Ophir Tanz, założyciel i dyrektor generalny Pearl – seria wywiadów

Ophir Tanz jest założycielem i dyrektorem generalnym firmy Perła, firmy, która powstała z przekonania, że ​​sztuczna inteligencja może być zawsze aktywnym asystentem lekarza dentysty i najbardziej godnym zaufania przyjacielem pacjenta. Jej założyciele mają wyjątkowo osobiste podejście do zawiłości branży dentystycznej, a także wiedzę i wykształcenie umożliwiające wykorzystanie pełnego i praktycznego potencjału, jaki ma do zaoferowania sztuczna inteligencja.

Co początkowo przyciągnęło Cię do sztucznej inteligencji?

Sztuczną inteligencją interesuję się od czasów studiów. Dostrzegłem w tym wiele możliwości i to skłoniło mnie do wykorzystania ich do tworzenia nowych możliwości i zastosowań komercyjnych. W szczególności interesowałem się widzeniem komputerowym – dziedziną sztucznej inteligencji, w której uczymy komputery widzieć, przetwarzać i rozumieć świat w taki sam sposób, jak ludzki mózg – więc po ukończeniu studiów założyłem firmę GumGum, która skupiała się na w sprawie zastosowania wizualnej inteligencji maszynowej do budowania wartości w kategorii mediów cyfrowych. Chociaż dość wcześnie zrozumiałem siłę sztucznej inteligencji, gdy rozwijałem tę firmę, uderzyło mnie, jak zaawansowana i praktyczna staje się ta dziedzina – i zacząłem coraz bardziej interesować się szerszymi zastosowaniami tej technologii.

Twoja pierwsza firma GumGum, która specjalizowała się w wykorzystaniu sztucznej inteligencji w reklamie kontekstowej, odniosła ogromny sukces. Czemu przypisujesz ten sukces?

Myślę, że tym, co pozwoliło firmie GumGum odnieść taki sukces, był nacisk, jaki położyliśmy na zastosowanie sztucznej inteligencji i innowacje. Jest to przede wszystkim firma zajmująca się reklamą cyfrową, ale mimo że działaliśmy w szerszych ramach tej kategorii, praca, którą wykonaliśmy ze sztuczną inteligencją, tak naprawdę nie ograniczała się do tej kategorii. Oznaczało to, że byliśmy w równym stopniu firmą technologiczną, co adtech, co stworzyło znaczące zróżnicowanie. Nasze nastawienie na sztuczną inteligencję doprowadziło nas do wprowadzenia innowacji w obszarach wykraczających poza naturalne ograniczenia reklamy cyfrowej – w wycenie sponsoringu i oczywiście w stomatologii. Ponieważ nigdy nie skupialiśmy się na byciu „tylko firmą reklamową” i stale szukaliśmy sposobów na ulepszenie działalności, GumGum mogło rozwijać się wraz z nami w miarę poszerzania się naszej wizji oraz ewolucji podstawowej technologii i dziedziny sztucznej inteligencji.

Czy mógłbyś podzielić się historią powstania swojego nowego startupu AI, Pearl?

Po założeniu GumGum i skupieniu się na wizji komputerowej wiedziałem, że możemy zrobić więcej dzięki tej technologii, i zawsze poszukiwałem nowych zastosowań. Opieka zdrowotna i radiologia były dla mnie szczególnie interesujące, a także stanowiły jasne zastosowania typu uczenia maszynowego stosowanego przez GumGum. Uruchomiliśmy oddział stomatologiczny o nazwie GumGum Dental, który był genezą Pearl. Zdecydowałem się całkowicie wydzielić dział stomatologiczny, ponieważ wierzyłem, że szansa uzasadnia utworzenie samodzielnej firmy. Myślę, że można powiedzieć, że w pewnym sensie tak miało być – mój ojciec był dentystą, a ja dorastałem, pomagając w jego gabinecie, więc przejście i skupienie się na branży dentystycznej było dla mnie trochę powrotem do domu. Ale to nie jest tak, że moje dziecięce powiązania ze stomatologią były głównym bodźcem do poprowadzenia Pearl jako nowego przedsięwzięcia. Mocno wierzę, że wizja komputerowa i sztuczna inteligencja odmienią stomatologię i globalną opiekę zdrowotną, dlatego chciałam móc poświęcić projektowi tyle uwagi, na ile moim zdaniem na to zasługuje.

