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 ordusunun seçkin bir biriminde ve çeşitli teknoloji şirketlerinde çalışarak, algoritma geliştirme, yapay zeka ve makine öğrenimi alanında 25 yılı aşkın deneyime sahiptir. Chaim, Tel Aviv Üniversitesi’nden Bilgisayar Bilimi alanında doktorasını tamamlamış ve birçok Kaggle makine öğrenimi yarışmasını kazanmıştır.

2016’dan bu yana, Ibex, patoloji için yapay zeka tabanlı teşhis alanında liderlik etmektedir. Şirket, her hastanın doğru, zamanında ve kişiselleştirilmiş bir kanser teşhisi almasını sağlamak için patolojiyi dönüştürme hedefiyle kurulmuştur. Bugün, Ibex, patolojide en yaygın olarak kullanılan yapay zeka platformudur. Patologlar tarafından patologlar için geliştirilen çözümleri, dünyanın önde gelen hekimlerine, sağlık kuruluşlarına ve tanı sağlayıcılarına hizmet vermektedir. Her gün, Ibex, dünya çapındaki hastaların yaşamını etkileme ayrıcalığına sahiptir. Platform, hekimlerin güvenini artırır, teşhis işlemlerini basitleştirir, kliniklerin daha kişiselleştirilmiş teşhisler sunmasına yardımcı olur ve en önemlisi, daha iyi klinik sonuçlar sağlar.

Ibex’in kuruluşu ve yapay zeka ile kanser teşhisini dönüştürme vizyonu hakkında bize bilgi verebilir misiniz?

2016’da, ortak kurucu Joseph Mossel ve ben, patoloji alanında bir dijital devrimin kanser teşhisini nasıl iyileştirebileceğini öğrendik. Radyoloji, 20 yıl önce benzer bir dönüşüm geçirmiş ve bu, uzmanlık alanında büyük bir etkiye sahip olmuştu. Patoloji dijitalleştiğinde, yapay zeka kullanarak gelişmiş araçlar geliştirmek için bir fırsat gördük. Hekimlerin daha doğru, objektif ve tekrarlanabilir teşhisler yapmasına yardımcı olan yapay zeka tabanlı araçlar geliştirmeye odaklandık. Her hastanın doğru teşhisi almasını, zamanında tedavi almasını ve en iyi olası tedaviyi almasını sağlamak istedik.

2016’dan bu yana kanser teşhisinin manzarası nasıl değişti?

Laboratuvarlar, özellikle Covid-19’un hızlandırmasıyla, dijitalleşmeyi benimsemeye başladılar. Dijital devrim, laboratuvarların mikroskoptan öteye geçerek yapay zeka kullanarak sonuçları verimli bir şekilde analiz etmelerine ve anlamalarına olanak tanıdı.

Kanser teşhisinde yapay zeka alanı üssel bir büyüme gösterdi. Start-up’lar ve diğer şirketler, kanser teşhisi alanında çeşitli yönlerde çalışıyorlar. Örneğin, precision medicine, doğru teşhis ve çeşitli informatics yaklaşımlarıyla desteklenen, hedefe yönelik ve kişiselleştirilmiş tedaviye yol açan veri tabanlı hasta stratifikasyonudur. Precision medicine’de bir artış, daha karmaşık teşhisler gerektirir.

Akademik yayınlarda ve endüstri derneklerinde bu alanda bir artış gözlemledik. Joseph ve ben, 2016’da dijital ve hesaplamalı patoloji konferansına katıldığımızda, yapay zeka, kanser teşhisi konuşmalarının küçük bir parçasıydı. Şimdi, büyük bir patoloji konferansına katıldığımızda, yapay zeka ana etkinliktir.

Ibex, yapay zeka tabanlı patoloji alanında diğer şirketlerden nasıl farklıdır?

Yapay zeka tabanlı patoloji alanında çeşitli alt alanlar vardır. Bazı şirketler, doku görüntülerini analiz ederek hastalıkların morfolojik ve hücre düzeyinde anlaşılmasına yardımcı olan araştırma uygulamalarına öncelik verir. Diğer şirketler, rutin teşhis için laboratuvarlarda kullanılan klinik uygulamalara odaklanır.

Ibex, klinik uygulamalara odaklanmaktadır ve dünyanın dört bir yanındaki patologlarla en geniş ve en yaygın kurulum tabanına sahiptir. Ayrıca, hedefe yönelik tedavileri desteklemek için biyobelirteçleri nicelendirerek patologlara yardımcı olan yapay zeka tabanlı klinik uygulamaları geliştirmek için ilaç şirketleriyle ortaklık yapıyoruz.

