Хаим Линхарт, PhD, сооснователь и технический директор Ibex Medical Analytics – Серия интервью

Хаим Линхарт, PhD, является техническим директором и сооснователем Ibex Medical Analytics. Он имеет более 25 лет опыта в разработке алгоритмов, ИИ и машинном обучении, как в академии, так и служа в элитном подразделении израильской армии и в нескольких технологических компаниях. Хаим имеет степень PhD в области компьютерных наук в Тель-Авивском университете и выиграл несколько соревнований по машинному обучению Kaggle.

С 2016 года Ibex ведет путь в области диагностики с помощью ИИ для патологии. Компания поставила цель преобразовать патологию, обеспечивая, чтобы каждый пациент мог получить точный, своевременный и персонализированный диагноз рака. Сегодня Ibex является наиболее широко используемой платформой искусственного интеллекта в патологии. Разработанная патологами для патологов, их решения обслуживают ведущих врачей, организации здравоохранения и поставщиков диагностических услуг во всем мире. Каждый день Ibex имеет привилегию влиять на жизнь пациентов во всем мире. Платформа повышает уверенность врачей, оптимизирует потоки диагностики, помогает клиницистам предоставлять более персонализированные диагнозы и, что наиболее важно, позволяет добиться лучших клинических результатов.

Можете ли вы поделиться историей и видением, стоящим за основанием Ibex и его миссией по преобразованию диагностики рака с помощью ИИ?

В 2016 году мой сооснователь, Джозеф Моссел, и я узнали о прямом влиянии цифровой революции в патологии на улучшение диагностики рака. Радиология прошла через аналогичную трансформацию 20 лет назад, которая оказала значительное влияние на то, как эта специальность практикуется. С учетом того, что патология становится цифровой, мы признали, что это предоставляет возможность разработать новые передовые инструменты, которые используют искусственный интеллект для выполнения сложного анализа изображений. Мы сосредоточились на разработке инструментов, работающих на основе ИИ, которые помогают врачам достигать более точных, объективных и воспроизводимых диагнозов, и, таким образом, помогают каждому пациенту получить правильный диагноз в срок, что приводит к лучшему возможному лечению.

Как изменился ландшафт диагностики рака с момента основания Ibex в 2016 году?

Лаборатории принимают цифровизацию с все возрастающей скоростью, что еще больше ускорилось из-за Covid-19. Цифровая революция позволила лабораториям расширить свои возможности за пределы микроскопа значимым и осмысленным образом, используя ИИ, который помогает патологам анализировать и понимать результаты эффективно.

Область диагностики рака с помощью ИИ выросла экспоненциально, и мы видим стартапы и другие компании, работающие над различными аспектами ИИ для патологии в области диагностики рака. Точная медицина, например, представляет собой данные, управляемые стратификацией пациентов, облегченную точным диагнозом и различными информационными подходами, которые приводят к оптимальному, персонализированному лечению. Рост точной медицины приводит к увеличению потребности в более сложной диагностике для поддержки новых целевых методов лечения.

Мы также видим увеличение количества академических публикаций и отраслевых ассоциаций, фокусирующихся на этой области. Когда Джозеф и я посетили нашу первую конференцию по цифровой и вычислительной патологии в 2016 году, ИИ был небольшим сегментом разговора, окружающего диагноз рака, поскольку он не был так широко распространен. Теперь, когда мы посещаем большую конференцию по патологии, ИИ является основным событием.

Что отличает Ibex от других компаний в области патологии, работающих на основе ИИ?

Когда мы говорим об ИИ-ориентированной патологии, есть несколько поддоменов. Есть компании, которые отдают приоритет исследованиям, например, инструменты, которые анализируют изображения тканей, чтобы помочь понять процессы заболеваний на морфологическом и клеточном уровне. Во-вторых, есть компании, которые фокусируются в основном на клинических приложениях, то есть продуктах, используемых в лабораториях для поддержки рутинной диагностики.

Ibex фокусируется на клинических приложениях, и у нас есть самая большая и широко распространенная база установок с патологами по всему миру, которые используют наши инструменты ежедневно для диагностики рака. Мы также сотрудничаем с фармацевтическими компаниями для разработки клинических приложений на основе ИИ, которые поддерживают патологов в количественной оценке биомаркеров, что позволяет проводить целевые терапии.

