Ophir Tanz, Założyciel i Dyrektor Generalny Pearl – Seria Wywiadów

Ophir Tanz jest założycielem i dyrektorem generalnym Pearl, firmy założonej na idei, że sztuczna inteligencja może być nieustannym asystentem praktyków dentystycznych i najbardziej godnym zaufania przyjacielem pacjentów. Założyciele mają unikalną, osobistą więź z dentystyką, a także wiedzę i edukację, aby zrealizować pełny i praktyczny potencjał, jaki oferuje sztuczna inteligencja.

Czym pierwotnie zainteresował się Pan sztuczną inteligencją?

Od czasów studiów interesowałem się sztuczną inteligencją. Widziałem w niej wiele możliwości i to pobudziło moją ambicję, aby zastosować ją w tworzeniu nowych możliwości i komercyjnych aplikacji. W szczególności interesowałem się komputerowym widzeniem – dziedziną sztucznej inteligencji, w której uczymy komputery, aby widziały, przetwarzały i rozumiały świat w taki sam sposób, jak ludzki mózg – więc po ukończeniu studiów założyłem firmę GumGum, która zajmowała się stosowaniem maszynowego widzenia w celu budowania wartości w kategorii mediów cyfrowych. Chociaż zrozumiałem potencjał sztucznej inteligencji dość wcześnie, gdy rosło moja firma, zauważyłem, jak zaawansowana i praktyczna stawała się ta dziedzina – i coraz bardziej interesowałem się szerszymi zastosowaniami tej technologii.

Jak Pan ocenia sukces swojej pierwszej firmy GumGum, która specjalizowała się w wykorzystaniu sztucznej inteligencji w reklamie kontekstowej?

Uważam, że to, co pozwoliło GumGum osiągnąć sukces, to nacisk, jaki położyliśmy na aplikację i innowację sztucznej inteligencji. Jest to głównie firma reklamowa, ale chociaż działała w ramach tej kategorii, praca, którą wykonaliśmy z sztuczną inteligencją, nie była ograniczona przez tę kategorię. Oznacza to, że byliśmy firmą technologiczną tak samo, jak firmą reklamową, co stworzyło znaczącą różnicę. Nasz sposób myślenia oparty na sztucznej inteligencji skłonił nas do innowacji w obszarach poza naturalnymi granicami reklamy cyfrowej – w sponsorowaniu, wycenie i, oczywiście, dentystyce. Ponieważ nie koncentrowaliśmy się na byciu „tylko firmą reklamową” i stale szukaliśmy sposobów na poprawę, GumGum mogła rosnąć wraz z nami, gdy nasza wizja się rozszerzała, a podstawowa technologia i pole sztucznej inteligencji ewoluowały.

Czy mógłby Pan opowiedzieć o historii swojej nowej firmy Pearl?

Po założeniu GumGum i skupieniu się na komputerowym widzeniu, wiedziałem, że możemy zrobić więcej z tą technologią i szukałem nowych zastosowań. Opieka zdrowotna i radiologia były mnie szczególnie interesujące, i reprezentowały wyraźne zastosowania maszynowego uczenia, jakiego używała GumGum. Uruchomiliśmy dział dentystyczny o nazwie GumGum Dental, który był początkiem Pearl. Postanowiłem całkowicie odłączyć dział dentystyczny, ponieważ uważałem, że zasługiwał on na samodzielną firmę. Można by powiedzieć, że było to w jakiś sposób przeznaczone – mój ojciec był dentystą, a ja dorastałem, pomagając w jego praktyce, więc przechodzenie do skupienia się na branży dentystycznej było dla mnie rodzajem powrotu do domu. Ale nie był to główny powód, dla którego chciałem poprowadzić Pearl jako nową firmę. Głęboko wierzę, że komputerowe widzenie i sztuczna inteligencja przekształcą dentystykę i opiekę zdrowotną na całym świecie, i chciałem móc poświęcić tej sprawie uwagę, na jaką zasługuje.

Czy mógłby Pan omówić systemy komputerowego widzenia i maszynowego uczenia, które są używane do skanowania radiograficznych i 3D obrazów dentystycznych?

Komputerowe widzenie jest formą sztucznej inteligencji, która uczy komputery „widzieć” w podobny sposób, jak ludzie. Karmimy duże ilości ekspertowo-opisanych obrazów dentystycznych danymi do serii algorytmów, które są modelowane na sieciach neuronowych w ludzkim mózgu. Poprzez badanie opisanych obrazów, sieć uczy się rozpoznawać dentystyczne patologie, które zostały oznaczone w opisanych obrazach. Ten proces nazywa się „nadzorowanym uczeniem”. Ucząc komputer w ten sposób, może on nauczyć się rozpoznawać obiekty w sposób nie dosłowny. Na przykład, uczy się identyfikować częściowo zasłonięte obiekty lub te, które są widoczne tylko z pewnych kątów, absorbując tysiące różnych przykładów i budując coś w rodzaju komputerowego odpowiednika mentalnego obrazu tego obiektu.

