줄리아나 이아니, Proscia의 AI 연구 및 개발 부사장 – 인터뷰 시리즈

Proscia의 AI 연구 및 개발을 이끄는 줄리아나 이아니. Proscia는 전통적인 도구의 한계를 넘어서는 디지털 병리학 플랫폼 Concentriq^®와 계산적 응용 프로그램을 개발하여 연구소들을 지원하고 있습니다. 이러한 기술은 현대의 디지털 연구소의 중심에서 작동하며, 병리학의 경제와 관행을 변혁시키고, 데이터 중심의 현대 의학을 암과의 싸움에 활용하고 있습니다.

Proscia의 기원에 대한 이야기를 공유해주실 수 있나요?

병리학은 생물의학 연구와 암 진단의 핵심에 위치합니다. 그러나 우리는 거의 모든 다른 의료 분야에서 디지털화의 영향을 목격한 반면, 병리학은 150년의 역사 동안 크게 변하지 않았습니다. 여전히 병리학자는 현미경으로 조직을 관찰하여 패턴을 인식하는 방식으로 작동합니다. 이는 본질적으로 수동적이며 주관적입니다. 이러한 문제는 병리학자 인구의 감소와 암 부담의 증가로 인해更加 복잡해집니다.

Proscia는 이러한 표준을 개선하기 위해 설립되었습니다. 우리의 창립자는 병리학의 미래를 위해 디지털 병리학을 추진하는 기회를 인식했습니다. 이를 통해 연구소들은 운영을 간소화하고, 품질과 생산성을 향상하며, 인간의 눈으로는 볼 수 없는 새로운 통찰력을 얻을 수 있습니다. 이러한 이점은 연구자들이 새로운 발견을 가속화하고, 병리학자들이 전 세계의 환자들에게 더好的 결과를 제공하는 데 도움이 됩니다.

우리의 초기부터, 우리는 주요 연구소, 의료 시스템, 생명 과학 회사, 연구 기관 등의 고객을 확보했습니다. 우리의 많은 기업 고객 중에는 존스 홉킨스 대학교, 펜실베니아 대학교, 그리고 상위 10개의 제약 회사들이 있습니다. 최근에 우리는 LabPON, 세계 최초로 100% 디지털 병리학 진단을 달성한 연구소가 우리의 소프트웨어 플랫폼으로 전환한다고 발표했습니다. 또한 세계에서 가장 큰 인간 조직 데이터 저장소인 Joint Pathology Center가 Proscia와 함께 디지털화할 예정입니다.

Proscia는 디지털 및 계산적 병리학 회사입니다. 이를 우리 독자들에게 설명해주실 수 있나요?

디지털 병리학은 현미경 슬라이드를 스캐너를 사용하여 디지털화하는 것을 의미합니다. 이는 소프트웨어, 계산적 응용 프로그램, 및 인공지능을 사용하여 이미지를查看, 관리, 공유, 분석할 수 있습니다.

Proscia는 소프트웨어 측면에 중점을 두고 있습니다. 우리는 Concentriq라는 핵심 플랫폼을 제공하며, 이는 연구소들이 병리학 운영을 수행하는 데 필요한 모든 기능을 제공합니다. Concentriq는 또한 우리가 개발 중인 AI 응용 프로그램의 출발점입니다.

디지털 병리학의 이점, 효율성 및 생산성의 향상, 새로운 통찰력을 얻는 능력 등에 대해 이미 언급했습니다. 이러한 이점이 어떻게 실제로 작동하는지 보려면, 몇 가지 구체적인 사용 사례를 살펴보겠습니다. 현재 가장 중요한 것은 원격 작업을 가능하게 하는 것입니다. 연구소들이 사회적 거리두기를 위해 새로운 방식으로 작동해야 할 때, 디지털 병리학은 병리학자들이 이미지를 쉽게 공유하고 필요에 따라查看할 수 있도록 해줍니다. 이는 Concentriq와 같은 플랫폼을 통해 가능합니다. 대안은 연구소들이 물리적인 글래스 슬라이드를 병리학자의 집으로 배송하는 것입니다. 이는 시간이 많이 걸리고 비용이 많이 들 수 있습니다!

일반적으로, 디지털 및 계산적 병리학 솔루션은 병리학자들이 질과 효율성을 향상시키는 데 도움이 됩니다. 이는 이미지를 쉽게 공유하여 두 번째 의견을 얻거나, 오류가 발생하기 쉬운 수동 작업을 제거하는 것을 포함합니다. 궁극적으로, 이는 환자들이 올바른 진단을 더 빠르게받을 수 있도록 해줍니다. 이는 초기 치료가 더好的 결과를 가져올 수 있기 때문에 중요합니다.

현재 병리학에서 기계 학습이 어떻게 사용되고 있는지 설명해주실 수 있나요? 어디로 가고 있는지?

