Ilman Shazhaev, medeoprichter en CEO van Acoustery – Interviewreeks

Ilman Shazhaev is de medeoprichter en CEO van Acoustery, een health-techbedrijf dat AI-technologie ontwikkelt voor de vroege erkenning van ademhalingstoornissen.

Wat trok je aanvankelijk aan tot informatica en techniek?

De hoeveelheid beschikbare gegevens is tegenwoordig groter dan ooit, en AI-technologie – die zeer gegevensafhankelijk is – heeft in de afgelopen jaren enorme vooruitgang geboekt. Daarom is het zo spannend om onderzoek te doen in dit veld.

Op dit moment richt ik me op Big Data-projecten. Tijdens COVID-19 heb ik Acoustery medeopgericht: een volledig geautomatiseerde AI-gestuurde oplossing voor het monitoren van iemands gezondheid op basis van de analyse van hun stem, hoest en ademhaling.

Het volgende stap was om gezondheidsonderzoek en gamen te combineren. Waarom? De hoeveelheid gegevens die deze industrie genereert is uniek; bovendien zijn gamers vroege adoptanten die bereid zijn om hun gegevens te delen en bij te dragen aan wetenschappelijke vooruitgang. Tegelijkertijd is het aantal lopende klinische onderzoeken laag, de vooruitgang is langzaam, en de gamingsector biedt veel meer dynamische gegevensverwerking.

Kunt u meer vertellen over het verhaal achter Acoustery?

​​​Zoals ik eerder al zei, is Acoustery tijdens de pandemie opgericht. Ondanks dat de zakelijke mogelijkheden in 2020 relatief beperkt waren, verbleef ik in Dubai, een van de weinige locaties waar een project kon opereren zonder super strikte beperkingen.

Mijn medeoprichter Dr. Dmitry Mikhaylov, een professor aan de National University of Singapore, en ik hebben een nieuwe uitdaging aangegaan: de vroege detectie van COVID-19. Op dat moment onderzocht de VAE op grote schaal vroege diagnostische technologieën en ondersteunde het AI-projecten op grote schaal.

Dankzij dit kregen we toegang tot een van de beste testfaciliteiten in de VAE: het Sheikh Zayed militair ziekenhuis, waar we gegevens van honderden COVID-19-patiënten hadden om onze AI-engine op te trainen.

In het volgende stadium bleek uit tests dat onze technologie zeer nauwkeurig was en veel potentieel had. Onderzoekers publiceerden hun resultaten in toonaangevende tijdschriften in Japan en de VS, en onze testmethode werd in verschillende Aziatische landen gebruikt tijdens de pandemie als noodhulpmiddel.

Toen COVID-19 voorbij was, richtten we ons op het detecteren van astma met dezelfde aanpak. De Sharjah University, die momenteel leidt in het onderzoek van de VAE, heeft deze tests goedgekeurd.

Hoe nauwkeurig is dit systeem voor COVID-19 in vergelijking met PCR, LFT en antilichaamtests?

De positieve voorspellingswaarde van Acoustery in de context van grootschalig screeningsonderzoek voor COVID-19 is relatief hoog (81%) in vergelijking met Xpert MTB/RIF, een nieuwe test die de tuberculosedetectie en -bestrijding revolutioneert door bij te dragen aan de snelle diagnose van de ziekte (61%) en PCR-keeluitstrijkjes (71%).

Onze bevindingen hebben aangetoond dat de door Acoustery ontwikkelde software kan worden gebruikt als een primaire niet-laboratoriumscreeningstool om COVID-19-gevallen te detecteren en patiënten door te verwijzen naar laboratoria voor PCR-testen.

Kunt u meer vertellen over de machine learning die wordt gebruikt om de AI te trainen?

We gingen ervan uit dat we, om een nauwkeurige detectiegraad van COVID-19 te krijgen, convolutionele en recurrente netwerken konden trainen om de ziekte te diagnosticeren door de spectrogrammen van de hoest en ademhaling van patiënten te analyseren. Een spectrogram is een visuele manier om de signaalsnelheid bij verschillende frequenties weer te geven. Een aantal medische studies toonde significante verschillen aan tussen de hoest van patiënten die COVID hadden en diegenen die het niet hadden, dus trainden we onze AI-engine om dergelijke verschillen te herkennen.

De ontwikkelingen van Acoustery kunnen worden gebruikt om de ziekte van Alzheimer te diagnosticeren, die vaak wordt beschouwd als een neurologische aandoening. Hoe werkt het precies?

Onze studie onderzoekt hoe spraakmaatregelen kunnen worden gekoppeld aan taalprofielen bij deelnemers met de ziekte van Alzheimer (AD) en hoe deze profielen AD kunnen onderscheiden van veranderingen die samenhangen met normale veroudering. Om dit te bereiken, analyseert onze AI eenvoudige zinnen die door oudere volwassenen met en zonder AD worden uitgesproken, van het percentage en het aantal stemonderbrekingen tot shimmer (amplitudeperturbatiequotiënt) en ruis-tot-harmonisch verhouding. De nauwkeurigheid van deze analyse bereikt 90%.

Later hebben we dezelfde aanpak gebruikt in Farcana Labs – een onderneming die Big Data verzamelt gegenereerd door gamers om de progressie van ziektes, met name geestelijke stoornissen, te onderzoeken.

Welke andere ziektes kunnen worden gediagnosticeerd met behulp van deze methode?

Asthma is onze belangrijkste prioriteit op dit moment. Tuberculose is een andere focus, evenals chronische obstructieve longziekte (COPD), longfibrose, longontsteking en longkanker.

Hoe groot zijn de trainingsdatasets voor deze use cases?

We hebben duizenden hoestopnames in onze database verzameld gedurende de afgelopen vier jaar.

Wat is uw visie op de toekomst van medische diagnose in het algemeen?

De gegevens die worden verzameld door persoonlijke apparaten zullen een belangrijke rol spelen bij het diagnosticeren van ziektes in een vroeg stadium en het voorkomen van pandemieën. Zelfs onze mobiele telefoons hebben meerdere sensoren: een microfoon is slechts een van die sensoren. Versnellers die motorvaardigheden kunnen analyseren en verschillende ziektes kunnen detecteren, zijn een ander voorbeeld.

Hoewel deze technologieën niet de enige bron voor diagnose moeten zijn, kunnen ze aanzienlijk helpen bij het voorspellen en voorkomen van de verspreiding van zeer besmettelijke ademhalingstoornissen – en, als gevolg daarvan, nieuwe pandemieën. Acoustery kan ook worden gebruikt in ontwikkelingslanden waar toegang tot PCR-testen beperkt is.

U lijkt meerdere projecten tegelijk te hebben; wat zijn enkele andere spannende use cases die u ziet voor AI?

De AI-ruimte is uniek. Als AI-onderzoekers richten we ons op niches die Big Data genereren, wat noodzakelijk is voor elk AI-onderzoek. We hebben veel patiënten nodig om kwaliteitsdatasets samen te stellen, dus we hebben een paar onderzoeken die parallel lopen en we onderzoeken meerdere bedrijfssectoren.

We zien gamen als een gebied waar een enorme hoeveelheid gegevens wordt gegenereerd. Tegenwoordig spelen mensen veel videospellen, wat een waardevolle bron van gegevens is voor gezondheidsonderzoek. Het verzamelen van gegevens van persoonlijke apparaten en wearables is een andere vector met significant potentieel.

Al met al is het spannend om deze technologie nu te onderzoeken, en ik geloof dat het nog veel meer potentieel heeft om te worden benut in andere sectoren.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Acoustery bezoeken.