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

Dr. James Tudor, MD, stoi na czele integracji sztucznej inteligencji z systemami robotów XCath. Prowadzony przez pasję do połączenia technologii i medycyny, z entuzjazmem łączy role praktykującego radiologa, asystenta profesora radiologii w Baylor College of Medicine oraz badacza AI.

Założona w 2017 roku XCath to startup zajmujący się postępami w dziedzinie robotyki medycznej, nanorobotyki i nauki o materiałach. Firma rozwija najnowsze systemy robotyczne do zabiegów naczyniowych i sterowalne przewody prowadzące do leczenia zaburzeń naczyniowych mózgu i innych poważnych schorzeń.

Dr. Tudor, co początkowo zainteresowało Pana na styku AI i medycyny, szczególnie w dziedzinie radiologii?

W 2016 roku, gdy rozpoczynałem rezydenturę w radiologii, AlphaGo DeepMind pokonał mistrza świata w go, Lee Sedola. Możliwość AlphaGo do kompresji i abstrakcji ogromnej złożoności gry w go, gry z więcej możliwymi pozycjami na planszy niż atomów we wszechświecie, zafascynowała mnie. Pod wpływem entuzjazmu do potencjału AI do transformacji radiologii i medycyny jako całości, zanurzyłem się w AI. Podczas rezydentury spędzałem wieczory i weekendy na projektach AI.

Czy może Pan opowiedzieć o swojej drodze od studiów medycznych do objęcia stanowiska VP of AI w XCath? Co skłoniło Pana do podjęcia integracji AI w robotyce medycznej?

Moja kariera obrała nieoczekiwany bieg. Po ukończeniu rezydentury w radiologii chciałem poświęcić więcej czasu AI i jej komercyjnym zastosowaniom. Dołączyłem do startupu robotyki fitness, założonego przez Eduardo Fonsecę, który jest obecnie CEO XCath. Było to doświadczenie kształtujące, ale nigdy nie spodziewałem się, że doprowadzi mnie to do leczenia udaru mózgu za pomocą telerobotów naczyniowych.

Około dekadę temu nastąpiła rewolucja w leczeniu udaru mózgu. Standard opieki medycznej stanowiło lek zwany tPA, który rozpuszczał skrzep. W 2015 roku badania kliniczne wykazały wyższość bezpośredniego usunięcia skrzepu z tętnic mózgu przez nawigację cienkich przewodów i cewników w naczyniach, zabieg zwany mechaniczną trombektomią. Pomimo skuteczności zabiegu w leczeniu udarów dużych naczyń, mniej niż 40% populacji USA ma dostęp do niego. Istnieje ograniczona liczba ośrodków udarowych, zwykle ograniczonych do obszarów miejskich, które mają specjalistów, którzy mogą wykonać zabieg. Na świecie statystyki są jeszcze bardziej niekorzystne: mniej niż 3% świata ma dostęp.

Misją XCath jest zwiększenie dostępu do mechanicznej trombektomii za pomocą modelu hub-and-spoke, gdzie specjaliści mogą świadczyć specjalistyczną opiekę udarową na odległość za pomocą telerobotów naczyniowych rozmieszczonych w regionach bez dostępu.

Eduardo zapytał mnie, jak AI może wspomóc bezpieczeństwo systemu teleroboticznego. Byłem tak ciekawy, że spędziłem kilka tygodni na głębokich badaniach, prowadząc rozmowy z interwencjonistami i ucząc się o telerobocie. Misja i potencjalny wpływ humanitarny są tak przekonywujące, że musiałem odpowiedzieć na to wezwanie do broni.

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

Nauczanie rezydentów radiologii uwyraźniło moją umiejętność wyjaśniania skomplikowanych pomysłów w sposób zrozumiały, co jest kluczem do mostowania przepaści między technologią AI a jej rzeczywistym zastosowaniem w ochronie zdrowia. Utrzymuje mnie to także ugruntowanego w wyzwaniach, z którymi spotykają się klinicyści, co pomaga mi projektować rozwiązania AI, które są praktyczne i przyjazne dla użytkownika.

Jako VP of AI w XCath, jakie były niektóre z kluczowych wyzwań, których Pan doświadczył podczas integracji AI z systemami robotów XCath? Jak Pan je pokonał?

Integracja AI z robotyką 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 z tym szkolenie samych modeli AI jest względnie proste.

Pozyskiwanie danych medycznych jest wyzwaniem, ale na szczęście udało nam się nawiązać doskonałe partnerstwa w zakresie udostępniania obrazów. Wdrożenie modeli do użycia klinicznego wymaga koordynacji wysiłków różnych zespołów, w tym AI, Quality, Software, UI/UX i inżynierów robotów, 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 AI ulepsza możliwości systemów robotów naczyniowych XCath? Jaką rolę AI odgrywa w poprawie wyników pacjentów?

Algorytmy AI mogą służyć jako stały nauczyciel i asystent, zmniejszając obciążenie poznawcze i podnosząc wszystkich dostawców do poziomu świadczenia opieki światowej klasy. AI może zapewnić informacje w trakcie i po zabiegu, przyspieszając proces szkolenia i wdrożenia robotyki naczyniowej. Naszym celem jest uczynienie systemu tak skutecznym i dostępnym, że inni specjaliści naczyniowi, tacy jak radiolodzy i kardiolodzy interwencyjni, mogą być szkoleni do świadczenia opieki udarowej z użyciem robota.

