Joseph Mossel, medgrunnlegger og CEO av Ibex Medical Analytics – Intervju-serie

Joseph Mossel er CEO i Ibex Medical Analytics. Hans karriere i tech-industrien spenner over mer enn 20 år, fra å starte i programvareutvikling og produktledelse, til å ha ledende stillinger i startup-selskaper, store multinasjonale selskaper og non-profit organisasjoner. Joseph har ledet produkter fra oppstart til å bli multimillion-dollar bedrifter. Han har en mastergrad i datavitenskap fra Tel Aviv Universitet, og en mastergrad i miljøvitenskap fra VU Amsterdam.

Utviklet av patologer for patologer, er Ibex en klinisk, multi-vev plattform som hjelper patologer å oppdage og klassifisere bryst-, prostata- og magesykdom, samt over hundre andre klinisk relevante funn.

Sammen med tredjeparts digitale patologiprogramvareløsninger, skanningsplattformer og laboratorieinformasjonssystemer, leverer Ibex sine AI-drevne arbeidsflyter automatiserte, høykvalitetsinnsikter som forbedrer pasientsikkerheten, øker legeforsikringen og øker produktiviteten.

Hva inspirerte deg til å grunnlegge Ibex Medical Analytics (Ibex), og hva var problemet du ønsket å løse?

Kreft, dessverre, berører alle – enten de er personlig berørt, har vært omsorgsperson for noen med kreft, eller kjenner noen som har vært berørt av kreft. Jeg har slektninger og venner som har vært berørt av kreft, og tragisk nok døde en av våre ansatte av kreft.

Ettersom kreftincidensen fortsatt øker verden over, er det en økende etterspørsel etter kreftdiagnostikk som forverres av en global mangel på patologer, hvis jobber blir mer komplekse med fremgang i behandling og etterspørsel etter mer kompleks diagnostikk.

Vår plattform hjelper å overvinne disse utfordringene ved å gi patologer AI-verktøy som forbedrer nøyaktigheten og strømlinjeformer arbeidsflytene, slik at hver pasient får en nøyaktig og rask diagnose, som er avgjørende både for å lede behandlingsbeslutninger og ultimate pasientresultater.

Vi er stolte av arbeidet vi gjør for våre kunder, mange av dem som avhenger av vår teknologi daglig for å levere bedre diagnoser. Deres tillit til våre løsninger understreker den virkelige innvirkningen vi har, og transformerer feltet patologi og forbedrer pasientresultater.

Kan du fortelle litt om din bakgrunn og hvordan den ledet til ditt arbeid i AI-drevet patologi?

Hvis jeg ser tilbake på min karriere, har det vært to drivkrefter: en søken etter mening og en preferanse for tverrfaglighet over dyb spesialisering. Jeg er heldig å drive et selskap som gir meg en dyp mening og lar meg arbeide med en usedvanlig talentfull gruppe fra ulike bakgrunner og disipliner.

Min opprinnelige akademiske bakgrunn var i datavitenskap, med spesialisering i beregningsnevrovitenskap. Jeg arbeidet deretter som algoritmeingeniør og gikk over til produktledelse. Etter en periode i et stort selskap, bestemte jeg meg for at det ikke var for meg. Jeg tok en grad i miljøvitenskap og drev en miljønon-profit organisasjon i flere år. Bærekraft er fremdeles en lidenskap for meg og regnes som den store utfordringen i vår tid.

For omtrent ti år siden, møtte jeg min medgrunnlegger, Chaim Linhart, som var like drivende til å gjøre en meningsfull forskjell og delte min lidenskap for teknologi. Chaim, til forskjell fra meg, er en spesialist. Han har en doktorgrad i datavitenskap og over 25 års erfaring i algoritmeutvikling, AI og maskinlæring (ML). I de første dagene av Ibex, var Chaim opptatt med å vinne Kaggle (ML)-konkurranser.

Når vi lærte at patologi sakte ble digitalisert, snakket vi om innvirkningen en digital transformasjon i patologi kunne ha på å forbedre kreftdiagnostikk. Hundrevis av selskaper utviklet allerede AI i radiologi, og vi spurte oss selv, hvorfor ikke gjøre det samme i patologi? Det syntes å være en naturlig passform å bringe vår tekniske ekspertise inn i feltet, i tett samarbeid med patologer hele veien.

Hva var noen av de største utfordringene du møtte i de tidlige dagene av Ibex, og hvordan overvant du dem?

Idéen – som vi ikke var de første til å komme opp med – om å anvende AI på patologiske bilder, var den enkle delen. Utførelsen er hard. De tre største utfordringene vi møtte i de tidlige dagene av Ibex, var tilgang til data, tilgang til kapital og tilgang til domenespesifikk kunnskap.

