Chaim Linhart, PhD, Ibex Medical Analytics’in Kurucu Ortağı ve CTO’su – Röportaj Serisi

Chaim Linhart, PhD, Ibex Medical Analytics’in CTO’su ve kurucu ortağıdır. Akademiden ve İsrail askeri birliklerinde görev yapmaktan serta çeşitli teknoloji şirketlerinde çalışmaktan oluşan 25 yılı aşkın deneyimine sahiptir. Chaim, Tel Aviv Üniversitesi’nden Bilgisayar Bilimi alanında doktora sahiptir ve birden fazla Kaggle makine öğrenimi yarışmasını kazanmıştır.

2016’dan bu yana, Ibex, patoloji için AI destekli teşhis alanında öncülük etmektedir. Şirket, her hastanın doğru, zamanında ve kişiselleştirilmiş bir kanser teşhisi almasını sağlamak için patolojiyi dönüştürme hedefiyle yola çıktı. Bugün, Ibex, patolojide en yaygın olarak kullanılan yapay zeka platformudur. Patologlar tarafından patologlar için geliştirilen çözümler, dünyanın önde gelen hekimlerine, sağlık kuruluşlarına ve tanı sağlayıcılarına hizmet vermektedir. Her gün, Ibex, dünya çapındaki hastaların hayatlarını etkileme ayrıcalığına sahiptir. Platform, hekimlerin güvenini artırır, teşhis iş akışlarını basitleştirir, kliniklere daha kişiselleştirilmiş teşhisler sunmalarına yardımcı olur ve en önemlisi, daha iyi klinik sonuçlar sağlar.

Ibex’in kuruluşu ve AI ile kanser teşhisini dönüştürme misyonu hakkında yolculuk ve vizyonu paylaşabilir misiniz?

2016’da, kurucu ortaklarım Joseph Mossel ve ben, patolojideki dijital devrimin kanser teşhisini iyileştirmede doğrudan bir etkisi olabileceğini öğrendik. Radyoloji 20 yıl önce benzer bir dönüşüm geçirmişti ve bu, uzmanlığın uygulanma şeklini önemli ölçüde etkilemişti. Patolojinin dijitalleşmesiyle, AI kullanan yeni gelişmiş araçlar geliştirme fırsatı doğdu. Hekimlerin daha doğru, nesnel, tekrarlanabilir teşhisler yapmasına yardımcı olan AI destekli araçlar geliştirmeye odaklandık ve her hastanın doğru teşhisi almasını ve en iyi tedaviyi almasını sağladık.

2016’da Ibex’in kurulmasından bu yana kanser teşhisinin manzarası nasıl değişti?

Laboratuvarlar, özellikle Covid-19’un hızlandırdığı bir şekilde, giderek daha hızlı bir şekilde dijitalleşmeye geçtiler. Dijital devrim, laboratuvarların mikroskoptan öteye geçerek AI’yi kullanarak sonuçları verimli bir şekilde analiz etmelerine ve anlamalarına olanak tanıdı.

Kanser teşhisinde AI alanı, çeşitli şirketlerin ve startupların patoloji alanında kanser teşhisi için AI üzerine çalışmasıyla birlikte hızla büyüdü. Örneğin, precision medicine, doğru teşhis ve çeşitli bilgi işlem yaklaşımlarıyla desteklenen, veriye dayalı hasta stratifikasyonudur ve optimal, kişiselleştirilmiş tedaviye yol açar. Precision medicinedeki artış, daha karmaşık teşhisleri desteklemek için daha fazla ihtiyaca yol açmaktadır.

Ayrıca, akademik yayınlarda ve endüstri derneklerinde bu alana odaklanan bir artış görüyoruz. Joseph ve ben 2016’da dijital ve hesaplamalı patoloji konferansına katıldığımızda, AI, kanser teşhisi konuşmalarının küçük bir parçasıydı, çünkü o zamanlar ana akım değildi. Şimdi, büyük bir patoloji konferansına katıldığımızda, AI ana etkinliktir.

Ibex’i AI destekli patoloji alanındaki diğer şirketlerden ayıran nedir?

AI destekli patoloji söz konusu olduğunda, çeşitli alt alanlar vardır. Bazı şirketler, doku görüntülerini analiz ederek hastalık süreçlerini morfolojik ve hücresel düzeyde anlamaya yardımcı olan araştırma uygulamalarına öncelik verir. İkincisi, laboratuvarlarda rutin teşhis için kullanılan klinik uygulamalara odaklanan şirketler vardır.

Ibex, klinik uygulamalara odaklanmaktadır ve dünyanın dört bir yanındaki patologların günlük olarak kanser teşhisi için kullandığı en büyük ve en yaygın kurulum tabanına sahiptir. Ayrıca, patologların hedefe yönelik tedavileri ermögleyen biyobelirteçleri nicellemek için AI destekli klinik uygulamalar geliştirmek üzere Pharma ile ortaklık yapıyoruz.

