Dr. James Tudor, MD, VP for AI i XCath – Intervju-serie

Dr. James Tudor, MD, leder integreringen av AI i XCaths robotikk-systemer. Drevet av en lidenskap for konvergensen av teknologi og medisin, balanserer han entusiastisk sine roller som praktiserende radiolog, assistant professor i radiologi ved Baylor College of Medicine og AI-forsker.

XCath ble grunnlagt i 2017 og er et startup-selskap som fokuserer på fremtredende teknologi innen medisinsk robotikk, nanorobotikk og materialvitenskap. Selskapet utvikler neste generasjons endovaskulære robotiske systemer og styrbare guidewire rettet mot å behandle cerebrovaskulære lidelser og andre alvorlige medisinske tilstander.

Hva var det som først vekket din interesse for sammenhengen mellom AI og medisin, særlig innen feltet radiologi?

I 2016, da jeg begynte min radiologiske utdannelse, beseiret DeepMinds AlphaGo verdensmesteren i Go, Lee Sedol. AlphaGos evne til å komprimere og abstrahere de enorme kompleksitetene i Go, et spill med flere mulige brettstillinger enn atomer i det observerbare universet, fanget min fantasi. Begeistret over AIens potensiale til å transformere radiologi og medisin som helhet, kastet jeg meg inn i AI. Under utdannelsen tilbrakte jeg kveldene og helgene med å jobbe med AI-prosjekter.

Kan du fortelle oss mer om din reise fra medisinsk skole til å bli VP for AI i XCath? Hva motiverte deg til å søke AI-integrasjon innen helse-robotikk?

Min karrierevei har tatt noen uventede vendinger. Etter å ha fullført min radiologiske utdannelse, ønsket jeg å dedikere mer tid til AI og dens kommersielle anvendelser. Jeg gikk med i et fitness-robotikk-selskap, grunnlagt av Eduardo Fonseca, som nå er XCaths CEO. Det var en formende erfaring, men jeg hadde aldri forventet at det ville føre meg ned veien til å behandle akutt slag med endovaskulære teleroboter.

For omtrent et tiår siden skjedde en revolusjon i akutt slagbehandling. Standardbehandlingen var tidligere et medikament kalt tPA som ville bryte opp blodproppen. I 2015 viste kliniske studier overlegenheten til å fjerne blodproppen direkte fra cerebralarteriene ved å navigere små guidewire og katetre innenfor arterievasculaturen, en prosedyre kalt mekanisk trombektomi. Til tross for at prosedyren var markant effektiv for store kar slag, har mindre enn 40% av den amerikanske befolkningen har tilgang til det. Det er begrenset antall slag-sentre, generelt begrenset til urbane områder, som har spesialister som kan utføre prosedyren. Globalt er statistikkene enda mer dystre: mindre enn 3% av verden har tilgang.

XCaths misjon er å øke tilgangen til mekanisk trombektomi med en hub-og-tal-modell, hvor spesialister kan gi ekspert slagbehandling fra avstand med endovaskulære teleroboter deployert til områder uten tilgang.

Eduardo spurte meg hvordan AI kunne forbedre sikkerheten til telerobotsystemet. Jeg var så nysgjerrig at jeg tilbrakte noen uker med å dykke dypt i forskning, ha samtaler med intervensjonister og lære om telerobotten. Misjonen og det potensielle humanitære innslaget er så overbevisende at jeg måtte svare på oppropet.

Hvordan har dine erfaringer som akademisk radiolog formet din tilnærming til å integrere AI i medisinske enheter?

Å undervise radiologiske studenter har skjerpet min evne til å forklare komplekse ideer tydelig, noe som er nøkkel når man broer gapet mellom AI-teknologi og dens virkelige anvendelse i helsevesenet. Det holder meg også grundet i de utfordringene klinikerne møter, noe som hjelper meg med å designe AI-løsninger som er klinisk praktiske og brukervennlige.

Som VP for AI i XCath, hva er noen av de viktigste utfordringene du møtte mens du integrerte AI i XCaths robotiske systemer? Hvordan overvant du dem?

Å integrere AI i kirurgisk robotikk presenterer en U-formet utfordring. De største vanskelighetene ligger i begynnelsen – å skaffe og håndtere data – og i slutten – å integrere det i en innbygd programvarepakke. I sammenligning er det faktiske treningen av AI-modellene relativt rett frem.

Å skaffe medisinsk data er utfordrende, men heldigvis var vi i stand til å etablere utmerkede bilde-delingspartnerskap. Implementeringen av modellene for klinisk bruk krever å orkestrere anstrengelsene fra ulike team, inkludert AI, Kvalitet, Programvare, UI/UX og robot-teknikere, samtidig som man konstant validerer med det kliniske teamet at løsningen er nyttig og effektiv. Med så mange bevegelige deler, avhenger suksessen ultimate til å ha dedikerte, høy-ytende team som kommuniserer ofte og effektivt.

Kunne du utdype hvordan AI forbedrer kapasiteten til XCaths endovaskulære robotiske systemer? Hva rolle spiller AI i å forbedre pasientresultatene?

AI-algoritmer kan fungere som en konstant lærer og assistent, redusere kognitive belastninger og bringe alle leverandører opp til å gi verdensklasse-omsorg. AI kan gi intraoperative og postoperative tilbakemeldinger, akselerere trening og adopsjonsprosessen for endovaskulær robotikk. Vårt mål er å gjøre systemet så effektivt og tilgjengelig at andre intravaskulære spesialister, som intervensjonskroppsradiologer og intervensjonskardiologer, kan bli trent til å gi akutt slagbehandling med robotten.

Ekstra kan lokalt innbygde algoritmer gi en ekstra sikkerhetsnivå mot cyberangrep og nettverksfeil, da de forventer den forventede prosedyren og kan varsle og pause prosedyren i tilfelle uventede hendelser.

