotto che includevano un componente autonomo umano, i dentisti variano dal 70 all’85 percento. C’è una significativa varianza tra i singoli dentisti, tuttavia, quindi ci sono sicuramente alcuni dentisti là fuori che sono altrettanto o più accurati del nostro sistema e una buona percentuale che è molto meno accurata. Per valutare il beneficio del sistema, vogliamo vedere un aumento dell’accuratezza per un dentista quando utilizza il sistema rispetto a quando non lo utilizza. I nostri studi mostrano un chiaro beneficio lì.

Ora che Second Opinion viene utilizzato nelle pratiche, dobbiamo condurre ulteriori ricerche per esaminare l’impatto nel mondo reale. Stiamo iniziando a farlo con l’aiuto di partner accademici in Germania. Accelererà le visite dei pazienti? Migliorerà la comunicazione medico-paziente? Migliorerà la fiducia del paziente? Eleverà l’accettazione dei casi? Stiamo lavorando per rispondere a queste domande. Alla fine, vorremmo indagare sull’impatto del sistema sui risultati sanitari dei pazienti, ma questo è un progetto a lungo termine.

Dovrei notare che, poiché Practice Intelligence è in parte uno strumento di analisi che può valutare le caratteristiche di salute dei pazienti e le prestazioni di diagnosi e pianificazione del trattamento dei praticanti, abbiamo effettivamente una certa idea di come l’AI possa impattare sulla cura dei pazienti. Non è una ricerca accademica, ma abbiamo recentemente condotto uno studio esaminando i dati di produzione di dieci studi abilitati da Practice Intelligence nel corso di un mese. Nel corso di quel mese, il sistema ha rilevato una media di oltre 84.000 dollari per studio in potenziali opportunità di trattamento mancato in radiografie precedenti per pazienti con appuntamenti programmato in quel periodo. Per quei 84.000 dollari in opportunità di trattamento rilevate, le pratiche sono state in grado di completare una media di 12.500 dollari in trattamento di restauro e un trattamento di specialità aggiuntivo di 23.800 dollari. Questo aumento proviene da opportunità di trattamento che erano state in precedenza mancate. Poiché è stato completato, possiamo supporre che questi trattamenti fossero necessari e avrebbero dovuto essere forniti dopo le visite precedenti dei pazienti. Questo è stato uno studio informale, ma sembra mostrare chiaramente che l’AI porta benefici significativi, sia per i pazienti che per le pratiche che lo utilizzano.

Cosa, secondo te, sta rallentando l’adozione più ampia dell’AI nelle cliniche dentali?

La risposta è stata estremamente positiva da parte dei dentisti che utilizzano Second Opinion all’estero e delle oltre mille pratiche che hanno implementato Practice Intelligence negli Stati Uniti, quindi c’è un segmento dell’industria che già ha un desiderio di integrazione ampia dell’AI nella dentale. Ma un’adozione più ampia richiede una maggiore consapevolezza. L’AI è nuova nel settore dentale. Quando abbiamo iniziato a lavorare sulla radiologia dentale come GumGum Dental, eravamo, a mia conoscenza, l’unica impresa commerciale impegnata in questo sforzo. Questo era cinque anni fa. Le prime soluzioni commercializzabili sono emerse alla fine del 2019 e si trattava di applicazioni assicurative e di laboratorio, non di applicazioni cliniche. Abbiamo lanciato Practice Intelligence nel 2020 e Second Opinion è entrato nel mercato globale nel settembre 2021. Quindi, per quanto riguarda la maggior parte dei dentisti, l’AI è una novità. Devono essere introdotti ad esso e insegnati su cosa può e non può fare. Ci sono alcune concezioni errate sull’AI che devono essere superate. Alcuni dentisti potrebbero essere inclini a vedere l’AI come una minaccia, ad esempio. Queste concezioni errate saranno risolte quando i dentisti saranno meglio informati sulla sua utilità. I benefici dell’AI sono fondamentalmente attraenti – un livello di cura più alto, una migliore salute orale, risultati finanziari più forti per le pratiche – quindi mi aspetto che l’adozione accelererà rapidamente una volta che l’alfabetizzazione dell’AI nella dentale raggiungerà una massa critica.