Ek olarak, bazı şirketler, belirli tümör tiplerine göre sınırlı endikasyonlara odaklanırken, bizim yaklaşımımız, yapay zeka tarafından analiz edilebilecek her şeyi eğitmektir. Sadece kanser teşhisi değil, aynı zamanda kanser tipi, alt tipi, derecesi, boyutu ve ilgili morfolojileri de içerir. Patoloji, sadece hastanın kanser olup olmadığını belirlemekle ilgili değildir. Patologların yapay zeka tarafından sağlanan avantajlardan yararlanmalarına yardımcı olmak istiyoruz.

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

Yaklaşımımız, patologların makineyi eğitmeleridir. Dünyanın dört bir yanındaki büyük bir patolog ekibimiz, slaytları annotating ve etiketliyor. Bu, belirli alanları slaytlarda işaretlemeleri ve onları etiketlemeleri anlamına gelir. Düşük dereceli bir tümör, bir kan damarı, bir sinir, iltihaplanma vb. işaretleyebilirler. Bu verileri alır ve yapay zeka modellerini eğitmek için kullanırız. Bu, yapay zeka’nın çok doğru olmasını sağlar, özellikle nadir ve zor vakalarda. Yapay zeka, patologlar tarafından eğitilir ve doku yapıları ve morfolojilerini tanımlamaya yardımcı olmak için eğitilir. Bu, patologlar için çok faydalıdır ve doğruluğunu artırır. Veri ve bilgiye erişimimiz sayesinde, yapay zeka’yı geliştirebilir ve sahadan alınan geri bildirimlerle öğrenmeleri uygulayabiliriz.

Ibex, meme, prostate ve mide kanseri gibi farklı kanser tipleri için klinik düzeyde doğruluğu nasıl sağlar?

Bu, çok fazla emek gerektirir. Dünyanın dört bir yanından çok çeşitli veri topluyoruz. Verilerin farklı laboratuvarlardan, çeşitli doku hazırlama tekniklerinden, tarayıcılar ve klinik bulgulardan geldiğinden emin oluyoruz. Eğitim verilerini nadir kanser tipleriyle zenginleştiriyoruz. Bu, yapay zeka’nın geniş bir özellik yelpazesi ile eğitilmesini sağlar. Eğitim sürecinde, yapay zeka’nın neyi iyi yaptığını ölçüyoruz ve nerede geliştirilmesi gerektiğini beliriyoruz. Büyük bir makine öğrenimi deneyimi olan ekibimiz, farklı laboratuvarlardan topladığımız binlerce slayt üzerinde yapay zeka’yı test ediyor. Çalışmalar ve klinik denemeler yapıyoruz ve sistemin iki temel yönünü karşılaştırıyoruz. İlk olarak, yapay zeka’nın bağımsız performansını ground truth ile karşılaştırıyoruz. İkincisi, patologların yapay zeka ile ve olmadan nasıl çalıştıklarını beliriyoruz. Yapay zeka’nın doğru, robust, önyargısız ve güvenli olduğunu garantiliyoruz. Patologların yapay zeka’yı kullandıklarında ulaştıkları sonuçların etkisini ölçüyoruz. Uygulamalarımızda, patologların yapay zeka ile birlikte çalıştıklarında, standard bakımın (yapay zeka desteği olmadan) daha iyi sonuçlara ulaştıklarını görüyoruz. Ayrıca, laboratuvar iş akışının optimizasyonu ve sonuçların daha hızlı alınmasını sağlayan diğer önemli faydaları ölçüyoruz.

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

Entegre sistemimiz, bir slayt görüntüleyici, yapay zeka sonuçları ve yerleşik raporlama araçları içerir. Bu holistik sistem, doğruluğu ve üretkenliği artırmak için tasarlanmıştır. Patologları, her vaka ve slaytta ana bulguları gösteren teşhis sürecine götürür. Patologlar, artık özelliklerini aramak zorunda kalmazlar, çünkü yapay zeka her şeyi net bir şekilde vurgular. Patolog, onaylayabilir veya değiştirebilir. Yapay zeka, ölçümleri ve nicelendirilmeleri gösterir ve her şeyi puanlar. Yerleşik raporlar ile patolog, slaytı incelemeye gerek kalmadan ve ardından başka bir sisteme geçerek her şeyi raporlayabilir. Hatta fare tıklamalarının sayısı bile optimize edilmiştir. Her şey, patologlar için daha iyi bir çalışma ortamı yaratmak ve hasta sonuçlarını iyileştirmek için tasarlanmıştır.

