Офір Танц, засновник та генеральний директор Pearl – Серія інтерв’ю

Офір Танц – засновник і генеральний директор Pearl, компанії, яка була заснована на ідеї, що штучний інтелект може бути постійним помічником стоматолога та найнадійнішою подругою пацієнта. Її засновники мають унікальну особисту зв’язок зі стоматологічною індустрією та знання і освіту, щоб реалізувати повний і практичний потенціал штучного інтелекту.

Що спочатку привернуло вашу увагу до штучного інтелекту?

Я цікавився штучним інтелектом ще під час навчання в університеті. Я бачив багато можливостей там і це спонукало мою амбіцію застосувати його для створення нових можливостей і комерційних застосунків. Зокрема, я цікавився комп’ютерним зором – галузі штучного інтелекту, де ми вчимо комп’ютери бачити, обробляти і розуміти світ так само, як це робить людський мозок. Після закінчення університету я заснував компанію GumGum, яка займалася застосуванням візуальної машини інтелекту для створення цінності в цифрових медіа. Хоча я зрозумів силу штучного інтелекту досить рано, коли я розвивав цю компанію, я був вражений тим, наскільки просунутим і практичним ставала ця галузь – і ставав все більш цікавим до ширших застосунків цієї технології.

Ваша перша компанія GumGum, яка спеціалізувалася на використанні штучного інтелекту в контекстній рекламі, стала дуже успішною. Що ви приписуєте цьому успіху?

Я думаю, що те, що дозволило GumGum досягти такого успіху, було акцентом, який ми зробили на застосуванні штучного інтелекту та інноваціях. Це в першу чергу цифрова рекламна компанія, але хоча ми працювали в рамках цієї категорії, робота, яку ми робили зі штучним інтелектом, не була обмежена цією категорією. Це означало, що ми були технологічною компанією так само, як і рекламною компанією, що створило значну різницю. Наш підхід, орієнтований на штучний інтелект, привів нас до інновацій в областях поза межами цифрової реклами – в оцінці спонсорства і, звичайно, стоматології. Тому що ми ніколи не зосереджувалися на тому, щоб бути “просто рекламною компанією”, і ми постійно шукали способи зробити все краще, GumGum змогла розвиватися разом з нами, коли наша бачення розширилося і базова технологія та галузь штучного інтелекту еволюціонували.

Чи можете ви поділитися історією створення вашого нового стартапу Pearl?

Після створення GumGum і зосередження на комп’ютерному зорі, я знав, що можна зробити ще більше з цією технологією, і завжди був насторожі щодо нових застосунків. Охорона здоров’я і радіологія були мені особливо цікаві, і також представляли собою ясні застосунки такого типу машинного навчання, яке застосовувала GumGum. Ми заснували стоматологічний підрозділ під назвою GumGum Dental, який став генезисом Pearl. Я вирішив повністю відокремити стоматологічний підрозділ, оскільки вважав, що ця можливість заслуговує на окрему компанію. Я можу сказати, що це було такою собі долею – мій батько був стоматологом, і я виріс, допомагаючи йому в його практиці, тому перехід до зосередження на стоматологічній індустрії був для мене певним поверненням додому. Але це не означає, що мій дитячий зв’язок зі стоматологією був основною причиною моєї бажання очолити Pearl як новий проєкт. Я твердо вірю, що комп’ютерний зір і штучний інтелект перетворять стоматологію і глобальне охорону здоров’я, і я хотів бути能够и приділити цьому проєкту всю увагу, яку він заслуговує.

Чи можете ви обговорити комп’ютерний зір і системи машинного навчання, які використовуються для сканування радіографічних і 3D стоматологічних зображень?

