Terry Poon, medgrundare och CTO på Twin Health – Intervjuserie

Terry Poon var med och grundade Twin Health och driver visionen för teknikutvecklingen. Han leder utvecklingen av Twins innovativa plattform och unika algoritmer för att förbättra människors metaboliska hälsa med hjälp av IoT, maskinlärning och Digital Twin-teknik. Innan Twin var Terry VP of Engineering på Jasper Technologies, där han byggde globala mjukvaruteam och var ansvarig arkitekt för företagets IoT-molnplattform. Dessutom ledde Terry ingenjörsinsatserna för Jaspers lansering på den kinesiska marknaden, som var den snabbast växande marknaden i företagets historia. Innan Jasper hade Terry ingenjörs- och ledningspositioner på Oracle (ORCL ).

Vad var det som initialt fick dig att bli intresserad av datavetenskap och senare IoT?

Jag började programmera på en Apple (AAPL ) IIe i ung ålder och var absolut fascinerad av datorernas magi att förvandla idéer till verklighet med bara några tangenttryckningar.

Jag fortsatte att följa denna passion på MIT, där jag tog examen med kandidat- och masterexamen i datavetenskap. Jag skrev min masteruppsats om ämnet Software Agents, autonoma program som använder AI för att resonera om världen, fatta beslut och vidta åtgärder på din vägnar.

Efter examen arbetade jag på Oracle i några år, sedan gick jag med i ett tidigt IoT-startup-företag som hette Jasper Technologies, som hade en vision att förena den digitala och fysiska världen genom att skapa en plattform för att ansluta och hantera olika enheter över globala trådlösa nätverk. Under cirka 10 år skalade vi från 0 till över 160 miljoner enheter som körde på Jasper-plattformen runt om i världen.

Kan du dela med dig av ursprunget till Twin Health?

Twin Health uppfann Whole Body Digital Twin för att hjälpa människor att vända och förhindra kroniska metaboliska sjukdomar. Vi insåg att omfattningen av dessa sjukdomar ökade runt om i världen, men att ingen hade löst roten till dessa sjukdomar. Vi insåg också att den underliggande utmaningen med sådana tillstånd var ett av de mest komplexa systemen – den mänskliga metabolismen, som skiljer sig åt på individnivå. Vi kände oss unikt positionerade att använda vår erfarenhet av AI och IoT-teknik och kombinera den med djup medicinsk vetenskap för att tillhandahålla en lösning för människor.

En del av vår inspiration kom från Jasper Technologies. Medan vi var på Jasper samarbetade vi med många innovativa företag runt om i världen, inklusive Tesla (TSLA ). Tesla bygger en digital tvillingmodell av varje bil de säljer; Jasper byggde IoT-plattformen som möjliggör Teslas infrastruktur för att diagnostisera problem och uppdatera bilens programvara automatiskt, så att varje bil alltid är i toppskick.

Cisco Systems (CSCO ) förvärvade Jasper 2016. 2018 gick Jaspers VD Jahangir Mohammed med mig och vår tredje medgrundare Maluk Mohamed för att starta Twin Health, med målet att tillämpa denna digitala tvillingkoncept på den mänskliga kroppen. På Twin har vi uppfunnit vår egen teknologi som kallas Whole Body Digital Twin, som kombinerar IoT-sensorer, maskinlärning och medicinsk vetenskap för att vända kroniska metaboliska sjukdomar.

För läsare som inte är bekanta med denna term, vad är några exempel på kroniska metaboliska sjukdomar?

Kroniska metaboliska sjukdomar hänvisar till tillstånd som är relaterade till en störd metabolism, såsom diabetes, prediabetes, hypertoni (högt blodtryck), dyslipidemi (högt kolesterol), fetma och fettleversjukdom.

Vad är exakt Whole Body Digital Twin?

Whole Body Digital Twin är en dynamisk, digital representation av varje persons unika metabolism som byggs från 3000+ datapunkter som samlas in dagligen från sensorer, kombinerat med maskinlärningsmodeller för att bestämma orsak- och verkan- relationer, förutsäga framtida metaboliska tillstånd och rekommendera specifika åtgärder för varje individ för att förbättra sin egen hälsa.

Kan du diskutera vad några av de icke-invasiva bärbara sensorerna är och vilka datapunkter som samlas in?

