โจนาส มัฟฟ์ ผู้ก่อตั้งและซีอีโอของ Vara – ซีรีส์สัมภาษณ์

โจนาส มัฟฟ์ เป็นผู้ก่อตั้งและซีอีโอของ Vara แพลตฟอร์มตรวจคัดกรองมะเร็งเต้านม บริษัทก่อตั้งในเยอรมนีและดำเนินงานในหลายประเทศในยุโรป เมื่อเร็ว ๆ นี้ได้ประกาศความร่วมมือสำคัญสองแห่งในปีนี้ที่กรีซและเม็กซิโก ซึ่งจะทำให้ผู้หญิงกว่า 30 ล้านคนเข้าถึงเทคโนโลยีนี้ได้

อะไรดึงดูดให้คุณสนใจสาขาปัญญาประดิษฐ์ในตอนแรก?

ในฐานะลูกของแพทย์ ผมเชื่อเสมอว่าพลังและศักยภาพของการดูแลสุขภาพอยู่ที่การป้องกันมากกว่าการรักษาเพียงอย่างเดียว นั่นคือการรักษาสุขภาพของคนที่แข็งแรงให้คงอยู่ แทนที่จะรักษาเฉพาะคนป่วย ปัญญาประดิษฐ์เป็นกุญแจทั้งในการเปลี่ยนแนวคิดนี้และในการช่วยให้ระบบสุขภาพสมัยใหม่ก้าวกระโดดด้านการวินิจฉัยและรักษาโรค การวินิจฉัยด้วย AI มีศักยภาพที่จะมีต้นทุนต่ำลงและพึ่งพาความรู้ของผู้เชี่ยวชาญน้อยลง ซึ่งเป็นทรัพยากรที่ขาดแคลนทั่วโลก ด้วยวิธีนี้ AI อาจช่วยให้ประเทศที่พัฒนาน้อยกว่าให้บริการทางการแพทย์คุณภาพสูงได้ และทำให้การเข้าถึงบริการสุขภาพที่ดีมีความเป็นธรรมและครอบคลุมทั่วโลกมากขึ้น

ช่วยเล่าเรื่องราวการก่อตั้ง Vara ได้หรือไม่?

Vara เกิดจาก Merantix ซึ่งเป็นเวนเจอร์สตูดิโอในเบอร์ลินที่มุ่งปลดล็อกศักยภาพของ AI ผ่านความร่วมมือ Merantix รวบรวมผู้คนต่างภูมิหลังที่มีแนวคิดแบบผู้ประกอบการเพื่อแก้ปัญหาในโลกจริงอย่างสร้างสรรค์ เรารวมทีมผู้เชี่ยวชาญด้านการเรียนรู้ของเครื่อง นักพัฒนาซอฟต์แวร์ นักออกแบบผลิตภัณฑ์ และรังสีแพทย์ เพื่อออกแบบกระบวนการตรวจคัดกรองมะเร็งเต้านมใหม่ตั้งแต่ต้น

การอ่านภาพแมมโมแกรมของรังสีแพทย์ด้านการคัดกรองเปรียบเหมือนการงมเข็มในมหาสมุทร ภาพส่วนใหญ่จะถูกจัดว่าเป็น “ปกติ” กล่าวคือไม่มีสัญญาณของมะเร็งเต้านม แต่ภาพส่วนน้อยที่มีความสำคัญอย่างยิ่งจะน่าสงสัยและต้องวิเคราะห์เพิ่มเติม

สิ่งนี้ทำให้รังสีแพทย์ต้องรับแรงกดดันมหาศาลเพื่อไม่ให้พลาดสิ่งผิดปกติ ขณะเดียวกันก็ต้องใช้เวลาทำงานแต่ละวันถึง 98% หรือมากกว่าในการรายงานภาพปกติ การผสมกันของสองปัจจัยนี้อาจนำไปสู่ความผิดพลาด ตั้งแต่วันแรกเราเชื่อว่า AI สามารถช่วยแก้ทั้งสองปัญหา โดยชดเชยความผิดพลาดของมนุษย์และลดภาระงานธุรการ ทำให้รังสีแพทย์ทุ่มเทความสนใจให้การค้นหาความผิดปกติได้มากขึ้น

