トビアス・ライケン、Kheiron Medical Technologiesの共同創設者兼CTO – インタビュー・シリーズ

トビアス・ライケンは、Kheiron Medical Technologiesの共同創設者兼CTOです。Kheiron Medical Technologiesは、医療用画像診断会社で、先進的な機械学習技術を使用して、放射線科医、放射線科部門、画像診断センター、病院の効率、一貫性、精度を向上させるための知能ツールを開発しています。

Kheiron Medical Technologiesは、機械学習ソフトウェアを使用して放射線科医が乳がんを早期に検出できるようにすることを目的として設立されました。

あなたが機械学習に興味を持ったきっかけは何ですか？

私は若い頃、プログラミングを始めたときに機械学習に興味を持ったのです。ゲームエンジンで自分のゲームを作ることができましたが、誰と対戦するのかという問題がありました。対戦相手は別のプレイヤーか、プログラムかでした。プログラムをどう作るのか、ゲームをどう学習させるのか、という疑問に思ったのです。現代のAIではなく、ルールベースのAIでしたが、私は毎回勝つことができましたので、優れたAIではありませんでした。

ロンドン大学大学院で修士号を取得するために勉強していたとき、現代のAIの新しい時代に入りました。DeepMindが買収され、DeepMindが設立された場所で機械学習を勉強していました。DeepMindのリーディング・サイエンティストであるデビッド・シルバーが、強化学習のコースを教えていました。コースの一環として、ゲームを学習するエージェントを作成しました。エージェントが完成して、私の創造物と対戦したとき、私はもう勝つことができませんでした。そこで私は機械学習の力に気づきました。

私は大学1年生のとき、機械学習に正式に触れました。アムステルダム大学大学で数学とコンピューターサイエンスを勉強していました。同時に、オンラインコースが設立され、AIのコースに参加することができました。私に最も大きな影響を与えたコースは、スタンフォード大学のピーター・ノルヴィグとセバスチャン・トランが教えていたコースでした。100,000人と同時にAIを勉強することができました。

Kheironでは、機械学習が現実世界に与える影響が、私にとって最も興味深い点です。機械学習は現実世界の問題を解決する力を持っています。

Kheiron Medical Technologiesの創設ストーリーを語ってください。

ピーターと私は2016年に、イギリスのアクセラレーターであるEntrepreneur Firstで出会いました。私たちはすぐに意気投合しました。私たちは両方とも医療関係の家庭出身です。ピーターの母は放射線科医で、私は医者の家庭で育ちました。私たちは両方ともSTEMの道を選びました。

私たちの背景は、医療従事者が直面する課題と機械学習が医療を改善する可能性を理解するのに役立ちました。私たちは、AIと医療従事者が医療を改善することを信じています。

解決すべき大きな問題があります。放射線科医の世界的な不足があります。毎年4万人以上のアメリカ人女性が乳がんで亡くなっています。がんの死亡率が高い理由の1つは、医師が正しい情報を得ることができないことです。AIはその問題を解決することができます。

まず第一に、Kheironは放射線科医を支援するために存在します。放射線科医が患者を支援できるようにするためです。私は問題の複雑さを理解するために時間をかけることが大好きです。私たちは放射線科医の仕事、日常的に扱うデータ、ワークフローを理解するために努力しています。そうすれば、AIをどのようにしてワークフローの一部に組み込むことができるかを理解することができます。

私たちはユーザーとデータを深く理解するために多大な投資をしています。私たちのチームには、ユーザーのニーズを設計と開発プロセスに統合するのに役立つ放射線科医がいます。私たちは、乳がん検査のための患者参加イニシアチブを実施しており、女性の恐怖とニーズを理解するために直接女性と関わっています。

多くの人に、私たちの会社名の由来を聞かれます。Kheironは、ギリシャ神話に登場する、賢く優しいケンタウロスでした。ケンタウロスは、医療を学ぶ英雄たちを訓練しました。AIと医療従事者が協力して、医療の標準を高めるという考えが、私たちの会社名の由来です。

乳がん検査のソリューションについて語ってください。

私たちは乳がん検査のパスウェイに沿った複数のソリューションを開発しています。

私たちの最初の製品は、Miaと呼ばれます。Miaは、放射線科医と同じタスクを実行するように最適化されています。女性がさらに検査を受ける必要があるかどうかを判断するというタスクです。

私たちが達成しているパフォーマンスのレベルは、ワークフローを再考することができます。アメリカの女性にとっては、特に重要です。アメリカには、単一の読み取りワークフローがあります。つまり、各乳房X線写真は1人の放射線科医によって読み取られます。しかし、イギリスやヨーロッパでは、2人の放射線科医によって読み取られる、2重読み取りワークフローがあります。多くのアメリカの放射線科医は、2重読み取りを金標準と見なしています。なぜなら、それは早期の小さな乳がんを検出する可能性が高いためです。

私たちの臨床試験は、Miaが独立した読み取り者または同時読み取り者として臨床的に安全で費用対効果の高い選択肢であることを証明しています。つまり、アメリカでは、Miaを放射線科医とともに使用して、2重読み取りワークフローの金標準を達成することができます。私たちが前に述べたように、これが私たちがAIと人間の協力を解決したい大きな問題の1つです。