Vi løste datautfordringen gjennom å inngå et partnerskap med Maccabi Health Services of Israel. På det tidspunktet var vi to unge entreprenører uten medisinsk kunnskap som bestemte seg for å åpne et medisinsk startup-selskap i et svært komplekst domene. Likevel trodde Varda Shalev, som ledet Maccabis innovasjonsavdeling på det tidspunktet, på vår visjon, og vi undertegnet en partnerskaps- og data-delingsavtale med Maccabi. På dette tidspunktet kom Dr. Judith Sandbank, sjefpatologen ved Ibex, på bordet som vår Chief Medical Officer (CMO), en stilling hun fortsatt innehar. Med en strategisk partner og en CMO, var vi nå godt posisjonert til å reise en seed-runde, som vi reiste fra Kamet Ventures, et fransk venture-studio som var en del av AXA Insurance.

Vi var nå posisjonert til å gjøre historie. Vi ansatte to ingeniører og utviklet vår første algoritme for prostatakreft-diagnostikk. Når vi var fornøyde med ytelsen, deployerte vi den på Maccabis patologilaboratorium som en andre lesning, hvor vi gjennogå alle sakene etter en opprinnelig lesning av patologen. Til vår overraskelse, innen få dager, varslet systemet en sak med kreft som var blitt oversett av patologen. Så langt vi vet, var dette den første saken noensinne hvor den opprinnelige diagnosen av kreft ble gjort av en algoritme, tilbake i 2018.

Gratulerer med å motta FDA 510(k)-godkjenning for Ibex Prostate Detect! Hva betyr denne godkjenningen for Ibex og det bredere feltet av AI-drevet diagnostikk?

Takk! Denne godkjenningen markerer en betydelig milepæl i Ibex’ reise og eksemplifiserer vår dedikasjon til å utvikle klinisk validerede løsninger som hjelper å forbedre pasienthelse-resultater. Den bekrefter vår forpliktelse til sikkerheten og effikasiteten av våre løsninger og styrker vår evne til å levere banebrytende innovasjon til patologer, til slutt til fordel for pasientene de tjener.

Vi forestiller oss at denne enorme milepælen vil bryte ned barrierer og akselerere adopsjonen av AI og digitalisering i patologi. Vi håper at denne prestasjonen vil styrke bransjeomfattende tillit til at teknologien er enkel å implementere og klar for bred anvendelse. På lang sikt er FDA-godkjenningen et viktig skritt mot å oppnå refundering for AI i patologi og fremme bred adopsjon.

FDA-valideringsprosessen viste en 13% rate av oversette krefttilfeller i opprinnelige benign-diagnoser. Hva forteller dette oss om potensialet for AI å forbedre diagnostisk nøyaktighet?

I de robuste presisjons- og kliniske valideringsstudier som ble utført på flere laboratorier i USA og Europa som en del av FDA-godkjenningen, identifiserte systemet en 13% rate av oversette krefttilfeller i en kohort av påfølgende pasienter som opprinnelig var diagnostisert som benign. Denne statistikken styrker nøyaktigheten og innvirkningen av Ibex’ produkter, og den bekrefter også at Ibex’ AI-plattform kan integreres trygt i kliniske arbeidsflyter, og forbedre diagnostisk presisjon og til slutt forbedre pasientomsorg. Ved å gi en ekstra analyse, hjelper vår teknologi å redusere feil, muliggjøre bedre kliniske beslutninger og fremme pasientsikkerhet.

Hvordan fungerer Ibex Prostate Detect, og hva gjør det unikt i forhold til andre AI-drevne patologiløsninger?

Ibex Prostate Detect er et in vitro diagnostisk medisinsk utstyr som utnytter AI til å generere varmebilder som identifiserer oversatte prostatakreft. Som en sikkerhetsnett, hjelper Ibex Prostate Detect patologer med å sikre at pasientene mottar en nøyaktig diagnose. Den utnytter AI-algoritmer til å forbedre nøyaktigheten av en prostatakreft-diagnose.

Utstyret er ment å identifisere svulster som kan ha blitt oversett av patologen. Hvis mistenkelig vev for prostatakreft blir identifisert, genererer systemet en varsling og inkluderer en varmebilde som retter patologen til områder som sannsynligvis inneholder kreft. Ibex Prostate Detect er den eneste FDA-godkjente løsningen som tilbyr AI-drevne varmebilder for alle områder med en sannsynlighet for kreft, og tilbyr full forklaring til den gjennomgangende patologen.

Kan du forklare hvordan varmebilde-funksjonen hjelper patologer med å identifisere kreftsvulster?

Ibex Prostate Detect er ment å identifisere saker som opprinnelig er diagnostisert som benign for videre gjennomgang av en patolog. Hvis det detekterer vevsmorfologi som er mistenkelig for prostatakreft, inkluderer det en varsling som inneholder en varmebilde av vevsområder i hele bildet som sannsynligvis inneholder kreft, og tilbyr full forklaring til den gjennomgangende patologen.

