Chaim Linhart, PhD, współzałożyciel i CTO Ibex Medical Analytics – seria wywiadów

Chaim Linhart, PhD jest CTO i współzałożycielem Ibex Medical Analytics. Ma ponad 25 lat doświadczenia w rozwoju algorytmów, sztucznej inteligencji i uczeniu maszynowym, pochodzącym z akademii, a także służąc w elitarnych jednostkach wojskowych Izraela i w kilku firmach technologicznych. Chaim ma tytuł doktora w dziedzinie informatyki na Uniwersytecie w Tel Awiwie i wygrał wiele konkursów Kaggle na temat uczenia maszynowego.

Od 2016 roku Ibex prowadzi drogę w diagnostyce ścieżek patologicznych z wykorzystaniem sztucznej inteligencji. Firma postawiła sobie za cel transformację patologii, aby każdy pacjent mógł otrzymać dokładną, terminową i spersonalizowaną diagnozę raka. Dziś Ibex jest najbardziej rozpowszechnioną platformą sztucznej inteligencji w patologii. Opracowana przez patologów dla patologów, ich rozwiązania służą najlepszym lekarzom, organizacjom zdrowia i dostawcom diagnostyki na świecie. Każdego dnia Ibex ma przywilej wpływania na życie pacjentów na całym świecie. Platforma zwiększa zaufanie lekarzy, usprawnia procesy diagnostyczne, pomaga klinicystom w dostarczaniu bardziej spersonalizowanych diagnoz i, co najważniejsze, umożliwia lepsze wyniki kliniczne.

Czy możesz podzielić się historią i wizją założenia Ibex oraz jego misją transformacji diagnostyki raka z wykorzystaniem sztucznej inteligencji?

W 2016 roku, mój współzałożyciel, Joseph Mossel, i ja dowiedzieliśmy się o bezpośrednim wpływie rewolucji cyfrowej w patologii na poprawę diagnostyki raka. Radiologia przeszła przez podobną transformację 20 lat wcześniej, co miało znaczący wpływ na sposób praktykowania tej specjalności. Z patologią stając się cyfrową, rozpoznaliśmy możliwość opracowania nowych zaawansowanych narzędzi, które wykorzystują sztuczną inteligencję do wykonywania zaawansowanej analizy obrazu. Skoncentrowaliśmy się na opracowaniu narzędzi zasilanych sztuczną inteligencją, które pomagają lekarzom w osiągnięciu bardziej dokładnych, obiektywnych, powtarzalnych diagnoz, a tym samym pomagają każdemu pacjentowi otrzymać odpowiednią diagnozę, w odpowiednim czasie, co prowadzi do najlepszych możliwych wyników leczenia.

Jak zmienił się krajobraz diagnostyki raka od powstania Ibex w 2016 roku?

Laboratoria przyjmują cyfryzację w coraz szybszym tempie, co zostało dodatkowo przyspieszone przez Covid-19. Rewolucja cyfrowa umożliwiła laboratoriom rozszerzenie ich możliwości poza mikroskopem w sposób istotny i znaczący, wykorzystując sztuczną inteligencję, która pomaga patologom w efektywnej analizie i zrozumieniu wyników.

Obszar diagnostyki raka z wykorzystaniem sztucznej inteligencji rosł wykładniczo, gdy widzieliśmy startupy i inne firmy pracujące nad różnymi aspektami sztucznej inteligencji w patologii w dziedzinie diagnostyki raka. Medycyna precyzyjna, na przykład, to stratyfikacja pacjentów oparta na danych, umożliwiona przez dokładną diagnozę i różne podejścia informatyczne, które prowadzą do optymalnego, spersonalizowanego leczenia. Wzrost medycyny precyzyjnej wiąże się ze zwiększonym zapotrzebowaniem na bardziej złożoną diagnostykę w celu wspierania nowych ukierunkowanych leczeń.

