Тобиас Рейкен, сооснователь и технический директор Kheiron Medical Technologies – Интервью

Тобиас Рейкен – сооснователь и технический директор Kheiron Medical Technologies, медицинской компании, которая использует передовые технологии машинного обучения для разработки и предоставления интеллектуальных инструментов радиологам, радиологическим отделениям, центрам медицинской визуализации и больницам для улучшения эффективности, согласованности и точности радиологической отчетности.

Kheiron Medical Technologies была основана с единственной целью – помочь радиологам обнаруживать рак молочной железы на ранней стадии с помощью программного обеспечения машинного обучения.

Что первоначально привлекло вас к машинному обучению?

Мое неформальное знакомство с машинным обучением произошло, когда я впервые начал изучать программирование в молодом возрасте. Был такой игровой движок, где вы могли программировать свои собственные игры. Я хотел поиграть в эту игру, но с кем я могу поиграть? Это мог быть другой игрок, но это также мог быть программный продукт. Как построить программу, которая учится играть в игру? Это не было современным ИИ, это было основано на правилах. Я выигрывал каждый раз, поэтому это не было хорошим ИИ.

Когда я изучал магистратуру в Университетском колледже Лондона, мы вступили в новую эру современного ИИ. DeepMind только что была приобретена, и я изучал машинное обучение в том месте, где DeepMind была основана. Дэвид Сильвер, один из ведущих ученых DeepMind, преподавал курс по обучению с подкреплением. В рамках курса я построил агента, который учился играть в упрощенную версию блэкджека. Когда я закончил ИИ и поиграл против своего собственного творения, я уже не мог его победить. И это было настоящим откровением.

Мое формальное знакомство с машинным обучением произошло на первом году университета. Я изучал математику и компьютерные науки в Амстердамском университетском колледже. В то же время были созданы массовые открытые онлайн-курсы, и я мог присоединиться к курсам ИИ от ведущих фигур в этой области. Курс, который произвел на меня наибольшее впечатление, был с Питером Норвигом и Себастьяном Траном из Стэнфордского университета, и я мог изучать ИИ с 100 000 людьми одновременно.

Теперь с Kheiron, то, что мне так нравится в машинном обучении, – это его применение в реальном мире. Возможность решить реальные проблемы. Это действительно меня вдохновляет.

Можете ли вы рассказать историю создания Kheiron Medical?

Питер и я встретились в 2016 году в ускорителе Entrepreneur First. Мы сразу же сдружились – вероятно, из-за наших схожих биографий. Мы оба来自 медицинских семей – мать Питера – радиолог, я вырос в медицинской семье, окруженный врачами, и мы оба выбрали путь STEM.

Наши биографии дали нам четкое понимание проблем и трудностей, с которыми сталкиваются работники здравоохранения, и понимание того, как ИИ может улучшить их жизнь, а также жизнь пациентов. Мы разделяем убеждение, что ИИ вместе с клиницистами изменит здравоохранение к лучшему.

Есть большая проблема, которую нужно решить. Есть глобальная нехватка радиологов. Многие люди умирают от рака – более 40 000 американских женщин умирают каждый год от рака молочной железы. Часть причины, по которой так много людей умирает от рака, заключается в том, что врачи не имеют правильной информации, чтобы принимать правильные решения. ИИ может помочь с этим.

Прежде всего, Kheiron здесь, чтобы помочь радиологу, чтобы радиолог мог помочь пациентам. Я лично очень мотивирован, когда копаюсь в проблеме, чтобы понять ее тонкости. Мы все работаем усердно, чтобы действительно понять работу радиологов, данные, с которыми они работают каждый день, их рабочий процесс. Затем мы можем выяснить, как мы можем развернуть ИИ в рамках этого рабочего процесса.

Мы инвестируем много в глубокое понимание пользователей и данных. У нас есть радиологи в нашей команде, которые помогают нам интегрировать потребности пользователей в процесс разработки и проектирования. У нас есть инициатива по вовлечению пациентов, которая напрямую взаимодействует с женщинами, чтобы понять их страхи и потребности в маммографии.