Czy mógłbyś omówić systemy widzenia komputerowego i uczenia maszynowego wykorzystywane do skanowania zdjęć rentgenowskich i trójwymiarowych obrazów dentystycznych?

Widzenie komputerowe to forma sztucznej inteligencji, która uczy komputery „widzieć” w podobny sposób, jak ludzie. Wprowadzamy duże ilości danych obrazów dentystycznych z adnotacjami ekspertów do szeregu algorytmów modelowanych na sieciach neuronowych w ludzkim mózgu. Studiując obrazy z adnotacjami, sieć uczy się, jak rozpoznawać patologie zębów tego rodzaju, które zostały zaznaczone na obrazach z adnotacjami. Proces ten nazywany jest „uczeniem się pod nadzorem”. Ucząc komputer w ten sposób, może on nauczyć się rozpoznawać obrazy w sposób niedosłowny. Na przykład uczy się, jak rozpoznać obiekt częściowo zasłonięty lub taki, który można oglądać tylko pod pewnymi kątami, przyswajając tysiące różnych przykładów i tworząc zasadniczo komputerową wersję mentalnego obrazu tego obiektu.

Nauczyliśmy naszej sztucznej inteligencji i algorytmów uczenia maszynowego, budując dużą kolekcję radiogramów i współpracowaliśmy z dentystami i radiologami nad etykietowaniem obrazów, a następnie wykorzystaliśmy te oznaczone obrazy do nauczenia systemu interpretacji nowych obrazów. Teraz dysponujemy sztuczną inteligencją, która może wskazywać potencjalne problemy, które można zidentyfikować na zdjęciach rentgenowskich, i pomagać dentystom w dokładniejszym i spójnszym odczytywaniu zdjęć rentgenowskich pacjentów.

W przypadku naszych systemów obrazów 3D stosujemy podobne podejście, ale z różnymi klasami algorytmów. W przypadku 3D szkolenie może być bardziej złożone, ponieważ obrazy 3D zawierają znacznie więcej danych, co czasami sprawia, że ​​adnotacje są bardziej pracochłonne. Oczywiście, ponieważ danych jest o wiele więcej, po przeszkoleniu systemu w zakresie interpretacji obrazu 3D będzie on w stanie dokonywać bardziej precyzyjnych ustaleń. Zasadniczo wygląda to tak samo, jak w przypadku człowieka, który patrzy na wiązkę stożkową w porównaniu z tradycyjnym radiogramem zgryzowo-skrzydłowym: w tomografii komputerowej ze wiązką stożkową (CBCT) możemy zobaczyć każdą najdrobniejszą fasetkę zęba, ale często możemy dostrzec tylko niektóre podstawowe zęby struktury w zgryzie. Sztuczna inteligencja stoi przed tym samym wyzwaniem.

Jakiego rodzaju informacje lub diagnozę ujawnia ten system?

Nasz radiologiczny system AI może wykryć szeroką gamę stanów patologicznych i niepatologicznych, cech odtwórczych i naturalnej anatomii. Próchnica, pomiar ubytku kości, przejaśnienie okołowierzchołkowe, kamień nazębny, stłoczenie, kamień nazębny, zatrzymanie, WPL, furkacja, obturacja, rozbieżność brzeżna – lista jest zbyt długa, aby wyliczyć wszystko i stale się powiększa. Wiele z tych funkcji jest uwzględnionych w Second Opinion, naszej pomocy do wykrywania patologii w czasie rzeczywistym, obecnie dostępnej w Kanadzie, Australii, Europie i kilku innych terytoriach, a większość z nich jest stosowana w Practice Intelligence, naszym dostępnym rozwiązaniu do wywiadu klinicznego, które nie jest skierowane bezpośrednio do pacjenta do praktyk w USA i na całym świecie

Na jakim typie danych obrazowych przeszkolono system?