Widzieliśmy również wzrost publikacji naukowych i stowarzyszeń branżowych skupionych na tej dziedzinie. Gdy Joseph i ja uczestniczyliśmy w naszej pierwszej konferencji na temat cyfrowej i komputacyjnej patologii w 2016 roku, sztuczna inteligencja była małym elementem dyskusji na temat diagnostyki raka, ponieważ nie była jeszcze tak powszechna. Teraz, gdy uczestniczymy w dużej konferencji patologicznej, sztuczna inteligencja jest głównym wydarzeniem.

Co odróżnia Ibex od innych firm w dziedzinie patologii zasilanej sztuczną inteligencją?

Gdy mówimy o patologii zasilanej sztuczną inteligencją, istnieją kilka poddziedzin. Są firmy, które priorytetowo traktują aplikacje badawcze, takie jak narzędzia do analizy obrazów tkanek, które pomagają zrozumieć procesy chorobowe na poziomie morfologicznym i komórkowym, na przykład. Po drugie, są firmy, które koncentrują się głównie na aplikacjach klinicznych, czyli produktach używanych w laboratoriach w celu wspierania rutynowej diagnostyki.

Ibex koncentruje się na aplikacjach klinicznych i mamy największą i najbardziej rozpowszechnioną bazę instalacji z patologami na całym świecie, którzy używają naszych narzędzi codziennie do diagnostyki raka. Jesteśmy również partnerem z firmą farmaceutyczną w celu opracowania aplikacji klinicznych zasilanych sztuczną inteligencją, które wspierają patologów w ilościowaniu biomarkerów, umożliwiających ukierunkowane terapie.

Dodatkowo, podczas gdy niektóre firmy koncentrują się na określonych, ograniczonych wskazaniach dla każdego typu guza, takich jak wykrywanie raka, nasze podejście polega na tym, aby nauczyć sztuczną inteligencję analizować wszystko, co patolog widzi w tych tkankach. To nie tylko wykrywanie raka, ale także typ i podtyp raka, stopień, rozmiar, a także morfologie i inne cechy kliniczne związane z rakiem. Wiemy, że patologia to nie tylko określenie, czy pacjent ma raka, czy nie. Chcemy pomóc patologom zrozumieć ogromne korzyści, jakie sztuczna inteligencja przynosi do stołu.

Czy możesz wyjaśnić podstawową technologię za rozwiązaniami Ibex i jak pomaga ona patologom w wykrywaniu i klasyfikacji raka?

Nasze podejście polega na tym, że patolodzy właściwie szkolą maszynę. Mamy dużą grupę patologów na całym świecie, którzy annotują szklanki. Oznacza to, że markują określone obszary w tych szklankach i etykietują je. Mogą oznaczyć niskostopniowego guza, naczynie krwionośne, nerw, stan zapalny itp. Następnie bierzemy te dane i używamy ich do szkolenia modeli sztucznej inteligencji. Zapewnia to, że sztuczna inteligencja jest bardzo dokładna, nawet w przypadku rzadkich i trudnych przypadków, co jest niezwykle ważne. Nasza sztuczna inteligencja jest nauczana przez patologów i jest szkolona do identyfikacji wielu różnych struktur i morfologii tkanek, co jest bardzo pomocne dla patologów i nieuchronnie zwiększa jej dokładność. Dzięki dostępowi do szerokiej gamy danych i wiedzy jesteśmy w stanie udoskonalić naszą sztuczną inteligencję i wdrożyć wnioski uzyskane bezpośrednio w terenie.

Jak Ibex zapewnia kliniczną dokładność w różnych typach raka, takich jak rak piersi, prostaty i żołądka?

