โทบิอัส ไรเคิน Co-Founder & CTO ที่ Kheiron Medical Technologies – สัมภาษณ์ซีรีส์

โทบิอัส ไรเคิน เป็น Co-Founder & CTO ที่ Kheiron Medical Technologies บริษัทด้านการแพทย์ที่ใช้เทคโนโลยีเครื่องมือจักรกลขั้นสูงในการพัฒนาและจัดหาอุปกรณ์ฉลาดสำหรับรังสีวิทยา ห้องรังสีวิทยา ศูนย์ภาพถ่าย และโรงพยาบาลเพื่อปรับปรุงประสิทธิภาพ ความสม่ำเสมอ และความแม่นยำในการรายงานรังสีวิทยา

Kheiron Medical Technologies ก่อตั้งขึ้นด้วยจุดมุ่งหมายเดียวคือ ช่วยให้รังสีวิทยาตรวจพบมะเร็งเต้านมได้เร็วขึ้นด้วยซอฟต์แวร์เครื่องมือจักรกล

สิ่งใดที่ดึงดูดคุณไปสู่เครื่องมือจักรกล?

การแนะนำเครื่องมือจักรกลของฉันไม่เป็นทางการคือเมื่อฉันเริ่มเรียนรู้การเขียนโปรแกรมเมื่อฉันยังเป็นวัยรุ่น มีเครื่องมือจักรกลที่คุณสามารถเขียนเกมของคุณเองได้ ฉันต้องการเล่นเกมนั้น แต่ฉันจะเล่นกับใคร? มันอาจจะเป็นอีกผู้เล่นหนึ่ง หรืออาจจะเป็นโปรแกรมได้ คุณสร้างโปรแกรมที่เรียนรู้วิธีเล่นเกมได้อย่างไร? มันไม่ใช่ AI สมัยใหม่ มันคือ AI ที่อาศัยกฎ ฉันชนะมันทุกครั้ง ดังนั้นมันจึงไม่ใช่ AI ที่ดี

เมื่อฉันกำลังศึกษาสำหรับปริญญาโทที่ University College London เราเข้าสู่ยุค AI สมัยใหม่ DeepMind เพิ่งถูกซื้อ และฉันกำลังศึกษาการเรียนรู้ของเครื่องมือจักรกลที่สถานที่ที่ DeepMind ก่อตั้งขึ้น David Silver หนึ่งในนักวิทยาศาสตร์นำของ DeepMind สอนคอร์สเกี่ยวกับการเรียนรู้แบบเสริมแรง ในฐานะส่วนหนึ่งของคอร์ส ฉันสร้างตัวแทนเพื่อเรียนรู้วิธีเล่นเกม – รูปแบบที่เรียบง่ายของแบล็คแจ็ค เมื่อฉันเสร็จสิ้น AI และเล่นกับการสร้างสรรค์ของฉัน ฉันไม่สามารถชนะมันอีกต่อไป และนั่นคือการเปิดเผยที่แท้จริง

การแนะนำเครื่องมือจักรกลอย่างเป็นทางการของฉันเกิดขึ้นในปีแรกของมหาวิทยาลัย ฉันกำลังศึกษาคณิตศาสตร์และวิทยาศาสตร์คอมพิวเตอร์ที่ Amsterdam University College ในเวลาเดียวกัน คอร์สออนไลน์แบบเปิดใหม่ถูกสร้างขึ้น และฉันสามารถเข้าร่วมคอร์ส AI จากผู้นำในด้านนี้ คอร์สที่มีผลกระทบมากที่สุดคือคอร์สของ Peter Norvig และ Sebastian Thrun จาก Stanford และฉันสามารถศึกษาการเรียนรู้ของเครื่องมือจักรกลพร้อมกับคน 100,000 คนในเวลาเดียวกัน

ตอนนี้กับ Kheiron สิ่งที่ฉันชอบมากที่สุดเกี่ยวกับการเรียนรู้ของเครื่องมือจักรกลคือการประยุกต์ใช้ในโลกแห่งความเป็นจริง โอกาสที่มันจะมีในการแก้ปัญหาในโลกแห่งความเป็นจริง สิ่งนั้นคือสิ่งที่ทำให้ฉันตื่นเต้นจริงๆ

คุณสามารถพูดถึงเรื่องราวการก่อตั้ง Kheiron Medical ได้หรือไม่?