기계 학습은 병리학의 여러 분야에서 약속을 보여주었습니다. 하나의 일반적인 사용 사례는 이미지에서 종양 조직이 있는 특정 영역을 식별하여 병리학자의 주의를 끌어들이는 것입니다. 또한 조직 샘플에 대한 양적 통찰력을 제공할 수 있습니다. 예를 들어, 세포 분열을 활발히進行하는 세포의 수를 세는 것입니다. 일부 연구는 이미지의 분류 문제를 해결하는 데 기계 학습을 사용하고 있습니다. 즉, 진단 또는 특정 패턴을 기반으로 이미지의 분류를 수행하는 것입니다. 다른 연구는 기계 학습을 사용하여 환자의 결과 또는 특정 치료에 대한 반응을 예측하는 데 사용하고 있습니다. 이 분야에서 진행 중인 많은 интерес 있는 연구가 있습니다!

궁극적으로, 병리학에서 대부분의 이러한 기계 학습 사용 사례는 몇 가지 임상 및 연구 문제를 해결하는 것을 목표로합니다. 첫 번째는 볼륨 문제입니다. 검토할 사례의 수가 증가하고 있습니다. 그리고 병리학자의 수가 감소하는 문제가 있습니다. 대부분의 기계 학습은 개인 및 연구소 수준에서 진단의 효율성을 향상시키는 것을 목표로합니다. 두 번째 주요 문제는 진단 및 치료의 질입니다. 어떻게 하면 진단의 정확도를 향상시킬 수 있을까요? 어떻게 하면 예후를 향상시킬 수 있을까요? 어떻게 하면 환자의 결과를 향상시킬 수 있을까요?

질문의 두 번째 부분에 대한 답변으로, 현재 연구 단계와 실제 임상 환경에서의 상황을 구분해야합니다. 현재 대부분의 연구는 연구를 통해 진행 중입니다. 그러나 이러한 연구 결과를 실제 임상 환경으로 옮기는 것은 매우 어렵습니다. 이것이 기계 학습이 향후 어디로 가야하는 방향입니다. 즉, 연구 결과를 실제 임상 환경에서 사용할 수 있도록 시스템과 품질을 구축하는 것입니다. 이러한 방식으로, 병리학 연구소와 궁극적으로 환자들에게 혜택을 제공할 수 있습니다. 실제 세계에서 작동하는 AI를 구축하는 것이 항상 Proscia의 접근 방식이었습니다.

Proscia의 DermAI는 심층 학습을 사용하여 수백 가지의 피부 질환을 사전 진단 카테고리로 자동 분류합니다. 이 응용 프로그램을 설계하고 개발할 때 주요 고려 사항은 무엇이었나요?

첫째, 우리는 시스템이 무엇을 수행해야 하는지 고려해야했습니다. 우리는 특정 유형의 피부 병변만 분류하는 것이 아니라, 모든 피부 병변을 분류할 수 있는 시스템을 개발하고자했습니다. 그리고 피부 병리학에는 수백 가지의 변이가 있습니다. 따라서 우리는 이러한 변이가 충분히 표현된 훈련 세트를 구축해야했습니다. 이는 실제로 매우 어려울 수 있습니다. 일부 병변 유형은 다른 유형보다 더 희귀하기 때문에, 이러한 희귀한 병변에 대한 충분한 예제를 구축하여 모델이 학습할 수 있도록하는 것이 어려울 수 있습니다.

둘째, 우리는 시스템이 단일 사이트나 특정 스캐너에서만 작동하는 것이 아니라, 모든 연구소의 이미지에서 작동할 수 있는 시스템을 개발해야했습니다. 사이트와 스캐너 사이에는 이미지의 외관에 대한 많은 차이가 있을 수 있습니다. 색상, 밝기, 아티팩트 등이 다를 수 있습니다. 우리는 이러한 모든 변화를 고려하여 시스템을 개발해야했습니다. 또한, 새로운 사이트에서 시스템을 사용하기 위해大量의 데이터를 사용하여 캘리브레이션할 필요가 없도록 시스템을 설계해야했습니다.

실제 세계에서 작동하는 AI 시스템을 구축하는 데 몇 가지 다른 고려 사항이 있었습니다. 특히, 시스템이 무엇을 모르는지 알 수 있도록하는 것이 중요했습니다. 즉, 시스템이 자신이 확신할 수 없는 경우에 분류를 수행하지 않도록하는 것이 중요했습니다. 이를 위해, 우리는 각 분류에 대한 신뢰도 점수를 할당하는 방법을 개발했습니다. 우리는 이 점수를 시스템의 성능과 상관관계가 있도록 설계했습니다. 즉, 점수가 높을수록 분류가 올바를 가능성이 높습니다. 이를 통해, 시스템의 성능을 조정할 수 있습니다. 만약 높은 정확도가 필요한 경우, 높은 신뢰도 점수만을 사용할 수 있습니다. 만약 오류를 허용할 수 있는 경우, 낮은 신뢰도 점수를 사용할 수 있습니다.

DermAI는 병리학에서 가장 포괄적인 연구 중 하나에서 검증되었습니다. 이 연구와 주요 결과를 요약해주실 수 있나요?

