Tobias Rijken, Co-Fondatore & CTO di Kheiron Medical Technologies – Intervista

Tobias Rijken è il Co-Fondatore e CTO di Kheiron Medical Technologies, un’azienda di imaging medico che utilizza tecnologie di apprendimento automatico avanzate per sviluppare e fornire strumenti intelligenti per radiologi, dipartimenti di radiologia, centri di imaging e ospedali per migliorare l’efficienza, la coerenza e l’accuratezza della relazione di radiologia.

Kheiron Medical Technologies è stata fondata con l’obiettivo principale di aiutare i radiologi a rilevare il cancro al seno più precocemente con software di apprendimento automatico.

Cosa ti ha inizialmente attirato verso l’apprendimento automatico?

La mia introduzione informale all’apprendimento automatico è stata quando ho iniziato a imparare a programmare da giovane teenager. C’era questo motore di gioco dove potevo programmare i miei giochi. Volevo giocare a questo gioco, ma contro chi potevo giocare? Poteva essere un altro giocatore, ma poteva anche essere un programma. Come si costruisce un programma che impara a giocare a un gioco? Non era un AI moderno, era un AI basato su regole. L’ho battuto ogni volta, quindi non era un buon AI.

Quando stavo studiando per il mio master all’University College di Londra, siamo entrati in una nuova era di AI moderno. DeepMind era appena stata acquisita e stavo studiando l’apprendimento automatico nel luogo dove DeepMind era stata fondata. David Silver, uno dei principali scienziati di DeepMind, stava insegnando un corso sull’apprendimento per rinforzo. Come parte del corso, ho costruito un agente per imparare a giocare a un gioco – una forma semplificata di blackjack. Quando ho finito l’AI e ho giocato contro la mia stessa creazione, non potevo più batterla. E questo è stato un vero e proprio risveglio.

La mia introduzione formale all’apprendimento automatico è arrivata nel mio primo anno di università. Stavo studiando matematica e informatica all’Amsterdam University College. Allo stesso tempo, sono stati stabiliti nuovi corsi online aperti e potevo unirmi ai corsi di AI con figure leader nel settore. Il corso che ha avuto il maggior impatto è stato quello con Peter Norvig e Sebastian Thrun di Stanford, e potevo studiare l’AI con 100.000 persone allo stesso tempo.

Ora con Kheiron, ciò che mi piace molto dell’apprendimento automatico è l’applicazione che ha nel mondo reale. L’opportunità che ha di risolvere problemi del mondo reale. È questo che mi emoziona veramente.

Potresti discutere la storia di genesi di Kheiron Medical?

Peter e io ci siamo incontrati nel 2016 all’acceleratore Entrepreneur First del Regno Unito. Ci siamo collegati subito – probabilmente a causa delle nostre esperienze simili. Entrambi proveniamo da famiglie mediche – la madre di Peter è una radiologa, io sono cresciuto in una famiglia medica, circondato da medici, e entrambi abbiamo scelto di seguire la strada STEM.

Le nostre esperienze ci hanno dato una chiara visione delle lotte e delle sfide che i lavoratori sanitari affrontano e una comprensione di come l’AI possa migliorare le loro vite e quelle dei pazienti. Condividiamo la convinzione che l’AI insieme ai clinici cambierà la sanità in meglio.

C’è un grande problema da risolvere qui. C’è una carenza globale di radiologi. Molte persone muoiono di cancro – più di 40.000 donne americane muoiono ogni anno di cancro al seno. Parte del motivo per cui molte persone muoiono di cancro è che i medici non hanno le informazioni giuste per prendere le decisioni giuste. L’AI può aiutare con questo.

In primo luogo, Kheiron è qui per aiutare il radiologo in modo che il radiologo possa aiutare i pazienti. Io personalmente mi sento molto motivato a scavare nel problema per capirne le sfumature. Lavoriamo tutti duramente per capire veramente il lavoro dei radiologi, i dati con cui lavorano quotidianamente, il loro flusso di lavoro. Quindi possiamo capire come possiamo utilizzare l’AI come parte di questo flusso di lavoro.

Investiamo molto nel comprendere profondamente gli utenti e i dati. Abbiamo radiologi nel nostro team che ci aiutano a integrare le esigenze degli utenti nel processo di progettazione e sviluppo. Abbiamo un’iniziativa di coinvolgimento dei pazienti che si interfaccia direttamente con le donne per capire le loro paure e le loro esigenze per la mammografia.