ปีเตอร์และฉันพบกันในปี 2016 ที่ UK accelerator Entrepreneur First เราเชื่อมต่อกันทันที – อาจเป็นเพราะพื้นหลังที่คล้ายคลึงกัน เราทั้งคู่มาจากครอบครัวทางการแพทย์ – แม่ของปีเตอร์เป็นรังสีวิทยา ฉันเติบโตในครอบครัวทางการแพทย์ ล้อมรอบด้วยแพทย์ และเราทั้งคู่เลือกที่จะเดินไปตามเส้นทาง STEM

พื้นหลังของเรามอบมุมมองที่ชัดเจนเกี่ยวกับความท้าทายที่ผู้เชี่ยวชาญด้านสุขภาพเผชิญ และความเข้าใจว่า AI สามารถปรับปรุงชีวิตของพวกเขาได้อย่างไร เช่นเดียวกับชีวิตของผู้ป่วย เราแบ่งปันความเชื่อที่ว่า AI ร่วมกับแพทย์จะเปลี่ยนแปลงสุขภาพให้ดีขึ้น

มีปัญหาใหญ่ที่ต้องแก้ไข มีการขาดแคลนรังสีวิทยาทั่วโลก มีผู้หญิงมากกว่า 40,000 คนในอเมริกาตายจากมะเร็งเต้านมทุกปี ส่วนหนึ่งของสาเหตุที่ผู้คนตายจากมะเร็งคือแพทย์ไม่มีข้อมูลที่ถูกต้องในการตัดสินใจ AI สามารถช่วยได้

ก่อนอื่น Kheiron มีจุดมุ่งหมายเพื่อช่วยรังสีวิทยา เพื่อให้รังสีวิทยาช่วยผู้ป่วยได้ ฉันถูกจับตามองโดยการขุดคุ้ยปัญหาเพื่อทำความเข้าใจความซับซ้อนของมัน เราทุกคนทำงานอย่างหนักเพื่อทำความเข้าใจงานของรังสีวิทยา ข้อมูลที่พวกเขาทำงานด้วยทุกวัน การทำงานของพวกเขา จากนั้นเราสามารถตัดสินใจได้ว่าเราจะใช้ AI ในการทำงานนี้ได้อย่างไร

เราลงทุนอย่างหนักในการทำความเข้าใจผู้ใช้และข้อมูล เรามีรังสีวิทยาที่อยู่ในทีมของเราที่ช่วยให้เราผสมผสานความต้องการของผู้ใช้เข้ากับกระบวนการออกแบบและพัฒนา เรามีโครงการริเริ่มการมีส่วนร่วมของผู้ป่วยที่มีส่วนร่วมโดยตรงกับผู้หญิงเพื่อทำความเข้าใจความกลัวและความต้องการของพวกเธอสำหรับการตรวจเต้านม

หลายคนถามฉันเกี่ยวกับชื่อของบริษัทของเรา – Kheiron Kheiron เป็นเซนทอร์ที่มีใจที่ดี – สิ่งมีชีวิตที่เป็นครึ่งคน ครึ่งม้าในตำนานกรีก – ที่ฝึกอบรมวีรบุรุษในด้านการแพทย์ ความคิดที่ว่าสองส่วนประกอบเป็นสิ่งที่มีพลังมากกว่าส่วนบุคคลคือแรงบันดาลใจสำหรับ Kheiron – AI และแพทย์ทำงานร่วมกันเพื่อเปลี่ยนแปลงมาตรฐานการดูแล

คุณสามารถพูดถึงวิธีแก้ปัญหาการตรวจเต้านมที่นำเสนอได้หรือไม่?