Кроме того, в то время как некоторые компании фокусируются на конкретных, ограниченных показаниях на тип рака, например, на обнаружении рака, наш подход заключается в том, чтобы обучить ИИ анализировать все, что патолог может увидеть в этих тканях. Это не только вопрос обнаружения рака, но и типа и подтипа рака, степени, его размера, а также рако-ассоциированных морфологий и других клинических особенностей. Мы знаем, что патология – это не только определение наличия рака или нет. Мы хотим помочь патологам осознать все преимущества, которые ИИ приносит на стол.

Можете ли вы объяснить основную технологию, лежащую в основе решений Ibex, и как она помогает патологам в обнаружении и градации рака?

Наш подход заключается в том, что патологи по сути обучают машину. У нас есть большая команда патологов по всему миру, которые аннотируют слайды. Это означает, что они маркируют определенные области внутри этих слайдов и помечают их. Они могут маркировать низкостепенный опухоль, кровеносный сосуд, нерв, воспаление и так далее. Затем мы берем эти данные и используем их для обучения моделей ИИ. Это гарантирует, что ИИ очень точен, даже для редких и сложных случаев, что крайне важно. Наш ИИ обучен патологами и обучен для выявления многих различных типов структур и морфологий ткани, что очень полезно для патологов и неизбежно повышает его точность. Благодаря доступу к широкому спектру данных и знаний мы можем улучшить наш ИИ и реализовать знания, полученные напрямую в поле.

Как Ibex обеспечивает клиническую точность во всех типах рака, таких как рак молочной железы, простаты и желудка?

Это требует много тяжелой работы. Мы собираем данные из многих партнеров по всему миру. Мы гарантируем, что данные очень разнообразны, с представлением из различных лабораторий и различных методов подготовки тканей, сканеров и клинических результатов. Мы обогащаем обучающие данные редкими типами рака. Это гарантирует, что ИИ обучен с широким спектром особенностей. Во время процесса обучения мы измеряем, что ИИ делает хорошо, и мы также определяем, где необходимо улучшение. Наша команда, имеющая обширный опыт в машинном обучении, тестирует ИИ на тысячах слайдов, которые мы собрали из разных лабораторий. Мы проводим исследования и клинические испытания и сравниваем два фундаментальных аспекта системы. Во-первых, мы рассматриваем его самостоятельную производительность по сравнению с реальной ситуацией. Во-вторых, мы определяем, насколько точно патолог работает с и без ИИ. Таким образом, мы гарантируем, что ИИ точен, надежен, не предвзят и безопасен. Мы измеряем его влияние на патологов, использующих ИИ. По всем нашим приложениям мы видим, что патолог, с помощью ИИ, достигает лучших результатов (то есть более точных, с более высоким согласием с реальной ситуацией) по сравнению со стандартом ухода (т.е. когда они не поддерживаются ИИ). Мы также измеряем эффективность их работы и другие важные преимущества платформы ИИ, такие как оптимизация рабочего процесса в лаборатории и снижение времени ожидания (как быстро пациент получает результаты).

Какие уникальные особенности решений Ibex повышают диагностический поток и улучшают результаты для пациентов?

Наша интегрированная система включает в себя просмотрщик слайдов, результаты ИИ и встроенные инструменты отчетности. Эта целостная система была разработана для повышения точности и производительности. Она ведет патологов через диагностический процесс, показывая им основные результаты в каждом случае и на каждом слайде. Вместо того, чтобы искать особенности, которые могут быть малыми и трудными для обнаружения, ИИ подчеркивает все очень четко. Оттуда патолог может подтвердить или изменить. ИИ показывает измерения и количественные оценки; он также оценивает все. С встроенными отчетами патолог не должен смотреть на слайд, делать диагноз в своем уме и затем переходить в другую систему и сообщать обо всем; вместо этого отчетность выполняется во время интегрированного рабочего процесса ИИ. Даже количество кликов мыши было оптимизировано. Все было построено с учетом патологов, чтобы повысить диагностическую точность и эффективность, тем самым создавая лучшую рабочую среду для этих врачей с лучшими результатами для их пациентов.