이 연구는 매우 포괄적이었습니다. 우리는 모든 종류의 피부 병변을 자동으로 분류할 수 있는 시스템을 개발하고자했습니다. 즉, 어떤 연구소나 스캐너에서나 작동할 수 있는 시스템을 개발하고자했습니다. 이를 위해, 우리는 시스템을 여러 단계로 나누어 개발했습니다. 첫 번째 단계는 조직을 감지하는 것이었습니다. 두 번째 단계는 이미지의 외관을 익숙한 형태로 변환하는 것이었습니다. 세 번째 단계는 관련 영역을 감지하는 것이었습니다. 마지막 단계는 조직의 패턴을 기반으로 분류를 수행하는 것이었습니다.

우리는 시스템을 하나의 사이트에서만 훈련시키지 않고, 여러 사이트에서 훈련시켰습니다. 이를 통해, 시스템이 다양한 사이트와 스캐너에서 작동할 수 있도록했습니다. 우리는 시스템의 성능을 평가하기 위해, 여러 사이트에서 수집한 이미지에 대한 테스트를 수행했습니다. 시스템의 성능은 매우 좋았습니다. 우리는 시스템의 정확도를 98%까지 조정할 수 있었습니다.

이 연구에서 관찰된 하나의 사항은 이미지 아티팩트에 대한 심층 학습 알고리즘의 민감성입니다. 이 경우 이미지 아티팩트는 무엇이며, 이러한 문제를 해결하기 위한 몇 가지 솔루션이 무엇입니까?

예, 몇몇 연구에서 병리학에서 이미지 아티팩트에 대한 AI 시스템의 민감성을 보여주었습니다. 이러한 아티팩트는 실제로 단순한 것들입니다. 예를 들어, 슬라이드上的 먼지, 조명 변화, 흐린 영역, 펜 잉크 등이 있습니다. 이러한 아티팩트는 AI 시스템을 쉽게 속일 수 있습니다. 특히, 이러한 아티팩트에 대한 훈련이 부족한 경우입니다.

이미지 아티팩트를 처리하기 위한 두 가지 방법이 있습니다. 첫 번째는 이미지의 아티팩트를 제거하는 것입니다. 이는 실제로 어려울 수 있습니다. 두 번째는 아티팩트가 포함된 이미지로 시스템을 훈련시키는 것입니다. 이를 통해, 시스템이 이러한 아티팩트에 대한 내성을 개발할 수 있습니다. 우리는 두 번째 방법을 사용했습니다. 우리는 아티팩트가 포함된 이미지로 시스템을 훈련시켰습니다. 이를 통해, 시스템이 실제 세계에서 작동할 수 있도록했습니다.

AI 응용 프로그램인 DermAI는 병리학 연구소에서 어떻게 구현되고 있습니까?

이것은 좋은 질문입니다. 다양한 연구소에서 다른 접근 방식을 사용하고 있습니다. 그러나 우리는 연구소들이 AI를 채택하는 유일한 방법은 AI를 지원하는 플랫폼을 사용하는 것입니다. 우리는 Concentriq 플랫폼을 제공하며, 이는 연구소들이 디지털 병리학 운영을 수행하는 데 필요한 모든 기능을 제공합니다. Concentriq는 또한 AI 응용 프로그램의 출발점입니다. 우리는 이 접근 방식이 연구소들이 AI를 쉽게 배포하고, 일상 작업에 통합하여, 실제로 혜택을 얻을 수 있도록합니다.

Proscia에 대해 더 공유하고 싶은 것이 있나요?

저는 우리 팀이 하는 일을 매우 기대하고 있습니다. 불행히도, 우리는 모두 암에 영향을 받은 사람을 알고 있습니다. 그리고 암이 그들에게 미치는重大한 영향을 알고 있습니다. 우리의 작업은 환자의 결과를 개선하고,真正로 의미 있는 차이를 만들 수 있습니다. 이것은 저에게 매우 자랑스러운 일입니다.

많은 주요 기관이 우리의 작업을 믿고 있습니다. 최근 몇 개월 동안, 세계에서 가장 큰 인간 조직 데이터 저장소인 Joint Pathology Center가 Proscia를 선택하여 이 저장소를 디지털화하기로 결정했습니다. 또한, 세계 최초로 100% 디지털 병리학 진단을 달성한 LabPON이 우리의 플랫폼을 선택하여 병리학 운영을 확대하고, AI를 구현하기로 결정했습니다. LabPON은 또한 우리와 함께 우리의 AI 시스템을 개발하고 검증하는 데 협력할 것입니다.

마지막으로, 우리는 병리학의 관행을 단独로 변革할 수 없다는 것을 인정합니다. 우리는 끊임없이 우리의 팀을 성장시키고 있습니다. 만약 당신이 우리와 함께 일하기를 원한다면, 저는 당신에게 Proscia에 대해 더 알아보시고, 우리에게 열린 역할을查看하도록 권장합니다.