เรากำลังทำงานเกี่ยวกับหลายวิธีแก้ปัญหาการตรวจเต้านมตามเส้นทางการตรวจเต้านม

ผลิตภัณฑ์แรกของเราชื่อ Mia – ซึ่งย่อมาจาก mammography intelligent assessment Mia ได้รับการปรับให้เหมาะสมในการทำงานเหมือนรังสีวิทยา – โดยเฉพาะในการตัดสินใจว่าผู้หญิงควรได้รับการเรียกคืนเพื่อการตรวจสอบเพิ่มเติมหรือไม่

ระดับการทำงานที่เรากำลังบรรลุนั้นช่วยให้เราสามารถคิดใหม่เกี่ยวกับการทำงานได้ สำหรับผู้หญิงอเมริกัน สิ่งนี้มีความหมายอย่างมาก สหรัฐอเมริกามีการทำงานแบบ “ผู้อ่านเดียว” ซึ่งหมายความว่าภาพถ่ายเต้านมแต่ละภาพจะถูกอ่านโดยรังสีวิทยาคนหนึ่ง ในขณะที่สหราชอาณาจักรและยุโรปมีการทำงานแบบ “ผู้อ่านสองคน” ซึ่งหมายความว่าภาพถ่ายเต้านมทุกภาพจะถูกอ่านโดยรังสีวิทยาคนสองคน รังสีวิทยาส่วนใหญ่ในอเมริกันพิจารณาว่าการอ่านสองครั้งเป็น “มาตรฐานทอง” เพราะมีแนวโน้มที่จะตรวจพบมะเร็งเต้านมที่เล็กและเร็วมากกว่าการอ่านครั้งเดียว

การศึกษาทางคลินิกของเราพิสูจน์แล้วว่า Mia เป็นตัวเลือกที่ปลอดภัยและคุ้มค่าในการใช้งานเป็นผู้อ่านอิสระหรือร่วม นี่หมายความว่าในสหรัฐอเมริกา Mia สามารถใช้ร่วมกับรังสีวิทยาเพื่อให้บรรลุมาตรฐานทองของการทำงานแบบผู้อ่านสองคน – โดยมีผู้อ่านคนเดียว เช่นเดียวกับที่ฉันพูดไว้ก่อนหน้านี้ สิ่งนี้คือวิธีที่เรามองเห็นพลังของ AI และมนุษย์ที่มารวมกันเพื่อแก้ปัญหาใหญ่ๆ

ผลิตภัณฑ์แรกที่เรานำเข้าสู่ตลาดสหรัฐอเมริกาคือ Mia IQ ซึ่งถูกวางไว้ก่อนหนึ่งขั้นตอนในเส้นทางการตรวจเต้านม Mia IQ ช่วยให้เทคนิคการถ่ายภาพวิเคราะห์คุณภาพของภาพถ่าย หากเราสามารถปรับปรุงคุณภาพของภาพถ่ายได้ คุณภาพของการอ่านจะเพิ่มขึ้นด้วย และสิ่งนี้หมายความว่ามะเร็งจะถูกตรวจพบเร็วขึ้นเมื่อผลลัพธ์สามารถดีขึ้นสำหรับผู้หญิงได้

สิ่งนี้มีความสำคัญอย่างมากสำหรับการตรวจสอบคุณภาพ MQSA และการฝึกอบรมอย่างต่อเนื่อง ซึ่งเป็นที่ที่เราคาดหวังว่าจะได้เห็นการใช้งาน Mia IQ ครั้งแรก Mia IQ ให้รายงานแก่โปรแกรมการตรวจสอบโดยละเอียดเกี่ยวกับปัญหาในการวางตำแหน่ง สิ่งนี้จะช่วยให้ผู้อำนวยการโปรแกรมสามารถให้การฝึกอบรมจุดสำหรับเทคนิคการถ่ายภาพและแก้ไขปัญหาเกี่ยวกับคุณภาพของภาพที่อาจส่งผลกระทบต่อการตรวจสอบคุณภาพของพวกเขา

เครือข่ายประสาทเทียมได้รับการฝึกฝนจากภาพจำนวนเท่าใด?

สำหรับเรา ปริมาณข้อมูลไม่ใช่จุดสนใจ สิ่งที่ดีเกี่ยวกับพื้นที่การตรวจเต้านมคือมีข้อมูลมากมาย เนื่องจากโปรแกรมการตรวจสอบได้ดำเนินไปมานานแล้ว และเนื่องจากคุณตรวจสอบประชากรทั้งหมด จึงมีข้อมูลใหม่ถูกสร้างขึ้นอย่างต่อเนื่อง

ความท้าทายคือว่าข้อมูลถูกเบี่ยงเบนไป 99% ของประชากรการตรวจสอบไม่มีมะเร็ง ซึ่งหมายความว่ามีความเบี่ยงเบนไปที่ภาพปกติ มีความแตกต่างระหว่างประชากรด้วย และขาดความหลากหลายในข้อมูล