Многие люди спрашивают меня о названии нашей компании – Kheiron. Kheiron был мудрым, добрым кентавром – существом, которое является частью человека, частью лошади в греческой мифологии – который обучал героев медицине. Эта идея о том, что две половины составляют нечто более мощное, чем отдельные части, является вдохновением для Kheiron – ИИ и клинициста работают вместе, чтобы изменить то, что возможно в стандарте ухода.

Можете ли вы рассказать о решениях для маммографии, которые предлагаются?

Мы работаем над несколькими решениями для маммографии на пути маммографического скрининга.

Наш первый продукт называется Mia – что означает маммографическую интеллектуальную оценку. Mia оптимизирована для выполнения той же задачи, что и радиолог – а именно, определить, должна ли женщина быть вызвана для дальнейшего обследования или нет.

Уровень производительности, которого мы достигаем, позволяет нам пересмотреть рабочий процесс. Для американских женщин это невероятно значимо. В США есть так называемый “одиночный читательский рабочий процесс”. Это означает, что каждая маммограмма читается одним радиологом. Однако в Великобритании и Европе есть “двойной читательский рабочий процесс”, что означает, что каждая маммограмма читается двумя радиологами. Многие американские радиологи считают двойное чтение “золотым стандартом”, поскольку оно более вероятно обнаружит ранний, небольшой рак молочной железы.

Наши клинические исследования доказывают, что Mia является клинически безопасным и экономически эффективным вариантом в качестве независимого или параллельного читателя. Это означает, что в США Mia может быть использована вместе с радиологом, чтобы достичь того же “золотого стандарта” двойного чтения – с одним человеческим читателем. Как я сказал ранее, это действительно то, как мы видим силу ИИ и человека, работающих вместе, чтобы решить большие проблемы.

Первый продукт, который мы выводим на рынок США, называется Mia IQ, который находится на шаг раньше в пути маммографического скрининга. Mia IQ помогает техникам радиографии анализировать качество изображения. Если мы можем улучшить качество изображения, то качество чтения также улучшится. И это означает, что больше раков будет обнаружено раньше, когда исходы могут быть лучше для женщины.

Это очень важно для аудитов качества MQSA и для непрерывной подготовки, где мы ожидаем увидеть первые применения Mia IQ. Mia IQ предоставляет программам скрининга отчеты, в которых подробно описываются проблемы с позиционированием. Это позволит директорам программ предоставить точечную подготовку для техников и решить любые более широкие проблемы с качеством изображения, которые могут повлиять на их аудиты качества.

Сколько изображений было обучено нейронной сетью?

Для нас количество данных не является главным. Хорошая вещь о пространстве маммографии заключается в том, что существует много доступных данных. Есть много исторических данных, потому что программы скрининга существуют уже давно. И потому что вы скринингуете всю популяцию, генерируется много новых данных.

Проблема заключается в том, что данные сильно смещены. 99% скрининговой популяции не имеет рака, к счастью, что означает смещение в сторону нормальных изображений. Также есть различия в популяции, с нехваткой разнообразия в данных.

Итак, для Kheiron проблема не заключается в получении количества данных. Вместо этого большая часть нашего успеха заключается в понимании того, какие данные собирать, чтобы получить лучшие результаты, и быть очень избирательным и целевым в том, где и как мы получаем наши данные. Наше сотрудничество с Университетом Эмори является отличным примером того, как мы это делаем.

Являются ли ложные положительные результаты в настоящее время проблемой?

Ложные положительные результаты являются только частью проблемы. Наука скрининга основана на компромиссах между ложными положительными и ложными отрицательными результатами. Например, мы можем добиться очень низкого уровня ложных положительных результатов, но мы можем пропустить некоторые раки. С другой стороны, мы можем иметь очень мало пропущенных раков, если у нас высокий уровень ложных положительных результатов. Важно понять эти компромиссы и сбалансировать нашу службу скрининга на основе приоритетов и ресурсов.

