Ittai Dayan, MD, Hev-damezrîner û CEO ya Tenduristiya Rhino - Rêzeya Hevpeyvînê

Ittai Dayan, MD hev-damezrîner û CEO ye Tenduristiya Rhino. Piştgiriya wî di pêşxistina îstîxbarata çêkirî û tespîtkirinê de, û hem jî derman û lêkolîna klînîkî ye. Ew endamê bingehîn ê berê yê pratîka lênihêrîna tenduristî û rêveberê nexweşxaneyê ye BCG. Ew naha balê dikişîne ser beşdarbûna pêşkeftina îstîxbarata hunerî ya ewle, wekhev û bandorker di pîşesaziya lênihêrîna tenduristî û zanistên jiyanê de. Li Tenduristiya Rhino, ew hesabên belavbûyî û Fêrbûna Federasyonal wekî navgînek ji bo parastina nepeniya nexweşan û xurtkirina hevkariyê li seranserê perestgeha lênihêrîna tenduristî ya perçebûyî bikar tînin.

Ew di IDF - hêzên taybet de xizmet kir, mezintirîn navenda AI-ya werger a Akademîk-bijîjkî li cîhanê kir. Ew di pêşkeftin û bazirganîkirina AI-ê de pispor e, û bezvanek dûr û dirêj e.

Ma hûn dikarin çîroka çêbûna li pişt Tenduristiya Rhino parve bikin?

Rêwîtiya min a nav AI-ê dema ku ez bijîjkek û lêkolîner bûm dest pê kir, ku formek destpêkê ya 'biyomarkerek dîjîtal' bikar anî da ku bersiva dermankirinê di nexweşiyên derûnî de bipîve. Dûv re, ez çûm rêberiya Navenda Zanistiya Daneyên Klînîkî (CCDS) li Mass General Brigham. Li wir, min çavdêriya pêşkeftina bi dehan sepanên AI-ya klînîkî kir, û min ji pêşî ve şahidî ji kêşeyên bingehîn ên ku bi gihîştin û 'çalakkirina' daneya pêwîst ji bo pêşvebirin û perwerdekirina hilberên AI-ê-pola birêkûpêk re têkildar bûn.

Tevî gelek pêşkeftinên di AI-ya lênihêrîna tenduristî de, riya ji pêşkeftinê berbi danasîna hilberek li sûkê dirêj û pir caran gemar e. Çareserî gava ku ji hêla klînîkî ve hatine bicîh kirin têk diçin (an jî tenê şaş dikin), û piştgirîkirina çerxa jiyanê ya AI-ê ya tevahî bêyî gihîştina domdar a daneyên klînîkî hema hema ne gengaz e. Pirsgirêk ji guhertiye çêkirin modelên, ku parastin wê. Ji bo bersivdana vê dijwariyê, min pergala Mass General Brigham bi nirxa hebûna xwe ya 'CRO ya pispor ji bo AI' (CRO = Organa Lêkolînê ya Klînîkî), qanih kir ku algorîtmayên ji gelek pêşdebirên bazirganî ceribandine.

Lêbelê, pirsgirêk mayî - daneyên tenduristiyê hîn jî pir silo ye, û tewra mîqdara mezin a daneyan ji yek torê têrê nake ku li dijî armancên her û her teng ên AI-ya bijîjkî şer bikin. Di Havîna 2020-an de, min dest pê kir û rêve kir (bi Dr. Mona Flores ji NVIDIA), mezintirîn lêkolîna lênihêrîna tenduristî ya Federasyona Fêrbûna (FL) ya cîhanê ya wê demê, EXAM. Me FL bikar anî da ku modelek pêşbîniya encamên COVID-ê biafirîne, daneyên ji çaraliyê cîhanê bi kar tîne, bêyî parvekirina daneyan.. Dûv re li Tenduristiyê, vê lêkolînê bandora erênî ya bibandorkirina danûstendinên cihêreng û cihêreng destnîşan kir û potansiyela karanîna berfirehtir a fêrbûna federasyonê di lênihêrîna tenduristiyê de destnîşan kir.

