インタビュー
Chaim Linhart, PhD, Ibex Medical Analyticsの共同創設者兼CTO – インタビューシリーズ
Chaim Linhart, PhDは、Ibex Medical AnalyticsのCTOおよび共同創設者です。彼は、学術分野およびイスラエル軍のエリート部隊や複数のテクノロジー企業での経験を通じて、25年以上のアルゴリズム開発、AI、機械学習の経験を持っています。Chaimは、テルアビブ大学でコンピューターサイエンスの博士号を取得しており、複数のKaggle機械学習コンペティションで優勝しています。
2016年以来、Ibexは病理学におけるAI駆動の診断の先駆けとなりました。同社の目的は、すべての患者が正確でタイムリーで個別化されたがん診断を受けられるように病理学を変革することでした。現在、Ibexは病理学で最も広く導入されているAIプラットフォームです。病理医によって病理医のために開発された同社のソリューションは、世界をリードする医師、ヘルスケア組織、診断提供者にサービスを提供しています。毎日、Ibexは世界中の患者さんの生活に影響を与える特権を持ちます。同社のプラットフォームは、医師の信頼性を高め、診断ワークフローを合理化し、臨床医がより個別化された診断を提供できるようにし、最も重要なのは、より良い臨床結果を実現できるようにします。
Ibexの創設とがん診断をAIで変革するという使命の背後にある旅とビジョンを共有できますか。
2016年、共同創設者のJoseph Mosselと私は、病理学におけるデジタル革命ががん診断の改善に与える直接的な影響について学びました。放射線医学は20年前に同様の変革を経験し、専門分野の実践に大きな影響を与えました。病理学がデジタル化されるにつれて、AIを利用した高度な画像分析を実行する新しいツールを開発する機会があることを認識しました。私たちは、医師がより正確で客観的で再現可能な診断に到達するのを支援するAI駆動のツールを開発することに焦点を当てました。つまり、各患者が正しい診断を受けられるように、タイムリーに診断を受けられるようにします。
2016年のIbexの創設以来、がん診断の風景はどのように変化しましたか。
研究所はデジタル化の採用を増加させてきました。さらに、COVID-19によってその速度が加速されています。デジタル革命により、研究所は顕微鏡の範囲を超えて、AIを利用して結果を効率的に分析および理解することができます。
がん診断のAI分野は指数関数的に成長しており、がん診断の病理学分野におけるさまざまな側面で作業しているスタートアップや他の企業を目撃しています。例えば、精密医療は、正確な診断とさまざまなインフォマティクスアプローチによって可能になる、データ駆動型の患者層別化です。精密医療の増加は、ターゲット治療をサポートするためのより複雑な診断の必要性とともに来ます。
また、AIを重点とする学術出版や業界協会の増加も見られています。当時ジョセフと私は2016年に初めてデジタルおよび計算機病理学に関する会議に出席しました。AIはがん診断を取り巻く会話の小さな部分でした。現在、大規模な病理学会議に出席すると、AIがメインイベントとなっています。
AI駆動の病理学分野における他の企業と比較して、Ibexを何が異別化していますか。
AI駆動の病理学について話すと、複数のサブドメインがあります。研究アプリケーションを優先する企業があります。例えば、組織画像を分析して疾患プロセスを形態学的および細胞レベルで理解するツールがあります。2番目に、臨床アプリケーションに焦点を当てた企業があります。つまり、研究所で使用される製品で、ルーチンワークの診断をサポートします。
Ibexは臨床アプリケーションに焦点を当てており、世界中の病理医が毎日がん診断に私たちのツールを使用する最も広く導入されているインストールベースを持っています。また、Pharmaと提携して、病理医がターゲット治療を可能にするバイオマーカーを量化するAI駆動の臨床アプリケーションを開発しています。