Nasz system wykrywania patologii radiologicznych został przeszkolony w zakresie zdjęć rentgenowskich zgryzu, okołowierzchołkowych i panoramicznych, które są najczęściej stosowane w diagnostyce stomatologicznej – czyli rodzajów zdjęć rentgenowskich, które wykonuje się u dentysty mniej więcej co dwa lata oraz w miarę potrzeb. Obrazy radiologiczne są stosunkowo łatwe do uzyskania w stomatologii w porównaniu z innymi dziedzinami medycyny, a rocznie wykonuje się więcej zdjęć rentgenowskich zębów niż w przypadku jakiejkolwiek innej formy radiografii. Kosztowną i czasochłonną częścią jest sprawdzenie przez ekspertów i dodanie adnotacji do zdjęć rentgenowskich. Zebraliśmy największą na świecie kolekcję oznakowanych zdjęć rentgenowskich zębów. Ta dostępność danych radiograficznych jest jednym z powodów, dla których dziedzina stomatologii jest tak podatna na zakłócenia ze strony sztucznej inteligencji.

Jakiego rodzaju poprawę wydajności i dokładności zaobserwowano w systemie Pearl w porównaniu z ręcznym przeglądaniem obrazów przez człowieka?

Przeprowadziliśmy kilka dużych badań na tysiącach zdjęć rentgenowskich i u setek dentystów, aby przetestować dokładność naszego systemu, zarówno jako samodzielnego systemu wykrywania, jak i używanego jako pomoc dentystom. Przyjrzeliśmy się dokładności każdego typu wykrywania, a także ogólnie wszystkim wykryciom obsługiwanym przez system. Istnieją różnice w dokładności pomiędzy poszczególnymi klasami wykrywania i dokładność waha się od około 84-96 procent. Ogólnie rzecz biorąc, system jest poprawny w nieco ponad 92 procentach przypadków. To całkiem nieźle, a system jest nadal udoskonalany.

Oczywiście te wartości bezwzględnej dokładności nie są w rzeczywistości tak orientacyjne, jak względna dokładność systemu w porównaniu z dokładnością dentystów-ludzi. Gdyby dokładność człowieka wynosiła 60%, system sztucznej inteligencji, który byłby dokładny tylko w 70% przypadków, zapewniłby znaczną przewagę korzystającym z niego dentystom. W przeprowadzonych przez nas badaniach, które obejmowały niezależny element ludzki, odsetek dentystów wahał się w granicach 70–85%. Istnieją jednak znaczne różnice między poszczególnymi dentystami, więc z pewnością jest kilku dentystów, którzy są równie dokładni lub bardziej dokładni niż nasz system, a znaczny odsetek jest znacznie mniej dokładnych. Aby ocenić korzyści płynące z systemu, chcemy zaobserwować wzrost dokładności dla dentysty podczas korzystania z systemu w porównaniu z tym samym dentystą, gdy go nie używa. Nasze badania pokazują wyraźną korzyść w tym zakresie.

Teraz, gdy Druga Opinia jest stosowana w praktyce, musimy przeprowadzić więcej badań, przyglądając się wpływowi w świecie rzeczywistym. Zaczynamy to robić z pomocą partnerów akademickich w Niemczech. Czy przyspiesza to wizyty pacjentów? Czy ułatwia lepszą komunikację lekarz-pacjent? Czy zwiększa to zaufanie pacjentów? Czy zwiększa to akceptację sprawy? Obecnie pracujemy nad odpowiedzią na te pytania. Docelowo chcielibyśmy zbadać wpływ systemu na wyniki zdrowotne pacjentów, ale jest to projekt długoterminowy.

