Joseph Mossel, medgrundare och VD för Ibex Medical Analytics – Intervjuer

Joseph Mossel är VD för Ibex Medical Analytics. Hans karriär inom tech-branschen spänner över mer än 20 år, med start i programvaruutveckling och produktledning, följt av ledande positioner i startup-företag, stora multinationella företag och ideella organisationer. Joseph har lett produkter från idé till mognad som multimiljonföretag. Han har en masterexamen i datavetenskap från Tel Aviv University och en masterexamen i miljövetenskap från VU Amsterdam.

Utvecklat av patologer för patologer, är Ibex en kliniskt godkänd, multi-vävnadsplattform som hjälper patologer att upptäcka och gradera bröst-, prostata- och magsäckscancer, samt över hundra andra kliniskt relevanta funktioner.

Smidigt integrerat med tredjepartsdigitala patologiprogramvarulösningar, skanningsplattformar och laboratorieinformationssystem, levererar Ibex AI-aktiverade arbetsflöden automatiserade högkvalitativa insikter som förbättrar patientsäkerhet, ökar läkarkonfidens och ökar produktivitet.

Vad inspirerade dig att medgrundade Ibex Medical Analytics (Ibex), och vilket problem försökte du lösa?

Cancer, tyvärr, berör alla – antingen de är personligen påverkade, har varit vårdare för någon med cancer eller känner någon som har påverkats. Jag har släktingar och vänner som har påverkats av cancer, och tragiskt nog dog en av våra anställda av cancer.

Medan cancerincidensen fortsätter att öka globalt, finns det en ökande efterfrågan på cancerdiagnostik som förvärras av en global brist på patologer, vars jobb blir allt mer komplexa med framsteg inom terapi och en efterfrågan på mer komplex diagnostik.

Vår plattform hjälper till att övervinna dessa utmaningar genom att ge patologer AI-verktyg som förbättrar noggrannheten och effektiviserar arbetsflöden för att säkerställa att varje patient får en korrekt och snabb diagnos, som är avgörande för att vägleda behandlingsbeslut och slutligen förbättra patientresultat.

Vi är stolta över det arbete vi gör för våra kunder, många av vilka förlitar sig på vår teknik dagligen för att leverera bättre diagnoser. Deras förtroende för våra lösningar lyfter fram den verkliga påverkan vi har, som förvandlar fältet patologi och förbättrar patientresultat.

Kan du berätta lite om din bakgrund och hur den ledde till ditt arbete inom AI-driven patologi?

Om jag ser tillbaka på min karriär, har det funnits två drivande krafter: en sökning efter en känsla av syfte och en preferens för tvärvetenskaplighet över djup specialisering. Jag är lycklig att driva ett företag som ger mig en djup känsla av syfte och låter mig arbeta med ett otroligt begåvat team från olika bakgrunder och discipliner.

Min ursprungliga akademiska bakgrund var i datavetenskap, med specialisering inom beräkningsneurovetenskap. Jag arbetade sedan som algoritmtekniker och gick vidare till produktledning. Efter en period på ett stort företag bestämde jag mig för att det inte var för mig. Jag tog en examen i miljövetenskap och drev en miljöideell organisation i flera år. Hållbarhet är fortfarande en passion för mig och anses vara den stora utmaningen i vår tid.

För ungefär tio år sedan träffade jag min medgrundare, Chaim Linhart, som var lika driven att göra en meningsfull skillnad och delade min passion för teknik. Chaim, till skillnad från mig, är en specialist. Han har en doktorsexamen i datavetenskap och mer än 25 års erfarenhet av algoritmutveckling, AI och maskinlärning (ML). Under de första dagarna av Ibex var Chaim upptagen med att vinna Kaggle (ML)-tävlingar.

När vi lärde oss att patologi långsamt digitaliseras, pratade vi om den påverkan som en digital transformation inom patologi kunde ha på att förbättra cancerdiagnostik. Hundratals företag utvecklade redan AI inom radiologi, och vi frågade oss själva, varför inte göra detsamma inom patologi? Det verkade som en naturlig passform att föra in vår tekniska expertis inom området, i nära samarbete med patologer varje steg på vägen.

Vilka var några av de största utmaningarna du mötte under de tidiga dagarna av Ibex, och hur övervann du dem?

Idén – som vi inte var de första att komma på – att tillämpa AI på patologiska bilder var den lätta delen. Utförandet är svårt. De tre största utmaningarna vi mötte under de tidiga dagarna av Ibex var tillgång till data, tillgång till kapital och tillgång till domänspecifik kunskap.

