Tobias Rijken, mede-oprichter en CTO bij Kheiron Medical Technologies – Interviewreeks

Tobias Rijken is de mede-oprichter en CTO van Kheiron Medical Technologies, een medische beeldvormingbedrijf dat geavanceerde machine learning-technologieën gebruikt om intelligente tools te ontwikkelen en te bieden voor radiologen, radiologische afdelingen, beeldvormingscentra en ziekenhuizen om de efficiëntie, consistentie en nauwkeurigheid van radiologierapporten te verbeteren.

Kheiron Medical Technologies is opgericht met als enige doel om radiologen te helpen borstkanker eerder te detecteren met machine learning-software.

Wat trok je aanvankelijk aan bij machine learning?

Mijn informele introductie tot machine learning was toen ik voor het eerst leerde programmeren toen ik een jonge tiener was. Er was een games-engine waar je je eigen games kon programmeren. Ik wilde dat spel spelen, maar tegen wie speelde ik? Het kon een andere speler zijn, maar het kon ook een programma zijn. Hoe bouw je een programma dat leert hoe het een spel moet spelen? Het was geen moderne AI, het was gebaseerd op regels. Ik won elke keer, dus het was geen goede AI.

Toen ik studeerde voor mijn master aan de University College London, betraden we een nieuwe era van moderne AI. DeepMind was net overgenomen en ik studeerde machine learning op de plek waar DeepMind eigenlijk was opgericht. David Silver, een van de leidende wetenschappers van DeepMind, gaf een cursus over versterking van het leren. Als onderdeel van de cursus bouwde ik een agent om te leren hoe een spel te spelen – een vereenvoudigde vorm van blackjack. Toen ik de AI had voltooid en tegen mijn eigen creatie speelde, kon ik het niet meer winnen. En dat was een echte openbaring.

Mijn formele introductie tot machine learning kwam in mijn eerste jaar van de universiteit. Ik studeerde wiskunde en informatica aan de Amsterdam University College. Tegelijkertijd werden er massive open online cursussen opgericht en ik kon meedoen aan AI-cursussen van toonaangevende figuren in het veld. De cursus die de grootste impact had, was die van Peter Norvig en Sebastian Thrun van Stanford, en ik kon AI studeren met 100.000 mensen tegelijk.

Nu, met Kheiron, vind ik het zo leuk om machine learning toe te passen op de echte wereld. De kans die het heeft om echte problemen op te lossen. Dat is wat me echt enthousiast maakt.

Kunt u de oorsprong van Kheiron Medical vertellen?

Peter en ik ontmoetten elkaar in 2016 bij de Britse accelerator Entrepreneur First. We raakten meteen met elkaar verbonden – waarschijnlijk vanwege onze vergelijkbare achtergronden. We komen allebei uit medische families – Peters moeder is radioloog, ik groeide op in een medische familie, omringd door artsen, en we beiden kozen voor de STEM-route.

Onze achtergronden gaven ons een duidelijk beeld van de strijd en de uitdagingen waarmee zorgverleners te maken krijgen en een begrip van hoe AI hun levens en die van patiënten kan verbeteren. We delen de overtuiging dat AI samen met clinici de zorg zal veranderen ten goede.

Er is een groot probleem dat moet worden opgelost. Er is een wereldwijde tekort aan radiologen. Veel mensen sterven aan kanker – meer dan 40.000 Amerikaanse vrouwen sterven elk jaar aan borstkanker. Een deel van de reden waarom zoveel mensen aan kanker sterven, is dat artsen niet de juiste informatie hebben om de juiste beslissingen te nemen. AI kan helpen bij dat probleem.

Vooral Kheiron is hier om de radioloog te helpen, zodat de radioloog de patiënten kan helpen. Ik word persoonlijk erg gemotiveerd door het probleem te onderzoeken om zijn ingewikkeldheden te begrijpen. We werken allemaal hard om de radiologen en hun werk, de data waar ze dagelijks mee werken, hun workflow te begrijpen. Dan kunnen we bepalen hoe we AI kunnen inzetten als onderdeel van die workflow.

We investeren zwaar in het diep begrijpen van de gebruikers en de data. We hebben radiologen in ons team die ons helpen de gebruikersbehoeften in de ontwerp- en ontwikkelingsprocessen te integreren. We hebben een patiëntenvoorlichtingsinitiatief dat rechtstreeks met vrouwen communiceert om hun angsten en behoeften voor borstscreening te begrijpen.

