Dr. James Tudor, MD, VP of AI at XCath – Wywiad

Dr. James Tudor, MD, kieruje integracją sztucznej inteligencji w systemach robotycznych XCath. Prowadzi to pasja do zbiegu techniki i medycyny, z równoczesnym balansowaniem swoich ról jako praktykującego radiologa, asystenta profesora radiologii w Baylor College of Medicine oraz badacza sztucznej inteligencji.

Założona w 2017 roku XCath to startup zajmujący się postępami w dziedzinie robotyki medycznej, nanorobotyki i nauk o materiałach. Firma rozwija systemy robotyczne do endowaskularnej chirurgii i sterowalne przewody prowadzące, które mają na celu leczenie chorób naczyniowych mózgu i innych poważnych schorzeń.

Dr. Tudor, co początkowo zainteresowało Pana związkiem pomiędzy sztuczną inteligencją a medycyną, szczególnie w dziedzinie radiologii?

W 2016 roku, kiedy rozpoczynałem rezydenturę w radiologii, DeepMind’s AlphaGo pokonał mistrza świata w grze Go, Lee Sedola. Możliwość AlphaGo do kompresji i abstrakcji ogromnej złożoności gry Go, która ma więcej możliwych pozycji niż atomów we wszechświecie, zafascynowała mnie. Zainspirowany potencjałem sztucznej inteligencji do transformacji radiologii i medycyny jako całości, zacząłem się zajmować sztuczną inteligencją. Podczas rezydentury spędzałem wieczory i weekendy na projektach związanych ze sztuczną inteligencją.

Proszę opowiedzieć więcej o swojej drodze od studiów medycznych do objęcia stanowiska VP of AI w XCath. Co skłoniło Pana do zajęcia się integracją sztucznej inteligencji w robotyce medycznej?

Moja kariera miała kilka nieoczekiwanych zwrotów. Po ukończeniu rezydentury w radiologii chciałem poświęcić więcej czasu na sztuczną inteligencję i jej komercyjne zastosowania. Dołączyłem do startupu z dziedziny robotyki fitness, założonego przez Eduardo Fonsecę, który jest obecnie CEO XCath. Było to doświadczenie kształtujące, ale nie spodziewałem się, że doprowadzi mnie to do leczenia udarów za pomocą endowaskularnych telerobotów.

Okolo dekady temu nastąpiła rewolucja w leczeniu udarów. Standardowe leczenie polegało na podawaniu leku, który rozpuszczał skrzep. W 2015 roku badania kliniczne wykazały wyższość bezpośredniego usunięcia skrzepu z tętnic mózgu poprzez nawigację cienkich przewodów i cewników w naczyniach, procedurę zwaną mechaniczną trombektomią. Pomimo skuteczności procedury w leczeniu udarów dużych naczyń, mniej niż 40% populacji USA ma dostęp do niej. Istnieje ograniczona liczba ośrodków udarowych, zwykle ograniczonych do obszarów miejskich, które mają specjalistów, którzy mogą wykonać tę procedurę. Na świecie statystyki są jeszcze gorsze: mniej niż 3% ludności świata ma dostęp do niej.

Cel XCath polega na zwiększeniu dostępu do mechanicznej trombektomii za pomocą modelu hub-and-spoke, w którym specjaliści mogą świadczyć specjalistyczną opiekę udarową na odległość za pomocą endowaskularnych telerobotów rozmieszczonych w regionach bez dostępu.

Eduardo zapytał mnie, jak sztuczna inteligencja może zwiększyć bezpieczeństwo systemu telerobotycznego. Byłem tak ciekawy, że spędziłem kilka tygodni na badaniach, rozmowach z interwencjonistami i uczeniu się o telerobocie. Misja i potencjalny wpływ humanitarny są tak kuszące, że musiałem odpowiedzieć na to wezwanie do broni.

Jak Pana doświadczenia jako akademickiego radiologa ukształtowały Pana podejście do integracji sztucznej inteligencji w urządzeniach medycznych?

Nauczanie rezydentów radiologii ukształtowało moją umiejętność wyjaśniania skomplikowanych pomysłów w sposób zrozumiały, co jest kluczowe przy mostkowaniu przepaści pomiędzy technologią sztucznej inteligencji a jej rzeczywistym zastosowaniem w ochronie zdrowia. Utrzymuje mnie to także ugruntowanego w wyzwaniach, z którymi spotykają się klinicyści, co pomaga mi projektować rozwiązania sztucznej inteligencji, które są klinicznie praktyczne i przyjazne dla użytkownika.

