Entrevistas
Joseph Mossel, Co-Fundador & CEO da Ibex Medical Analytics – Série de Entrevistas
Joseph Mossel é o CEO da Ibex Medical Analytics. Sua carreira na indústria de tecnologia abrange mais de 20 anos, começando com desenvolvimento de software e gerenciamento de produtos, seguido de posições de liderança em startups, grandes corporações multinacionais e organizações sem fins lucrativos. Joseph liderou produtos desde a concepção até a maturidade como negócios de milhões de dólares. Ele possui um mestrado em ciência da computação pela Universidade de Tel Aviv e um mestrado em ciências ambientais pela VU Amsterdam.
Desenvolvida por patologistas para patologistas, a Ibex é uma plataforma de múltiplos tecidos de classe clínica que ajuda os patologistas a detectar e graduar câncer de mama, próstata e estômago, juntamente com mais de cem outros recursos clinicamente relevantes.
Integrada de forma transparente com soluções de software de patologia digital de terceiros, plataformas de digitalização e sistemas de informações de laboratório, os fluxos de trabalho habilitados por IA da Ibex entregam insights de alta qualidade automatizados que melhoram a segurança do paciente, aumentam a confiança do médico e impulsionam a produtividade.
O que o inspirou a co-fundar a Ibex Medical Analytics (Ibex) e qual problema você estava tentando resolver?
O câncer, infelizmente, afeta todos – seja pessoalmente, como cuidador de alguém com câncer ou conhecendo alguém que foi impactado. Tenho parentes e amigos que foram afetados por câncer e, tragicamente, um de nossos funcionários faleceu de câncer.
À medida que a incidência de câncer continua a aumentar em todo o mundo, há uma demanda crescente por diagnósticos de câncer que está sendo agravada por uma escassez global de patologistas, cujos trabalhos estão se tornando mais complexos com os avanços na terapia e a demanda por diagnósticos mais complexos.
Nossa plataforma ajuda a superar esses desafios, capacitando os patologistas com ferramentas de IA que melhoram a precisão e otimizam os fluxos de trabalho para garantir que cada paciente receba um diagnóstico preciso e oportuno, que é fundamental tanto para orientar as decisões de tratamento quanto para melhorar os resultados dos pacientes.
Estamos orgulhosos do trabalho que fazemos para nossos clientes, muitos dos quais confiam diariamente em nossas soluções para fornecer diagnósticos melhores. A confiança deles em nossas soluções destaca o impacto real que estamos fazendo, transformando o campo da patologia e melhorando os resultados dos pacientes.
Pode compartilhar um pouco sobre sua formação e como ela o levou ao trabalho em patologia com IA?
Se eu olhar para trás em minha carreira, houve duas forças motrizes: uma busca por um senso de propósito e uma preferência por interdisciplinaridade em vez de especialização profunda. Sou sortudo por dirigir uma empresa que me dá um senso profundo de propósito e me permite trabalhar com uma equipe incrivelmente talentosa de diversas origens e disciplinas.
Minha formação acadêmica original foi em ciência da computação, especializando-se em neurociência computacional. Eu então trabalhei como engenheiro de algoritmos e segui para o gerenciamento de produtos. Depois de um período em uma grande corporação, decidi que não era para mim. Eu ganhei um diploma em ciências ambientais e dirigi uma organização ambiental sem fins lucrativos por vários anos. A sustentabilidade ainda é uma paixão minha e é considerada o grande desafio de nosso tempo.
Há cerca de dez anos, conheci meu co-fundador, Chaim Linhart, que estava igualmente motivado a fazer uma diferença significativa e compartilhava minha paixão por tecnologia. Chaim, ao contrário de mim, é um especialista. Ele tem um PhD em ciência da computação e mais de 25 anos de experiência em desenvolvimento de algoritmos, IA e aprendizado de máquina (ML). Nos primeiros dias da Ibex, Chaim estava ocupado ganhando competições de Kaggle (ML).
Quando descobrimos que a patologia está sendo (lentamente) digitalizada, conversamos sobre o impacto que uma transformação digital na patologia poderia ter na melhoria dos diagnósticos de câncer. Centenas de empresas já estavam desenvolvendo IA em radiologia, e nos perguntamos, por que não fazer o mesmo em patologia? Parecia um ajuste natural para trazer nossa expertise tecnológica para o campo, colaborando estreitamente com patologistas a cada passo.
Quais foram alguns dos maiores desafios que você enfrentou nos primeiros dias da Ibex e como você os superou?
A ideia – que não fomos os primeiros a ter – de aplicar IA a lâminas de patologia foi a parte fácil. A execução é difícil. Os três principais desafios que enfrentamos nos primeiros dias da Ibex foram o acesso a dados, o acesso a capital e o acesso a conhecimento específico do domínio.