Комп’ютерний зір – це форма штучного інтелекту, яка вчить комп’ютери “бачити” так само, як люди. Ми годуємо велику кількість експертно-анотованих стоматологічних зображень у серію алгоритмів, які моделюються на нейронних мережах людського мозку. Вчиться, як розпізнавати стоматологічні патології того типу, який був позначений в анотованих зображеннях. Це називається “наглядним навчанням”. Вчячи комп’ютер таким чином, він може навчиться розпізнавати зображення в нелітеральних способах. Наприклад, він вчиться, як ідентифікувати частково прихований об’єкт або такий, який видно тільки з певних кутів, засвоюючи тисячі різних прикладів і будуючи те, що по суті є комп’ютерною версією ментальної картинки цього об’єкта.

Ми навчили наш штучний інтелект і алгоритми машинного навчання, створивши велику колекцію радіографій і працюючи зі стоматологами і радіологами, щоб позначити зображення, а потім використали ці позначені зображення, щоб навчити систему інтерпретувати нові зображення. Тепер у нас є штучний інтелект, який може вказувати на потенційні проблеми, які можуть бути визначені в радіографіях, і допомогти стоматологам читати радіографію пацієнтів більш точно і послідовно.

Для наших систем 3D зображень ми використовуємо подібний підхід, але з різними класами алгоритмів. З 3D зображеннями навчання може бути більш складним, оскільки 3D зображення містять набагато більше даних, які іноді роблять анотацію більш трудомісткою. Очевидно, що оскільки там є набагато більше даних, після того, як система була навчена інтерпретувати 3D зображення, вона насправді може бути більш точною у своїх висновках. Це по суті те саме, коли людина дивиться на конусну промінь проти традиційної радіографії: ми можемо побачити кожну маленьку деталь зуба в конусному промені, але часто можемо тільки розрізнити певні базові структури зуба в радіографії. Штучний інтелект стикається з тією ж самою проблемою.

Який тип інформації або діагнозу відкривається цією системою?

Наша радіологічна система штучного інтелекту може виявити велику кількість патологічних і непатологічних станів, ознак відновлення, і природної анатомії. Каріеси, втата кістки, вимірювання періапікальної радіолюмінесценції, калькулюс,拥оження, імпакція, WPL, фуркація, обтурація, розбіжність країв – список занадто довгий, щоб перелічити все, і він продовжує зростати. Багато з цих можливостей включені в Second Opinion, наш допоміжний засіб для виявлення патологій в режимі реального часу, який зараз доступний в Канаді, Австралії, Європі та кількох інших територіях, і більшість з них застосовуються в Practice Intelligence, нашому клінічному інтелекту, який не стосується пацієнтів, і доступному практикам у США та глобально.

Який тип зображень даних був використаний для навчання цієї системи?

Наша радіологічна система виявлення патологій була навчена на радіографіях, периапікальних і панорамних радіографіях, які є найбільш поширеними в стоматологічній діагностиці – видами рентгенівських променів, які ви отримуєте в стоматолога кожні два роки або так, і за потреби. Радіографічні зображення відносно легко отримати в стоматологічній сфері порівняно з іншими формами медицини, і більш радіографій захоплюється щороку, ніж будь-яка інша форма радіографії. Дорогим і трудомістким є отримання експертної оцінки і анотації рентгенівських променів. Ми скомпільовали найбільшу в світі колекцію позначених стоматологічних рентгенівських променів. Ця доступність радіографічних даних є частиною того, що робить стоматологічну сферу такою спроможною до порушення штучним інтелектом.

Який тип покращення ефективності та точності був помічений у системі Pearl порівняно з ручним оглядом зображень людиною?

Ми провели кілька великих досліджень на тисячах радіографій і сотнях стоматологів, щоб перевірити точність нашої системи, як самостійного засобу виявлення, так і коли вона використовується для допомоги стоматологам. Ми розглянули точність для кожного типу виявлення, а також загалом для всіх виявлень, які підтримуються системою. Є розкидання точності між окремими класами виявлень, з точністю, яка варіюється від близько 84-96 відсотків. В цілому система правильна трохи більше 92 відсотків часу. Це досить добре, і система продовжує покращуватися.