Powinienem zauważyć, że ponieważ Practice Intelligence jest częściowo narzędziem analitycznym, które może ocenić charakterystykę zdrowia pacjenta w całej praktyce oraz skuteczność lekarzy w zakresie diagnostyki i planowania leczenia, w rzeczywistości mamy pewne pojęcie o tym, jak sztuczna inteligencja może wpłynąć na opiekę nad pacjentem. Nie jest to badanie w stylu akademickim, ale niedawno przeprowadziliśmy badanie, w którym analizowaliśmy dane produkcyjne z dziesięciu biur obsługujących technologię Practice Intelligence w okresie jednego miesiąca. W ciągu tego miesiąca system wykazał średnio ponad 84,000 84,000 dolarów na praktykę w postaci potencjalnych utraconych możliwości leczenia na wcześniejszych zdjęciach rentgenowskich pacjentów, którzy mieli zaplanowane wizyty w tym okresie. Dzięki potencjalnym możliwościom w wysokości 12,500 23,800 dolarów gabinetom udało się zrealizować średnio XNUMX XNUMX dolarów na leczenie odtwórcze i dodatkowe XNUMX XNUMX dolarów na leczenie specjalistyczne. Ten impuls wynika z możliwości leczenia, które wcześniej zostały utracone. Ponieważ zostało ono zakończone, możemy przyjąć, że zabiegi te były konieczne i powinny zostać przeprowadzone po poprzednich wizytach pacjentów. Było to nieformalne studium przypadku, ale wydaje się wyraźnie pokazywać, że sztuczna inteligencja przynosi znaczne korzyści zarówno pacjentom, jak i praktykom, którzy z niej korzystają.

Co Twoim zdaniem powstrzymuje szersze zastosowanie sztucznej inteligencji w klinikach dentystycznych?

Odbiór był zdecydowanie pozytywny ze strony dentystów korzystających z Drugiej Opinii za granicą oraz ponad tysiąca gabinetów, które wdrożyły Practice Intelligence w USA, zatem istnieje segment branży, który już pragnie szerokiej integracji sztucznej inteligencji w stomatologii. Jednak szersze przyjęcie wymaga szerszej świadomości. Sztuczna inteligencja to nowość w dziedzinie stomatologii. Kiedy zaczynaliśmy zajmować się radiologią stomatologiczną jako GumGum Dental, według mojej wiedzy byliśmy jedynym przedsiębiorstwem komercyjnym zaangażowanym w ten wysiłek. To było pięć lat temu. Pierwsze rozwiązania rynkowe pojawiły się pod koniec 2019 r. i dotyczyły zastosowań ubezpieczeniowych i laboratoryjnych, a nie klinicznych. W 2020 roku uruchomiliśmy Practice Intelligence, a we wrześniu 2021 Second Opinion weszliśmy na rynek światowy. Dla większości dentystów sztuczna inteligencja jest nowością. Trzeba je poznać i nauczyć, co może, a czego nie. Istnieje kilka błędnych przekonań na temat sztucznej inteligencji, które należy przezwyciężyć. Niektórzy dentyści mogą na przykład postrzegać sztuczną inteligencję jako zagrożenie. Te błędne przekonania zostaną rozwiane, gdy dentyści staną się lepiej poinformowani o jego użyteczności. Korzyści ze sztucznej inteligencji są zasadniczo atrakcyjne – wyższy standard opieki, lepsza higiena jamy ustnej, lepsze wyniki finansowe dla gabinetów – spodziewam się więc, że wdrażanie sztucznej inteligencji szybko przyspieszy, gdy znajomość sztucznej inteligencji w stomatologii osiągnie masę krytyczną.

Jaka jest Twoja wizja przyszłości opieki stomatologicznej za 10 lat?

W miarę jak branża stomatologiczna w dalszym ciągu przechodzi transformację cyfrową, widzę, że dentyści włączają sztuczną inteligencję do większości czasochłonnych zadań, które wykonują codziennie – takich jak tworzenie wykresów, planowanie, operacje, zarządzanie zapasami – aby skupić się na pacjentach, a nie na rutynowych zadaniach, które odciągnąć ich od pracy, do której ich umiejętności są wyjątkowo dostosowane. Zaobserwujemy wyższy standard opieki nad pacjentami we wszystkich przypadkach, niższe koszty, a ostatecznie większy przemysł zapewniający lepsze zdrowie jamy ustnej większej liczbie ludzi na całym świecie.