さらに、他の企業が特定の腫瘍タイプごとに限定された指示に焦点を当てているのに対し、私たちのアプローチは、病理医がこれらの組織で見るものすべてをAIに分析させることです。がんの検出だけではなく、がんのタイプとサブタイプ、グレード、サイズ、がん関連形態やその他の臨床的特徴についてもです。私たちは、病理学はがんがあるかどうかを判断することだけではないことを知っています。私たちは、AIがもたらす多大な利点を病理医が実現できるように支援したいと思っています。
Ibexのソリューションの背後にあるコアテクノロジーを説明し、がん検出およびグレード付けにおいて病理医を支援する方法を説明できますか。
私たちのアプローチは、基本的に病理医がマシンをトレーニングすることです。世界中の多くの病理医がスライドを注釈付けしています。つまり、彼らはスライド内の特定の領域をマークしてラベル付けします。彼らは低グレードの腫瘍、血管、神経、炎症などをマークするかもしれません。次に、私たちはそのデータを使用してAIモデルをトレーニングします。これにより、AIは非常に正確になります。特に、まれで難しい症例では非常に重要です。私たちのAIは、病理医によってトレーニングされており、組織のさまざまな構造や形態を識別するようにトレーニングされています。これは、病理医にとって非常に役立つことであり、最終的にはその正確性を高めます。幅広いデータと知識にアクセスすることで、私たちはAIを改善し、フィールドで直接得られたフィードバックを実装できます。
さまざまながんタイプ（乳腺がん、前立腺がん、胃がんなど）で臨床グレードの精度を確保するために、Ibexはどのようにしていますか。
これには多くの努力が必要です。私たちは世界中のパートナーからデータを収集し、データが非常に多様で、さまざまな研究所や組織準備技術、スキャナー、臨床的結果を持つことを保証します。私たちは、AIをさまざまな特徴でトレーニングするために、トレーニングデータを希少ながんタイプで強化します。これにより、AIは幅広い特徴でトレーニングされます。トレーニングプロセス中に、私たちはAIがうまくいっていることを測定し、改善が必要な領域を決定します。豊富な機械学習の経験を持つチームは、さまざまな研究所から収集した数千のスライドでAIをテストします。私たちは研究や臨床試験を実施し、システムの2つの基本的な側面を比較します。まず、基準値と比較したAIのスタンドアロン性能をレビューします。2番目に、AIを使用して使用しない場合の病理医の作業の正確性を決定します。そうすることで、AIが正確で、堅牢で、偏りがないこと、および安全であることを保証します。私たちは、AIを使用する病理医の影響を測定します。私たちのアプリケーション全体で、AIの支援を受けた病理医が、標準的なケア（AIの支援を受けない場合）よりも優れた結果（より正確で、基準値との合意が高い）に到達することを確認します。また、ワークフローの効率やラボでの作業の最適化などのAIプラットフォームのその他の利点、たとえば、結果が患者に到達するまでのターナラウンド時間の短縮も測定します。
Ibexのソリューションには、診断ワークフローを強化し、患者の転帰を改善する独自の機能があります。何か例を挙げてください。
私たちの統合システムには、スライドビューアー、AIの結果、およびビルトインレポートツールが含まれます。このホリスティックシステムは、正確性と生産性を高めるために設計されています。病理医を診断プロセスに従って導き、各症例およびスライドの主な所見を表示します。特徴を検索するのではなく、AIはすべてを非常に明確に強調表示します。そこから、病理医はそれを確認または変更できます。AIは測定値や量化結果を表示し、スコアも付けます。ビルトインレポートを使用すると、病理医はスライドを見て診断を頭の中で行ったり、別のシステムで報告したりする必要がなくなります。代わりに、AIが統合ワークフローを推進する間に行われます。さらに、マウスクリックの数も最適化されています。すべてが病理医を念頭に置いて設計されており、診断の正確性と効率性を高め、患者の転帰を改善するより良い作業環境を作り出します。
Ibexのソリューションは、既存のデジタル病理ソフトウェアソリューションや研究所情報システムとどのように統合されますか。