Lêbelê, vê ezmûnê gelek pirsgirêkan eşkere kir. Vana berhevkirina daneyan di nav malperên hevkar de, misogerkirina şopandina daneyan û taybetmendiya rast, û her weha barê ku li ser beşên IT-ê ji her saziyekê tê danîn, yên ku neçar bûn fêrbûna teknolojiyên pêşkeftî yên ku ew jê nehatibûn fêr bibin. Vê yekê banga platformek nû kir ku piştgirî bide van hevkariyên nû yên 'daneyên belavkirî'. Min biryar da ku ez bi hev-damezrînerê xwe, Yuval Baror re hevalbend bikim, da ku ji bo piştgirîkirina hevkariyên parastina nepenîtiyê platformek dawî-bi-dawî biafirînim. Ew platform 'Platforma Tenduristî ya Rhino' ye, ku FL û hesab-hejmaran bikar tîne.

Çima hûn bawer dikin ku modelên AI-ê bi gelemperî di mîhengek lênihêrîna tenduristî de encamên hêvîdar peyda nakin?

AI-ya bijîjkî bi gelemperî li ser danûstendinên piçûk, teng têne perwerde kirin, wek mînak daneyên ji saziyek yek an herêmek erdnîgarî, ku rê dide ku modela encam tenê li ser celebên daneya ku dîtiye baş bixebite. Gava ku algorîtma li ser nexweşan an senaryoyên ku ji berhevoka perwerdehiya teng cûda dibin were sepandin, performans bi giranî bandor dibe.

Andrew Ng, ev têgîn baş girt dema ku wî got, "Derket ku dema ku em daneyan ji Nexweşxaneya Stanford berhev dikin ... em dikarin kaxezên ku destnîşan dikin [algorîtmayên] bi radyologên mirovî re di dîtina hin mercan de têne berhev kirin biweşînin. … [Gava] hûn heman modelê, heman pergala AI-ê, bi makîneyek kevntir dibirin nexweşxaneyek kevintir li kolanê, û teknîsyen protokolek wênekêşiyê hinekî cûda bikar tîne, ew dane diherike ku dibe sedem ku performansa pergala AI-yê xirab bibe. girîng."³

Bi hêsanî, piraniya modelên AI-ê li ser daneyên ku têra xwe cihêreng û bi kalîte ne têne perwerde kirin, ku di encamê de performansa 'cîhana rastîn' xirab dibe. Ev mijar hem di derdorên zanistî û hem jî yên sereke de, wekî di Zanist û politico.

Testkirina li ser komên nexweşên cihêreng çiqas girîng e?

Testkirina li ser komên nexweşên cihêreng girîng e ji bo ku pêbaweriya hilbera AI-ê ya encam ne tenê bi bandor û performansa, lê ewledar e. Algorîtmayên ku li ser komên nexweşên bi têra xwe cihêreng nehatine perwerde kirin an ceribandin, dibe ku ji alîgiriya algorîtmîkî, pirsgirêkek cidî ya di teknolojiya lênihêrîna tenduristî û lênihêrîna tenduristiyê de cefayê bigirin. Ne tenê dê algorîtmayên bi vî rengî alîgiriya ku di daneyên perwerdehiyê de hebûn nîşan bide, lê wê nelirêtiyê zêde bike û newekheviyên heyî yên nijadî, etnîkî, olî, zayendî û hwd di lênihêrîna tenduristiyê de tevlihev bike. Ne ceribandina li ser komên nexweşên cihêreng dibe ku bibe sedema hilberên xeternak.

Lêkolînek vê dawiyê hate weşandin⁵, Bi karanîna Platforma Tenduristiya Rhino, performansa algorîtmayek AI-yê ku aneurîzma mêjî li yek cîhek li ser çar malperên cihêreng bi cûrbecûr cûreyên skaner ve hatî pêşve xistin lêkolîn kir. Encam guhezbariya performansê ya girîng li ser malperên ku bi celebên skaner ên cihêreng in destnîşan kirin, û balê dikişîne ser girîngiya perwerdehî û ceribandinê li ser daneyên cihêreng.

Hûn çawa nas dikin ku bine-gelek nayê temsîl kirin?