Ayrıca, bazı şirketler belirli, sınırlı tumor tiplerine odaklanırken, bizim yaklaşımımız, AI’yi patologların bu dokularda gördüğü her şeyi analiz etmesi için eğitmektir. Sadece kanser teşhisi değil, aynı zamanda kanser tipi ve alt tipi, derecesi, boyutu ve diğer klinik özelliklerdir. Patoloji, sadece hastanın kanser olup olmadığını belirlemekle ilgili değildir. Patologların AI’nin masaya getirdiği faydaları gerçekleştirmelerine yardımcı olmak istiyoruz.

Ibex’in çözümlerinin core teknolojisi ve kanser teşhisi ve derecelendirmesinde patologlara nasıl yardımcı olduğunu açıklar mısınız?

Yaklaşımımız, temelde patologların makineyi eğitmeleridir. Dünyanın dört bir yanındaki büyük bir patolog ekibimiz vardır ve bunlar slaytları annotateslar, yani belirli alanları işaretler ve etiketlerler. Bir düşük dereceli tümör, bir kan damarı, bir sinir, inflamasyon vb. işaretlerler. Bu verileri alır ve AI modellerini eğitmek için kullanırız. Bu, AI’nin, özellikle nadir ve zor vakalarda, çok doğru olmasını sağlar. AI’miz patologlar tarafından eğitilir ve dokunun birçok farklı yapısını ve morfolojisini tanımlamak için eğitilir, bu da patologlar için çok faydalıdır ve sonunda doğruluğunu artırır. Geniş bir veri ve bilgi birikimine erişimimiz sayesinde, AI’mizi geliştirebilir ve sahada alınan geri bildirimlerle öğrenmeleri uygulayabiliriz.

Ibex, meme, prostate ve gastrik kanser gibi farklı kanser tiplerinde klinik düzeyde doğruluğu nasıl sağlar?

Bu, çok fazla emek gerektirir. Dünyanın dört bir yanından çok çeşitli veriler toplarız. Verilerin çok çeşitli ve farklı laboratuvarlardan, doku hazırlama tekniklerinden, tarayıcılardan ve klinik bulgulardan oluşmasını sağlarız. Eğitim verilerini nadir kanser tipleriyle zenginleştirecek şekilde hazırlarız. Bu, AI’nin geniş özellikler yelpazesiyle eğitilmesini sağlar. Eğitim sürecinde, AI’nin neyi iyi yaptığını ölçer ve nerede geliştirilmesi gerektiğini belirleriz. Geniş deneyimine sahip makine öğrenimi ekibimiz, AI’yi farklı laboratuvarlardan topladığımız binlerce slayt üzerinde test eder. Çalışmalar ve klinik denemeler yapar ve sistemimizin iki temel yönünü karşılaştırır. Birincisi, AI’nin bağımsız performansını ve ground truth ile olan ilişkisini inceleriz. İkincisi, AI ile ve AI olmadan patologların nasıl çalıştığını belirleriz. Böylece, AI’nin doğru, robust, önyargısız ve güvenli olduğunu garantileriz. AI platformunun patologlar üzerindeki etkisini ölçeriz. Uygulamalarımız boyunca, AI’nin desteğiyle patologların standart bakımın ötesinde daha iyi sonuçlar aldığını (yani daha doğru, ground truth ile daha yüksek anlaşma) görürüz.

Ibex’in çözümlerinin, teşhis iş akışlarını geliştiren ve hasta sonuçlarını iyileştiren benzersiz özellikleri nelerdir?

Entegre sistemimiz, bir slayt görüntüleyici, AI sonuçları ve yerleşik raporlama araçları içerir. Bu holistik sistem, doğruluğu ve üretkenliği artırmak için tasarlanmıştır. Patologları teşhis sürecinde yönlendirir ve her vaka ve slaytta ana bulguları gösterir. AI, patologların aramaları gereken özellikleri vurgular, böylece mereka kolayca doğrulayabilir veya değiştirebilirler. AI, ölçümleri ve skorlamaları gösterir ve her şeyi puanlar. Yerleşik raporlama araçları ile patolog, slaytı incelemekten, teşhisi zihinsel olarak yapmaktan ve sonra başka bir sisteme geçerek her şeyi rapor etmekten vazgeçer; bunun yerine, raporlama, AI’nin entegre iş akışını yönlendirdiği sırada yapılır. Hatta fare tıklamalarının sayısı bile optimize edilmiştir. Her şey, patologların iş ortamını iyileştirmek ve hasta sonuçlarını iyileştirmek için tasarlanmıştır.

Ibex’in çözümleri, mevcut dijital patoloji yazılım çözümleri ve laboratuvar bilgi sistemleriyle nasıl entegre olur?