Resolvemos o desafio de dados por meio de uma parceria com os Serviços de Saúde Maccabi de Israel. Naquela época, éramos dois empreendedores iniciantes sem conhecimento médico que decidiram abrir uma startup médica em um domínio muito complexo. No entanto, Varda Shalev, que chefiava a área de inovação da Maccabi na época, acreditou em nossa visão, e assinamos um acordo de parceria e compartilhamento de dados com a Maccabi. Nesse ponto, a Dra. Judith Sandbank, patologista-chefe da Ibex, entrou como nossa Diretora Médica (CMO), um cargo que ela ainda ocupa. Com um parceiro estratégico e uma CMO, estávamos agora bem posicionados para levantar uma rodada de sementes, que levantamos com a Kamet Ventures, um estúdio de venture francês que fazia parte do AXA Insurance.
Agora estávamos posicionados para fazer história. Contratamos dois engenheiros e desenvolvemos nosso primeiro algoritmo para detecção de câncer de próstata. Uma vez que estávamos satisfeitos com o desempenho, o implantamos no laboratório de patologia da Maccabi como uma segunda leitura, revisando todos os casos após uma leitura inicial pelo patologista. Para nossa surpresa, dentro de alguns dias, o sistema levantou um alerta para um caso de câncer que foi perdido pelo patologista. Até onde sabemos, esse foi o primeiro caso em que o diagnóstico inicial de câncer foi feito por um algoritmo, em 2018.
Parabéns por receber a aprovação da FDA 510(k) para o Ibex Prostate Detect! O que essa aprovação significa para a Ibex e o campo mais amplo de diagnósticos com IA?
Obrigado! Essa aprovação marca um marco significativo na jornada da Ibex e exemplifica nosso compromisso com o desenvolvimento de soluções clinicamente validadas que ajudam a melhorar os resultados de saúde dos pacientes. Isso afirma nosso compromisso com a segurança e eficácia de nossas soluções e fortalece nossa capacidade de fornecer inovação de ponta para patologistas, beneficiando, em última análise, os pacientes que eles atendem.
Visualizamos que esse marco notável irá derrubar barreiras e acelerar a adoção de IA e digitalização na patologia. Esperamos que essa realização irá fortalecer a confiança da indústria de que a tecnologia é fácil de implementar e pronta para uso em larga escala. A longo prazo, a aprovação da FDA é um passo importante para alcançar reembolso para IA em patologia e promover adoção generalizada.
O processo de validação da FDA destacou uma taxa de 13% de cânceres perdidos em diagnósticos iniciais benignos. O que isso nos diz sobre o potencial da IA para melhorar a precisão diagnóstica?
Nos estudos de precisão e validação clínica conduzidos em vários laboratórios nos Estados Unidos e Europa como parte da aprovação da FDA, o sistema identificou uma taxa de 13% de cânceres perdidos em uma coorte de pacientes consecutivos inicialmente diagnosticados como benignos. Essa estatística reforça a precisão e o impacto dos produtos da Ibex, e também valida que a plataforma de IA da Ibex pode ser integrada com segurança em fluxos de trabalho clínicos, melhorando a precisão diagnóstica e, em última análise, melhorando os cuidados com os pacientes. Ao fornecer uma camada adicional de análise, nossa tecnologia está ajudando a reduzir erros, permitir uma melhor tomada de decisões clínicas e promover a segurança do paciente.
Como o Ibex Prostate Detect funciona e o que o torna único em comparação com outras soluções de patologia com IA?
O Ibex Prostate Detect é um dispositivo médico de diagnóstico in vitro que utiliza IA para gerar mapas de calor que identificam cânceres de próstata perdidos. Atuando como uma rede de segurança, o Ibex Prostate Detect ajuda os patologistas a garantir que os pacientes recebam um diagnóstico preciso. Ele aproveita algoritmos de IA para melhorar a precisão do diagnóstico de câncer de próstata.
O dispositivo é destinado a identificar tumores que podem ter sido perdidos pelo patologista. Se tecido suspeito para câncer de próstata for identificado, o sistema gera um alerta e inclui um mapa de calor, direcionando o patologista para áreas prováveis de conter câncer. O Ibex Prostate Detect é a única solução aprovada pela FDA que fornece mapas de calor com IA para todas as áreas com probabilidade de câncer, oferecendo total explicabilidade ao patologista que revisa.
Pode explicar como o recurso de mapa de calor ajuda os patologistas a identificar tecido cancerígeno?
O Ibex Prostate Detect é destinado a identificar casos inicialmente diagnosticados como benignos para revisão por um patologista. Se ele detectar morfologia de tecido suspeita para adenocarcinoma de próstata (AdC), proliferação acinar pequena atípica (ASAP) e outros subtipos de câncer raros, ele fornece alertas que incluem um mapa de calor de áreas de tecido nas imagens de lâmina inteira que é provável conter câncer, oferecendo total explicabilidade ao patologista que revisa.