Generelt er varmebilde nøyaktig og presis, og kan gi patologen områder av bekymring som de kan fokusere på og bestemme den riktige diagnosen. I presisjons- og kliniske valideringsstudier som ble utført som en del av FDA-godkjenningen, viste Ibex Prostate Detects varmebilder ekstremt pikselnøyaktighet og fastslo følgende:

• Nærmest alle kreftområder er dekket av varmebilde (sensitivitet=98,7%).
• Nærmest alt som er høyest sannsynlig å være kreft i varmebilde, er faktisk kreft (PPV=99,6%).
• De oversatte krefttilfellene (falske negativ) som ble identifisert av systemet, ble deretter verifisert av ekspertpatologer, og bekreftet produktets kliniske nytte og fordeler i forhold til den nåværende standarden.

Hvordan differensierer AI-modellen mellom benign og malign vev, og hvordan ble den trent?

Deep Learning-algoritmen er basert på flerskiktede konvolusjonsneurale nettverk, som opererer på flere forstørrelsesnivåer. AI-en er usedvanlig robust, og viser høy nøyaktighet på tvers av flere laboratorier og pasientdemografi. Det er verdt å merke seg at, i tråd med vår mantra om ‘av patologer, for patologer’, ble modellen trent på over en million bilder som ble nøye annotert av verdenskjente patologer ved ledende medisinske sentre. Denne tilnærmingen er kostbar, men vi tror at uten innsikt fra patologer er det svært vanskelig å nå det nivået av ytelse vi sikter mot. Ved å gjøre dette, utstyrer vi alle patologer med ekspertinnsikt, og sikrer at hver pasient, uavhengig av deres lokasjon, mottar en diagnose på nivå med verdens ledende spesialister.

Utenom prostatakreft, arbeider Ibex også med løsninger for bryst- og magesykdom. Hva er neste skritt for selskapet i forhold til nye diagnostiske muligheter?

Ibex har allerede en enorm innvirkning på AI-drevne diagnostiske løsninger for bryst- og magesykdom. Som verdensleder i kliniske utrullinger, bruker mange laboratorier – inkludert de i USA – allerede Ibex-produkter til å transformere sin medisinske praksis. Våre produkter er bevist å levere reell klinisk innvirkning, og patologer både stoler på AI-en og vitner om verdien den bringer. Nå arbeider vi med å lansere en ny type teknologi på markedet, en teknologi som ble utviklet og valideret av Ibex i samarbeid med AstraZeneca (AZN ) og Daiichi Sankyo. Den spesifikke algoritmen som er den første som blir lansert, hjelper med å kvantifisere HER2-uttrykk, som hjelper leverandører å bestemme behandlingsforløpet for pasienten.

I fremtiden vil vi fortsette å utvide våre tilbud for å gi ytterligere innsikt innenfor de vevstypene vi allerede støtter. Vi ser også på å tilby løsninger innenfor andre vevområder og fortsette å forbedre kundens arbeidsflyter.

Hvordan ser du på at AI-drevet patologi vil utvikle seg de neste fem til ti årene?

Jeg forestiller meg at AI vil ha en dyptgående innvirkning på patologiens praksis og måten kreft blir diagnostisert på. Jeg ser ikke at vi erstatter patologer, men som med hver ny teknologisk utvikling, vil praksisen bli transformert. AI vil fortsette å være avgjørende i å håndtere de økende arbeidskraftutfordringene i helsevesenet, spesielt den globale mangelen på patologer og deres økende arbeidsbyrde, drevet av økende krefttilfeller. Implementering av ansvarlig AI vil hjelpe patologer å håndtere arbeidsbyrden mer effektivt, forbedre diagnostisk effisiens og redusere forsinkelser. Ved å automatisere rutineoppgaver, kan AI senke feilrater, forbedre kvaliteten på diagnosen og til slutt øke patologens tillit til arbeidet sitt.

En annen område med stor løfte er å utvide seg beyond den nåværende patologipraksis og inn i området av prediktive algoritmer. Algoritmer som potensielt kombinerer flere modaliteter for å forutsi resultater eller – kritisk – behandlingseffektivitet.

AI kan også forbedre helsemessig likhet gjennom demokratisert helseadgang. Uavhengig av lokasjon, fortjener hver pasient en pålitelig diagnose. Det ville være flott om AI-teknologi ble deployert som en del av standardpraksis i hver patologilaboratorium verden over. Likevel starter dette med samarbeid blant leger, industri og myndigheter for å akselerere deployeringen av denne teknologien – jeg føler at vi skylder det til pasientene.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke Ibex Medical Analytics.