Nauczyliśmy nasz system sztucznej inteligencji i algorytmów maszynowego uczenia, budując dużą kolekcję radiografii i współpracując z dentystami i radiologami, aby oznaczyć obrazy, a następnie użyliśmy tych oznaczonych obrazów, aby nauczyć system interpretować nowe obrazy. Teraz mamy system sztucznej inteligencji, który może wskazywać na potencjalne problemy, które mogą być identyfikowane w radiografiach i pomagać dentystom czytać radiografie pacjentów bardziej dokładnie i konsekwentnie.

Dla naszych systemów 3D używamy podobnego podejścia, ale z innymi klasami algorytmów. Z 3D, szkolenie może być bardziej złożone, ponieważ obrazy 3D zawierają znacznie więcej danych, co czasem sprawia, że oznaczenie jest bardziej pracochłonne. Oczywiście, ponieważ istnieje tak wiele danych, kiedy system został nauczony, aby interpretować obraz 3D, jest on w stanie być bardziej precyzyjny w swoich ustaleniach. Jest to takie samo, jak gdy człowiek patrzy na konowy promień lub tradycyjną radiografię: możemy zobaczyć każdy mały aspekt zęba w konowym promieniowaniu, ale często możemy tylko dostrzec pewne podstawowe struktury zęba w radiografii. Sztuczna inteligencja staje przed tym samym wyzwaniem.

Jaki rodzaj informacji lub diagnozy ujawnia ten system?

Nasz system radiologiczny sztucznej inteligencji może wykryć duży zakres patologicznych i niepatologicznych stanów, cech rekonstrukcyjnych i naturalnej anatomii. Kariologia, utrata kości, radiolucencja okołowierzchołkowa, kamień nazębny, zatłoczenie, kamień nazębny, impakcja, WPL, furkacja, obturacja, dyskrepancja brzegowa – lista jest zbyt długa, aby wszystko wyliczyć, i ciągle rośnie. Wiele z tych możliwości jest uwzględnionych w Second Opinion, naszym pomocy w czasie rzeczywistym do wykrywania patologii, dostępnym w Kanadzie, Australii, Europie i kilku innych terytoriach, a większość z nich jest stosowana w Practice Intelligence, naszym rozwiązaniu analitycznym, które nie jest ukierunkowane na pacjentów, dostępnym w praktykach w Stanach Zjednoczonych i na całym świecie.

Jaki rodzaj danych obrazowych został wykorzystany do szkolenia systemu?

Nasz system wykrywania radiologicznej patologii został nauczony na radiografiach bitewing, periapikalnych i pano, które są najczęstsze w diagnostyce dentystycznej – rodzaje promieni rentgenowskich, które można uzyskać u dentysty co dwa lata lub w razie potrzeby. Obrazy radiograficzne są dość łatwe do uzyskania w dziedzinie dentystyki w porównaniu z innymi formami medycyny, a więcej radiografii dentystycznych jest robionych rocznie niż jakakolwiek inna forma radiografii. Drogie i czasochłonne jest uzyskanie ekspertów, którzy przeglądają i opisują promienie rentgenowskie. Zebraлиśmy największą na świecie kolekcję oznaczonych promieni rentgenowskich dentystycznych. Dostępność danych radiograficznych jest częścią tego, co sprawia, że dziedzina dentystyki jest tak podatna na zakłócenia spowodowane przez sztuczną inteligencję.

Jaki rodzaj poprawy wydajności i wskaźników dokładności został zaobserwowany w systemie Pearl w porównaniu z ręczną oceną obrazów przez ludzi?

Przeprowadziliśmy kilka dużych badań na tysiącach radiografii i setkach dentystów, aby przetestować dokładność naszego systemu, zarówno jako samodzielnego systemu wykrywania, jak i gdy jest używany w celu wspomagania dentystów. Zbadaliśmy dokładność dla każdego typu wykrywania, a także ogólnie dla wszystkich wykryć obsługiwanych przez system. Istnieje zmienność w dokładności między poszczególnymi klasami wykrywania, z dokładnością wahającą się od około 84-96 procent. Ogólnie system jest poprawny ponad 92 procent czasu. To jest dość dobre, a system ciągle się poprawia.