To wymaga wiele ciężkiej pracy. Zbieramy dane z wielu partnerów na całym świecie. Upewniamy się, że dane są bardzo różnorodne, z reprezentacją z różnych laboratoriów i różnych technik preparacji tkanek, skanerów i wyników klinicznych. Wzbogacamy dane treningowe o rzadkie typy raka. Zapewnia to, że sztuczna inteligencja jest szkolona na szerokiej gamie cech. Podczas procesu szkolenia mierzymy, co sztuczna inteligencja robi dobrze, i określamy, gdzie należy wprowadzić ulepszenia. Zespół, z ogromnym doświadczeniem w uczeniu maszynowym, testuje sztuczną inteligencję na tysiącach szklanek, które zebraliśmy z różnych laboratoriów. Przeprowadzamy badania i studia kliniczne i porównujemy dwa podstawowe aspekty systemu. Po pierwsze, sprawdzamy jego samodzielną wydajność w porównaniu z prawdą. Po drugie, określamy, jak dokładnie patolog pracuje z i bez sztucznej inteligencji. Robiąc to, zapewniając, że sztuczna inteligencja jest dokładna, niezawodna, bezstronna i bezpieczna. Mierzymy jej wpływ na patologów, którzy używają sztucznej inteligencji. W całym naszych aplikacjach widzimy, że patolog, z pomocą sztucznej inteligencji, osiąga lepsze wyniki (co oznacza bardziej dokładne, wyższe zgodność z prawdą) niż w standardzie opieki (tj. gdy nie są wspierani przez sztuczną inteligencję). Mierzymy również wydajność ich pracy i inne ważne korzyści platformy sztucznej inteligencji, takie jak optymalizacja przepływu pracy w laboratorium i skrócenie czasu oczekiwania (jak szybko pacjent otrzymuje wyniki).

Jakie są niektóre unikalne cechy rozwiązań Ibex, które poprawiają przepływ diagnostyczny i wyniki pacjentów?

Naszy system zintegrowany obejmuje przeglądarkę szklanek, wyniki sztucznej inteligencji i wbudowane narzędzia raportowe. Ten holistyczny system został zaprojektowany w celu poprawy dokładności i produktywności. Przewodzi patologom przez proces diagnostyczny, pokazując im główne wyniki w każdym przypadku i szklance. Zamiast szukać cech, które mogą być małe i trudne do wykrycia, sztuczna inteligencja podkreśla wszystko bardzo wyraźnie. Stamtąd patolog może potwierdzić lub zmodyfikować. Sztuczna inteligencja pokazuje pomiary i ilościowania; również ocenia wszystko. Z wbudowanymi raportami patolog nie musi patrzeć na szklankę, robić diagnozę w swoim umyśle, a następnie iść do innego systemu i raportować wszystko; zamiast tego raportowanie odbywa się podczas zintegrowanego przepływu pracy sztucznej inteligencji. Nawet liczba kliknięć myszą została zoptymalizowana. Wszystko zostało zbudowane z myślą o patologach, aby poprawić dokładność diagnostyczną i wydajność, tworząc lepsze środowisko pracy dla tych lekarzy i lepsze wyniki dla ich pacjentów.

Jak rozwiązania Ibex integrują się z istniejącymi oprogramowaniami cyfrowej patologii i systemami informacji laboratoryjnej?

Współpracujemy z kilkoma dostawcami w branży, którzy sprzedają rozwiązania zarządzania obrazami lub oferują systemy informacji laboratoryjnej. Dla każdego partnera istnieją różne możliwości integracji. W niektórych przypadkach osadzamy naszą sztuczną inteligencję w ich narzędziach, aby patolog mógł używać ich platformy z naszą sztuczną inteligencją w środku. W innych przypadkach integrujemy się z tymi narzędziami w taki sposób, aby patolodzy mogli uruchomić Ibex z innego systemu. Niezależnie od integracji, zawsze chcemy upewnić się, że użytkownicy mają najbardziej optymalny sposób korzystania z sztucznej inteligencji. Dodatkowo, opracowaliśmy otwarty interfejs programistyczny (API), który pozwala stronom trzecim, w tym innym firmom lub działom IT klientów, na pobranie informacji z naszej sztucznej inteligencji i zintegrowanie jej z ich środowiskiem.

Jakie wyzwania stanęły przed Ibex, aby osiągnąć powszechne przyjęcie swoich rozwiązań zasilanych sztuczną inteligencją w patologii?

