Dr. James Tudor, MD, VP för AI på XCath – Intervju-serie

Dr. James Tudor, MD, leder integrationen av AI i XCaths robotiksystem. Driven av en passion för konvergensen av teknik och medicin, balanserar han entusiastiskt sina roller som praktiserande radiolog, biträdande professor i radiologi vid Baylor College of Medicine och AI-forskare.

XCath grundades 2017 och är ett startup-företag som fokuserar på framsteg inom medicinsk robotik, nanorobotik och materialvetenskap. Företaget utvecklar nästa generations endovaskulära robotiksystem och styrbara guidwire för att behandla cerebrovaskulära störningar och andra allvarliga medicinska tillstånd.

Dr. Tudor, vad var det som initialt väckte ditt intresse för AI och medicin, särskilt inom området radiologi?

2016, när jag började min radiologiresidens, besegrade DeepMinds AlphaGo världsmästaren i Go, Lee Sedol. AlphaGos förmåga att komprimera och abstrahera de enorma komplexiteterna i Go, ett spel med fler möjliga positioner än atomer i det observerbara universum, fångade min fantasi. Uppiggad av AI:s potential att transformera radiologi och medicin som helhet, dykte jag rakt in i AI. Under min residens tillbringade jag mina kvällar och helger med AI-projekt.

Kan du berätta mer om din resa från medicinsk skola till att bli VP för AI på XCath? Vad motiverade dig att fortsätta med AI-integration inom hälso- och sjukvårdsrobotik?

Min karriär har tagit några oväntade vändningar. Efter att ha avslutat min radiologiresidens ville jag ägna mer tid åt AI och dess kommersiella tillämpningar. Jag gick med i ett fitness-robotikstartup, grundat av Eduardo Fonseca, som nu är XCaths VD. Det var en formativ upplevelse, men jag hade aldrig förväntat mig att det skulle leda till att behandla akut stroke med endovaskulära teleroboter.

För ungefär ett decennium sedan skedde en revolution inom akut strokevård. Standardbehandlingen var tidigare ett läkemedel som kallades tPA som skulle bryta upp proppen. 2015 visade kliniska prövningar överlägsenheten hos direkt avlägsnande av proppen från de cerebrala artärerna genom att navigera små guidwire och katetrar inom den arteriella vasculaturen, en procedur som kallas mekanisk trombektomi. Trots att proceduren var markant effektiv för stora kärlstroke, har mindre än 40% av den amerikanska befolkningen tillgång till det. Det finns ett begränsat antal strokecenter, vanligtvis begränsade till urbana områden, som har specialister som kan utföra proceduren. Globalt sett är statistiken ännu mer dyster: mindre än 3% av världen har tillgång.

XCaths uppdrag är att öka tillgången till mekanisk trombektomi med en hub- och nav-modell, där specialister kan tillhandahålla expertstrokevård på distans med endovaskulära teleroboter som distribueras till områden utan tillgång.

Eduardo frågade mig hur AI kunde förbättra säkerheten i telerobotsystemet. Jag var så nyfiken att jag tillbringade några veckor i djup forskning, hade samtal med interventionister och lärde mig om teleroboten. Uppdraget och den potentiella humanitära påverkan är så övertygande att jag måste svara på det här uppropet.

Hur har dina erfarenheter som akademisk radiolog format din tillvägagångssätt för att integrera AI i medicinska enheter?

Att undervisa radiologiresidens har skärpt min förmåga att förklara komplexa idéer tydligt, vilket är nyckeln när man brottas mellan AI-teknik och dess verkliga användning inom hälso- och sjukvården. Det håller mig också grundad i de utmaningar kliniker står inför, vilket hjälper mig att utforma AI-lösningar som är kliniskt praktiska och användarvänliga.

Som VP för AI på XCath, vilka är några av de viktigaste utmaningarna du stött på medan du integrerade AI i XCaths robotiksystem? Hur övervann du dem?

Att integrera AI i kirurgisk robotik presenterar en U-formad utmaning. De största svårigheterna ligger i början – att skaffa och hantera data – och i slutet – att integrera det i ett inbäddat program. I jämförelse är den faktiska utbildningen av AI-modellerna relativt enkel.

Att skaffa medicinsk data är utmanande, men lyckligtvis kunde vi etablera utmärkta bild-delningssamarbeten. Att implementera modellerna för klinisk användning kräver att man samordnar ansträngningarna från olika team, inklusive AI, kvalitet, programvara, UI/UX och robottekniker, allt medan man ständigt validerar med det kliniska teamet att lösningen är användbar och effektiv. Med så många rörliga delar beror framgången slutligen på att ha dedikerade, högpresterande team som kommunicerar ofta och effektivt.

Kunde du förklara hur AI förbättrar förmågan hos XCaths endovaskulära robotiksystem? Vilken roll spelar AI för att förbättra patientresultaten?

AI-algoritmer kan fungera som en konstant lärare och assistent, minska den kognitiva belastningen och höja alla leverantörer för att tillhandahålla världsklassvård. AI kan tillhandahålla intraoperativ och postoperativ återkoppling, påskynda utbildnings- och antagningsprocessen för endovaskulär robotik. Vårt mål är att göra systemet så effektivt och tillgängligt att andra intravaskulära specialister, såsom interventionella kroppsradiologer och interventionella kardiologer, kan utbildas för att tillhandahålla akut strokevård med roboten.

Dessutom kan lokalt inbäddade algoritmer tillhandahålla en extra nivå av säkerhet från cyberattacker och nätverksfel, eftersom de förutser den förväntade banan för en procedur och kan varna och pausa proceduren i händelse av oförutsedda händelser.