Będę również zaskoczony, jeśli w ciągu 15 lat sztuczna inteligencja nie zacznie torować drogi w kierunku skutecznej diagnostyki predykcyjnej i spersonalizowanego planowania leczenia. Czy u tego konkretnego pacjenta ryzyko próchnicy jest wyższe, biorąc pod uwagę jego profil genetyczny, styl życia i przeszłą diagnozę? Czy możemy zalecić podejście zapobiegawcze, które zmniejszy potrzebę leczenia inwazyjnego w przyszłości? Jeśli obecnie mają próchnicę, czy w oparciu o to, co wiemy o ich indywidualnych cechach, musimy już teraz rozpocząć leczenie odtwórcze, czy też możemy poczekać, spodziewając się, że konkretna zmiana stylu życia lub sposobu odżywiania prawdopodobnie zahamuje postęp próchnicy? Przy wsparciu sztucznej inteligencji powinniśmy być w stanie odpowiedzieć na te pytania, a przy okazji być może zawęzić istniejącą obecnie nienaturalną przepaść między zdrowiem jamy ustnej a zdrowiem całego organizmu.

Czy jest coś jeszcze, czym chciałbyś się podzielić na temat Pearl?

Eksperci od ponad dekady obiecują, że sztuczna inteligencja zapewni lepsze wyniki kliniczne i oszczędności w branży opieki zdrowotnej. Wiele z tych obietnic nie zostało zrealizowanych. Stomatologia jest w rzeczywistości trochę spóźniona na rozwój sztucznej inteligencji, ale sztuczna inteligencja rozwija się w stomatologii znacznie szybciej niż w innych kategoriach opieki zdrowotnej. Dlaczego?

Patrząc na medycynę przez pryzmat komercji, stomatologia jest znacznie bardziej przedsiębiorcza niż inne dziedziny medycyny. Stomatologia jest wykonywana w wielu małych, tradycyjnie prywatnych gabinetach. Większość innych form medycyny jest zarządzana przez szpitale, które są na ogół dużymi biurokratycznymi instytucjami korporacyjnymi. Zarówno gabinety dentystyczne, jak i szpitale pragną tak samo zwiększać wydajność, poprawiać wyniki leczenia pacjentów itp., ale strukturalnie szpitale działają zbyt wolno i są konserwatywne, aby skutecznie integrować i wykorzystywać pojawiające się technologie, które zaspokoją te pragnienia. Z drugiej strony praktyki dentystyczne charakteryzują się elastycznością, a przedsiębiorczy charakter dentystów sprawia, że ​​stomatologia jest znacznie bardziej podatnym gruntem dla innowacji takich jak sztuczna inteligencja. Jeśli dentysta dostrzeże w czymś potencjalną korzyść, może natychmiast to wdrożyć. Szpital nie będzie w stanie działać z taką jednostronną stanowczością. Przeprowadzone zostaną studia wykonalności i wpływu, opór przeciwstawnych interesów i zainteresowanych stron, negocjacje budżetowe oraz szereg innych przeszkód, przez które nowa technologia będzie musiała przeskoczyć przed wdrożeniem.

Równie ważny jest jednak fakt, że dentyści, jeśli chcą, mogą przyczynić się do wysiłków na rzecz jego rozwoju i udoskonalania. Pearl była w stanie opracować, zbudować i skomercjalizować tę technologię równie szybko jak my, zarówno dlatego, że dentyści są aktywnymi i silnymi konsumentami – opracowujemy produkty dla rynku, który nie jest obciążony biurokratycznymi tarciami, z jakimi borykają się firmy próbujące sprzedawać do szpitali – jak i ponieważ dentyści mogą wspierać nasze wysiłki swoim wsparciem materialnym i intelektualnym. Ostatecznie nasza sztuczna inteligencja jest tak inteligentna, jak jest, ponieważ została przeszkolona i udoskonalona przez armię inteligentnych dentystów, którzy wierzą w tę technologię i mogli przyczynić się do jej stworzenia.

Dziękuję za wspaniały wywiad. Czytelnicy chcący dowiedzieć się więcej powinni odwiedzić nas Perła.