私たちがアメリカ市場に導入する最初の製品は、Mia IQと呼ばれます。Mia IQは、乳房X線写真の画像の質を分析するのに役立ちます。画像の質を向上させることができれば、読み取りの質も向上します。つまり、がんが早期に検出される可能性が高くなります。

これは、MQSAの品質保証監査と継続的なトレーニングのために非常に重要です。Mia IQは、スクリーン番組のディレクターに、ポジショニングの問題に関する報告書を提供します。これにより、ディレクターはテックに対してスポットトレーニングを提供し、品質保証監査に影響を与える可能性のある画像の質の問題に対処することができます。

ニューラルネットワークは何枚の画像でトレーニングされていますか？

私たちにとって、データの量は重要ではありません。乳がん検査の分野では、多くのデータが利用可能です。スクリーン番組が長期間実施されているため、歴史的なデータがあります。また、人口全体をスクリーンするため、新しいデータが不断に生成されます。

しかし、データは大きく偏っています。99%のスクリーン人口はがんを患っていません。幸いなことです。つまり、正常な画像への偏りがあります。また、人口の違いもあり、データの多様性が欠けています。

したがって、Kheironの成功の鍵は、どのようなデータを収集するかを理解することです。データを選択的に収集し、ターゲットを絞ったデータを取得することに重点を置いています。エモリー大学とのコラボレーションは、私たちがどのようにしてこれを実現しているかを示す良い例です。

現在、偽陽性は問題になっていますか？

偽陽性は問題の1つに過ぎません。スクリーン検査の科学は、偽陽性と偽陰性のトレードオフに基づいています。たとえば、偽陽性率を非常に低くすることができますが、がんをmissする可能性があります。一方、偽陽性率を高くすることができますが、がんをmissする率は低くなります。トレードオフを理解し、スクリーンサービスを優先順位とリソースに基づいてバランスをとることが重要です。

国によっては、文化的、政策的な違いがあり、トレードオフの判断に影響を与えます。いくつかの国では、がんをmissすることは非常に問題と見なされます。他の国では、不要なリコールを最小限に抑えることが重要と見なされます。医療費の問題があるからです。

最終的には、偽陽性と偽陰性のグループが経験する不要なリコールと未検出のがんのバランスをとることが重要です。AIは、両方のグループのレベルを高めることを約束しています。

エモリー大学とのコラボレーションについて詳しく語ってください。

エモリー大学とのパートナーシップは、Miaが任何の女性、任何の民族に対して同じ水準で機能することを保証するために、より多様なデータを使用することを可能にします。

コラボレーションの最初のプロジェクトは、エモリーの多様なスクリーン人口に対するMiaのパフォーマンスを検証することです。これは、4つのスクリーンサイトと病院を包含するマルチサイトスタディです。コホートには、20万を超えるスクリーン乳房X線写真が含まれます。約45%の女性はアフリカ系アメリカ人です。

私たちはこのコラボレーションを11月末に発表しました。以来、多くの進歩を遂げました。グローバルパンデミックとリモートワークの課題にもかかわらず、エモリーのチームは素晴らしい仕事をしています。彼らは、コミュニティで優れたケアを提供する臨床医でもあります。

現在、コラボレーションは、将来の仕事のための強固な基礎を築くために、前向きなエネルギーを投資しています。エモリーのチームと密接に協力して、臨床ワークフローを理解しています。これは、潜在的なサブポピュレーションの違い、たとえば民族グループ間の違いを分析するための必要な基礎です。

この仕事は簡単でも速いものでもありません。医療の多くのことはそうです。しかし、非常に報われています。私たちは、世界中のパートナーと協力しています。彼らは私たちと共通の使命を共有しています。つまり、世界中の女性が乳がんと戦うためのチャンスを与えることです。

画像診断のデータにおける非白人種の低表現はどのくらいの問題ですか？

歴史的に、医療研究における患者集団の多様性は、十分に反映されていません。AIを開発する私たちは、研究に民族的多様性を含める責任があります。

低表現は、乳がん検査の問題です。アフリカ系アメリカ人女性の結果はその例です。アフリカ系アメリカ人女性は、非ヒスパニック白人女性よりも死亡率が39%高い傾向があります。これは、医療へのアクセス、診断の遅れ、治療の開始の遅れなど、複数の要因による可能性があります。

AIの汎用性は、乳がん検査における人種的差を解決するための重要なステップです。私がKheironのチームが、さまざまな集団に対して同等のパフォーマンスを発揮するソリューションを構築することに取り組んでいることを知って、私は非常に励みになります。エモリー大学とUCSFとのコラボレーションは、私たちが汎用性のビジョンを実現するのに役立ちます。Miaが、どこにいても、どの女性でも、乳がんと戦うためのより良いチャンスを与えることを保証するためです。

素晴らしいインタビューと、重要な命を救う技術に取り組んでいただき、ありがとうございます。詳しく知りたい読者は、Kheiron Medical Technologiesを訪問してください。