Jako VP of AI w XCath, jakie były największe wyzwania, z którymi Pan się spotkał przy integrowaniu sztucznej inteligencji w systemach robotycznych XCath? Jak Pan je przezwyciężył?

Integracja sztucznej inteligencji w robotykę chirurgiczną stanowi wyzwanie w kształcie litery U. Największe trudności leżą na początku – pozyskiwaniu i zarządzaniu danymi – oraz na końcu – integracji ich w pakiecie oprogramowania wbudowanego. W porównaniu, samo szkolenie modeli sztucznej inteligencji jest względnie proste.

Pozyskiwanie danych medycznych jest wyzwaniem, ale na szczęście udało nam się ustanowić doskonałe partnerstwa w zakresie udostępniania obrazów. Wdrożenie modeli do użytku klinicznego wymaga koordynowania wysiłków różnych zespołów, w tym zespołów sztucznej inteligencji, jakości, oprogramowania, UI/UX oraz inżynierów robotyki, przy jednoczesnym ciągłym walidowaniu z zespołem klinicznym, że rozwiązanie jest użyteczne i skuteczne. Ze względu na wiele ruchomych części, sukces ostatecznie zależy od posiadania poświęconych, wysoko wydajnych zespołów, które komunikują się często i skutecznie.

Czy mógłby Pan wyjaśnić, jak sztuczna inteligencja zwiększa możliwości systemów robotycznych XCath, a jaka jest jej rola w poprawie wyników pacjentów?

Algoritmy sztucznej inteligencji mogą służyć jako stały nauczyciel i asystent, zmniejszając obciążenie poznawcze i podnosząc wszystkich świadczeniodawców do poziomu świadczenia opieki na poziomie światowym. Sztuczna inteligencja może zapewnić informacje zwrotne w trakcie i po operacji, przyspieszając proces szkolenia i wdrożenia robotyki endowaskularnej. Naszym celem jest uczynienie systemu tak skutecznym i dostępnym, że inni specjaliści, tacy jak radiolodzy i kardiolodzy interwencyjni, mogą być szkoleni do świadczenia opieki udarowej z użyciem robota.

Ponadto, lokalnie wbudowane algoritmy mogą zapewnić dodatkowy poziom bezpieczeństwa przed atakami cybernetycznymi i awariami sieci, ponieważ mogą one przewidywać oczekiwany przebieg procedury i ostrzegać oraz wstrzymać procedurę w przypadku nieoczekiwanego zdarzenia.

Na koniec dnia nie chcemy odebrać kontrolę interwencjonistom, ale raczej wzmocnić ich zdolności, aby każdy pacjent mógł być pewien, że otrzymuje opiekę na poziomie światowym.

Jak technologia XCath związana ze sztuczną inteligencją rozwiązuje złożoności związane z nawigacją w ludzkich naczyniach podczas procedur endowaskularnych?

System robotyczny XCath reprezentuje znaczący postęp w medycynie precyzyjnej, zaprojektowany do nawigacji w złożonych naczyniach z dokładnością poniżej milimetra. Nasz system jest zaprojektowany do minimalizowania zmienności proceduralnej i zwiększania kontroli nad różnymi urządzeniami endowaskularnymi za pomocą intuicyjnej konsoli sterującej.

Ponadto, system ElectroSteer Deflectable Guidewire XCath, pierwszy na świecie sterowalny przewód prowadzący z elektronicznie sterowanym końcem, został zaprojektowany do nawigacji w skomplikowanych anatomii naczyniowych i trudnych kątach naczyniowych.

Sztuczna inteligencja jeszcze bardziej zwiększy możliwości nawigacyjne za pomocą lokalnie wbudowanych modeli widzenia komputerowego i planowania ścieżki. Te modele odgrywają kluczową rolę w redukowaniu obciążenia poznawczego interwencjonistów podczas procedur, pomagając w analizie obrazu i zapewniając zabezpieczenia za pomocą autonomii równoległej.

XCath osiągnął niedawno znaczący kamień milowy z pierwszą na świecie demonstracją teleroboticznej mechanicznej trombektomii. Czy mógłby Pan podzielić się swoimi spostrzeżeniami na temat roli sztucznej inteligencji w tym przełomowym postępie?

Użyliśmy wcześniejszej wersji robota do tego przełomowego osiągnięcia, więc sztuczna inteligencja nie odegrała w nim roli. Jest to jednak niesamowity kamień milowy, który stanowi podstawę dla przyszłej integracji sztucznej inteligencji w procedurach teleroboticznych.