Nêzîkatiyek hevpar ev e ku dabeşkirina guhêrbaran di berhevokên daneya cihê de, bi ferdî û bi hev re, analîz bike. Ew dikare hem dema ku berhevokên daneya 'perwerdehiyê' amade dikin hem jî berhevokên daneya pejirandinê pêşdebiran agahdar bike. Platforma Tenduristî ya Rhino destûrê dide we ku hûn wiya bikin, û ji bilî vê, bikarhêner dikarin bibînin ka model çawa li ser cûrbecûr cûrbecûr performansa dike da ku giştîbûn û performansa domdar li seranserê binpopulasyonan misoger bike.

Ma hûn dikarin diyar bikin ka Fêrbûna Federalî çi ye û ew çawa hin ji van pirsgirêkan çareser dike?

Fêrbûna Federalî (FL) dikare bi berfirehî wekî pêvajoya ku tê de modelên AI-yê têne perwerde kirin û dûv re bi demê re çêtir dibin, bi karanîna daneyên cihêreng, bêyî ku hewcedarî parvekirin an navendîkirina daneyan be, were pênase kirin. Ev di pêşkeftina AI-ê de pêşkeftinek mezin e. Ji hêla dîrokî ve, her bikarhênerek ku dixwaze bi gelek malperan re hevkariyê bike, pêdivî ye ku wan daneyan bi hev re bicivîne, ku hejmareke qanûnî, xeternak û lihevhatinên giran, biha û dem dixwe.

Îro, bi nermalava wekî Platforma Tenduristiya Rhino, FL di lênihêrîna tenduristî û zanistên jiyanê de dibe rastiyek rojane. Fêrbûna federal rê dide bikarhêneran ku dema ku ew dane li ser serverên herêmî yên hevkaran bimîne daneyan keşif bikin, bişopînin û rast bikin. Koda konteyner, wek algorîtmayek AI/ML an serîlêdanek analîtîk, ji servera herêmî re tê şandin ku li wir bicîhkirina wê kodê, wek perwerdekirin an pejirandina algorîtmayek AI/ML, 'herêmî' tê kirin. Bi vî rengî dane her dem bi 'parêzvanê daneyê' re dimîne.

Nexweşxane, bi taybetî, ji xetereyên ku bi berhevkirina daneyên nexweşên hesas re têkildar in bi fikar in. Vê yekê berê jî rê li rewşên şermok vekir, ku tê de eşkere bû ku rêxistinên lênihêrîna tenduristî bi pîşesaziyê re hevkarî kirin bêyî ku bi rastî karanîna daneyên wan fam bikin. Di encamê de, ew rêjeya hevkariya ku hem pîşesazî û hem jî lêkolînerên akademîk dikarin bikin sînordar dikin, R&D hêdî dikin û bandorê li kalîteya hilberê li seranserê pîşesaziya lênihêrîna tenduristiyê dikin. FL dikare wê sivik bike, û hevkariyên daneyê mîna berê çalak bike, dema ku xetera bi van hevkariyan ve girêdayî kontrol dike.

Ma hûn dikarin vîzyona Rhino Health ji bo çalakkirina çêkirina modela bilez bi karanîna daneyên cihêrengtir parve bikin?

Em ekosîstemek ji pêşdebir û bikarhênerên AI-ê xeyal dikin, ku bêyî tirs û astengî hevkariyê dikin, di heman demê de rêz li sînorên rêziknameyê digirin. pêşkeftina ji bo misogerkirina giştîbûn, performans û ewlehiyê têra xwe.

Di bingehê vê de, Platforma Tenduristiya Rhino ye, ku ji bo pêşdebirên AI-ê 'yek-stop-firoşgehek' peyda dike da ku danehevên girseyî û cihêreng ava bikin, algorîtmayên AI-ê perwerde bikin û rast bikin, û bi domdarî çavdêrîkirin û domandina hilberên AI-ê yên hatine bicîh kirin.

Çawa platforma Tenduristiya Rhino pêşî li beralîbûna AI-yê digire û ravekirina AI-ê pêşkêşî dike?

