Tobias Rijken, Co-Fundador e CTO da Kheiron Medical Technologies – Série de Entrevistas

Tobias Rijken é o Co-Fundador e CTO da Kheiron Medical Technologies, uma empresa de imagens médicas que utiliza tecnologias de aprendizado de máquina avançadas para desenvolver e fornecer ferramentas inteligentes para radiologistas, departamentos de radiologia, centros de imagem e hospitais para melhorar a eficiência, consistência e precisão da relatória de radiologia.

A Kheiron Medical Technologies foi fundada com o foco exclusivo de ajudar radiologistas a detectar câncer de mama mais cedo com software de aprendizado de máquina.

O que o atraiu inicialmente para o aprendizado de máquina?

Minha introdução informal ao aprendizado de máquina foi quando eu comecei a aprender programação quando era um jovem adolescente. Havia esse motor de jogos onde você podia programar seus próprios jogos. Eu queria jogar esse jogo, mas com quem eu jogaria? Poderia ser outro jogador, mas também poderia ser um programa. Como você constrói um programa que aprende a jogar um jogo? Não era um AI moderno, era um AI baseado em regras. Eu ganhei dele todas as vezes, então não era um bom AI.

Quando eu estava estudando para meu mestrado na University College London, entramos em uma nova era de AI moderno. A DeepMind havia sido adquirida recentemente, e eu estava estudando aprendizado de máquina no lugar onde a DeepMind foi fundada. David Silver, um dos principais cientistas da DeepMind, estava lecionando um curso sobre aprendizado por reforço. Como parte do curso, eu construí um agente para aprender a jogar um jogo – uma forma simplificada de blackjack. Quando eu terminei o AI e joguei contra minha própria criação, eu não pude mais ganhar. E isso foi uma revelação real.

Minha introdução formal ao aprendizado de máquina veio no meu primeiro ano de universidade. Eu estava estudando matemática e ciência da computação na Amsterdam University College. Ao mesmo tempo, cursos online abertos em massa foram estabelecidos e eu pude me juntar a cursos de AI de figuras líderes no campo. O curso que teve o maior impacto foi com Peter Norvig e Sebastian Thrun, da Stanford, e eu pude estudar AI com 100.000 pessoas ao mesmo tempo.

Agora, com a Kheiron, o que eu gosto tanto sobre o aprendizado de máquina é a aplicação que ele tem no mundo real. A oportunidade que ele tem de resolver problemas do mundo real. É isso que realmente me excita.

Pode discutir a história de criação da Kheiron Medical?

Peter e eu nos conhecemos em 2016 no acelerador Entrepreneur First do Reino Unido. Nós nos conectamos imediatamente – provavelmente devido às nossas origens semelhantes. Nós dois viemos de famílias médicas – a mãe de Peter é uma radiologista, eu cresci em uma família médica, cercado por médicos, e ambos escolhemos seguir a rota STEM.

Nossas origens nos deram uma visão clara das lutas e desafios que os trabalhadores de saúde enfrentam e uma compreensão de como o AI pode melhorar suas vidas, bem como as vidas dos pacientes. Nós compartilhamos a crença de que o AI, juntamente com os clínicos, mudará a saúde para melhor.

Há um grande problema a ser resolvido aqui. Há uma escassez global de radiologistas. Muitas pessoas morrem de câncer – mais de 40.000 mulheres americanas morrem todos os anos de câncer de mama. Parte do motivo pelo qual tantas pessoas morrem de câncer é que os médicos não têm as informações certas para tomar as decisões certas. O AI pode ajudar com isso.

Em primeiro lugar, a Kheiron está aqui para ajudar o radiologista para que o radiologista possa ajudar os pacientes. Eu pessoalmente me sinto muito motivado ao me aprofundar no problema para entender suas complexidades. Nós todos trabalhamos duro para realmente entender o trabalho dos radiologistas, os dados com os quais eles trabalham diariamente, seu fluxo de trabalho. Então, podemos descobrir como podemos implantar o AI como parte desse fluxo de trabalho.