Oczywiście, te absolutne wskaźniki dokładności nie są tak samo wskazujące, jak jest to w przypadku względnej dokładności systemu w porównaniu z ludzkimi dentystami. Jeśli ludzka dokładność wynosi 60%, system sztucznej inteligencji, który jest dokładny tylko 70% czasu, zapewniłby znaczną przewagę dentystom, którzy go używają. W badaniach, które przeprowadziliśmy, w których uwzględniono komponent ludzki, dentystom towarzyszy dokładność od 70-85%. Istnieje znacząca zmienność między poszczególnymi dentystami, jednak, więc są na pewno niektórzy dentystowie, którzy są równie lub bardziej dokładni niż nasz system, a znaczna część z nich jest mniej dokładna. Aby ocenić korzyści systemu, chcemy zobaczyć wzrost dokładności u dentysty, gdy używa systemu w porównaniu z tym samym dentystą, gdy go nie używa. Nasze badania pokazują wyraźną korzyść w tym zakresie.

Teraz, gdy Second Opinion jest używany w praktykach, musimy przeprowadzić więcej badań, aby zobaczyć, jaki jest wpływ w świecie rzeczywistym. Zaczynamy to robić z pomocą naszych partnerów akademickich w Niemczech. Czy przyspiesza wizyty pacjentów? Czy ułatwia lepszą komunikację między lekarzem a pacjentem? Czy zwiększa zaufanie pacjentów? Czy podnosi akceptację przypadków? Pracujemy nad odpowiedziami na te pytania. Ostatecznie chcielibyśmy zbadać wpływ systemu na wyniki zdrowotne pacjentów, ale to jest dłuższy projekt.

Powinienem zauważyć, że ponieważ Practice Intelligence jest częściowo narzędziem analitycznym, które może ocenić cechy zdrowia pacjentów w praktyce i wyniki diagnostyczne i planistyczne praktyków, mamy pewne pojęcie o tym, jak sztuczna inteligencja może wpłynąć na opiekę nad pacjentami. Nie jest to badanie w stylu akademickim, ale niedawno przeprowadziliśmy badanie, w którym przyjrzeliśmy się danym produkcyjnym z dziesięciu praktyk, które używały Practice Intelligence przez okres jednego miesiąca. W tym miesiącu system ujawnił średnio ponad 84 000 dolarów na praktykę w potencjalnych możliwościach leczenia, które zostały pominięte w poprzednich radiografiach pacjentów, którzy mieli zaplanowane wizyty w tym okresie. Dla tej kwoty 84 000 dolarów w ujawnionych możliwościach, praktyki były w stanie zrealizować średnio 12 500 dolarów w leczeniu rekonstrukcyjnym i dodatkowe 23 800 dolarów w leczeniu specjalistycznym. Ten wzrost wynika z możliwości leczenia, które wcześniej zostały pominięte. Ponieważ zostało to zrealizowane, możemy założyć, że te leczenia były konieczne i powinny zostać wykonane po poprzednich wizytach pacjentów. To było nieformalne badanie przypadku, ale wydaje się, że wyraźnie pokazuje, że sztuczna inteligencja przynosi znaczące korzyści, zarówno pacjentom, jak i praktykom, które ją używają.

Czym Pana zdaniem jest powodem, dla którego sztuczna inteligencja nie jest jeszcze szeroko stosowana w klinikach dentystycznych?

Ogólna reakcja była wyjątkowo pozytywna ze strony dentystów, którzy używają Second Opinion za granicą i tysiąca plus praktyk, które wdrożyły Practice Intelligence w Stanach Zjednoczonych, więc istnieje segment branży, który już ma ochotę na szerokie wdrożenie sztucznej inteligencji w dentystyce. Ale szersze wdrożenie wymaga szerszej świadomości. Sztuczna inteligencja jest nowa w dziedzinie dentystyki. Kiedy zaczynaliśmy pracę nad radiologią dentystyczną jako GumGum Dental, byliśmy, moim zdaniem, jedyną komercyjną firmą zajmującą się tym wysiłkiem. To było pięć lat temu. Pierwsze rozwiązania rynkowe pojawiły się pod koniec 2019 roku i były to aplikacje ubezpieczeniowe i laboratoryjne, a nie kliniczne. Uruchomiliśmy Practice Intelligence w 2020 roku, a Second Opinion wszedł na rynek globalny we wrześniu 2021 roku. Więc jeśli chodzi o większość dentystów, sztuczna inteligencja jest nowinką. Muszą oni zostać z nią zapoznani i nauczeni, czego może ona dokonać i czego nie. Istnieją pewne nieporozumienia dotyczące sztucznej inteligencji, które muszą zostać przezwyciężone. Niektórzy dentystowie mogą skłaniać się do postrzegania sztucznej inteligencji jako zagrożenia. Te nieporozumienia zostaną rozwiązane, gdy dentystowie staną się lepiej poinformowani o jej użyteczności. Korzyści sztucznej inteligencji są fundamentalnie atrakcyjne – wyższy standard opieki, lepsza opieka zdrowotna, lepsze wyniki finansowe dla praktyk – więc spodziewam się, że wdrożenie sztucznej inteligencji przyspieszy, gdy świadomość sztucznej inteligencji w dentystyce osiągnie krytyczną masę.