Qual è la tua visione per il futuro della cura dentale in 10 anni?

Man mano che il settore dentale continua a incorporare la trasformazione digitale, vedo i dentisti incorporare l’AI nella maggior parte dei compiti più impegnativi che eseguono quotidianamente – come la cartella clinica, la pianificazione, le operazioni, la gestione delle scorte – in modo che si concentrino sui pazienti piuttosto che sui compiti di routine che li allontanano dal lavoro per cui le loro competenze sono unicamente adatte. Vedremo un livello di cura più alto per i pazienti in generale, costi più bassi e, alla fine, un’industria più grande che porta una migliore salute orale a più persone in tutto il mondo.

Sarò anche sorpreso se, entro 15 anni, l’AI non avrà iniziato a creare un percorso verso diagnosi predittive efficaci e pianificazione del trattamento personalizzata. È questo paziente individuale a rischio più alto per le carie in base al suo profilo genetico, stile di vita, diagnosi precedenti? Possiamo raccomandare un approccio preventivo che ridurrà il suo bisogno di un trattamento invasivo in futuro? Se ha carie ora, in base a ciò che sappiamo delle sue caratteristiche individuali, dobbiamo procedere con il trattamento di restauro ora o possiamo ritardare con l’aspettativa che un cambiamento specifico nello stile di vita o nel consumo ridurrà la progressione della decadenza? Con il supporto dell’AI, dovremmo essere in grado di rispondere a queste domande – e, mentre ci siamo, forse restringeremo il divario innaturale tra salute orale e salute sistemica che esiste oggi.

C’è qualcos’altro che vorresti condividere su Pearl?

Gli esperti hanno promesso che l’AI fornirà risultati clinici migliori e risparmi di costo nel settore sanitario per oltre un decennio. Molte di queste promesse non sono state mantenute. La dentale è in realtà un po’ in ritardo nel gioco dell’AI, ma l’AI sta avanzando nella dentale molto più rapidamente che in altre categorie di assistenza sanitaria. Perché?

Considerando la medicina attraverso una lente commerciale, la dentale è molto più imprenditoriale di altre forme di medicina. La dentale viene eseguita in molti piccoli studi privati tradizionalmente di proprietà. La maggior parte delle altre forme di medicina è gestita da ospedali, che sono generalmente grandi istituzioni burocratiche corporate. Le pratiche dentali e gli ospedali hanno lo stesso desiderio di aumentare l’efficienza, migliorare i risultati dei pazienti, ecc., ma strutturalmente gli ospedali sono troppo lenti e conservatori per integrare e capitalizzare efficacemente le tecnologie emergenti che soddisfano quei desideri. Le pratiche dentali, d’altra parte, sono agili – e il carattere imprenditoriale dei dentisti rende la dentale un terreno molto più fertile per innovazioni come l’AI. Se un dentista vede un potenziale beneficio in qualcosa, può implementarlo immediatamente. Un ospedale non sarà in grado di agire con quel tipo di decisione unilaterale. Ci saranno studi di fattibilità e impatto, reazioni negative da interessi e stakeholder contrapposti, negoziati di budget e una serie di altri ostacoli attraverso cui una nuova tecnologia dovrà passare prima dell’implementazione.

Altrettanto importante, tuttavia, è il fatto che i dentisti possono contribuire allo sforzo per sviluppare e migliorare l’AI se lo desiderano. Pearl è stata in grado di concepire, costruire e commercializzare questa tecnologia così rapidamente perché i dentisti sono consumatori attivi e autorizzati – stiamo sviluppando prodotti per un mercato che non è ostacolato dalla frizione burocratica che le aziende affrontano quando cercano di vendere agli ospedali – e perché i dentisti sono liberi di mettere il loro sostegno materiale e intellettuale dietro i nostri sforzi. Alla fine, la nostra AI è così intelligente come lo è perché è stata addestrata e affinata da un esercito di dentisti intelligenti che credono nella tecnologia e sono stati liberi di contribuire alla sua creazione.

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