Очевидно, що ці абсолютні показники точності не є такими індикативними, як відносна точність системи порівняно з людьми-стоматологами. Якщо людська точність становила б 60 відсотків, система штучного інтелекту, яка була б точною лише 70 відсотків часу, надавала б значну перевагу стоматологам, які її використовують. У дослідженнях, які ми провели і які включали самостійний людський компонент, стоматологи варіювалися від 70 до 85 відсотків. Є значне розкидання між окремими стоматологами, однак, тому є певна кількість стоматологів, які є рівними або більш точними, ніж наша система, і певна кількість тих, хто є значно менш точним. Для оцінки користі системи ми хочемо побачити збільшення точності для стоматолога, коли він використовує систему порівняно з тим самим стоматологом, коли він не використовує систему. Наші дослідження показують чітку користь там.

Тепер, коли Second Opinion використовується в практиках, нам потрібно провести більше досліджень щодо реальної ефективності. Ми починаємо це робити за допомогою академічних партнерів у Німеччині. Чи прискорює це відвідування пацієнтів? Чи полегшує це спілкування між лікарем і пацієнтом? Чи покращує це довіру пацієнта? Чи підвищує це прийняття випадків? Ми зараз працюємо над відповідями на ці питання. В кінцевому підсумі ми хотіли б дослідити вплив системи на результати лікування пацієнтів, але це довгостроковий проєкт.

Я повинен зазначити, що, оскільки Practice Intelligence частково є інструментом аналізу, який може оцінювати характеристики здоров’я пацієнтів і діагностичну та планувальну ефективність практиків, у нас є певне уявлення про те, як штучний інтелект може вплинути на лікування пацієнтів. Це не академічні дослідження, але ми недавно провели дослідження, яке розглядало дані про виробництво з десяти офісів, які використовували Practice Intelligence, протягом одного місяця. За цей місяць система виявила в середньому понад 84 000 доларів на практику потенційно пропущених можливостей лікування в попередніх радіографіях для пацієнтів з призначеними відвідуваннями протягом цього періоду. Для цієї суми в 84 000 доларів потенційних можливостей, які були виявлені, практики змогли завершити в середньому 12 500 доларів реставраційного лікування і додатково 23 800 доларів спеціального лікування. Це збільшення відбувається з лікування, яке раніше було пропущено. Оскільки воно було завершено, ми можемо припустити, що ці лікування були необхідними і мали бути надані після попередніх відвідувань пацієнтів. Це було неформальне дослідження випадку, але воно, здається, чітко показує, що штучний інтелект приносить значні вигоди як пацієнтам, так і практикам, які його використовують.

Що, на вашу думку, утримує ширше впровадження штучного інтелекту в стоматологічних клініках?

Реакція була надзвичайно позитивною від стоматологів, які використовують Second Opinion за кордоном, і тисяч офісів, які розгорнули Practice Intelligence в США, тому є частина індустрії, яка вже має бажання широкої інтеграції штучного інтелекту в стоматологію. Але ширше впровадження вимагає ширшої осведомленості. Штучний інтелект новий у стоматологічній сфері. Коли ми почали працювати над стоматологічною радіологією як GumGum Dental, ми, наскільки мені відомо, були єдиною комерційною компанією, яка займалася цією справою. Це було п’ять років тому. Перші ринкові рішення з’явилися наприкінці 2019 року, і вони були страховими та лабораторними застосуваннями, а не клінічними. Ми запустили Practice Intelligence у 2020 році, а Second Opinion увійшов на глобальний ринок у вересні 2021 року. Тому для більшості стоматологів штучний інтелект є новинкою. Їм потрібно бути представленим йому і навчити, що він може і чого не може робити. Є певні забобони щодо штучного інтелекту, які потрібно подолати. Деякі стоматологи можуть схилятися до того, щоб бачити штучний інтелект як загрозу, наприклад. Ці забобони будуть подолані, коли стоматологи стануть краще інформованими про його корисність. Переваги штучного інтелекту фундаментально привабливі – вищий стандарт лікування, краще орально здоров’я, сильніші фінансові результати для практик – тому я очікую, що впровадження прискориться швидко, як тільки грамотність штучного інтелекту в стоматології досягне критичної маси.