Til slutt ønsker vi ikke å ta kontrollen fra intervensjonisten, men å forbedre deres evner så at hver pasient kan være trygg på at de mottar verdensklasse-omsorg.

Hvordan addresserer XCaths AI-drevne teknologi kompleksitetene ved å navigere i menneskets vasculature under endovaskulære prosedyrer?

XCaths Endovaskulær Robotikk-System representerer en stor fremgang i presisjonsmedisin, designet for å navigere intrikate menneskelige vasculature med sub-millimeter nøyaktighet. Vårt system er designet for å minimere prosedyrvariabilitet og forbedre kontroll over ulike endovaskulære enheter gjennom en intuitiv kontrollkonsoll.

Ekstra har XCaths ElectroSteer Deflectable Guidewire System, verdens første elektronisk kontrollable styrbare smart guidewire, en styrbart spiss som er konstruert for å navigere komplekse vaskulære anatomier og utfordrende karvinklinger.

AI vil ytterligere forbedre navigasjonskapasiteten med lokalt innbygde datavisnings- og sti-planleggingsmodeller. Disse modellene spiller en kritisk rolle i å redusere kognitive belastninger på intervensjonister under prosedyrer ved å assistere med sanntids bildeanalyse og forbedringer og gi sikkerhetsforanstaltninger gjennom parallell autonomi.

XCath nådde nylig en betydelig milepæl med verdens første telerobotske mekaniske trombektomi-demonstrasjon. Kan du dele dine tanker om rollen AI spilte i denne banebrytende prosedyren?

Vi brukte en tidligere versjon av robotten for denne banebrytende prestasjonen, så AI spilte ingen rolle. Likevel er det en fantastisk milepæl som legger grunnlaget for fremtidig integrering av AI i telerobotske prosedyrer.

I denne live-demonstrasjonen utførte Dr. Vitor Pereira en MT-prosedyre fra Abu Dhabi på en simuleringspasient i Sør-Korea, fjernet en blodpropp i hjernen på minutter. Vi var begeistret over resultater fra den telerobotske demonstrasjonen, som fant lav forsinkelse og pålitelig tilkobling mellom den robotiske kontrolleren i Abu Dhabi og den robotiske enheten i Sør-Korea. Vi projiserer regionale robotiske telestroke-nettverk, men vi gikk til et ekstrem for å demonstrere teknologiens kapasiteter.

Hva tror du er fremtiden for telerobotsk kirurgi i behandlingen av akutte neurovaskulære tilstander, og hvordan forbereder XCath seg på å lede i dette området?

Å rettferdiggjøre nødvendigheten av telerobotsk kirurgi i mange medisinske scenarioer kan være utfordrende, særlig når en kirurg er tilgjengelig eller pasientoverføring er mulig. Likevel, i sammenhengen med slagbehandling, hvor hver minutt teller og neuroner raskt går tapt, blir telerobotske inngrep avgjørende.

XCath er unikt posisjonert for å bane vei for telerobotsk kirurgi, først og fremst fokusert på slagbehandling. Vår tilnærming addreserer den kritiske behovet for rask inngripen i områder med begrenset tilgang til spesialisert omsorg. Når vi har mestret denne utfordringen, tror jeg det vil åpne vei for telerobotske løsninger i andre tidskritiske medisinske nødsituasjoner. Dessuten, gitt den ekstreme presisjonen til de robotiske kontrollene, er det potensiale for å bruke robotten lokalt til å utføre teknisk vanskelige operasjoner, som aneurysm-reparasjoner.

Hvor ser du fremtiden for AI i helsevesenet gående, særlig i forhold til robotiske systemer og minimalt invasiv kirurgi?

AI har enormt potensiale til å revolusjonere helsevesenet. Den første bølgen av AI-anvendelser har primært fokusert på triage og effisiensforbedringer. Vi har sett betydelige fremgang i radiologi, særlig i å flagge kritiske saker eller automatisere målinger. Jeg er også begeistret over automatisert medisinsk journaldokumentasjon. En nåværende utfordring er at leger ofte tilbringer mer tid med å dokumentere foran datamaskiner enn å interagere med pasienter. Jeg forventer utviklingen av systemer som kan dokumentere pasientinteraksjoner eller operasjoner i sanntid, og frigjøre verdifull legetid. I området robotikk vil AI spille en kritisk rolle i å assistere og proktore, og dermed forbedre konsistensen og kvaliteten på omsorgen.

Som noen som er dypt involvert i AI-forskning, hva mener du er de viktigste fremgangene i AI som vil ha den mest betydelige innvirkningen på utviklingen av medisinske enheter de neste ti årene?

De siste årene har vi sett en bølge av overvåkede dyptelæringmodeller som har fått FDA-godkjenning og nå bare begynner å innfri sitt løfte om å transformere helsevesenet. En bølge av generativ AI-anvendelser vil sannsynligvis dominere de neste årene. Agentisk AI, i sammenligning, er i sin barndom, men har mye større potensiale. Ettersom AI utvikler seg raskt, er det sannsynlig at vi vil se multi-agent-systemer som kan diagnostisere og behandle i sanntid. Det vil være ytterligere regulatoriske hindre for disse agentene hvis handlinger er både uklare og probabilistiske. Likevel, globalt behov vil drive etterspørselen etter adopsjon. I Rwanda bruker selskapet Zipline flydroner til å levere livsviktige medisinske forsyninger innen minutter over hele landet. På samme måte, i områder som mangler tilgang til medisinske ressurser, er risiko-/fordel-likningen helt annerledes og ville sannsynligvis føre til at de hopper over den utviklede verden i deployeringen av multi-agentisk AI-mediske enheter.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke XCath.