Ilman Shazhaev, Współzałożyciel i Dyrektor Generalny Acoustery – Seria Wywiadów

Ilman Shazhaev jest współzałożycielem i dyrektorem generalnym Acoustery, firmy z branży health-tech, która rozwija technologie sztucznej inteligencji do wczesnego rozpoznawania chorób układu oddechowego.

Czym zostałeś zainteresowany informatyką i inżynierią?

Dziś mamy do dyspozycji ogromne ilości danych, a technologia sztucznej inteligencji, która jest bardzo zależna od danych, poczyniła ogromne postępy w ciągu ostatnich kilku lat. Dlatego też prowadzenie badań w tej dziedzinie jest tak ekscytujące.

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

Następnym krokiem było połączenie badań nad zdrowiem i grami. Dlaczego? Ilość danych generowanych przez tę branżę jest unikalna; ponadto 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 możesz opowiedzieć o historii powstania Acoustery?

Jak już wspomniałem, Acoustery powstało podczas pandemii. Chociaż możliwości biznesowe w 2020 roku były dość ograniczone, przebywałem w Dubaju, jednym z nielicznych miejsc, gdzie projekt mógł funkcjonować bez nadmiernych ograniczeń.

Mój współzałożyciel, dr Dmitry Mikhaylov, profesor Narodowego Uniwersytetu w Singapurze, i ja rozpoczęliśmy nowe wyzwanie: wczesne wykrywanie COVID-19. W tym czasie Zjednoczone Emiraty Arabskie intensywnie eksplorowały technologie wczesnej diagnozy i szeroko wspierały projekty związane z sztuczną inteligencją.

Dzięki temu uzyskaliśmy dostęp do jednego z najlepszych ośrodków testowych w ZEA, szpitala wojskowego Sheikh Zayed, gdzie mieliśmy dostęp do danych od setek pacjentów z COVID-19, aby przeszkolić nasz silnik sztucznej inteligencji.

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

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

Jak dokładny jest ten system w porównaniu z testami PCR, LFT i testami na przeciwciała?

Wartość predykcyjna Acoustery w kontekście ogólnoświatowych badań przesiewowych w kierunku COVID-19 jest dość wysoka (81%) w porównaniu z Xpert MTB/RIF, nowym testem, który rewolucjonizuje wykrywanie i kontrolę gruźlicy, przyczyniając się do szybkiej diagnozy choroby (61%) i testów PCR z wymazów z gardła (71%).

Nasze wyniki wykazały, że oprogramowanie opracowane przez Acoustery może być stosowane jako podstawowe narzędzie przesiewowe poza laboratorium do wykrywania przypadków COVID-19 i kierowania pacjentów do laboratoriów do testów PCR.

Czy możesz opowiedzieć o zastosowanej technice machine learning do szkolenia sztucznej inteligencji?

Założyliśmy, że aby uzyskać dokładną stawkę wykrywania COVID-19, możemy przeszkolić sieci konwolucyjne i rekurencyjne do diagnozowania choroby poprzez analizę spektrogramów kaszlu i oddechu pacjentów. Spektrogram jest sposobem wizualnego przedstawiania siły sygnału na różnych częstotliwościach. Liczne badania medyczne wykazały znaczne różnice między kaszlem pacjentów z COVID a tymi, którzy nie mieli COVID, więc nasz silnik sztucznej inteligencji został przeszkolony do rozpoznawania takich różnic.

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

Nasze badanie dotyczy tego, w jaki sposób pomiary mowy mogą być powiązane z profilami językowymi u osób z chorobą Alzheimera (AD) i jak te profile mogą odróżniać AD od zmian związanych z normalnym starzeniem się. Aby to osiągnąć, nasz silnik sztucznej inteligencji analizuje proste zdania wypowiadane przez starszych dorosłych z i bez AD, od procentu i liczby przerw w głosie po shimmer (współczynnik perturbacji amplitudy) i stosunek szumu do harmonicznych. Dokładność tej analizy sięga 90%.

Później zastosowaliśmy to samo podejście w Farcana Labs – przedsięwzięciu zajmującym się gromadzeniem danych Big Data generowanych przez graczy do badania przebiegu chorób, szczególnie zaburzeń psychicznych.

Jakie inne choroby mogą być diagnozowane przy użyciu tej metody?

Astma jest naszym głównym priorytetem obecnie. Gruźlica jest kolejnym punktem zainteresowania, a także przewlekła obturacja dróg oddechowych (COPD), włóknienie płuc, zapalenie płuc i rak płuc.

Jak duże są zbiory danych szkoleniowych dla tych przypadków użycia?

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

Jaką wizję masz na przyszłość 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 znacznie pomóc w przewidywaniu i zapobieganiu rozprzestrzenianiu się wysoce zakaźnych chorób układu oddechowego — a tym samym nowych pandemii. Acoustery może być również stosowane w krajach rozwijających się, gdzie dostęp do testów PCR jest ograniczony.

Wygląda na to, że masz wiele projektów w toku; jakie inne ekscytujące przypadki użycia widzisz dla sztucznej inteligencji?

Przestrzeń sztucznej inteligencji jest unikalna. Jako badacze sztucznej inteligencji, skupiamy się na niszach, które generują duże ilości danych, co jest niezbędne do wszelkich badań sztucznej inteligencji. Potrzebujemy dużej liczby pacjentów, aby skompilować jakościowe zestawy danych, więc mamy kilka badań prowadzonych równolegle i badamy kilka pionów biznesowych.

Widzimy branżę gier jako obszar, w którym generowana jest ogromna ilość danych. Dziś ludzie grają w wiele gier, co jest cennym źródłem danych dla badań nad zdrowiem. Gromadzenie danych z urządzeń osobistych i nosimych jest kolejnym wektorem o znacznym potencjale.

Wszystko wskazuje na to, że jest ekscytujące, że możemy badać tę technologię, i wierzę, że ma jeszcze więcej potencjału, który można wykorzystać w innych sektorach.

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