Wspominając, powiedziałbym, że głównym wyzwaniem, przed którym stanął Ibex, była ogromna złożoność i ilość pracy, wysiłku i czasu niezbędnych do wprowadzenia produktów diagnostycznych na rynek. Obejmuje to podejścia multidyscyplinarne: zbieranie danych, współpracę z patologami, szkolenie sztucznej inteligencji i testowanie jej w sposób rygorystyczny, prowadzenie badań klinicznych i, w niektórych geografiach, uzyskanie zatwierdzenia regulacyjnego – i robienie wszystkiego pod ścisłymi środkami kontroli jakości. W dziedzinie medycznej jest również niezwykle ważne wygenerowanie dowodów naukowych i opublikowanie wyników z wieloma laboratoriami, aby zademonstrować wydajność i korzyści platformy sztucznej inteligencji.

Innym godnym uwagi wyzwaniem jest integracja. Musimy upewnić się, że patolodzy mogą używać sztucznej inteligencji w sposób wydajny i naturalny. Są multiple systemy w laboratorium: cyfrowe skanery patologiczne, system informacji laboratoryjnej i przepływu, oraz narzędzia raportowe. Po prostu upewniamy się, że wszystko łączy się w najbardziej efektywny sposób możliwy, pomimo wyzwań.

Czy możesz podzielić się kilkoma historiami sukcesu lub studiami przypadku z organizacji zdrowia, które wdrożyły rozwiązania Ibex?

Jesteśmy bardzo dumni z naszych partnerstw i globalnego zasięgu. Na przykład, mamy pierwsze krajowe wdrożenie sztucznej inteligencji w Walii – wszystkie rad zdrowia w Walii używają rozwiązania Ibex. Innym przykładem jest CorePlus Laboratories w Portoryko – używają Ibex od kilku lat i opublikowali pracę, która pokazuje wpływ platformy na ich praktykę kliniczną. Na przykład, używając algorytmu sztucznej inteligencji, patolodzy byli w stanie zidentyfikować 160 mężczyzn, którzy w przeciwnym razie zostaliby błędnie zdiagnozowani. Ci pacjenci otrzymali odpowiednie leczenie dzięki wsparciu sztucznej inteligencji. To naprawdę wpływ, jaki robimy. To coś, czego nie możemy zapomnieć – jesteśmy tu, aby wpłynąć na życie ludzi.

Jaką rolę widzisz dla sztucznej inteligencji w przyszłości patologii i diagnostyki raka w ciągu najbliższej dekady?

W ciągu najbliższej dekady będziemy widzieć, jak patolodzy używają sztucznej inteligencji, aby wspierać ich w ich podstawowych wysiłkach diagnostycznych. Wyobrażam sobie, że patolodzy będą używać sztucznej inteligencji w większości swojej pracy, aby upewnić się, że jakość jest wysoka, a wszystko jest obiektywne, powtarzalne i terminowe. Dodatkowo, sztuczna inteligencja pomoże lekarzom robić rzeczy, których nie robią obecnie. Może pomóc im zdecydować, które dodatkowe testy należy wykonać w konkretnym przypadku, a także zapewnić bardziej dokładną prognozę i usprawniony wybór leczenia.

Sztuczna inteligencja będzie integralną częścią całej ścieżki pacjenta, nie tylko części diagnostycznej w laboratorium patologicznym, ale także, na przykład, onkologa, który decyduje o przebiegu leczenia. Uważam również, że sztuczna inteligencja pomoże połączyć dyscypliny. Z czasem różne modalności (patologia, radiologia, genetyka, rekordy kliniczne) będą karmione różnymi modułami sztucznej inteligencji, aby wspierać nową i udoskonaloną medycynę precyzyjną. Z punktu widzenia równości w zdrowiu, pacjenci, którzy nie mają dostępu do najlepszych lekarzy na świecie, będą doświadczać ogromnego skoku w jakości swojej diagnostyki i leczenia. Sztuczna inteligencja przyniesie wszystkich do poziomu prawie eksperta. Każdy zasługuje na dostęp do jakościowej opieki, a sztuczna inteligencja pomoże nam iść w kierunku demokratyzacji dostępu do zdrowia.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Ibex Medical Analytics.