Veel mensen vragen me naar de naam van ons bedrijf – Kheiron. Kheiron was een wijze, zachte centaur – een wezen dat half mens, half paard is in de Griekse mythologie – die de helden in de geneeskunde trainde. Dit idee van twee helften die samen iets machtigers vormen dan de afzonderlijke delen, is de inspiratie voor Kheiron – AI en de clinici werken samen om de standaard van zorg te veranderen.

Kunt u de borstkankerscreeningoplossingen bespreken die worden aangeboden?

We werken aan verschillende borstkankerscreeningoplossingen langs het borstkankerscreeningpad.

Ons eerste product heet Mia – wat staat voor mammografische intelligente beoordeling. Mia is geoptimaliseerd om dezelfde taak uit te voeren als een radioloog – namelijk, om te bepalen of de vrouw terug moet komen voor verder onderzoek of niet.

Het niveau van prestaties dat we bereiken, stelt ons in staat om de workflow opnieuw te bekijken. Voor Amerikaanse vrouwen is dit buitengewoon betekenisvol. De VS heeft een “single-reader-workflow”. Dit betekent dat elke mammografie door één radioloog wordt bekeken. Echter, het VK en Europa hebben een “double-reader-workflow”, wat betekent dat elke mammografie door twee radiologen wordt bekeken. Veel Amerikaanse radiologen beschouwen dubbele lezing als de “gouden standaard” omdat het waarschijnlijker is om vroege, kleine borstkankers te detecteren dan een enkele lezer.

Onze klinische studies bewijzen dat Mia een klinisch veilige en kosteneffectieve optie is als onafhankelijke of gelijktijdige lezer. Dit betekent dat in de VS, Mia samen met de radioloog kan worden gebruikt om de gouden standaard van een dubbele leesworkflow te bereiken – met één menselijke lezer. Zoals ik eerder zei, is dit echt hoe we de kracht van AI en de mens samen zien om grote problemen op te lossen.

Het eerste product dat we naar de Amerikaanse markt brengen, heet Mia IQ, dat één stap eerder in het borstkankerscreeningpad zit. Mia IQ helpt de radiografietechnici om de kwaliteit van het beeld te analyseren. Als we de kwaliteit van het beeld kunnen verbeteren, zal de kwaliteit van de lezing ook omhoog gaan. En dit betekent dat meer kankers eerder worden gedetecteerd, wanneer de resultaten beter kunnen zijn voor de vrouw.

Dit is heel belangrijk voor MQSA-kwaliteitsborgingsaudits en voor continue training, waar we verwachten dat Mia IQ voor het eerst zal worden toegepast. Mia IQ biedt screeningprogramma’s rapporten over positioneringsproblemen. Dit zal het mogelijk maken voor programmadirecteuren om spottraining te bieden voor technici en bredere beeldkwaliteitsproblemen aan te pakken die van invloed kunnen zijn op hun kwaliteitsborgingsaudits.

Hoeveel beelden is het neurale netwerk getraind op?

Voor ons is de hoeveelheid data niet het punt. Het goede aan de borstkankerscreeningruimte is dat er veel data beschikbaar is. Er is veel historische data omdat screeningprogramma’s al een tijdje bestaan. En omdat je een hele populatie screent, wordt er veel nieuwe data gegenereerd.

De uitdaging is dat de data sterk scheef is. 99% van de screeningpopulatie heeft geen kanker, gelukkig, wat betekent dat er een scheefheid is naar normale beelden. Er zijn ook populatieverschillen, met een gebrek aan diversiteit in de data.

Dus voor Kheiron is de uitdaging niet om de hoeveelheid data te verkrijgen. In plaats daarvan komt een groot deel van ons succes voort uit het begrijpen van welke data we moeten verzamelen om de beste resultaten te behalen, en om zeer selectief en gericht te zijn in waar en hoe we onze data verkrijgen. Onze samenwerking met Emory University is een goed voorbeeld van hoe we dit doen.

Zijn valse positieven momenteel een probleem?

Valse positieven zijn slechts een deel van het probleem. De wetenschap van screening is afhankelijk van compromissen tussen valse positieven en valse negatieven. Bijvoorbeeld, we kunnen een zeer lage valse positieve rate bereiken, maar we zullen enkele kankers missen. Aan de andere kant kunnen we weinig gemiste kankers hebben als we een hoge valse positieve rate hebben. Het is belangrijk om deze compromissen te begrijpen en om uw screeningdienst af te stemmen op prioriteiten en middelen.