ดังนั้น สำหรับ Kheiron ความท้าทายไม่ได้เกี่ยวกับการได้รับปริมาณข้อมูล แต่ส่วนใหญ่ของความสำเร็จของเรามาจากการทำความเข้าใจว่าควรเก็บข้อมูลใดจึงจะได้ผลลัพธ์ที่ดีที่สุด และในการเลือกและกำหนดเป้าหมายในการรับข้อมูลของเราอย่างมีประสิทธิภาพ การร่วมมือกับ Emory University เป็นตัวอย่างที่ดีของวิธีที่เรากำลังทำสิ่งนี้

ปัจจุบันผลบวกระงับเป็นปัญหาหรือไม่?

ผลบวกระงับเป็นเพียงส่วนหนึ่งของปัญหา วิทยาศาสตร์ของการตรวจสอบขึ้นอยู่กับการแลกเปลี่ยนระหว่างผลบวกระงับและผลลบกระงับ ตัวอย่างเช่น เราสามารถบรรลาอัตราผลบวกระงับที่ต่ำมากได้ แต่เราจะพลาดมะเร็งบางชนิด ในทางกลับกัน เราสามารถมีมะเร็งพลาดน้อยมากได้ หากเรามีอัตราผลบวกระงับสูง มันสำคัญที่จะเข้าใจการแลกเปลี่ยนเหล่านี้และสร้างสมดุลการบริการการตรวจสอบตามลำดับความสำคัญและทรัพยากร

ความแตกต่างทางวัฒนธรรมและนโยบายก็มีอยู่ระหว่างประเทศ ซึ่งมีอิทธิพลต่อวิธีการทำการแลกเปลี่ยนเหล่านี้ ในบางประเทศ การพลาดมะเร็งเป็นปัญหาใหญ่มาก ในประเทศอื่นๆ มันถูกมองว่าเป็นสิ่งสำคัญที่จะลดการเรียกคืนโดยไม่จำเป็นเนื่องจากต้นทุนการดูแลสุขภาพที่เกี่ยวข้องกับการเรียกคืนแต่ละครั้ง

สุดท้ายแล้ว มันคือเรื่องของการทำความเข้าใจว่าการแลกเปลี่ยนนี้ส่งผลกระทบต่อผู้ป่วยอย่างไร ในแง่ของจำนวนการเรียกคืนโดยไม่จำเป็นและการทดสอบเพิ่มเติมที่ผู้ป่วยกลุ่ม “ผลบวกระงับ” ประสบการณ์เทียบกับกลุ่ม “ผลลบกระงับ” ที่มะเร็งไม่ถูกตรวจพบ มันเป็นการกระทำที่ยาก แต่ AI สัญญาว่าจะยกระดับมาตรฐานสำหรับทั้งสองกลุ่ม

Kheiron Medical Technologies และ Emory University ประกาศความร่วมมือเพื่อประเมินข้อมูลจากมะเร็งเต้านมก่อนหน้านี้ในผู้หญิงชาวแอฟริกันอเมริกันมากกว่า 50,000 คนที่ได้รับการตรวจสอบที่ Emory Healthcare คุณสามารถแบ่งปันรายละเอียดเพิ่มเติมเกี่ยวกับโครงการนี้ได้หรือไม่?

การร่วมมือกับ Emory University ทำให้เรามีความหลากหลายของข้อมูลที่เรากำลังใช้เพื่อให้แน่ใจว่า Mia ซึ่งเป็นโซลูชันการตรวจเต้านมของ AI ของเรา ทำงานได้ตามมาตรฐานเดียวกันสำหรับผู้หญิงทุกคน ไม่ว่าเชื้อชาติจะอย่างไร

โครงการแรกในความร่วมมือนี้จะสนับสนุนการยืนยันผลการทำงานของ Mia กับประชากรการตรวจสอบที่หลากหลายของ Emory นี่คือการศึกษาที่ครอบคลุมหลายไซต์ และโรงพยาบาล มีภาพถ่ายเต้านมมากกว่า 200,000 ภาพที่จะถูกนำมาใช้ในโครงการนี้ – ประมาณ 45% ของผู้หญิงในกลุ่มนี้เป็นชาวแอฟริกันอเมริกัน