W tym live demonstracji Dr Vitor Pereira wykonał procedurę MT na symulowanym pacjencie w Korei Południowej, usuwając skrzep krwi w mózgu w ciągu kilku minut. Byliśmy zachwyceni wynikami demonstracji teleroboticznej, która wykazała niską latencję i niezawodne połączenie pomiędzy kontrolerem robota w Abu Zabi a urządzeniem robota w Korei Południowej. Przewidujemy regionalne sieci telestroke, ale poszliśmy do skrajności, aby zademonstrować możliwości technologiczne.

Co Pan uważa za przyszłość chirurgii teleroboticznej w leczeniu ostrych stanów naczyniowych, i jak XCath przygotowuje się do prowadzenia w tym obszarze?

Uzasadnienie konieczności chirurgii teleroboticznej w wielu scenariuszach medycznych może być trudne, szczególnie gdy dostępny jest chirurg lub transfer pacjenta jest wykonalny. Jednak w kontekście leczenia udarów, gdzie każda minuta ma znaczenie, a neurony są szybko tracone, interwencje teleroboticzne stają się kluczowe.

XCath jest wyjątkowo umiejscowiony, aby być pionierem w dziedzinie chirurgii teleroboticznej, początkowo koncentrując się na leczeniu udarów. Nasze podejście rozwiązuje krytyczną potrzebę szybkiej interwencji w obszarach z ograniczonym dostępem do specjalistycznej opieki. Gdy już pomyślnie pokonamy to wyzwanie, wierzę, że otworzy to drogę do rozwiązań teleroboticznych w innych nagłych wypadkach medycznych. Ponadto, biorąc pod uwagę ekstremalną precyzję kontroli robota, istnieje potencjał dla wykorzystania robota lokalnie do wykonywania trudnych operacji, takich jak naprawy tętniaków.

Gdzie Pan widzi przyszłość sztucznej inteligencji w ochronie zdrowia, szczególnie w odniesieniu do systemów robotycznych i procedur mało inwazyjnych?

Sztuczna inteligencja ma ogromny potencjał, aby rewolucjonizować ochronę zdrowia. Pierwsza fala aplikacji sztucznej inteligencji koncentrowała się głównie na triażu i usprawnieniach wydajności. Zauważyliśmy znaczące postępy w radiologii, szczególnie w przypadku flagowania pilnych przypadków lub automatyzacji pomiarów. Jestem również podekscytowany automatycznym dokumentowaniem rekordów medycznych. Obecnie lekarze często spędzają więcej czasu na dokumentowaniu przed komputerami niż na interakcji z pacjentami. Przewiduję rozwój systemów, które mogą dokumentować interakcje pacjentów lub operacje w czasie rzeczywistym, uwalniając cenny czas lekarski. W dziedzinie robotyki sztuczna inteligencja odegra kluczową rolę w asyście i nadzorze, poprawiając spójność i jakość opieki.

W najbliższej przyszłości sztuczna inteligencja będzie wspomagać, a nie zastępować chirurgów. Wdrożenie autonomii równoległej w systemach robotycznych znacząco poprawi bezpieczeństwo i wydajność procedur.

Jako osoba głęboko zaangażowana w badania sztucznej inteligencji, jakie postępy w sztucznej inteligencji Pan uważa za najbardziej istotne dla rozwoju urządzeń medycznych w ciągu najbliższej dekady?

W ciągu ostatnich kilku lat byliśmy świadkami fali modeli głębokiego uczenia nadzorowanego, które otrzymały zatwierdzenie FDA i zaczynają spełniać swoją obietnicę transformacji ochrony zdrowia. Fala aplikacji sztucznej inteligencji generatywnej prawdopodobnie zdominuje najbliższe lata. Sztuczna inteligencja agentycka jest jeszcze w powijakach, ale obiecuje znacznie więcej. Wraz ze szybkim rozwojem sztucznej inteligencji, prawdopodobne jest, że zobaczymy systemy wieloagentowe, które mogą diagnozować i leczyć w czasie rzeczywistym. Będą dodatkowe przeszkody regulacyjne dla tych agentów, których działania są zarówno nieprzezroczyste, jak i probabilistyczne. Jednak globalny popyt będzie napędzał ich wdrożenie. W Rwandzie firma Zipline wykorzystuje latające drony do dostarczania niezbędnych materiałów medycznych w ciągu kilku minut w całym kraju. Podobnie, w miejscach, w których brakuje dostępu do zasobów medycznych, równanie ryzyka i korzyści jest zupełnie inne i prawdopodobnie skłoniłoby ich do przeskoczenia świata rozwiniętego w wdrożeniu urządzeń medycznych z wieloagentową sztuczną inteligencją. Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić XCath.