Till slut vill vi inte ta kontrollen från interventionisten, utan förstärka deras förmågor så att varje patient kan vara säker på att de får världsklassvård.

Hur hanterar XCaths AI-drivna teknik komplexiteten i att navigera i den mänskliga vasculaturen under endovaskulära procedurer?

XCaths Endovaskulära Robotiksystem representerar ett stort framsteg inom precisionsmedicin, utformat för att navigera i den intrikata mänskliga vasculaturen med sub-millimeter precision. Vårt system är utformat för att minimera procedurvariationen och förbättra kontrollen över olika endovaskulära enheter genom en intuitiv kontrollkonsol.

Dessutom har XCaths ElectroSteer Deflectable Guidewire System, världens första elektroniskt styrda styrbar smart guidwire, en styrbar spets som är utformad för att navigera i komplexa vaskulära anatomier och utmanande kärlvinklar.

AI kommer att ytterligare förbättra navigationsförmågan med lokalt inbäddade datorseende- och bana-planeringsmodeller. Dessa modeller spelar en avgörande roll för att minska den kognitiva belastningen på interventionister under procedurer genom att assistera med realtidsbildanalys och förbättringar och tillhandahålla skydd genom parallell autonomi.

XCath uppnådde nyligen en betydande milstolpe med världens första telerobotiska mekaniska trombektomi-demonstration. Kan du dela dina insikter om rollen som AI spelade i denna banbrytande procedur?

Vi använde en tidigare version av roboten för den banbrytande prestationen, så AI spelade ingen roll. Men det är en otrolig milstolpe som lägger grunden för framtida integration av AI i telerobotiska procedurer.

I denna live-demonstration utförde Dr. Vitor Pereira en MT-procedur från Abu Dhabi på en simulerad patient i Sydkorea, och avlägsnade en blodpropp i hjärnan på några minuter. Vi var imponerade av resultaten från den telerobotiska demonstrationen, som visade låg latens och tillförlitlig anslutning mellan den robotiska kontrollenheten i Abu Dhabi och den robotiska enheten i Sydkorea. Vi förutser regionala robotiska telestroke-nätverk, men vi gick till en extrem för att demonstrera teknikens förmåga.

Vad tror du är framtiden för telerobotisk kirurgi i behandlingen av akuta neurovaskulära tillstånd, och hur förbereder sig XCath för att leda inom detta område?

Att motivera nödvändigheten av telerobotisk kirurgi i många medicinska scenarier kan vara utmanande, särskilt när en kirurg är lättillgänglig eller patientöverföring är möjlig. Men i sammanhanget med strokebehandling, där varje minut räknas och neuronerna snabbt förloras, blir telerobotiska ingrepp avgörande.

XCath är unikt positionerat för att bana väg för telerobotisk kirurgi, initialt med fokus på strokebehandling. Vår tillvägagångssätt hanterar den kritiska behovet av snabb intervention i områden med begränsad tillgång till specialiserad vård. När vi har lyckats med denna utmaning tror jag att det kommer att bana väg för telerobotiska lösningar inom andra tidskänsliga medicinska nödsituationer. Dessutom, med tanke på den extrema precisionen i de robotiska kontrollerna, finns det potential för att använda roboten lokalt för att utföra tekniskt svåra operationer, såsom aneurysmreparationer.

Vart tror du att framtiden för AI inom hälso- och sjukvården är på väg, särskilt i förhållande till robotiksystem och minimalt invasiva procedurer?

AI har en enorm potential att revolutionera hälso- och sjukvården. Den första vågen av AI-tillämpningar har främst fokuserat på triage och effektivitetsförbättringar. Vi har sett betydande framsteg inom radiologi, särskilt i att flagga akuta fall eller automatisera mätningar. Jag är också entusiastisk över automatiserad medicinsk journaldokumentation. En aktuell utmaning är att läkare ofta tillbringar mer tid med att dokumentera framför datorer än att interagera med patienter. Jag förutser utvecklingen av system som kan dokumentera patientinteraktioner eller operationer i realtid, vilket frigör värdefull läkartid. Inom området robotik kommer AI att spela en avgörande roll för att assistera och proktora, vilket förbättrar konsekvensen och kvaliteten på vården.

I den närmaste framtiden kommer AI att förstärka, men inte ersätta, kirurger. Implementeringen av parallell autonomi i robotiksystem kommer att förbättra både säkerheten och effektiviteten i procedurerna.

Som någon som är djupt involverad i AI-forskning, vilka framsteg inom AI tror du kommer att ha den mest betydande påverkan på utvecklingen av medicinska enheter under de kommande tio åren?

Under de senaste åren har vi sett en våg av övervakade djupa inlärningsmodeller som har fått FDA-godkännande och som nu börjar uppfylla sitt löfte om att transformera hälso- och sjukvården. En våg av generativa AI-tillämpningar kommer sannolikt att dominera de kommande åren. Agentic AI, i jämförelse, är i sin linda, men har ett mycket större löfte. Medan AI utvecklas snabbt är det mycket troligt att vi kommer att se multi-agentsystem som kan diagnostisera och behandla i realtid. Det kommer att finnas ytterligare regulatoriska hinder för dessa agenter, vars handlingar är både ogenomskinliga och probabilistiska. Men det globala behovet kommer att driva efterfrågan på antagande. I Rwanda använder företaget Zipline flygande drönare för att leverera livsviktiga medicinska förnödenheter inom minuter runt om i landet. På liknande sätt, i områden som saknar tillgång till medicinska resurser, är risk-/nyttoekvationen mycket annorlunda och skulle sannolikt leda till att de hoppar över den utvecklade världen i distributionen av multi-agentic AI-medical enheter.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka XCath.