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

Tobias Rijken è il Co-Fondatore & 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, reparti di radiologia, centri di imaging e ospedali per migliorare l’efficienza, la coerenza e l’accuratezza della segnalazione radiologica.

Kheiron Medical Technologies è stata fondata con l’obiettivo esclusivo 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 la programmazione da giovane teenager. C’era questo motore di gioco dove potevo programmare i miei giochi. Volevo giocare a questo gioco, ma contro chi giocavo? 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’intelligenza artificiale moderna, era un’intelligenza artificiale basata su regole. L’ho battuto ogni volta, quindi non era un buon AI.

Quando stavo studiando per il mio master all’University College London, siamo entrati in una nuova era di intelligenza artificiale moderna. 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, insegnava 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 quella è stata una vera rivelazione.

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 istituiti nuovi corsi online aperti e potevo unirmi ai corsi di intelligenza artificiale dei principali esperti del settore. Il corso che ha avuto il maggior impatto è stato quello con Peter Norvig e Sebastian Thrun di Stanford, e potevo studiare l’intelligenza artificiale 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.

Puoi discutere la storia di genesi di Kheiron Medical?

Peter e io ci siamo incontrati nel 2016 all’acceleratore per imprenditori del Regno Unito, Entrepreneur First. 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 sfide e dei problemi che gli operatori 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 il settore sanitario 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 così tante persone muoiono di cancro è che i medici non hanno le informazioni giuste per prendere le decisioni giuste. L’AI può aiutare con questo.

Innanzitutto, 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 capire 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 esigenze per la screening del seno.

Molte persone mi chiedono il 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 ha addestrato gli eroi in medicina. Questa idea di due metà che compongono 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 nel livello di cura.

Puoi 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 del cancro al seno.

Il nostro primo prodotto si chiama Mia – che sta per mammografia valutazione intelligente. Mia è stata ottimizzata per svolgere lo stesso compito del radiologo – ovvero, determinare se la donna dovrebbe essere richiamata per ulteriori esami o no.

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

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 con doppia lettura – 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 sarà anche migliore. E ciò significa che più cancri saranno rilevati prima, quando gli esiti possono essere migliori per la donna.

Ciò è molto importante per gli audit di garanzia della qualità MQSA e per la formazione continua, che è dove ci aspettiamo di vedere le prime applicazioni di Mia IQ. Mia IQ fornisce ai programmi di screening rapporti dettagliati sui 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 molto tempo. E poiché si esegue uno screening su tutta la 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 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 dall’essere molto selettivi e mirati su dove e come 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 basso tasso di falsi positivi, ma perderemo alcuni cancri. D’altra parte, possiamo avere pochi cancri mancati se abbiamo un alto tasso di falsi positivi. È importante capire questi compromessi e bilanciare il servizio di screening in base alle priorità e alle risorse.

Le differenze culturali e di politica esistono anche tra i paesi, il che influenza 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 ulteriori test esperiti dal gruppo “falso positivo” rispetto al gruppo “falso negativo” i cui cancri non vengono rilevati. 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. Puoi condividere più dettagli su questo progetto?

La nostra partnership con l’Università di Emory amplia 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 contro la popolazione di screening diversificata di Emory. Si tratta di uno studio multisito che coinvolge quattro siti di screening e ospedali. Un gruppo di oltre 200.000 mammografie di screening sarà incluso in questo progetto – circa il 45% delle donne in quel gruppo 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 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 base necessaria per un’analisi approfondita e un’interrogazione delle possibili differenze tra sottopopolazioni, come i gruppi etnici.

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

Quanto grande è il problema della rappresentazione insufficiente di 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 dovrebbe 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 ciò. 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 altri fattori.

La generalizzabilità dell’AI attraverso varie popolazioni è un passo fondamentale per affrontare le disparità razziali nello screening del cancro al seno. Sono emozionato che il team di Kheiron sia impegnato a costruire una soluzione che funzioni allo stesso modo su mammografie da popolazioni razzialmente diverse – e questo è un grande fattore di motivazione 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 così importanti per la salvaguardia della vita. I lettori che desiderano saperne di più possono visitare Kheiron Medical Technologies.