私たちは、画像管理ソリューションを販売したり、研究所情報システムを提供したりする複数のベンダーと協力しています。各パートナーには、さまざまな統合の機会があります。場合によっては、私たちのAIを彼らのツールに埋め込み、病理医がそのプラットフォーム内で私たちのAIを使用できるようにします。場合によっては、私たちのツールを他のシステムから起動できるように統合します。どのような統合であっても、ユーザーがAIを使用する最も適切な方法を持つことを常に確実にします。また、第三者（他の企業や顧客のIT部門など）が私たちのAIから情報を取得し、自分の環境に統合できるように、オープンなアプリケーション・プログラミング・インターフェース（API）を開発しました。
Ibexは、病理学におけるAI駆動のソリューションの広範な採用を達成する上で、どのような課題に直面しましたか。
反省してみると、Ibexが直面した主な課題は、診断製品を市場に導入するために必要な複雑さと作業、努力、時間の量でした。これには、データの収集、病理医との作業、AIのトレーニングと徹底的なテスト、臨床試験の実施、および特定の地域での規制承認が含まれます。すべてを厳格な品質保証の下で行います。医療分野では、科学的証拠を生成し、複数の研究所で結果を公開して、AIプラットフォームのパフォーマンスと利点を実証することも非常に重要です。
別の注目すべき課題は統合です。私たちは、病理医が自然で効率的な方法でAIを使用できるようにする必要があります。研究所には複数のシステムがあります。デジタル病理スキャナー、研究所情報システムとワークフロー、報告ツールなどがあります。単純に言えば、すべてが可能な限り最も効率的な方法でまとまるようにしますが、課題があります。
AI駆動のソリューションを導入したヘルスケア組織からの成功事例や事例研究を共有できますか。
私たちは、パートナーシップと世界的なリーチに非常に誇りを感じています。例えば、ウェールズでは、最初の全国的なAIの導入が実現しました。ウェールズのすべてのヘルスボードで、IbexのAIソリューションが使用されています。別の例は、プエルトリコのCorePlus Laboratoriesで、Ibexを数年間使用しており、臨床実践への影響について論文を発表しました。例えば、AIアルゴリズムを使用して、病理医が誤診となる160人の男性を特定できたというものです。その患者たちは、AIの支援によって適切な治療を受けることができました。実際に、人々の生活に影響を与えるものです。私たちが忘れてはならないことです。私たちは、人々の生活に影響を与えるためにここにいます。
今後10年間で、病理学とがん診断の未来におけるAIの役割をどのように見ていますか。
今後10年間で、病理医は、主な診断努力を支援するためにAIを使用することが続きます。病理医がほとんどの作業負荷でAIを使用して、質が高く、客観的で再現可能でタイムリーなものであることを私は想像しています。さらに、AIは、医師が現在行っていないことを行うのを支援することになります。AIは、特定の症例でどの追加テストを実行する必要があるか、より正確な予後を提供するか、治療の選択を最適化するかを医師が決定するのを支援できます。
AIは、病理学ラボでのがん診断部分だけでなく、がんの全患者経路、たとえば治療を決定する腫瘍内科医など、全体で不可欠な役割を果たすことになります。さらに、AIは、病理学、放射線医学、ゲノミクス、臨床レコードなどの分野を統合するのを支援します。時間の経過とともに、これらのモダリティは、精密医療をサポートするためのさまざまなAIモジュールにフィードされます。保健の公平性という観点から、世界で最高の医師にアクセスできない患者は、診断と治療の質の大幅な向上を経験することになります。AIは、すべての人が専門家のレベルに近づくことを可能にします。すべての人が質の高いケアにアクセスする権利があり、AIは、保健の民主化に私たちを正しい方向に導いてくれるでしょう。
素晴らしいインタビュー、詳細を知りたい読者は、Ibex Medical Analyticsを訪問してください。