Vi löste utmaningen med data genom att samarbeta med Maccabi Health Services of Israel. Vid den tidpunkten var vi två unga entreprenörer utan medicinsk kunskap som bestämde sig för att starta ett medicinskt företag inom ett mycket komplext område. Men Varda Shalev, som ledde Maccabis innovationsavdelning vid den tidpunkten, trodde på vår vision, och vi undertecknade ett partnerskaps- och data-delningavtal med Maccabi. Vid den tidpunkten gick Dr. Judith Sandbank, chefspatologen på Ibex, med på bordet som vår Chief Medical Officer (CMO), en position hon fortfarande innehar. Med en strategisk partner och en CMO var vi nu väl positionerade för att höja en seed-runda, som vi höjde från Kamet Ventures, ett franskt venture-studio som var en del av AXA Insurance.

Vi var nu positionerade för att göra historia. Vi anställde två ingenjörer och utvecklade vår första algoritm för prostatacancerdiagnostik. När vi var nöjda med prestandan, distribuerade vi den på Maccabis patologilaboratorium som en andra läsning, som granskade alla fall efter en första läsning av patologen. Till vår överraskning identifierade systemet inom några dagar ett cancerfall som hade missats av patologen. Såvitt vi vet var detta det första fallet någonsin där den initiala diagnosen av cancer gjordes av en algoritm, redan 2018.

Grattis till att ha fått FDA 510(k)-godkännande för Ibex Prostate Detect! Vad betyder detta godkännande för Ibex och det bredare området AI-drivna diagnostik?

Tack! Detta godkännande markerar en betydande milstolpe i Ibex resa och exemplifierar vår dedikation till att utveckla kliniskt validerade lösningar som hjälper till att förbättra patienternas hälsoutfall. Det bekräftar vår åtagande för säkerheten och effikaciteten hos våra lösningar och stärker vår förmåga att tillhandahålla banbrytande innovationer till patologer, till slut till förmån för patienterna de betjänar.

Vi ser att denna enorma milstolpe kommer att bryta ner barriärer och påskynda antagandet av AI och digitalisering inom patologi. Vi hoppas att detta framstående kommer att stärka branschomfattande förtroende för att tekniken är lätt att implementera och redo för bred användning. Långsiktigt är FDA-godkännandet ett viktigt steg mot att uppnå ersättning för AI inom patologi och främja omfattande antagande.

FDA-valideringsprocessen framhöll en 13-procentig frekvens av missade cancerfall i initiala benigna diagnoser. Vad berättar detta oss om potentialen för AI att förbättra diagnostisk noggrannhet?

I de robusta precisions- och kliniska valideringsstudier som genomfördes på flera laboratorier i USA och Europa som en del av FDA-godkännandet, identifierade systemet en 13-procentig frekvens av missade cancerfall i en kohort av konsekutiva patienter som initialt diagnostiserades som benigna. Denna statistik förstärker noggrannheten och påverkan av Ibex produkter, och den validerar också att Ibex AI-plattform kan integreras säkert i kliniska arbetsflöden, förbättrar diagnostisk precision och slutligen förbättrar patientvård. Genom att tillhandahålla ett ytterligare lager av analys hjälper vår teknik till att minska fel, möjliggöra bättre kliniska beslut och främja patient säkerhet.

Hur fungerar Ibex Prostate Detect, och vad gör det unikt jämfört med andra AI-drivna patologilösningar?

Ibex Prostate Detect är en in vitro-diagnostisk medicinsk enhet som använder AI för att generera värmebilder som identifierar missade prostatacancerfall. Det fungerar som ett säkerhetsnät för att hjälpa patologer att säkerställa att patienter får en korrekt diagnos. Det använder AI-algoritmer för att förbättra noggrannheten i en prostatacancerdiagnos.

Enheten är avsedd att identifiera tumörer som kan ha missats av patologen. Om misstänkt vävnad för prostatacancer identifieras, genererar systemet en varning och inkluderar en värmebild som vägleder patologen till områden som sannolikt innehåller cancer. Ibex Prostate Detect är den enda FDA-godkända lösningen som tillhandahåller AI-aktiverade värmebilder för alla områden med sannolikhet för cancer, och erbjuder fullständig förklarbarhet för den granskande patologen.

Kan du förklara hur värmebildsfunktionen hjälper patologer att identifiera cancerös vävnad?

Ibex Prostate Detect är avsett att identifiera fall som initialt diagnostiserats som benigna för ytterligare granskning av en patolog. Om det upptäcker vävnads morfologi som är misstänkt för prostata adenocarcinom (AdC), atypisk liten acinär proliferation (ASAP) och andra sällsynta canceralternativ, tillhandahåller det varningar som inkluderar en värmebild av vävnadsområden i helbilderna som sannolikt innehåller cancer, och erbjuder fullständig förklarbarhet för den granskande patologen.