เรประกาศความร่วมมือนี้ในปลายเดือนพฤศจิกายน และได้ทำความก้าวหน้าอย่างมากตั้งแต่นั้นมา แม้จะเผชิญกับความท้าทายในการดำเนินงานภายใต้การระบาดทั่วของโควิด-19 และการทำงานระยะไกล ฉันคิดว่านี่เป็นเครดิตที่ยิ่งใหญ่สำหรับทีมที่ Emory ซึ่งเป็นแพทย์ที่ให้การดูแลผู้ป่วยที่ดีเยี่ยมในุมชน

ปัจจุบันเราได้ลงทุนพลังงานในขั้นตอนแรกเพื่อสร้างรากฐานที่แข็งแกร่งสำหรับการทำงานในอนาคต เรากำลังทำงานอย่างใกล้ชิดกับทีม Emory เพื่อทำความเข้าใจการทำงานทางคลินิก ซึ่งเป็นรากฐานที่จำเป็นสำหรับการวิเคราะห์และการซักถามที่ลึกซึ้งเกี่ยวกับความแตกต่างระหว่างกลุ่มย่อย เช่น กลุ่มชาติพันธุ์

งานนี้ไม่ใช่เรื่องง่ายหรือเร็ว ไม่เหมือนกับสิ่งอื่นๆ ในด้านสุขภาพ แต่มันเป็นงานที่ให้ผลตอบแทนสูง และเรารู้สึกตื่นเต้นที่ได้รับประโยชน์จากพันธมิตรทั่วโลกที่มีความร่วมมือและเห็นด้วยกับเราในการเดินหน้าสู่ภารกิจร่วมกัน: เพื่อช่วยให้ผู้หญิงทุกคนในทุกที่มีโอกาสต่อสู้กับมะเร็งเต้านม

ปัญหาเรื่องการแสดงภาพที่ไม่เพียงพอของคนผิวดำสำหรับข้อมูลการวินิจฉัยมะเร็งเป็นปัญหาใหญ่ขนาดไหน?

ในอดีต ความหลากหลายของประชากรผู้ป่วยไม่ได้ถูกสะท้อนในงานวิจัยทางการแพทย์อย่างที่ควรจะเป็น ผู้ที่พัฒนา AI มีหน้าที่รับผิดชอบในการรวมความหลากหลายทางชาติพันธุ์เข้าไปในงานศึกษา

ประชากรที่ไม่ได้ถูกแทนที่เป็นปัญหาในการตรวจเต้านม ผลลัพธ์สำหรับผู้หญิงชาวแอฟริกันอเมริกันเป็นตัวอย่างของสิ่งนี้ ผู้หญิงชาวแอฟริกันอเมริกันมีอัตราการตายที่สูงกว่า (39% สูงกว่าผู้หญิงที่ไม่ใช่ฮิสแปนิก) และสิ่งนี้อาจเป็นผลมาจากความเข้าถึงการดูแลสุขภาพ การล่าช้าในการวินิจฉัย และการล่าช้าในการเริ่มการรักษา เป็นต้น

การทำให้ AI ทั่วไปสามารถใช้ได้กับหลายๆ ประชากรเป็นก้าวสำคัญในการจัดการกับความไม่เท่าเทียมกันทางเชื้อชาติในการตรวจเต้านม ฉันรู้สึกตื่นเต้นที่ทีม Kheiron ของเรามุ่งมั่นที่จะสร้างโซลูชันที่ทำงานได้ดีเท่ากันสำหรับภาพถ่ายเต้านมจากประชากรที่หลากหลาย – และสิ่งนี้เป็นปัจจัยกระตุ้นที่ยิ่งใหญ่สำหรับการทำงานของเรา ความร่วมมือกับ Emory และ UCSF จะช่วยให้เราบรรลุวิสัยทัศน์ของความสามารถในการใช้งานทั่วไป – เพื่อให้แน่ใจว่า Mia ให้ผู้หญิงทุกคนในทุกที่มีโอกาสต่อสู้กับมะเร็งเต้านมที่ดีขึ้น

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยมและสำหรับการทำงานในด้านเทคโนโลยีการช่วยชีวิตที่สำคัญ ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Kheiron Medical Technologies