Geralmente, o mapa de calor é preciso e pode fornecer ao patologista áreas de preocupação que ele pode se concentrar e determinar o diagnóstico correto. Nos estudos de precisão e validação clínica conduzidos como parte da aprovação da FDA, os mapas de calor do Ibex Prostate Detect demonstraram precisão de pixel extrema e determinaram o seguinte:
- Quase todas as áreas de câncer são cobertas pelo mapa de calor (sensibilidade = 98,7%).
- Quase tudo destacado como alta probabilidade de câncer no mapa de calor é de fato câncer (PPV = 99,6%).
- Os casos de câncer perdidos (falsos negativos) identificados pelo sistema foram subsequentemente verificados por patologistas especialistas, confirmando a utilidade clínica e os benefícios do produto em comparação com o padrão de cuidado atual.
Como o modelo de IA diferencia entre tecido benigno e maligno e como ele foi treinado?
O algoritmo de Aprendizado Profundo é baseado em redes neurais convolucionais multilayered, operando em vários níveis de magnificação. A IA é excepcionalmente robusta, demonstrando alta precisão em vários laboratórios e demografia de pacientes. Notavelmente, em linha com nosso mantra de ‘por patologistas, para patologistas’, o modelo foi treinado em mais de um milhão de lâminas anotadas com cuidado por patologistas renomados em centros médicos de ponta. Essa abordagem é custosa, mas acreditamos que, sem a visão dos patologistas, é muito difícil alcançar o nível de desempenho que estamos visando. Ao fazer isso, equipamos todos os patologistas com insights especializados e garantimos que cada paciente, independentemente de sua localização, receba um nível de diagnóstico equivalente ao dos especialistas mundiais.
Além do câncer de próstata, a Ibex também está trabalhando em soluções para câncer de mama e estômago. O que vem a seguir para a empresa em termos de novas capacidades de diagnóstico?
A Ibex já está tendo um impacto enorme em soluções de diagnóstico com IA para câncer de mama e estômago. Como líder mundial em implantações clínicas ao vivo, muitos laboratórios – incluindo os dos Estados Unidos – já estão usando os produtos da Ibex para transformar sua prática médica. Nossos produtos comprovaram ter um impacto clínico real no mundo, e os patologistas confiam na IA e atestam o valor que ela traz. Agora, estamos trabalhando para lançar um novo tipo de tecnologia no mercado, uma tecnologia que foi desenvolvida e validada pela Ibex em colaboração com a AstraZeneca e a Daiichi Sankyo. O algoritmo específico que é o primeiro a ser lançado ajuda a quantificar a expressão de HER2, o que ajuda os provedores a determinar o curso do tratamento para o paciente.
Olhando para o futuro, continuaremos a expandir nossas ofertas para fornecer insights adicionais dentro dos tipos de tecido que já apoiamos. Também estamos procurando fornecer ofertas dentro de outras áreas de tecido e continuar melhorando os fluxos de trabalho de nossos clientes.
Como você vê a patologia com IA evoluindo nos próximos cinco a dez anos?
Visualizo que a IA terá um impacto profundo na prática da patologia e na forma como o câncer é diagnosticado. Não vejo a IA substituindo os patologistas, mas como em todo novo desenvolvimento tecnológico, a prática será transformada. A IA continuará a ser instrumental no enfrentamento dos desafios crescentes de mão de obra na saúde, particularmente a escassez global de patologistas e suas cargas de trabalho crescentes impulsionadas por casos de câncer em ascensão. A implementação de IA responsável ajudará os patologistas a gerenciar suas cargas de trabalho de forma mais eficaz, melhorando a eficiência diagnóstica e reduzindo atrasos. Ao automatizar tarefas rotineiras, a IA pode reduzir as taxas de erro, melhorar a qualidade do diagnóstico e, em última análise, aumentar a confiança dos patologistas em seu trabalho. Sinto fortemente que a IA, juntamente com um ser humano no loop, é a melhor combinação para transformar a saúde.
Outra área com grande promessa é a expansão além da prática atual de patologia para o reino dos algoritmos preditivos. Algoritmos que potencialmente combinam várias modalidades para prever resultados ou, crucialmente, eficácia do tratamento.
A IA também pode melhorar a equidade em saúde por meio do acesso democratizado à saúde. Independentemente da localização, todos os pacientes merecem um diagnóstico confiável. Seria ótimo que a tecnologia de IA fosse implantada como parte da prática padrão em todos os laboratórios de patologia do mundo. No entanto, isso começa com a colaboração entre médicos, indústria e agências para acelerar o deploy dessa tecnologia – sinto que devemos isso aos pacientes.
Obrigado pela ótima entrevista, leitores que desejam aprender mais devem visitar Ibex Medical Analytics.