Molte persone mi chiedono del nome della nostra azienda – Kheiron. Kheiron era un centauro saggio e gentile – una creatura che è metà uomo e metà cavallo nella mitologia greca – che addestrava gli eroi nella medicina. Questa idea di due metà che si uniscono per creare qualcosa di più potente delle parti individuali è l’ispirazione per Kheiron – l’AI e il clinico che lavorano insieme per cambiare ciò che è possibile negli standard di cura.

Potresti discutere le soluzioni di screening per il cancro al seno offerte?

Stiamo lavorando su diverse soluzioni per il cancro al seno lungo il percorso di screening.

Il nostro primo prodotto si chiama Mia – che sta per mammografia intelligente di valutazione. Mia è stata ottimizzata per eseguire lo stesso compito del radiologo – ovvero, determinare se la donna debba essere richiamata per un esame più approfondito o no.

Il livello di prestazione che stiamo raggiungendo ci consente di ripensare il flusso di lavoro. Per le donne americane, questo è incredibilmente significativo. Gli Stati Uniti hanno ciò che si chiama “flusso di lavoro del lettore singolo”. Ciò significa che ogni mammografia viene letta da un solo radiologo. Tuttavia, il Regno Unito e l’Europa hanno un “flusso di lavoro del lettore doppio”, il che significa che ogni mammografia viene letta da due radiologi. Molti radiologi americani considerano la doppia lettura come lo standard “oro” perché è più probabile che rilevi i piccoli tumori al seno precoci.

I nostri studi clinici dimostrano che Mia è un’opzione sicura e conveniente dal punto di vista clinico ed economico come lettore indipendente o concorrente. Ciò significa che negli Stati Uniti, Mia può essere utilizzata insieme al radiologo per raggiungere lo standard “oro” di un flusso di lavoro di lettura doppia – con un solo lettore umano. Come ho detto prima, questo è veramente come vediamo il potere dell’AI e dell’uomo che si uniscono per risolvere grandi problemi.

Il primo prodotto che stiamo portando sul mercato americano si chiama Mia IQ, che si trova un passo prima nel percorso di screening del cancro al seno. Mia IQ aiuta i tecnici di radiografia ad analizzare la qualità dell’immagine. Se possiamo migliorare la qualità dell’immagine, allora la qualità della lettura aumenterà anche. E questo significa che più cancri saranno rilevati prima, quando gli esiti possono essere migliori per la donna.

Questo è molto importante per gli audit di garanzia della qualità MQSA e per la formazione continua, dove ci aspettiamo di vedere le prime applicazioni di Mia IQ. Mia IQ fornisce ai programmi di screening rapporti che dettagliano i problemi di posizionamento. Ciò consentirà ai direttori del programma di fornire una formazione mirata per i tecnici e di affrontare eventuali problemi di qualità dell’immagine più ampi che potrebbero influire sui loro audit di garanzia della qualità.

Quante immagini è stato addestrato il network neurale?

Per noi, la quantità di dati non è il punto. La cosa buona dello spazio di screening del cancro al seno è che ci sono molti dati disponibili. Ci sono molti dati storici perché i programmi di screening sono stati attivi per un po’ di tempo. E poiché si esamina l’intera popolazione, ci sono molti nuovi dati generati.

La sfida è che i dati sono fortemente distorti. Il 99% della popolazione di screening non ha cancro, per fortuna, il che significa che c’è una distorsione verso le immagini normali. Ci sono anche differenze di popolazione, con una mancanza di diversità nei dati.

Quindi, per Kheiron, la sfida non è quella di ottenere la quantità di dati. Invece, una grande parte del nostro successo deriva dal capire quali dati raccogliere per ottenere i migliori risultati e da essere molto selettivi e mirati nel modo in cui otteniamo i nostri dati. La nostra collaborazione con l’Università di Emory è un ottimo esempio di come stiamo facendo questo.

I falsi positivi sono attualmente un problema?

I falsi positivi sono solo una parte del problema. La scienza dello screening si basa su compromessi tra falsi positivi e falsi negativi. Ad esempio, possiamo ottenere un tasso di falsi positivi molto basso, ma perderemo alcuni cancri. D’altra parte, possiamo avere pochi cancri mancati se abbiamo un tasso di falsi positivi alto. È importante capire questi compromessi e bilanciare il servizio di screening in base alle priorità e alle risorse.