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

Dijital patoloji alanında faaliyet gösteren çeşitli satıcılarla çalışıyoruz. Her bir ortak için, farklı entegrasyon fırsatları vardır. Bazı durumlarda, yapay zeka’mızı onların araçlarına entegre ediyoruz, böylece patolog, platformunda yapay zeka’mızı kullanabilir. Diğer durumlarda, bu araçlarla entegre ederek patologların Ibex’i diğer sistemden başlatmalarını sağlıyoruz. Her türlü entegrasyonda, kullanıcıların yapay zeka’yı en optimal şekilde kullanmalarını garantiliyoruz. Ayrıca, üçüncü taraf şirketlerin veya müşterilerin IT departmanlarının yapay zeka’mızdan bilgi almasına ve kendi ortamlarına entegre etmesine olanak tanıyan açık bir uygulama programlama arabirimi (API) geliştirdik.

Ibex, yapay zeka tabanlı çözümlerini patolojide yaygın olarak benimsetme konusunda hangi zorluklarla karşılaştı?

Geriye bakıldığında, Ibex’in karşılaştığı ana zorluğun, teşhis ürünleri piyasaya sürmek için gereken karmaşıklık ve emek olduğunu söyleyebilirim. Bu, veri toplamak, patologlarla çalışmak, yapay zeka’yı eğitmek ve test etmek, klinik denemeler yapmak ve bazı coğrafyalarda düzenleyici onay almak gibi çok disiplinli yaklaşımları içerir. Tıbbi alanda, bilimsel kanıtları üretmek ve sonuçları birçok laboratuvarla yayınlamak ve yapay zeka platformunun performansını ve faydalarını göstermek çok önemlidir.

Diğer bir önemli zorluk, entegrasyondur. Patologların yapay zeka’yı verimli ve doğal bir şekilde kullanabilmeleri için çalışıyoruz. Laboratuvarda birçok sistem vardır: dijital patoloji tarayıcıları, laboratuvar bilgi sistemi ve iş akışı, raporlama araçları. Basitçe söyleyerek, her şeyi en verimli şekilde bir araya getirmeye çalışıyoruz, zorluklara rağmen.

Ibex’in çözümlerini uygulayan sağlık kuruluşlarından bazı başarı hikayelerini veya vaka çalışmalarını paylaşabilir misiniz?

Ortaklıklarımızdan ve küresel erişimimizden gurur duyuyoruz. Örneğin, Galler’de Ibex’in yapay zeka çözümünün ilk ulusal dağıtımı var ve Galler’deki tüm Sağlık Kurulları Ibex’in yapay zeka çözümünü kullanıyor. Bir diğer örnek, Puerto Rico’daki CorePlus Laboratories’tir – birkaç yıldır Ibex’i kullanıyorlar ve yayınladıkları bir makale, platformun klinik uygulamaları üzerindeki etkisini gösteriyor. Örneğin, yapay zeka algoritması, otherwise yanlış teşhis edilecek 160 erkeği tespit etmelerine yardımcı oldu. Bu hastalar, yapay zeka’nın desteği sayesinde doğru tedaviyi aldılar. Bu, gerçekten bizim yaptığımız etki ve bunu unutmamalıyız – insanların hayatlarını etkilemek için buradayız.

Gelecek on yıl içinde patoloji ve kanser teşhisinde yapay zeka’nın rolünü nasıl görüyorsunuz?

Gelecek on yıl içinde, patologların yapay zeka’yı destek için kullanmaya devam edeceklerini öngörüyoruz. Yapay zeka, iş yüklerinin çoğunda patologları destekleyerek, kalitenin yüksek, nesnel, tekrarlanabilir ve zamanında olmasını sağlayacaktır. Ayrıca, yapay zeka, hekimlerin şu anda yapmadıkları şeyleri yapmalarına yardımcı olacaktır. Örneğin, belirli bir vaka için hangi ek testlerin yapılması gerektiğini belirlemeye yardımcı olabilir ve daha doğru bir prognoz ve basitleştirilmiş tedavi seçimi sağlayabilir.

Yapay zeka, tüm hasta yolculuğunda, sadece patoloji laboratuvarındaki kanser teşhisi değil, aynı zamanda onkologun tedaviyi belirlemesi gibi, entegre olacaktır. Ayrıca, yapay zeka, disiplinleri birleştirmeye yardımcı olacaktır. Zamanla, farklı modaliteler (patoloji, radyoloji, genetik, klinik kayıtlar) çeşitli yapay zeka modüllerine beslenecek ve yeni ve geliştirilmiş precision medicine’ye destek olacaktır. Sağlık eşitliği açısından, dünyanın en iyi doktorlarına erişimi olmayan hastalar, teşhis ve tedavide büyük bir sıçrama yaşayacaklar. Yapay zeka, herkesi uzman seviyesine getirecektir. Herkes, kaliteli bakıma erişmeye hak kazanmıştır ve yapay zeka, demokratik sağlık erişimi yönünde bizi doğru yöne getirmeye yardımcı olacaktır.

Harika bir röportaj için teşekkür ederiz. Daha fazla bilgi öğrenmek isteyen okuyucular, Ibex Medical Analytics’i ziyaret edebilir.