เราจึงร่วมมือกับรังสีแพทย์ด้านการคัดกรองชั้นนำของเยอรมนีเพื่อสร้างแพลตฟอร์มที่ทำให้กระบวนการทางคลินิกทั้งหมดเป็นมาตรฐาน และยกระดับด้วย AI ขั้นสูง ระบบอัตโนมัติ และเครื่องมือจัดการข้อมูล Vara มุ่งเพิ่มขีดความสามารถของรังสีแพทย์ เพื่อให้กระบวนการมีประสิทธิภาพ โปร่งใส และได้ผลยิ่งขึ้น แทนการเข้ามาแทนที่รังสีแพทย์

จากการทำงาน เราพบด้วยว่าแม้การตรวจคัดกรองมะเร็งเต้านมเป็นบริการตามปกติในประเทศยุโรปส่วนใหญ่ รวมถึงเยอรมนีบ้านเกิดของเราซึ่งเริ่มโครงการคัดกรองระดับประชากรตั้งแต่ปี 2002 แต่ประเทศส่วนใหญ่ในโลกยังไม่มีบริการนี้สำหรับผู้หญิง เราเชื่อว่าผู้หญิงทุกคนมีสิทธิได้รับการตรวจคัดกรอง จึงออกแบบแพลตฟอร์มให้ทำงานได้ทุกแห่งในโลก ภารกิจของเราคือทำให้ทุกคนเข้าถึงการตรวจคัดกรองมะเร็งเต้านมที่ขับเคลื่อนด้วยข้อมูลได้มากขึ้น

ใช้ชุดข้อมูลฝึกกี่ชุดในการฝึกข้อมูล และชุดเหล่านี้ครอบคลุมประเภทผิวที่หลากหลายหรือไม่?

โมเดลของเราพัฒนาจากภาพแมมโมแกรมกว่า 7 ล้านภาพ โดยใช้ข้อมูลจากยุโรป ส่วนใหญ่มาจากเยอรมนี

ภาพแมมโมแกรมของประชากรและกลุ่มชาติพันธุ์ต่าง ๆ มีความคล้ายคลึงกันมาก สิ่งที่ต่างกันในประชากรทั่วโลกคือความหนาแน่นของเต้านม (ปริมาณเนื้อเยื่อไขมันในเต้านม) ชนิดย่อยทางพยาธิวิทยาของมะเร็ง ตลอดจนชนิดและขนาดของรอยโรค

เมื่อประเมิน Vara เราไม่ได้พิจารณาเพียงประสิทธิภาพเฉลี่ย แต่ประเมินแต่ละกลุ่มย่อยด้วย เช่น เต้านมที่มีไขมันมากเทียบกับเต้านมหนาแน่น หรือรอยโรคขนาดเล็กเทียบกับขนาดใหญ่ ผลลัพธ์แสดงว่าเราช่วยปรับปรุงตัวชี้วัดของรังสีแพทย์ได้ในทุกกลุ่มย่อยที่เกี่ยวข้อง

ดังนั้น แม้ผู้หญิงจากประชากรอื่นอาจมีแนวโน้มที่จะมีเต้านมหนาแน่นกว่า Vara ก็ยังช่วยยกระดับมาตรฐานการดูแลได้ เราประเมินในพื้นที่เพื่อทำความเข้าใจประสิทธิภาพของ AI ในเม็กซิโกและให้แน่ใจว่าช่วยปรับปรุงมาตรฐานการดูแลได้จริง เราจะติดตามประสิทธิภาพของ Vara แบบไปข้างหน้าในเวลาจริงและพูดคุยกับพันธมิตรด้านการคัดกรองอย่างต่อเนื่อง เป้าหมายคือยกระดับมาตรฐานการดูแลในเม็กซิโกด้วยกระบวนการคัดกรองที่เป็นมาตรฐานและขับเคลื่อนด้วย AI

ระบบ Vara ใช้การจำแนกภาพแมมโมแกรมสามประเภท ช่วยอธิบายแต่ละประเภทและวิธีช่วยลดผลบวกลวงได้หรือไม่?