Как решения Ibex интегрируются с существующим программным обеспечением цифровой патологии и лабораторными информационными системами?

Мы работаем с несколькими поставщиками в этой области, которые продают решения по управлению изображениями или предлагают лабораторные информационные системы. Для каждого партнера есть разные типы интеграционных возможностей. В некоторых случаях мы встраиваем наш ИИ в их инструменты, чтобы патолог мог использовать их платформу с нашим ИИ внутри нее. В других случаях мы интегрируемся с этими инструментами таким образом, что позволяет патологам запускать Ibex из другой системы. Независимо от интеграции мы всегда хотим гарантировать, что пользователи имеют наиболее оптимальный способ использования ИИ. Кроме того, мы разработали открытый API, который позволяет третьим лицам, включая другие компании или отделы информационных технологий наших клиентов, получать информацию из нашего ИИ и интегрировать ее в их среду.

Какие проблемы Ibex столкнулся при достижении широкого внедрения своих решений на основе ИИ в патологии?

При размышлении я бы сказал, что основной проблемой, с которой столкнулся Ibex, была связана с чистой сложностью и объемом работы, усилий и времени, необходимых для вывода продуктов диагностики на рынок. Это включает в себя междисциплинарные подходы: сбор данных, работа с патологами, обучение ИИ и его тщательное тестирование, проведение клинических испытаний и, в некоторых географиях, получение регуляторного одобрения – и все это под строгими мерами контроля качества.

Другой заметной проблемой является интеграция. Нам необходимо гарантировать, что патологи могут использовать ИИ таким образом, чтобы это было эффективно и естественно. В лаборатории есть множество систем: цифровые патологические сканеры, лабораторная информационная система и рабочий процесс, а также инструменты отчетности. Просто говоря, мы гарантируем, что все это работает вместе наиболее эффективным образом, несмотря на проблемы.

Можете ли вы поделиться некоторыми историями успеха или кейс-стади из организаций здравоохранения, которые реализовали решения Ibex?

Мы очень гордимся нашими партнерствами и глобальным охватом. Например, у нас есть первая национальная реализация ИИ в Уэльсе – все Здравоохранительные советы Уэльса используют решение ИИ Ibex. Другим примером является CorePlus Laboratories в Пуэрто-Рико – они используют Ibex в течение нескольких лет и опубликовали статью, которая показывает влияние платформы на их клиническую практику. Например, используя алгоритм ИИ, патологи смогли выявить 160 мужчин, которые в противном случае были бы неправильно диагностированы. Эти пациенты получили правильное лечение благодаря поддержке ИИ. Это действительно то влияние, которое мы оказываем. Это то, чего мы не можем забыть – мы здесь, чтобы влиять на жизнь людей.

Какую роль, по вашему мнению, ИИ будет играть в будущем патологии и диагностики рака в течение следующего десятилетия?

В течение следующего десятилетия мы продолжим видеть, как патологи используют ИИ для поддержки своих основных диагностических усилий. Я представляю, что патологи будут использовать ИИ на большинстве своей рабочей нагрузки, чтобы гарантировать, что качество высоко, и все объективно, воспроизводимо и своевременно. Кроме того, ИИ поможет врачам делать вещи, которые они не делают сейчас. Он может помочь им решить, какие дополнительные тесты необходимо провести для конкретного случая, а также предоставить более точный прогноз и упростить выбор лечения.

ИИ будет интегральным на протяжении всего пути пациента, не только в части диагностики рака в лаборатории патологии, но и, например, для онколога, который решает о курсе лечения. Я также думаю, что ИИ поможет объединить дисциплины. С течением времени различные модальности (патология, радиология, геномика, клинические записи) будут переданы различным модулям ИИ для поддержки новой и улучшенной точной медицины. С точки зрения здоровья и равенства пациенты, которые не имеют доступа к лучшим врачам мира, испытают огромный скачок в качестве своего диагноза и лечения. ИИ поможет всем достичь уровня gần эксперта. Каждый заслуживает доступа к качественной помощи, и ИИ поможет нам двигаться в правильном направлении к демократизации доступа к здравоохранению.

Благодарим за отличное интервью, читатели, которые хотят узнать больше, должны посетить Ibex Medical Analytics.