Generellt är värmebilden exakt och kan ge patologen områden av oro som de kan fokusera på och bestämma den korrekta diagnosen. I precisions- och kliniska valideringsstudier som genomfördes som en del av FDA-godkännandet, visade Ibex Prostate Detects värmebilder extrem pixelnoggrannhet och fastställde följande:

• Nästan alla canceralternativ täcks av värmebilden (sensitivitet = 98,7%).
• Nästan allt som markerats som hög sannolikhet för cancer i värmebilden är faktiskt cancer (PPV = 99,6%).
• De missade cancerfallen (falska negativ) som identifierades av systemet verifierades sedan av expertpatologer, vilket bekräftar produktens kliniska nytta och fördelar jämfört med den nuvarande standarden.

Hur skiljer sig AI-modellen åt mellan benign och malign vävnad, och hur tränades den?

Deep Learning-algoritmen bygger på multilagerade konvolutionsneuronnät, som fungerar på flera förstoringsskalor. AI:n är exceptionellt robust och visar hög noggrannhet över flera laboratorier och patientdemografier. Det är värt att notera att, i linje med vår mantra “av patologer, för patologer”, tränades modellen på över en miljon bilder som noggrant annoterats av världsledande patologer vid ledande medicinska centra. Detta tillvägagångssätt är dyrt, men vi tror att utan insikter från patologer är det mycket svårt att nå den nivå av prestanda vi siktar på. Genom att göra detta utrustar vi alla patologer med expertinsikter och säkerställer att varje patient, oavsett deras plats, får en diagnostiknivå som är jämförbar med världens ledande specialister.

Bortom prostatacancer arbetar Ibex också med lösningar för bröst- och magsäckscancer. Vad är nästa steg för företaget i termer av nya diagnostiska funktioner?

Ibex har redan en enorm påverkan på AI-drivna diagnostiska lösningar för bröst- och magsäckscancer. Som världsledande inom kliniska lanseringar, använder många laboratorier – inklusive de i USA – redan Ibex-produkter för att omvandla sin medicinska praxis. Våra produkter har visat sig leverera verklig klinisk påverkan, och patologer litar på AI:n och intygar det värde det tillför. Nu arbetar vi med att lansera en ny typ av teknik på marknaden, en teknik som utvecklats och validerats av Ibex i samarbete med AstraZeneca (AZN ) och Daiichi Sankyo. Den specifika algoritmen som är den första att lanseras hjälper till att kvantifiera HER2-uttryck, vilket hjälper leverantörer att bestämma behandlingsförloppet för patienten.

Vi kommer att fortsätta expandera vårt utbud för att tillhandahålla ytterligare insikter inom de vävnadstyper vi redan stöder. Vi undersöker också möjligheter att erbjuda lösningar inom andra vävnadsområden och fortsätter att förbättra våra kunders arbetsflöden.

Hur ser du att AI-drivna patologier utvecklas under de närmaste fem till tio åren?

Jag ser att AI kommer att ha en djup påverkan på patologins utövande och hur cancer diagnostiseras. Jag ser inte att vi ersätter patologer, men som med varje ny teknisk utveckling, kommer utövandet att förvandlas. AI kommer att fortsätta att vara avgörande för att hantera de växande arbetskraftsutmaningarna inom hälsovården, särskilt den globala bristen på patologer och deras ökande arbetsbelastning, driven av ökande cancerfall. Genom att implementera ansvarsfull AI kommer patologer att kunna hantera sin arbetsbelastning mer effektivt, förbättra diagnostisk effektivitet och minska förseningar. Genom att automatisera rutinuppgifter kan AI sänka felfrekvensen, förbättra diagnostikens kvalitet och slutligen öka patologernas förtroende för sitt arbete. Jag känner starkt att AI, tillsammans med en människa i slingan, är den bästa kombinationen för att omvandla hälsovården.

En annan område med stor potential är att expandera bortom den nuvarande patologins praxis och in i området för prediktiva algoritmer. Algoritmer som potentiellt kombinerar flera modaliteter för att förutsäga resultat eller, i synnerhet, behandlingseffektivitet.

AI kan också förbättra hälsolikhet genom att demokratisera tillgång till hälsovård. Oavsett plats förtjänar varje patient en tillförlitlig diagnos. Det vore bra om AI-teknik kunde distribueras som en del av standardpraxis i varje patologilaboratorium globalt. Men detta börjar med samarbete mellan läkare, industri och myndigheter för att påskynda distributionen av denna teknik – jag känner att vi är skyldiga patienterna.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka Ibex Medical Analytics.