Nós investimos pesadamente em entender profundamente os usuários e os dados. Nós temos radiologistas em nossa equipe que nos ajudam a integrar as necessidades do usuário no processo de design e desenvolvimento. Nós temos uma iniciativa de envolvimento de pacientes que se envolve diretamente com as mulheres para entender seus medos e necessidades para a detecção de mama.

Muitas pessoas me perguntam sobre o nome da nossa empresa – Kheiron. Kheiron era um centauro sábio e gentil – uma criatura que é metade homem, metade cavalo na mitologia grega – que treinava os heróis em medicina. Essa ideia de duas metades que se juntam para criar algo mais poderoso do que as partes individuais é a inspiração para a Kheiron – o AI e o clínico trabalhando juntos para mudar o que é possível no padrão de cuidado.

Pode discutir as soluções de detecção de câncer de mama oferecidas?

Nós estamos trabalhando em várias soluções de câncer de mama ao longo do caminho de detecção de mama.

Nosso primeiro produto é chamado Mia – que significa avaliação inteligente de mamografia. A Mia foi otimizada para realizar a mesma tarefa que o radiologista – nomeadamente, determinar se a mulher deve ser chamada para exame mais aprofundado ou não.

O nível de desempenho que estamos alcançando nos permite repensar o fluxo de trabalho. Para as mulheres americanas, isso é incrivelmente significativo. Os EUA têm o que é chamado de “fluxo de trabalho de leitor único”. Isso significa que cada mamografia é lida por um radiologista. No entanto, o Reino Unido e a Europa têm um “fluxo de trabalho de leitor duplo”, o que significa que cada mamografia é lida por dois radiologistas. Muitos radiologistas americanos consideram a leitura dupla como o “padrão ouro” porque é mais provável que detecte cânceres de mama precoces e pequenos.

Nossos estudos clínicos provam que a Mia é uma opção clínica segura e economicamente viável como leitor independente ou concorrente. Isso significa que, nos EUA, a Mia pode ser usada junto com o radiologista para alcançar o padrão ouro de um fluxo de trabalho de leitura dupla – com um leitor humano único. Como eu disse anteriormente, é assim que vemos o poder do AI e do humano se juntando para resolver grandes problemas.

O primeiro produto que estamos trazendo para o mercado americano é chamado Mia IQ, que se situa um passo antes no caminho de detecção de mama. A Mia IQ ajuda os técnicos de radiografia a analisar a qualidade da imagem. Se podemos melhorar a qualidade da imagem, então a qualidade da leitura também irá aumentar. E isso significa que mais cânceres serão detectados mais cedo, quando os resultados podem ser melhores para a mulher.

Isso é muito importante para auditorias de garantia de qualidade do MQSA e para treinamento contínuo, onde esperamos ver as primeiras aplicações da Mia IQ. A Mia IQ fornece programas de detecção com relatórios detalhando problemas de posicionamento. Isso permitirá que os diretores de programas forneçam treinamento pontual para os técnicos e abordem quaisquer problemas mais amplos de qualidade de imagem que possam afetar suas auditorias de garantia de qualidade.

Quantas imagens a rede neural foi treinada?

Para nós, a quantidade de dados não é o ponto. O bom sobre o espaço de detecção de mama é que há muitos dados disponíveis. Há muitos dados históricos porque os programas de detecção têm sido realizados por um longo tempo. E porque você examina toda a população, há muitos novos dados sendo gerados.

O desafio é que os dados estão fortemente inclinados. 99% da população de detecção não tem câncer, felizmente, o que significa que há uma inclinação para imagens normais. Há também diferenças populacionais, com uma falta de diversidade nos dados.

Então, para a Kheiron, o desafio não é sobre obter a quantidade de dados. Em vez disso, uma grande parte do nosso sucesso vem de entender quais dados coletar para obter os melhores resultados e ser muito seletivo e direcionado em onde e como obtemos nossos dados. Nossa colaboração com a Emory University é um exemplo excelente de como estamos fazendo isso.

Os falsos positivos são atualmente um problema?

Os falsos positivos são apenas parte do problema. A ciência da detecção depende de compromissos entre falsos positivos e falsos negativos. Por exemplo, podemos alcançar uma taxa de falsos positivos muito baixa, mas vamos perder alguns cânceres. Por outro lado, podemos ter muito poucos cânceres perdidos se tivermos uma taxa de falsos positivos alta. É importante entender esses compromissos e equilibrar seu serviço de detecção com base em prioridades e recursos.