Jaka Pana wizja przyszłości opieki dentystycznej za 10 lat?

Podczas gdy branża dentystyczna będzie kontynuowała cyfrową transformację, widzę, jak dentystowie włączają sztuczną inteligencję w większość czasochłonnych zadań, które wykonują codziennie – takich jak dokumentacja, planowanie, operacje, zarządzanie zapasami – aby mogli się skoncentrować na pacjentach, a nie na rutynowych zadaniach, które odrywają ich od pracy, dla której ich umiejętności są unikalnie przystosowane. Zobaczymy wyższy standard opieki nad pacjentami, niższe koszty i ostatecznie większą branżę, która zapewni lepszą opiekę zdrowotną większej liczbie ludzi na świecie.

Będę również zaskoczony, jeśli w ciągu 15 lat sztuczna inteligencja nie rozpocznie torowania drogi ku skutecznej diagnostyce predykcyjnej i planowaniu leczenia. Czy ten konkretny pacjent jest bardziej narażony na próchnicę na podstawie jego profilu genetycznego, stylu życia, poprzednich diagnoz? Czy możemy zalecić profilaktyczne podejście, które zmniejszy jego potrzebę inwazyjnego leczenia w przyszłości? Jeśli ma on teraz próchnicę, to czy, na podstawie tego, co wiemy o jego indywidualnych cechach, musimy przejść do leczenia rekonstrukcyjnego, czy możemy opóźnić to, spodziewając się, że określona zmiana stylu życia lub spożycia zmniejszy postęp rozkładu? Z pomocą sztucznej inteligencji powinniśmy być w stanie odpowiedzieć na te pytania – i, przy okazji, być może zawęzimy nienaturalną lukę między zdrowiem jamy ustnej a ogólnym zdrowiem, jaka istnieje dzisiaj.

Czy jest coś jeszcze, co Pan chciałby podzielić się na temat Pearl?

Eksperci obiecywali, że sztuczna inteligencja zapewni lepsze wyniki kliniczne i oszczędności kosztów w branży opieki zdrowotnej przez ponad dekadę. Wiele z tych obietnic nie zostało dotrzymanych. Dentystyka jest tak naprawdę trochę spóźniona w grze sztucznej inteligencji, ale sztuczna inteligencja rozwija się w dentystyce znacznie szybciej niż w innych kategoriach opieki zdrowotnej. Dlaczego?

Biorąc pod uwagę medycynę przez pryzmat komercyjny, dentystyka jest znacznie bardziej przedsiębiorcza niż inne formy medycyny. Dentystyka jest wykonywana w wielu małych, tradycyjnie prywatnych praktykach. Większość innych form medycyny jest zarządzana przez szpitale, które są generalnie dużymi, biurokratycznymi instytucjami korporacyjnymi. Praktyki dentystyczne i szpitale mają ten sam cel, aby zwiększyć wydajność, poprawić wyniki pacjentów itd., ale strukturalnie szpitale są zbyt wolne i konserwatywne, aby skutecznie wdrożyć i wykorzystać nowe technologie, które zaspokajają te cele. Praktyki dentystyczne, z drugiej strony, są bardziej elastyczne – a przedsiębiorczy charakter dentystów sprawia, że dentystyka jest znacznie bardziej żyznym gruntem dla innowacji, takich jak sztuczna inteligencja. Jeśli dentysta widzi potencjalne korzyści w czymś, może to natychmiast wdrożyć. Szpital nie będzie mógł działać z taką samą decyzyjną swobodą. Będą studia wykonalności, sprzeciw ze strony przeciwnych interesów i stakeholderów, negocjacje budżetowe i cała seria innych przeszkód, przez które nowa technologia musi przejść, zanim zostanie wdrożona.

Równie ważne jest jednak to, że dentystowie mogą przyczynić się do wysiłku, aby rozwijać i poprawiać ją, jeśli chcą. Pearl mogła wymyślić, zbudować i skomercjalizować tę technologię tak szybko, dzięki temu, że dentystowie są aktywnymi i uprawnionymi konsumentami – rozwijamy produkty dla rynku, który nie jest ograniczony przez biurokratyczną frakcję, z którą spotykają się firmy próbujące sprzedawać do szpitali – i dlatego, że dentystowie są wolni, aby udzielić materialnego i intelektualnego wsparcia naszym wysiłkom. Ostatecznie, nasza sztuczna inteligencja jest tak inteligentna, jak jest, dlatego, że została opracowana i udoskonalona przez armię inteligentnych dentystów, którzy wierzą w tę technologię i byli wolni, aby przyczynić się do jej tworzenia.

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