Bi vekêşandin û birêkûpêkkirina hevkariyên daneyê, pêşdebirên AI-ê dikarin di perwerdekirin û ceribandina serîlêdanên xwe de daneyên mezin, cihêrengtir bikar bînin. Encama danûstendinên zexmtir hilberek gelemperîkirî ye ku ji hêla aligirên saziyek yek an databasek teng ve nayê barkirin. Di piştgirîkirina ravekirina AI-ê de, platforma me dîmenek zelal li daneyên ku di seranserê pêvajoya pêşkeftinê de têne bikar anîn, bi şiyana analîzkirina eslê daneyan, dabeşkirina nirxan û pîvanên din ên sereke peyda dike da ku cihêrengî û kalîteya daneya têr peyda bike. Wekî din, platforma me fonksiyonek ku ne mimkun e heke dane bi tenê bi hev re werin berhev kirin, di nav de rê dide bikarhêneran ku daneyên xwe bi guhêrbarên din re bêtir zêde bikin, mîna yên ku ji xalên daneya heyî têne hesab kirin, da ku vekolîna sedema sedem û tevlihevkeran kêm bikin.

Hûn çawa bersivê didin bijîjkên ku bi fikar in ku pêbaweriyek zêde li ser AI-ê dikare bibe sedema encamên nerast ên ku serbixwe nayên pejirandin?

Em bi vê xemê re hevxem in û dizanin ku hejmarek ji serîlêdanên li sûkê îro dibe ku bi rastî alîgir bin. Bersiva me ev e ku divê em wekî pîşesazî, wekî civakek lênihêrîna tenduristî ya ku berî her tiştî bi ewlehiya nexweşan re têkildar e, werin ba hev, da ku sîyaset û proseduran diyar bikin da ku pêşî li van nerastiyan bigirin û serîlêdanên AI-ê yên ewledar, bi bandor bicîh bînin. Pêşdebirên AI berpirsiyar in ku pê ewle bibin ku hilberên wan ên AI-ê yên bazarê bi rengek serbixwe têne pejirandin da ku pêbaweriya pisporên lênihêrîna tenduristî û nexweşan bi dest bixin. Tenduristiya Rhino ji bo piştgirîkirina hilberên AI-ê yên ewle, pêbawer ve girêdayî ye û bi hevalbendan re dixebite da ku erêkirina serbixwe ya serîlêdanên AI-ê li pêşiya bicîhkirina di mîhengên klînîkî de bi vekirina astengên daneyên pejirandî yên pêwîst çalak û rêkûpêk bike.

Vîzyona we ji bo pêşeroja AI-ê di lênihêrîna tenduristiyê de çi ye?

Vîzyona Rhino Health cîhanek e ku AI di lênihêrîna tenduristiyê de potansiyela xwe ya tevahî bi dest xistiye. Em bi xîret dixebitin ku bi erêkirina nepenîtiyê ve zelaliyê çêbikin û hevkariyê xurt bikin da ku vê cîhanê bihêlin. Em AI-ya lênihêrîna tenduristî ya ku ji hêla dîwarên agir, erdnîgarî an qedexeyên birêkûpêk ve nayê sînordar kirin xeyal dikin. Pêşdebirên AI-ê dê xwedan gihandina hemî daneyên ku ew hewce ne ji bo avakirina modelên hêzdar, giştîkirî - û bi domdarî çavdêrîkirin û baştirkirina wan bi herikîna daneyan di demek rast de hebin. Dê pêşkêşvan û nexweş xwedan pêbaweriyê bin ku zanibin ew kontrola daneyên xwe winda nakin, û dikarin piştrast bikin ku ew ji bo baş têne bikar anîn. Rêvebir dê bikaribin di demek rast de bandora modelên ku di pêşkeftina derman û cîhazê de têne bikar anîn bişopînin. Rêxistinên tenduristiya gelemperî dê ji van pêşkeftinên di AI-ê de sûd werbigirin dema ku nexweş û pêşkêşvan bi hêsanî dizanin ku nepenî tê parastin.

Spas ji bo hevpeyivîna hêja, xwendevanên ku dixwazin bêtir fêr bibin divê biçin Tenduristiya Rhino.