Sensorerna inkluderar en kontinuerlig glukosmätare, en aktivitetstracker, en blodtrycksmätare och en kroppssammansättningsvåg. Med hjälp av dessa sensorer samlar vi in mer än 3 000 datapunkter per person per dag, inklusive viktiga metaboliska hälsosignaler som blodglukos, per-minut hjärtfrekvens, hjärtfrekvensvariabilitet, blodsyre, steg, sömnstadier, systoliskt tryck, diastoliskt tryck, vikt, visceralt fett etc. Med dessa signaler kan vi få djup insikt i din metabolism, dvs. hur din kropp svarar när du genomgår vardagliga aktiviteter som att äta olika livsmedel, göra olika typer av övningar, sova etc.

Vad analyserar och letar maskinlärningssystemet efter med denna insamlade data?

Vårt datavetenskapsteam har utvecklat flera maskinlärningsmodeller för att förutsäga olika biomarkörer och rekommendera specifika åtgärder för att förbättra dessa biomarkörer.

Till exempel varierar metaboliska svar dramatiskt från person till person och för varje person från mat till mat och från tid till tid; två personer kan äta exakt samma måltid och ändå ha helt olika svar. Våra modeller använder mer än 100 maskinlärningsfunktioner för att förutsäga svaren exakt för varje given måltid och varje given person.

Hur delas denna information sedan med slutanvändaren?

Vår Whole Body Digital Twin tillhandahåller tydliga hälsoguider till våra medlemmar på två sätt. Först analyserar den automatiskt dina komplexa biomarkörer varje dag för att generera en enkel visualisering av din nuvarande metaboliska hälsa, inklusive en totalpoäng och detaljer för varje aspekt av din metaboliska hälsa. För det andra genererar den högt anpassade rekommendationer för att förbättra din hälsa genom att tillämpa faktorer som precisionsnutrition, aktivitet, sömn och andning.

Kan du diskutera några av resultaten från olika försök som har genomförts?

Twin Healths kliniska forskningsteam har genomfört en randomiserad kontrollerad studie i mer än 1 år och har publicerat våra resultat i flera peer-granskade tidskrifter. Detta är världens första randomiserade kontrollerade studie (RCT) för att vända kroniska metaboliska sjukdomar med hjälp av digital tvillingteknik. Vi har sett banbrytande hälsoresultat. Patienterna hade en genomsnittlig HbA1c-reduktion på 3,1 (genomsnittlig baslinje 8,7) med över 90% som uppnådde typ 2-diabetesreversering (HbA1c under 6,5), och 92% eliminerade alla diabetesläkemedel, inklusive insulin. Dessutom hade patienterna en genomsnittlig viktreduktion på 9,1 kg (20 pund). Bland patienter med baslinjeabnormalt leverfunktion (definierat som förhöjd ALT på kliniska laboratorievärden) fanns en genomsnittlig ALT-reduktion på 24 enheter/L. I jämförelse uppnådde kontrollgruppen inte diabetesreversering, någon minskning av diabetesläkemedel eller någon signifikant förbättring av vikt eller leverfunktion. De vetenskapliga resultaten från RCT och de kommersiella resultaten har publicerats i 21 peer-granskade internationella medicinska tidskrifter och konferensartiklar och abstracts.

Vad är din vision för framtiden för personanpassad hälsovård och medicin?

Människor är otroligt diversifierade; vi alla har unik biologi, olika metaboliska svar och olika livsstilspreferenser för mat, aktiviteter etc. På grund av detta fungerar inte en lösning som passar alla; hälsovården bör vara exakt och anpassad till varje persons behov och preferenser.

På Twin tror vi på kraften i sann personanpassad precisionshälsa för att upptäcka och vända sjukdomar på det mest effektiva sättet för varje person, för att hålla alla friska livet ut.

Finns det något annat du vill dela om Twin Health eller Whole Body Digital Twin?

Vi lever i en tid av snabb innovation driven av AI, IoT och andra disruptiva tekniker. På Twin är vi engagerade i AI för det goda – att använda AI för att förstå det mest komplexa systemet av alla, den mänskliga metabolismen, på individnivå. Vi tillämpar dessa tekniker för att lösa den massiva utmaningen som kroniska metaboliska sjukdomar utgör, som påverkar mer än 1 miljard människor runt om i världen. Vänligen se twinhealth.com för att lära dig mer.