Ponadto, lokalnie osadzone algorytmy mogą zapewnić dodatkowy poziom bezpieczeństwa przed atakami cybernetycznymi i awariami sieci, ponieważ mogą one przewidywać oczekiwany przebieg zabiegu i mogą powstrzymać i wstrzymać zabieg w przypadku nieoczekiwanego.

Na końcu dnia nie chcemy odebrać kontroli interwencjonistom, ale wspomóc ich zdolności, aby każdy pacjent mógł być pewien, że otrzymuje opiekę światowej klasy.

Jak technologia AI XCath rozwiązuje złożoności nawigacji w ludzkich naczyniach podczas zabiegów naczyniowych?

System Robotów Naczyniowych XCath reprezentuje znaczący postęp w medycynie precyzyjnej, zaprojektowany do nawigacji w złożonych naczyniach ludzkich z dokładnością mniejszą niż milimetr. Nasz system jest zaprojektowany do minimalizowania zmienności procedury i zwiększania kontroli nad różnymi urządzeniami naczyniowymi za pomocą intuicyjnej konsoli sterowania.

Ponadto, system ElectroSteer Deflectable Guidewire XCath, pierwszy na świecie elektronicznie sterowany przewód prowadzący, ma sterowany koniec zaprojektowany do nawigacji w skomplikowanych anatomii naczyniowych i trudnych kątach naczyniowych.

AI jeszcze bardziej ulepszy możliwości nawigacji z lokalnie osadzonymi modelami widzenia komputerowego i planowania ścieżki. Te modele odgrywają kluczową rolę w zmniejszaniu obciążenia poznawczego interwencjonistów podczas zabiegów, pomagając w analizie obrazu w czasie rzeczywistym i zapewniając zabezpieczenia za pomocą autonomii równoległej.

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

Użyliśmy wcześniejszej wersji robota do tego przełomowego osiągnięcia, więc AI nie odegrało w nim roli. Jest to jednak niezwykły kamień milowy, który stanowi podstawę dla przyszłej integracji AI z procedurami teleroboticznymi.

W tym demonstracyjnym zabiegu Dr Vitor Pereira wykonał zabieg 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 między kontrolerem robota w Abu Zabi a urządzeniem robota w Korei Południowej. Przewidujemy regionalne sieci teleudarowe, ale poszliśmy do skrajności, aby zademonstrować możliwości technologiczne.

Co Pan uważa za przyszłość chirurgii teleroboticznej w leczeniu ostrych schorzeń 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 możliwa jest transfer pacjenta. Jednak w kontekście leczenia udaru, 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 udaru. Nasze podejście rozwiązuje krytyczną potrzebę interwencji w obszarach z ograniczonym dostępem do specjalistycznej opieki. Gdy już pomyślnie pokonamy to wyzwanie, uważam, że otworzy to drogę do rozwiązań teleroboticznych w innych nagłych sytuacjach medycznych. Ponadto, ze względu na ekstremalną precyzję sterowań robota, istnieje potencjał do korzystania z robota lokalnie do wykonywania trudnych zabiegów, takich jak naprawy tętniaków.

Gdzie Pan widzi przyszłość AI w ochronie zdrowia, szczególnie w odniesieniu do systemów robotów i zabiegów mało inwazyjnych?

AI ma ogromny potencjał do rewolucjonizacji ochrony zdrowia. Początkowa fala aplikacji AI koncentrowała się głównie na tryage i usprawnieniach. Zobaczyliśmy znaczące postępy w radiologii, szczególnie w flagowaniu 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 zabiegi w czasie rzeczywistym, uwalniając cenny czas lekarzy. W dziedzinie robotyki AI odegra kluczową rolę w asyście i proktorowaniu, co poprawi spójność i jakość opieki.

W najbliższej przyszłości AI będzie wspomagać, ale nie zastępować chirurgów. Wdrożenie autonomii równoległej w systemach robotów znacząco poprawi bezpieczeństwo i wydajność procedur.

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

W ciągu ostatnich kilku lat byliśmy świadkami fali modeli głębokiego uczenia się, które otrzymały zatwierdzenie FDA i zaczęły spełniać swoją obietnicę transformacji ochrony zdrowia. Fala aplikacji AI generatywnych prawdopodobnie zdominuje najbliższe lata. AI agenty, w porównaniu, są jeszcze w powijakach, ale obiecują znacznie więcej. Ponieważ AI ewoluuje szybko, jest bardzo prawdopodobne, że zobaczymy systemy wieloagentowe, które mogą diagnozować i leczyć w czasie rzeczywistym. Będą dodatkowe przeszkody regulacyjne dla tych agentów, których działania są nieprzezroczyste i prawdopodobne. Jednak globalny popyt będzie napędzał popyt na 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 spowoduje, że przeskoczą one rozwinięty świat w wdrożeniu urządzeń medycznych AI wieloagentowych.

Dziękujemy za wspaniałe wywiady, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić XCath.