Ilman Shazhaev, medgrundare och VD för Acoustery – Intervjuserie

Ilman Shazhaev är medgrundare och VD för Acoustery, ett hälso-teknikföretag som utvecklar AI-teknik för tidig upptäckt av andningssjukdomar.

Vad var det som initialt drog dig till datavetenskap och teknik?

Mängden data som finns tillgänglig idag är större än någonsin, och AI-teknik — som är mycket beroende av data — har gjort enorma framsteg under de senaste åren. Det är därför det är så spännande att forska inom detta område.

Just nu fokuserar jag på Big Data-projekt. Under COVID-19 var jag med och grundade Acoustery: en helt automatiserad AI-driven lösning för att övervaka hälsan baserat på analys av röst, hosta och andning.

Nästa steg var att kombinera hälsoforskning och spel. Varför? Mängden data som denna bransch genererar är unik; dessutom är spelare tidiga användare som är villiga att dela sina data och bidra till vetenskaplig framsteg. Samtidigt är antalet pågående kliniska studier lågt, och framstegen är långsamma, och spelbranschen möjliggör mycket mer dynamisk datahantering.

Kan du berätta mer om ursprunget till Acoustery?

Som jag nämnde tidigare startades Acoustery under pandemin. Trots att affärsmöjligheterna 2020 var relativt begränsade, bodde jag i Dubai, en av de få platserna där ett projekt kunde drivas utan super strikta begränsningar.

Min medgrundare Dr. Dmitry Mikhaylov, professor vid National University of Singapore, och jag började på en ny utmaning: tidig upptäckt av COVID-19. Vid den tiden utforskade Förenade Arabemiraten i stor utsträckning tidig diagnosteknik och stödde i stor utsträckning AI-projekt.

Tack vare detta fick vi tillgång till en av de bästa testanläggningarna i Förenade Arabemiraten: Sheikh Zayed militärsjukhus, där vi hade data från hundratals COVID-19-patienter för att träna vår AI-motor på.

I nästa skede visade testerna att vår teknik var mycket exakt och hade stor potential. Forskare publicerade sina resultat i topprankade tidskrifter i Japan och USA, och vår testmetod användes i flera asiatiska länder under pandemin som en nödåtgärd.

När COVID-19 var över fokuserade vi på att upptäcka astma med samma tillvägagångssätt. Sharjah University, som för närvarande leder i Förenade Arabemiratens forskning, godkände dessa tester.

Hur exakt är detta system jämfört med PCR, LFT och antikroppstest för COVID-19?

Den positiva prediktiva värdet av Acoustery i sammanhanget med samhällsövergripande screening för COVID-19 är relativt högt (81%) jämfört med Xpert MTB/RIF, ett nytt test som revolutionerar tuberkulosdiagnostik och kontroll genom att bidra till den snabba diagnostiseringen av sjukdomen (61%) och PCR-halsflussprover (71%).

Våra fynd har visat att den programvara som utvecklats av Acoustery kan användas som ett primärt icke-laboratorietestverktyg för att upptäcka COVID-19-fall och dirigera patienter till laboratorier för PCR-testning.

Kan du berätta mer om maskinlärandet som används för att träna AI?

Vi antog att för att få en exakt upptäcktsfrekvens för COVID-19 kunde vi träna konvolutions- och återkommande nätverk för att diagnostisera sjukdomen genom att analysera spektrogram av hosta och andning hos patienter. Ett spektrogram är ett visuellt sätt att representera signalstyrkan vid olika frekvenser. Flera medicinska studier visade signifikanta skillnader mellan hostan hos patienter som hade COVID och de som inte hade det, så vi tränade vår AI-motor för att känna igen sådana skillnader.

Acousterys utveckling kan användas för att diagnostisera Alzheimers, som vanligtvis ses som en neurologisk störning. Hur fungerar det exakt?

Vår studie undersöker hur talåtgärder kan kopplas till språkprofiler hos deltagare med Alzheimers sjukdom (AD) och hur dessa profiler kan skilja AD från förändringar som är förknippade med normal åldrande. För att uppnå detta analyserar vår AI enkla meningar som uttalas av äldre vuxna med och utan AD, från procent och antal röstinbrott till shimmer (amplitudperturbationskvot) och brus-till-harmonisk förhållande. Exaktheten i denna analys når 90%.

Senare använde vi samma tillvägagångssätt i Farcana Labs – ett företag som samlar in stora mängder data som genereras av spelare för att forska om sjukdomsprogression, särskilt när det gäller psykiska störningar.

Vilka andra sjukdomar kan diagnostiseras med denna metod?

Astma är vår huvudsakliga prioritet just nu. Tuberkulos är ett annat fokusområde, liksom kroniskt obstruktiv lungsjukdom (KOL), lungfibros, pneumonia och lungcancer.

Hur stora är träningsdatamängderna för dessa användningsfall?

Vi har tusentals hostinspelningar i vår databas som samlats in under de senaste fyra åren.

Vad är din vision för framtiden för medicinsk diagnostik i allmänhet?

De data som samlas in av personliga enheter kommer att spela en betydande roll för att diagnostisera sjukdomar i tidigt skede och förhindra pandemier. Till och med våra mobiltelefoner har flera sensorer: en mikrofon är bara en av dem. Accelerometrar som kan analysera motoriska färdigheter och upptäcka många sjukdomar är en annan.

Även om dessa tekniker inte bör vara den enda källan för diagnostisering, kan de betydligt hjälpa till att förutsäga och förhindra spridningen av högt smittsamma andningssjukdomar — och, följaktligen, nya pandemier. Acoustery kan också användas i utvecklingsländer där tillgången till PCR-testning är begränsad.

Det verkar som om du har flera projekt på gång; vad är några andra spännande användningsområden som du ser för AI?

AI-området är unikt. Som AI-forskare fokuserar vi på nischer som genererar stora mängder data, vilket är nödvändigt för all AI-forskning. Vi behöver många patienter för att sammanställa kvalitetsdata, så vi har flera forskningsprojekt som pågår parallellt och utforskar flera affärsområden.

Vi ser spel som ett område där en enorm mängd data genereras. Idag spelar människor mycket videospel, vilket är en värdefull källa till data för hälsoforskning. Insamling av data från personliga enheter och wearables är ett annat område med stor potential.

Allt som allt är det spännande att utforska denna teknik nu, och jag tror att den har mycket mer potential att utnyttjas inom andra sektorer.

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