Jonas Muff, Oprichter & CEO van Vara – Interviewserie

Jonas Muff is de Oprichter & CEO van Vara een borstkankerscreeningplatform. Opgericht in Duitsland, opereert Vara in verschillende landen in Europa. Ze hebben onlangs twee belangrijke samenwerkingen aangekondigd in Griekenland en Mexico, waardoor hun technologie beschikbaar zal komen voor meer dan 30 miljoen vrouwen.

Wat trok je aanvankelijk aan tot het vakgebied van kunstmatige intelligentie?

Als zoon van een dokter, heb ik altijd geloofd dat de kracht en het potentieel van de gezondheidszorg liggen in preventie in plaats van alleen genezing; het houden van gezonde mensen gezond, in plaats van alleen het behandelen van zieken. Kunstmatige intelligentie houdt de sleutel vast tot het ontsluiten van deze paradigmaswitch en het helpen van moderne gezondheidszorgsystemen om kwantumsprongen te maken in zowel de diagnose als de behandeling van ziekten. AI-gestuurde diagnostiek hebben het potentieel om goedkoper en minder afhankelijk te zijn van kennis van experts, waarvan er een wereldwijd tekort is. Op deze manier kan AI mogelijk worden gebruikt om hoogwaardige geneeskunde te bieden in minder ontwikkelde landen om toegang tot goede gezondheidszorg eerlijker en globaler te maken.

Kunt u de genesisverhaal achter Vara bespreken?

Vara is ontstaan uit Merantix, een venturestudio in Berlijn die gericht is op het ontsluiten van het potentieel van AI door middel van een collaboratieve aanpak. Merantix brengt mensen samen uit verschillende achtergronden, allemaal met ondernemende mentaliteit, om echte wereldproblemen op innovatieve wijze aan te pakken. We hebben een team samengesteld van machine learning-experts, software-ontwikkelaars, productontwerpers en radiologen, en zijn begonnen om de borstkankerscreeningworkflow van onderaf te herontwerpen.

Wanneer mammogrammen worden gelezen, kijkt een screeningsradioloog effectief naar een naald in een hooiberg. Terwijl de overgrote meerderheid van de mammogrammen als ‘normaal’ wordt beschouwd – dat wil zeggen, ze bevatten geen tekenen van borstkanker – is een kleine, maar volledig significante minderheid verdacht en vereist verdere analyse.

Dit legt enorme druk op de radioloog om ervoor te zorgen dat geen naalden worden gemist, maar ze moeten ook 98% (of meer) van hun dagelijkse werkleven besteden aan het rapporteren van normale mammogrammen. Het is een combinatie die kan leiden tot fouten en waarin we vanaf de eerste dag hebben geloofd dat AI kan helpen om zowel door menselijke fouten te compenseren als de administratieve last te verminderen. Op deze manier kunnen radiologen meer aandacht besteden aan het vinden van de afwijkingen.

Met dit in gedachten, hebben we samengewerkt met enkele van Duitslands toonaangevende screeningsradiologen om een platform te bouwen dat de hele klinische workflow standaardiseert en verhoogt door het gebruik van geavanceerde AI, automatisering en datamanagementtools. In plaats van radiologen te proberen te vervangen, heeft het Vara-platform als doel om ze te versterken om de processen efficiënter, transparanter en effectiever te maken.

Door ons werk hebben we ook beseft dat, hoewel borstkankerscreening in de meeste Europese landen een vanzelfsprekendheid is, inclusief ons thuisland Duitsland – dat een trotse erfenis heeft van het starten van een bevolkingsgebaseerd screeningsprogramma in 2002 – de meeste landen ter wereld geen screening aanbieden aan vrouwen. We geloven dat elke vrouw het recht heeft op screening en daarom is ons platform ontworpen om overal ter wereld te werken. Onze missie is om gegevensgestuurde borstkankerscreening toegankelijker te maken voor iedereen.

Hoeveel trainingssets zijn gebruikt om de gegevens te trainen, en bevatten deze sets een grote variëteit aan huidtypen?

Onze modellen zijn ontwikkeld op basis van meer dan 7 miljoen mammogrammen met gegevens uit Europa, voornamelijk Duitsland.

Mammogrammen zijn erg vergelijkbaar tussen verschillende bevolkingsgroepen en etnische groepen. Wat varieert over de wereldbevolking is de borstdichtheid (hoeveelheid vetweefsel in de borst), pathologische kankersubtypen, evenals letseltypes en letselsizes.

Bij de evaluatie van Vara hebben we niet alleen de gemiddelde prestatie overwogen, maar ook de prestatie in elke subgroep, d.w.z. vet versus dichte borsten, of kleine versus grote letsels. Onze resultaten laten zien dat we de metrieken van radiologen over alle relevante subgroepen heen kunnen verbeteren.

Dit betekent dat, zelfs als vrouwen uit andere bevolkingsgroepen de neiging hebben om meer dichte borsten te hebben, Vara de standaard van zorg voor hen nog steeds zal verbeteren. We hebben een lokale evaluatie uitgevoerd om de prestatie van de AI in Mexico te begrijpen en om ervoor te zorgen dat we de standaard van zorg daadwerkelijk verbeteren. En we zullen de toekomstige prestatie van Vara in realtime blijven monitoren en in een voortdurend gesprek blijven met onze screeningspartners. Ons doel is om de standaard van zorg in Mexico te verbeteren door een gestandaardiseerde screeningsworkflow te bieden die wordt aangedreven door AI.

Het Vara-systeem gebruikt 3 classificatietypen voor elk mammogram, kunt u bespreken wat deze zijn en hoe ze helpen bij het voorkomen van valse positieven?

Het beslissingsverwijzingspad is een screeningsproces dat door Vara is ontwikkeld, waarin de algoritme alleen een verklaring aflegt voor gevallen waarin het met vertrouwen accurate voorspellingen maakt – en andere gevallen overlaat aan de menselijke expertise.

Het doel van het beslissingsverwijzingspad is om de radioloog te ondersteunen met AI om zowel de gevoeligheid als de specificiteit te verbeteren, d.w.z. om valse negatieven en valse positieven te verminderen. Tegelijkertijd is AI niet perfect en kan het geen 100% correcte voorspellingen maken voor alle gevallen. Daarom is het doel van de beslissingsverwijzing om de menselijke expertise van radiologen te combineren met de technische mogelijkheden van AI van vandaag om zowel te verbeteren.