Esistono anche differenze culturali e di politica tra i paesi, che influenzano il modo in cui vengono fatti questi compromessi. In alcuni paesi, perdere un cancro è considerato molto problematico. In altri paesi, è considerato più importante minimizzare le richiamate non necessarie a causa dei costi sanitari associati a ogni richiamo.

In definitiva, si tratta di capire come questo compromesso influisce sui pazienti, in termini di numero di richiamate non necessarie e test ulteriori sperimentati dal gruppo dei “falsi positivi” rispetto al gruppo dei “falsi negativi” il cui cancro non viene rilevato. È un atto di equilibrio difficile, ma l’AI promette di innalzare la barra per entrambi i gruppi.

Kheiron Medical Technologies e l’Università di Emory hanno recentemente annunciato una collaborazione per valutare i dati di mammografie precedenti su oltre 50.000 donne afroamericane che sono state sottoposte a screening presso Emory Healthcare. Potresti condividere più dettagli su questo progetto?

La nostra partnership con l’Università di Emory allarga la diversità dei dati che stiamo utilizzando per garantire che Mia, la nostra soluzione di screening del cancro al seno basata su AI, funzioni allo stesso standard per ogni donna, indipendentemente dall’etnia.

Il primo progetto della collaborazione sosterrà la convalida delle prestazioni di Mia rispetto alla popolazione di screening diversificata di Emory. Si tratta di uno studio multisito che coinvolge quattro siti di screening e ospedali. Una coorte di oltre 200.000 mammografie di screening sarà inclusa in questo progetto – circa il 45% delle donne in quella coorte sono di discendenza afroamericana.

Abbiamo annunciato questa collaborazione a fine novembre e abbiamo fatto grandi progressi da allora, anche considerando le sfide di operare in condizioni di pandemia globale e lavoro a distanza. Credo che questo sia un grande merito per il team di Emory, che sono anche clinici che forniscono cure eccellenti ai pazienti nella comunità.

Attualmente, la nostra collaborazione sta investendo l’energia iniziale per stabilire una solida base per il nostro lavoro futuro. Stiamo lavorando a stretto contatto con il team di Emory per capire i flussi di lavoro clinici. Ciò serve come fondazione necessaria per un’analisi approfondita e un’interrogazione dei potenziali differenze tra sottopopolazioni, come i gruppi etnici.

Questo lavoro non è facile o veloce. Non molte cose nella sanità lo sono. Tuttavia, è molto gratificante e siamo fortunati a beneficiare di un set di partner globali che sono estremamente collaborativi e allineati con noi sulla nostra missione condivisa: aiutare ogni donna ovunque ad avere una possibilità di lotta contro il cancro al seno.

Quanto grande è il problema della rappresentazione insufficiente dei non-bianchi per i dati di immagini per la diagnosi del cancro?

Storicamente, la diversità delle popolazioni di pazienti non è stata riflessa nella ricerca medica nella misura in cui avrebbe dovuto essere. Noi che sviluppiamo l’AI abbiamo la responsabilità di includere la diversità etnica nei nostri studi.

Le popolazioni sottorappresentate sono un problema per lo screening del cancro al seno. Gli esiti per le donne afroamericane sono un esempio di questo. Le donne afroamericane tendono ad avere tassi di mortalità più alti (39% più alti rispetto ai non ispanici bianchi) e ciò potrebbe essere attribuito all’accesso alle cure sanitarie, ai ritardi nella diagnosi e ai ritardi nell’avvio del trattamento, tra gli altri fattori.

La generalizzabilità dell’AI attraverso diverse popolazioni è un passo fondamentale per affrontare le disparità razziali nello screening del cancro al seno. Sono emozionato che il nostro team Kheiron sia impegnato a costruire una soluzione che funzioni altrettanto bene su mammografie di popolazioni diversificate – e questo è un grande fattore motivante per il nostro lavoro. La nostra collaborazione con Emory e UCSF ci aiuterà a raggiungere questa visione di generalizzabilità – assicurandoci che Mia dia a ogni donna, ovunque, una migliore possibilità di lotta contro il cancro al seno.

Grazie per la grande intervista e per aver lavorato su tecnologie di salvataggio di vite così importanti. I lettori che desiderano saperne di più possono visitare Kheiron Medical Technologies.