แนวทางส่งต่อการตัดสินใจเป็นกระบวนการคัดกรองที่ Vara พัฒนาขึ้น อัลกอริทึมจะให้ข้อสรุปเฉพาะกรณีที่มั่นใจว่าคาดการณ์ได้ถูกต้อง และให้ผู้เชี่ยวชาญที่เป็นมนุษย์ตัดสินกรณีอื่น

เป้าหมายคือใช้ AI สนับสนุนรังสีแพทย์เพื่อเพิ่มทั้งความไวและความจำเพาะ กล่าวคือช่วยลดผลลบลวงและผลบวกลวง ขณะเดียวกัน AI ไม่สมบูรณ์แบบและไม่สามารถคาดการณ์ถูกต้อง 100% ในทุกกรณี แนวทางนี้จึงรวมความเชี่ยวชาญของรังสีแพทย์กับความสามารถทางเทคนิคของ AI ในปัจจุบันเพื่อปรับปรุงทั้งสองด้าน

การจำแนกทั้งสามประเภทมีดังนี้:

1. การคัดแยกกรณีปกติ: อัลกอริทึมเลือกกลุ่มกรณีที่มั่นใจสูงว่าปกติและติดป้ายให้รังสีแพทย์โดยอัตโนมัติ เป้าหมายคือระบุกรณีปกติให้เป็นผลลบให้มากที่สุด โดยมีการจำแนกผิดให้น้อยที่สุด
2. ตาข่ายนิรภัย: สำหรับกรณีที่ AI มั่นใจมากว่าภาพน่าสงสัย ระบบจะเป็นตาข่ายนิรภัย หากรังสีแพทย์จัดกรณีนั้นเป็นผลลบ ระบบจะทำงานและชี้บริเวณเฉพาะในภาพที่ AI เห็นว่าน่าสงสัย รังสีแพทย์จึงทบทวนการตัดสินใจและอาจตรวจพบมะเร็งที่มิฉะนั้นจะถูกมองข้าม
3. กรณีที่ไม่จำแนก: AI ไม่ได้ให้ข้อสรุปทุกกรณี บางกรณีไม่ถูกจัดเป็นปกติ (กลุ่มที่น่าสงสัยน้อยที่สุด) และไม่กระตุ้นตาข่ายนิรภัย (กลุ่มที่น่าสงสัยมากที่สุด) เพราะ AI ยังมั่นใจไม่เพียงพอ กรณีเหล่านี้ควรอาศัยความเชี่ยวชาญในการตัดสินใจของรังสีแพทย์

คุณสมบัติหนึ่งของแนวทางส่งต่อการตัดสินใจคือสามารถปรับตั้งค่าได้ เราอาจตั้งให้ AI ติดป้ายกรณีที่น่าสงสัยน้อยที่สุด 50% ว่าปกติ หรือกำหนดเป็น 70% ก็ได้ ในทำนองเดียวกัน อาจให้ตาข่ายนิรภัยทำงานกับกรณีที่น่าสงสัยที่สุด 1% หรือ 2%

มนุษย์รวมถึงรังสีแพทย์มักมีอคติทางการรู้คิด แอปพลิเคชัน AI ช่วยแก้ปัญหานี้อย่างไร?

AI ของเราเรียนรู้จากข้อมูลของหนึ่งในระบบคัดกรองที่ดีที่สุดในโลกในเยอรมนี นอกจากนี้ระหว่างการฝึก AI ยังเข้าถึงข้อมูลที่รังสีแพทย์ไม่มีในงานคลินิก ได้แก่ ผลตรวจชิ้นเนื้อหรือผลติดตามสองปีของแต่ละกรณี การใช้ชุดข้อมูลที่กว้างและเป็นตัวแทนช่วยป้องกันอคติในข้อมูลฝึก

เราพัฒนาตาข่ายนิรภัยเพื่อลดอคติที่อาจเกิดจากปฏิสัมพันธ์ระหว่างมนุษย์กับ AI ระบบจะไม่แสดงบริเวณน่าสงสัยให้รังสีแพทย์เห็นล่วงหน้า แต่ให้รังสีแพทย์รายงานผลในโปรแกรมดูภาพของ Vara ก่อน หาก AI ไม่เห็นด้วยกับการประเมิน ระบบจึงแสดงการคาดการณ์ที่ระบุตำแหน่ง ทำให้รังสีแพทย์ทบทวนและแก้ไขรายงานเริ่มต้นได้ วิธีนี้ช่วยลดมะเร็งที่ตรวจพลาด

โมเดลไม่เหนื่อยล้าเหมือนมนุษย์ และให้ประสิทธิภาพที่ดีขึ้นอย่างต่อเนื่องโดยไม่ขึ้นกับช่วงเวลาของวัน AI จึงช่วยให้ผลของรังสีแพทย์มีความเป็นภววิสัยมากขึ้นได้

ช่วยอธิบายความท้าทายในการตรวจหามะเร็งเต้านมสำหรับกรณีพิเศษ เช่น ผู้ที่มีเต้านมเทียม ได้หรือไม่?