Dijital patoloji alanında faaliyet gösteren çeşitli satıcılarla çalışıyoruz. Her bir partner için farklı entegrasyon fırsatları vardır. Bazı durumlarda, AI’mizi onların araçlarına entegre ederiz, böylece patolog, platformunda AI’yi kullanabilir. Diğer durumlarda, araçlarıyla entegre oluruz, böylece patologlar Ibex’i diğer sistemden başlatabilir. Her türlü entegrasyonda, kullanıcıların AI’yi en optimal şekilde kullanmalarını sağlamak istiyoruz. Ayrıca, üçüncü taraf şirketlerin veya müşterilerin IT departmanlarının AI’mizden bilgi almasına ve kendi ortamlarına entegre etmesine olanak tanıyan açık bir uygulama programlama arayüzü (API) geliştirdik.

Ibex, patolojide AI destekli çözümlerinin yaygın benimsenmesiyle karşılaştığı zorluklar nelerdir?

Geriye bakıldığında, Ibex’in karşılaştığı ana zorluğun, teşhis ürünleri piyasaya sürmek için gereken karmaşıklık ve çok disiplinli yaklaşımlar olduğunu söyleyebilirim. Bu, veri toplama, patologlarla çalışma, AI’yi eğitime ve test etme, klinik denemeler yapma ve bazı coğrafyalarda düzenleyici onay alma gibi konuları içerir. Tıp alanında, bilimsel kanıtları oluşturmak ve AI platformunun performansı ve faydalarını göstermek için çoklu laboratuvarlarla sonuçları yayınlamak da çok önemlidir.

Diğer önemli bir zorluk, entegrasyondur. Patologların AI’yi doğal ve verimli bir şekilde kullanabilmelerini sağlamak istiyoruz. Laboratuvarda birçok sistem vardır: dijital patoloji tarayıcıları, laboratuvar bilgi sistemi ve iş akışı, raporlama araçları. Basitçe söylemek gerekirse, her şeyin en verimli şekilde bir araya gelmesini sağlamak istiyoruz, zorluklara rağmen.

İbex’in çözümlerini uygulayan sağlık kuruluşlarından bazı başarı hikayeleri veya vaka çalışmaları paylaşabilir misiniz?

Kuruluşlarla olan ortaklıklarımızdan ve küresel erişimimizden gurur duyuyoruz. Örneğin, Galler’de AI’nin ulusal düzeyde ilk uygulamasını gerçekleştirdik – Galler’deki tüm Sağlık Kurulları Ibex’in AI çözümünü kullanıyor. Bir başka örnek, birkaç yıldır Ibex’i kullanan ve platformun klinik uygulamalarına olan etkisini gösteren bir makale yayınlayan Puerto Rico’daki CorePlus Laboratories’tir. Örneğin, AI algoritması, otherwise yanlış teşhis edilecek 160 erkeği tanımlamıştır. Bu hastalar, AI’nin desteği sayesinde doğru tedaviyi almışlardır. Bu, bizim yaptığımız etkidir – insan hayatlarını etkilemek için buradayız.

Gelecek on yıl içinde patoloji ve kanser teşhisinin geleceğinde AI’nin rolünü nasıl görüyorsunuz?

Gelecek on yıl içinde, patologların AI’yi primary teşhis çabalarını desteklemek için kullanmaya devam edeceklerini göreceğiz. AI’nin, patologların yükünü hafifletmek ve teşhislerin doğru, objektif, tekrarlanabilir ve zamanında olmasını sağlamak için kullanıldığını hayal ediyorum. Ayrıca, AI’nin, hekimlerin şu anda yapmadıkları şeyleri yapmasına yardımcı olacağını düşünüyorum. AI, hangi ek testlerin belirli bir vaka için yapılması gerektiğini belirlemeye yardımcı olabilir ve daha accurate bir prognoz ve tedavi seçimine yol açabilir.

AI, yalnızca patoloji laboratuvarındaki kanser teşhisi bölümünde değil, aynı zamanda tüm hasta yolculuğunda, örneğin, tedaviyi belirleyen onkologda daintegral olacaktır. Ayrıca, AI’nin, disiplinleri birleştirmeye yardımcı olacağını düşünüyorum. Zamanla, farklı modaliteler (patoloji, radyoloji, genetik, klinik kayıtlar) çeşitli AI modüllerine beslenecek ve yeni ve geliştirilmiş precision medicineyi destekleyecektir. Sağlık eşitliği açısından, dünyanın en iyi doktorlarına erişimi olmayan hastalar, teşhis ve tedavi kalitesinde büyük bir sıçrama yaşayacaklardır. AI, herkesi uzman seviyesine getirecektir. Herkes kaliteli bakım hakkına sahiptir ve AI, sağlık erişiminin demokratikleşmesi yolunda bizi doğru yöne yönlendirecektir.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Ibex Medical Analytics ziyaret edebilirler.