Яке ваше бачення майбутнього стоматологічної допомоги за 10 років?

Когда стоматологічна індустрія продовжує приймати цифрову трансформацію, я бачу стоматологів, які інтегрують штучний інтелект у більшість тих часоємних завдань, які вони виконують щоденно – таких, як ведення документів, планування, операції, управління запасами – так, щоб вони могли зосередитися на пацієнтах, а не на тих рутинних завданнях, які відводять їх від роботи, для якої їхні навички є унікально придатними. Ми побачимо вищий стандарт лікування пацієнтів загалом, нижчі витрати та, в кінцевому підсумі, більшу індустрію, яка приносить краще орально здоров’я більшій кількості людей у світі.

Я також буду здивований, якщо за 15 років штучний інтелект не почне очищувати шлях до ефективної прогностичної діагностики та персоналізованого лікування. Чи є цей пацієнт під вищим ризиком для карієс на основі його генетичного профілю, способу життя, попередніх діагнозів? Чи можемо ми рекомендувати профілактичний підхід, який зменшить його потребу в інвазивному лікуванні в майбутньому? Якщо в нього є карієси зараз, то на основі того, що ми знаємо про його індивідуальні характеристики, чи потрібно нам продовжувати реставраційне лікування зараз чи можемо ми відтермінувати його з очікуванням, що певна зміна в способі життя чи споживання зменшить прогресію карієс? З підтримкою штучного інтелекту ми повинні бути能够и відповісти на ці питання – і, при цьому, можливо, звузити ненатуральну пропасти між оральним і системним здоров’ям, яка існує сьогодні.

Чи є щось інше, що ви хотіли б поділитися про Pearl?

Експерти обіцяли, що штучний інтелект надасть краще клінічне лікування та економічні вигоди в галузі охорони здоров’я понад десяти років. Багато з цих обіцянок не були реалізовані. Стоматологія насправді трохи запізнилася з прийняттям штучного інтелекту, але штучний інтелект розвивається в стоматології набагато швидше, ніж в інших галузях охорони здоров’я. Чому?

Розглядаючи медицину через комерційний призму, стоматологія значно більш підприємницька, ніж інші форми медицини. Стоматологія здійснюється в багатьох маленьких, традиційно приватних практиках. Більшість інших форм медицини керуються лікарнями, які є великими бюрократичними корпоративними інституціями. Стоматологічні практики та лікарні мають те саме бажання збільшити ефективність, покращити результати лікування пацієнтів тощо, але структурно лікарні є занадто повільними і консервативними, щоб ефективно інтегрувати та капіталізувати нові технології, які задовольняють ці бажання. Стоматологічні практики, з іншого боку, є гнучкими – і підприємницький характер стоматологів робить стоматологію набагато більш родючою землею для інновацій, таких як штучний інтелект. Якщо стоматолог бачить потенційну вигоду в чомусь, він може негайно впровадити це. Лікарня не зможе діяти з такою ж односторонньою рішучістю. Там будуть дослідження щодо здійсненності та впливу, протидія протилежним інтересам і зацікавленим сторонам, бюджетні переговори та ціла низка інших перешкод, через які нова технологія повинна буде пройти, перш ніж вона буде впроваджена.

Не менш важливо, однак, є те, що стоматологи можуть сприяти зусиллям щодо розробки та покращення штучного інтелекту, якщо вони бажають. Pearl змогла концептуалізувати, побудувати та комерціалізувати цю технологію так швидко, оскільки стоматологи є активними та емансипованими споживачами – ми розробляємо продукти для ринку, який не заважає бюрократичній фрикції, з якою стикаються компанії, які намагаються продавати в лікарні – і тому, що стоматологи є вільними, щоб надати свій матеріальний та інтелектуальний підтримку нашим зусиллям. В кінцевому підсумку, наш штучний інтелект такий розумний, як він є, тому що він був навчений і відшліфований армією розумних стоматологів, які вірять у цю технологію і були вільні зробити свій внесок у її створення.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Pearl.