Ilman Shazhaev, współzałożyciel i CEO Acoustery – seria wywiadów

Ilman Shazhaev, jest współzałożycielem i CEO Acoustery, firmy health-tech, która rozwija technologie AI do wczesnego rozpoznawania chorób układu oddechowego.

Co początkowo skłoniło Cię do zainteresowania się informatyką i inżynierią?

Ilość dostępnych danych jest dziś większa niż kiedykolwiek, a technologia AI — która jest bardzo zależna od danych — poczyniła ogromne postępy w ciągu ostatnich kilku lat. To jest powodem, dla którego prowadzenie badań w tej dziedzinie jest tak ekscytujące.

Aktualnie skupiam się na projektach związanych z Big Data. Podczas COVID-19, współzałożyłem Acoustery: w pełni zautomatyzowane rozwiązanie oparte na AI do monitorowania stanu zdrowia na podstawie analizy głosu, kaszlu i oddechu.

Następnym krokiem było połączenie badań zdrowotnych i gier. Dlaczego? Ilość danych generowanych przez tę branżę jest unikalna; co więcej, gracze są wczesnymi użytkownikami gotowymi udostępnić swoje dane i przyczynić się do postępu naukowego. Jednocześnie liczba prowadzonych badań klinicznych jest niska, postęp jest powolny, a sektor gier umożliwia znacznie bardziej dynamiczną obróbkę danych.

Czy mógłbyś opowiedzieć o historii powstania Acoustery?

​​Jak wcześniej wspomniałem, Acoustery zostało założone podczas pandemii. Chociaż możliwości biznesowe w 2020 roku były dość ograniczone, przebywałem w Dubaju, jednym z nielicznych miejsc, gdzie projekt mógł działać bez nadmiernych ograniczeń.

Mój współzałożyciel, dr Dmitry Mikhaylov, profesor Narodowego Uniwersytetu Singapuru, i ja rozpoczęliśmy nowe wyzwanie: wczesne wykrywanie COVID-19. W tym czasie, Zjednoczone Emiraty Arabskie masowo eksplorowały technologie wczesnej diagnozy i w dużym stopniu wspierały projekty AI.

Dzięki temu, uzyskaliśmy dostęp do jednego z najlepszych ośrodków testowych w ZEA: szpitala wojskowego Sheikh Zayed, gdzie mieliśmy dane od setek pacjentów z COVID-19 do treningu naszego silnika AI.

Na następnym etapie, testy pokazały, że nasza technologia była bardzo dokładna i miała duży potencjał. Badacze opublikowali swoje wyniki w najlepszych czasopismach w Japonii i USA, a nasza metoda testowa była używana w kilku azjatyckich krajach podczas pandemii jako narzędzie awaryjne.

Gdy COVID-19 się skończył, skupiliśmy się na wykrywaniu astmy przy użyciu tego samego podejścia. Uniwersytet Szarjah, który obecnie prowadzi badania w ZEA, zatwierdził te testy.

Jak dokładny jest ten system w porównaniu z testami PCR, LFT i testami przeciwciał w przypadku COVID-19?

Wartość predykcyjna pozytywna Acoustery w kontekście przesiewowych badań populacyjnych w kierunku COVID-19 jest stosunkowo wysoka (81%) w porównaniu z Xpert MTB/RIF, nowym testem, który rewolucjonizuje wykrywanie i kontrolę gruźlicy poprzez przyczynianie się do szybkiej diagnostyki choroby (61%) i PCR wymazów z gardła (71%).

Nasze wyniki pokazały, że oprogramowanie opracowane przez Acoustery może być używane jako podstawowe nie laboratoryjne narzędzie przesiewowe do wykrywania przypadków COVID-19 i kierowania pacjentów do laboratoriów do testów PCR.

Czy mógłbyś powiedzieć więcej o użytej maszynie do treningu AI?

Założyliśmy, że aby uzyskać dokładną szybkość wykrywania COVID-19, możemy trenować sieci konwolucyjne i rekurencyjne do diagnozowania choroby poprzez analizę spektrogramów kaszlu i oddechu pacjentów. Spektrogram jest sposobem wizualnego przedstawiania siły sygnału na różnych częstotliwościach. Liczba badań medycznych pokazała znaczne różnice między kaszlem pacjentów, którzy mieli COVID, a tymi, którzy nie mieli, więc trenowaliśmy nasz silnik AI do rozpoznawania takich różnic.

Rozwój Acoustery może być użyty do diagnozowania choroby Alzheimera, która jest powszechnie postrzegana jako zaburzenie neurologiczne. Jak to działa?

Nasze badanie bada, w jaki sposób pomiary mowy mogą być związane z profilami językowymi u uczestników z chorobą Alzheimera (AD) i jak te profile mogą odróżnić AD od zmian związanych z normalnym starzeniem się. Aby to osiągnąć, nasz AI analizuje proste zdania wypowiadane przez starszych dorosłych z i bez AD, od procentu i liczby przerw w głosie po shimmer (amplitudowy współczynnik perturbacji) i współczynnik szumu do harmonicznych. Dokładność tej analizy sięga 90%.

Później użyliśmy tego samego podejścia w Farcana Labs – przedsięwzięciu skupiającym się na zbieraniu Big Data generowanych przez graczy do badań postępu choroby, szczególnie w przypadku zaburzeń psychicznych.

Jakie inne choroby mogą być diagnozowane przy użyciu tej metody?

Asthma jest naszym głównym priorytetem teraz. Gruźlica jest kolejnym punktem, a także przewlekła obturacyjna choroba płuc (COPD), włóknienie płuc, zapalenie płuc i rak płuc.

Jak duże są zbiory danych treningowych dla tych przypadków użycia?

Mamy tysiące nagrań kaszlu w naszej bazie danych zebranych w ciągu ostatnich czterech lat.

Jaką wizję masz dla przyszłości diagnostyki medycznej w ogóle?

Dane zebrane przez urządzenia osobiste będą odgrywać znaczącą rolę w diagnozowaniu chorób we wczesnym stadium i zapobieganiu pandemiom. Nawet nasze telefony komórkowe mają wiele czujników: mikrofon jest tylko jednym z nich. Przyspieszenia, które mogą analizować umiejętności motoryczne i wykrywać wiele chorób, są kolejnym.

Chociaż te technologie nie powinny być jedynym źródłem diagnozy, mogą one znacznie pomóc w przewidywaniu i zapobieganiu rozprzestrzenianiu się chorób układu oddechowego — i, w konsekwencji, nowych pandemii. Acoustery może być również używane w krajach rozwijających się, gdzie dostęp do testów PCR jest ograniczony.

Wygląda na to, że masz wiele projektów w toku; jakie są inne ekscytujące przypadki użycia, które widzisz dla AI?

Przestrzeń AI jest unikalna. Jako badacze AI, koncentrujemy się na niszach, które generują duże ilości danych, które są niezbędne do wszelkich badań AI. Potrzebujemy dużej liczby pacjentów, aby skompilować jakościowe zestawy danych, więc mamy kilka badań prowadzonych równolegle i eksplorujemy kilka pionów biznesowych.

Widzimy gry jako obszar, w którym generowana jest ogromna ilość danych. Dziś ludzie grają w wiele gier wideo, co jest cennym źródłem danych dla badań zdrowia. Zbieranie danych z urządzeń osobistych i nosimych jest kolejnym wektorem o dużym potencjale.

W ogóle, jest ekscytujące, że możemy teraz eksplorować tę technologię, i wierzę, że ma ona jeszcze więcej potencjału do wykorzystania w innych sektorach.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Acoustery.