Культурные и политические различия также существуют между странами, что влияет на то, как эти компромиссы принимаются. В некоторых странах пропуск рака считается очень проблематичным. В других странах считается более важным минимизировать ненужные вызовы из-за стоимости здравоохранения, связанной с каждым вызовом.

В конечном итоге, это о том, чтобы понять, как этот компромисс влияет на пациентов, в том, что касается количества ненужных вызовов и дальнейших тестов, испытанных группой “ложных положительных” по сравнению с группой “ложных отрицательных”, чьи раки остаются необнаруженными. Это трудный баланс, но ИИ обещает повысить планку для обеих групп.

Kheiron Medical Technologies и Университет Эмори недавно объявили о сотрудничестве для оценки данных из предыдущих маммограмм более 50 000 афроамериканских женщин, которые были скринингованы в Эмори Хелскеэр. Можете ли вы рассказать больше о этом проекте?

Наше сотрудничество с Университетом Эмори расширяет разнообразие данных, которые мы используем, чтобы гарантировать, что наша решение ИИ для скрининга рака молочной железы работает на одном и том же уровне для любой женщины, независимо от этнической принадлежности.

Первый проект в сотрудничестве будет поддерживать проверку производительности Mia на разнообразной популяции скрининга Эмори. Это многоцентровое исследование, охватывающее четыре центра скрининга и больницы. В этом проекте будет включена когорта из более 200 000 скрининговых маммограмм – примерно 45% женщин в этой когорте являются афроамериканского происхождения.

Мы объявили о этом сотрудничестве в конце ноября и с тех пор сделали большие шаги, даже учитывая проблемы работы в условиях глобальной пандемии и удаленной работы. Я думаю, что это большая заслуга команды Эмори, которая также является клиницистами, предоставляющими отличную помощь пациентам в сообществе.

Сейчас наше сотрудничество вкладывает первоначальную энергию в создание прочного фундамента для нашей будущей работы. Мы работаем в тесном сотрудничестве с командой Эмори, чтобы понять клинические рабочие процессы. Это служит необходимым фундаментом для глубокого анализа и изучения потенциальных различий между субпопуляциями, такими как этнические группы.

Эта работа не проста и не быстра. Не многие вещи в здравоохранении просты. Однако это очень наградительно, и мы счастливы, что пользуемся сотрудничеством с глобальными партнерами, которые очень сотрудничают и согласны с нами в нашей общей миссии – помочь любой женщине иметь шанс против рака молочной железы.

Насколько велика проблема подrepresentation не-белых для данных изображений для диагноза рака?

Исторически разнообразие популяций пациентов не отражалось в медицинских исследованиях в той степени, в которой это должно быть. Те, кто разрабатывает ИИ, имеют ответственность включать этническое разнообразие в свои исследования.

Недостаточное представительство является проблемой для скрининга рака молочной железы. Исходы для афроамериканских женщин являются примером этого. Афроамериканские женщины, как правило, имеют более высокие показатели смертности (на 39% выше, чем у не-испанских белых), и это может быть связано с доступом к здравоохранению, задержками в диагнозе и задержками в начале лечения, среди других факторов.

Обобщаемость ИИ на различных популяциях является ключевым шагом к решению расовых диспропорций в скрининге рака молочной железы. Я рад, что наша команда Kheiron привержена построению решения, которое работает одинаково хорошо на маммограммах из расово разнообразных популяций – и это большой мотиватор для нашей работы. Наше сотрудничество с Эмори и УКСФ поможет нам достичь этой цели обобщаемости – гарантируя, что Mia дает каждой женщине, где бы она ни была, лучший шанс против рака молочной железы.

Спасибо за отличное интервью и за работу над такими важными технологиями, спасающими жизни. Читателям, которые хотят узнать больше, следует посетить Kheiron Medical Technologies.