Culturele en beleidsverschillen bestaan ook tussen landen, die de manier beïnvloeden waarop deze compromissen worden gemaakt. In sommige landen wordt het missen van een kanker als zeer problematisch beschouwd. In andere landen is het belangrijker om onnodige oproepen te minimaliseren vanwege de zorgkosten die zijn verbonden aan elke oproep.

Uiteindelijk gaat het erom te begrijpen hoe deze compromis patiënten beïnvloedt, in termen van het aantal onnodige oproepen en verdere tests die worden ervaren door de ‘valse positieve’ groep versus de ‘valse negatieve’ groep wiens kankers niet worden gedetecteerd. Het is een moeilijke balans, maar AI belooft de lat te verhogen voor beide groepen.

Kheiron Medical Technologies en Emory University hebben onlangs een samenwerking aangekondigd om data van eerdere mammogrammen van meer dan 50.000 Afro-Amerikaanse vrouwen te evalueren die zijn gescreend bij Emory Healthcare. Kunt u meer details delen over dit project?

Onze samenwerking met Emory University breidt de diversiteit van de data uit die we gebruiken om ervoor te zorgen dat Mia, onze AI-borstkankerscreeningoplossing, voor elke vrouw werkt, ongeacht etniciteit.

Het eerste project in de samenwerking zal de validatie van Mia’s prestaties tegenover Emory’s diverse screeningpopulatie ondersteunen. Dit is een multisite-studie die vier screeninglocaties en ziekenhuizen omvat. Een cohort van meer dan 200.000 screeningmammogrammen zal worden opgenomen in dit project – ongeveer 45% van de vrouwen in dat cohort zijn van Afro-Amerikaanse afkomst.

We hebben deze samenwerking aangekondigd in late november en hebben sindsdien grote vooruitgang geboekt, zelfs gezien de uitdagingen van het opereren onder een wereldwijde pandemie en remote werkomstandigheden. Ik denk dat dit een enorme eer is voor het team van Emory, dat ook clinici zijn die excellente zorg verlenen aan patiënten in de gemeenschap.

Op dit moment investeren we veel energie in het opbouwen van een sterke basis voor ons toekomstig werk. We werken nauw samen met het team van Emory om de klinische workflows te begrijpen. Dit vormt de noodzakelijke basis voor diepgaande analyse en ondervraging van mogelijke verschillen tussen subpopulaties, zoals etnische groepen.

Dit werk is niet gemakkelijk of snel. Niet veel dingen in de zorg zijn dat. Maar het is zeer lonend, en we zijn gelukkig om te profiteren van een set van wereldwijde partners die extreem collaboratief en gealigneerd zijn met ons gedeelde doel: om elke vrouw overal een betere kans te geven tegen borstkanker.

Hoe groot is het probleem van ondervertegenwoordiging van niet-blanke bevolkingsgroepen voor beelddata voor kankerdetectie?

Historisch gezien is de diversiteit van de patiëntpopulatie niet weerspiegeld in medisch onderzoek in de mate waarin dat zou moeten. Wij die AI ontwikkelen, hebben de verantwoordelijkheid om etnische diversiteit in onze studies op te nemen.

Ondervertegenwoordigde populaties zijn een probleem voor borstkankerscreening. De resultaten voor Afro-Amerikaanse vrouwen zijn een voorbeeld hiervan. Afro-Amerikaanse vrouwen hebben over het algemeen hogere sterftecijfers (39% hoger dan niet-Hispanische blanken), en dit kan worden toegeschreven aan toegang tot zorg, vertragingen in de diagnose en vertragingen in de start van de behandeling, onder andere factoren.

De generaliseerbaarheid van AI over verschillende populaties is een belangrijke stap naar het aanpakken van raciale dispariteiten in borstkankerscreening. Ik ben enthousiast dat ons Kheiron-team is toegewijd om een oplossing te bouwen die even goed presteert op mammogrammen van raciaal diverse populaties – en dit is een grote motivator voor ons werk. Onze samenwerking met Emory en UCSF zal ons helpen deze visie van generaliseerbaarheid te bereiken – ervoor te zorgen dat Mia elke vrouw overal een betere kans geeft tegen borstkanker.

Bedankt voor het geweldige interview en voor het werken aan zulke belangrijke levensreddende technologieën. Lezers die meer willen leren, kunnen Kheiron Medical Technologies bezoeken.