โมเดลของเราฝึกด้วยชุดข้อมูลจริงที่หลากหลายจากผู้หญิงทุกกลุ่มที่เข้ารับการคัดกรอง รวมถึงผู้ที่มีเต้านมเทียม เราไม่พบว่ากรณีเหล่านี้เป็นความท้าทายเป็นพิเศษสำหรับ Vara นอกจากนี้โมเดลไม่ได้ให้ข้อสรุปทุกกรณี หากไม่มั่นใจในกรณีใด ก็จะส่งการตัดสินใจให้รังสีแพทย์ ซึ่งเราเรียกว่าแนวทางส่งต่อการตัดสินใจตามที่อธิบายข้างต้น

Vara ยังตรวจภาพแมมโมแกรมซ้ำหลังการอ่านภาพ ขั้นตอนนี้มองหาอะไรเป็นพิเศษ?

Vara แสดงการคาดการณ์หลังรังสีแพทย์สร้างความเห็นแล้ว (ดูรายละเอียดในหัวข้อตาข่ายนิรภัยข้างต้น) รังสีแพทย์ได้ข้อมูลสำคัญจากการเปรียบเทียบการเปลี่ยนแปลงของเนื้อเยื่อและรอยโรคตามเวลา การใช้ข้อมูลตามลำดับเวลาก็ช่วยเพิ่มความแม่นยำในการวินิจฉัยของโมเดล AI ได้เช่นกัน AI ของเราไม่เพียงประมวลผลการตรวจครั้งปัจจุบัน แต่ยังตรวจภาพครั้งก่อนเพื่อค้นหาสัญญาณมะเร็งด้วย โดยมีแนวโน้มว่าจะช่วยเพิ่มประสิทธิภาพการคัดกรองต่อไป

มีเรื่องอื่นเกี่ยวกับ Vara ที่ต้องการแบ่งปันหรือไม่?

แนวทางส่งต่อการตัดสินใจของแพลตฟอร์ม Vara AI ใช้งานในหน่วยคัดกรอง 30% ของเยอรมนีแล้ว ในภารกิจระดับโลก เราเพิ่งเปิดหน่วยคัดกรองใน เม็กซิโก และ กรีซ ร่วมกับผู้ให้บริการสุขภาพในพื้นที่ เราแสดงให้เห็นว่าสามารถใช้โครงสร้างพื้นฐานด้านสุขภาพที่มีอยู่เพื่อช่วยให้พันธมิตรก้าวจากระบบปัจจุบันไปสู่บริการคัดกรองที่ทันสมัยและเป็นมาตรฐานได้

ทีมของเราเพิ่มเป็นสองเท่าจนมี 30 คน และได้แต่งตั้งผู้เชี่ยวชาญด้านรังสีวิทยาระดับโลก เช่น ศาสตราจารย์ Katja Pinker-Domenig เป็นที่ปรึกษาทางการแพทย์หลัก และ Stephan Dreier เป็นประธานเจ้าหน้าที่ฝ่ายรายได้ เรายังร่วมมือกับสถาบันวิชาการชั้นนำในสหรัฐฯ และยุโรป เช่น Memorial Sloan Kettering Cancer Center มหาวิทยาลัยเคมบริดจ์ Karolinska Institutet และ สำนักทะเบียนมะเร็งนอร์เวย์

ประสิทธิภาพ AI ของ Vara แสดงศักยภาพอย่างมากด้านการทำซ้ำและการนำไปใช้กับข้อมูลอื่น การศึกษาย้อนหลังขนาดใหญ่กำลังอยู่ระหว่างการตีพิมพ์ใน Lancet Digital Health ที่มีชื่อเสียงระดับโลก เช่นเดียวกับบทความที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิอีกชิ้นเกี่ยวกับการป้องกันมะเร็งที่เกิดระหว่างรอบการคัดกรองใน European Journal of Radiology

เราเพิ่งเริ่ม การศึกษาแบบไปข้างหน้าครั้งแรกของเยอรมนี เพื่อแสดงผลของ Vara ในงานคลินิกประจำ ความสำเร็จเหล่านี้ช่วยให้เราบรรลุภารกิจหลักในการทำให้ทุกคนเข้าถึงการคัดกรองมะเร็งเต้านมที่ขับเคลื่อนด้วยข้อมูล

ขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านที่ต้องการทราบข้อมูลเพิ่มเติมสามารถเยี่ยมชม Vara.