Diferenças culturais e políticas também existem entre os países, o que influencia a forma como esses compromissos são feitos. Em alguns países, perder um câncer é considerado muito problemático. Em outros países, é considerado mais importante minimizar as recall desnecessárias devido ao custo de saúde associado a cada recall.

Em última análise, é sobre entender como esse compromisso afeta os pacientes, em termos do número de recall desnecessários e testes adicionais experimentados pelo grupo “falso positivo” versus o grupo “falso negativo” cujos cânceres não são detectados. É um ato difícil de equilíbrio, mas o AI promete elevar o padrão para ambos os grupos.

A Kheiron Medical Technologies e a Emory University anunciaram recentemente uma colaboração para avaliar dados de mamografias anteriores de mais de 50.000 mulheres afro-americanas que foram examinadas na Emory Healthcare. Pode compartilhar mais detalhes sobre esse projeto?

Nossa parceria com a Emory University amplia a diversidade dos dados que estamos usando para garantir que a Mia, nossa solução de detecção de câncer de mama por AI, funcione para o mesmo padrão para qualquer mulher, independentemente da etnia.

O primeiro projeto na colaboração vai apoiar a validação do desempenho da Mia contra a população de detecção diversa da Emory. Isso é um estudo multi-local que abrange quatro locais de detecção e hospitais. Uma coorte de mais de 200.000 mamografias de detecção será incluída nesse projeto – aproximadamente 45% das mulheres nessa coorte são de ascendência afro-americana.

Nós anunciaremos essa colaboração em novembro e fizemos um grande progresso desde então, mesmo considerando os desafios de operar sob uma pandemia global e condições de trabalho remoto. Eu acho que isso é um grande crédito para a equipe da Emory, que também são clínicos que fornecem cuidados excelentes aos pacientes na comunidade.

Agora, nossa colaboração está investindo a energia inicial para estabelecer uma base sólida para nosso trabalho futuro. Nós estamos trabalhando em estreita colaboração com a equipe da Emory para entender os fluxos de trabalho clínicos. Isso serve como a base necessária para uma análise e interrogatório profundos das possíveis diferenças entre subpopulações, como grupos étnicos.

Esse trabalho não é fácil ou rápido. Não muitas coisas na saúde são. No entanto, é muito gratificante, e nós somos sortudos por ter uma série de parceiros globais que são extremamente colaborativos e alinhados conosco em nossa missão compartilhada: ajudar qualquer mulher em qualquer lugar a ter uma chance de lutar contra o câncer de mama.

Quão grande é o problema da sub-representação de não-brancos para dados de imagem para diagnóstico de câncer?

Historicamente, a diversidade das populações de pacientes não foi refletida na pesquisa médica na medida em que deveria. Aqueles de nós que desenvolvem AI têm a responsabilidade de incluir a diversidade étnica em nossos estudos.

Populações sub-representadas são um problema para a detecção de câncer de mama. Os resultados para as mulheres afro-americanas são um exemplo disso. As mulheres afro-americanas tendem a ter taxas de mortalidade mais altas (39% mais altas do que as não-hispânicas brancas), e isso pode ser atribuído ao acesso à saúde, atrasos no diagnóstico e atrasos no início do tratamento, entre outros fatores.

A generalização do AI em várias populações é um passo importante para abordar as disparidades raciais na detecção de mama. Eu estou animado que nossa equipe da Kheiron esteja comprometida em construir uma solução que funcione igualmente bem em mamografias de populações racialmente diversificadas – e isso é um grande fator motivador para nosso trabalho. Nossa colaboração com a Emory e a UCSF nos ajudará a alcançar essa visão de generalização – garantindo que a Mia dê a cada mulher, em todos os lugares, uma melhor chance de lutar contra o câncer de mama.

Obrigado pela grande entrevista e por trabalhar em tecnologias de salvamento de vidas tão importantes. Os leitores que desejam aprender mais devem visitar Kheiron Medical Technologies.