Тобіас Рейкен, співзасновник та технічний директор Kheiron Medical Technologies – Серія інтерв’ю

Тобіас Рейкен – співзасновник та технічний директор компанії Kheiron Medical Technologies, медичної компанії, яка використовує передові технології машинного навчання для розробки та надання інтелектуальних інструментів радіологам, радіологічним відділам, центрам медичної візуалізації та лікарням для покращення ефективності, консистентності та точності радіологічної діагностики.

Компанія Kheiron Medical Technologies була заснована з єдиною метою – допомогти радіологам виявляти рак молочної залози на ранній стадії за допомогою програмного забезпечення машинного навчання.

Що спочатку привернуло вашу увагу до машинного навчання?

Моя неформальна знайомство з машинним навчанням відбулося, коли я вперше почав вивчати програмування в молодому віці. Там був ігровий двигун, де ви могли програмувати свої власні ігри. Я хотів грати в цю гру, але з ким мені грати? Це міг бути інший гравець, але це також міг бути програма. Як створити програму, яка вчиться грати в гру? Це не була сучасна штучна інтелект, це була заснована на правилах штучна інтелект. Я переміг її кожен раз, тому це не була хороша штучна інтелект.

Коли я вивчав свій магістерський ступінь в Університетському коледжі Лондона, ми вступили в нову еру сучасної штучної інтелект. DeepMind була刚 придбана, і я вивчав машинне навчання в місці, де DeepMind була заснована. Девід Сільвер, один з провідних вчених DeepMind, викладав курс з підкріпленого навчання. В рамках курсу я створив агент, який навчився грати в гру – спрощену форму блекджека. Коли я закінчив штучну інтелект і грав проти свого власного творіння, я вже не міг її перемогти. І це була справжня революція.

Моя офіційна знайомство з машинним навчанням відбулося в моєму першому році університету. Я вивчав математику та комп’ютерні науки в Амстердамському університетському коледжі. В той же час були створені масові нові відкриті онлайн-курси, і я міг приєднатися до курсів штучної інтелект від провідних фахівців у галузі. Курс, який мав найбільший вплив, був з Пітером Норвігом і Себастьяном Траном з Стенфордського університету, і я міг вивчати штучну інтелект з 100 000 людей одночасно.

Тепер з Kheiron, те, що мені подобається найбільше в машинному навчанні, – це застосування, яке воно має в реальному світі. Можливість, яку воно має, розв’язувати реальні проблеми. Це те, що справді мене надихає.

Можете розповісти про історію створення Kheiron Medical?

Пітер і я зустрілися в 2016 році в акселераторі Entrepreneur First у Великій Британії. Ми одразу ж пов’язалися – ймовірно, через нашу схожу освіту. Ми обидва походили з медичних сімей – мати Пітера – радіолог, я виріс у медичній сім’ї, оточений лікарями, і ми обидва обрали шлях STEM.

Наша освіта дала нам чітке розуміння проблем і викликів, з якими стикаються працівники охорони здоров’я, і розуміння того, як штучна інтелект може покращити їхнє життя, а також життя пацієнтів. Ми поділяємо переконання, що штучна інтелект разом з клініцистами змінить охорону здоров’я на краще.

Є велика проблема, яку потрібно розв’язати. Є глобальна нестача радіологів. Багато людей помирають від раку – понад 40 000 американських жінок помирають щороку від раку молочної залози. Частина причини, через яку так багато людей помирають від раку, полягає в тому, що лікарі не мають правильної інформації для прийняття правильних рішень. Штучна інтелект може допомогти з цим.

По-перше, Kheiron тут, щоб допомогти радіологам, щоб радіологи могли допомогти пацієнтам. Я особисто дуже мотивований тим, що копаюсь у проблемі, щоб зрозуміти її тонкощі. Ми всі працюємо над тим, щоб справді зрозуміти роботу радіологів, дані, з якими вони працюють щодня, їхній робочий процес. Тоді ми можемо вирішити, як ми можемо розгорнути штучну інтелект як частину цього робочого процесу.

Ми вкладаємо великі зусилля у глибоке розуміння користувачів і даних. У нас є радіологи в нашій команді, які допомагають нам інтегрувати потреби користувачів у процес розробки та дизайну. У нас є ініціатива участі пацієнтів, яка безпосередньо взаємодіє з жінками, щоб зрозуміти їхні страхи та потреби у скринінгу молочної залози.

Багато людей запитують мене про назву нашої компанії – Kheiron. Kheiron був мудрим, добрим кентавром – істотою, яка складається з половини людини, половини коня в грецькій міфології – який навчав героїв медицині. Ця ідея про те, що дві половини складають щось більш потужне, ніж окремі частини, є джерелом натхнення для Kheiron – штучна інтелект і клініцист працюють разом, щоб змінити те, що можливе в стандарті медичної допомоги.

Можете розповісти про рішення для скринінгу раку молочної залози, які пропонує Kheiron?

Ми працюємо над кількома рішеннями для скринінгу раку молочної залози.

Наш перший продукт називається Mia – це означає мамографічний інтелектуальний аналіз. Mia оптимізована для виконання тієї самої задачі, що і радіолог – а саме, визначити, чи потрібно жінці повернутися на подальше обстеження чи ні.

Рівень продуктивності, якого ми досягли, дозволяє нам переосмислити робочий процес. Для американських жінок це надзвичайно важливо. У США існує так званий “одночитальний робочий процес”, тобто кожна мамограма читає одним радіологом. Однак у Великій Британії та Європі існує “двохчитальний робочий процес”, тобто кожна мамограма читає двома радіологами. Багато американських радіологів вважають двочитальний процес “золотим стандартом”, оскільки він більш ймовірно виявить ранній рак молочної залози.

Наші клінічні дослідження доводять, що Mia є клінічно безпечним і економічно ефективним варіантом як незалежним, так і паралельним читачем. Це означає, що в США Mia можна використовувати разом з радіологом, щоб досягти золотого стандарту двочитального робочого процесу – з одним людським читачем. Як я вже сказав раніше, це саме те, як ми бачимо силу штучної інтелект і людини, що працюють разом, щоб розв’язати великі проблеми.

Перший продукт, який ми представимо на американський ринок, називається Mia IQ, який знаходиться на одному крок раніше в процесі скринінгу раку молочної залози. Mia IQ допомагає технікам-радіографам аналізувати якість зображення. Якщо ми можемо покращити якість зображення, то якість читання також покращиться. І це означає, що більше випадків раку буде виявлено раніше, коли результати можуть бути кращими для жінки.

Це дуже важливо для аудитів якості MQSA та для безперервної підготовки, де ми очікуємо побачити перші застосування Mia IQ. Mia IQ забезпечує програми скринінгу звітами про проблеми з позиціонуванням. Це дозволить директорам програм надавати навчання технікам і вирішувати будь-які більш широкі проблеми з якістю зображення, які можуть вплинути на їхні аудити якості.

На скільких зображеннях була навчена нейронна мережа?

Для нас кількість даних не є головним. Добра річ про скринінг раку молочної залози полягає в тому, що існує багато даних. Існує багато історичних даних, оскільки програми скринінгу існують вже давно. І оскільки ви скринуєте всю популяцію, генерується багато нових даних.

Виклик полягає в тому, що дані сильно зміщені. 99% населення скринінгу не мають раку, що на щастя, що означає зміщення в бік нормальних зображень. Також існують відмінності в популяціях, з нестачею різноманітності в даних.

Тому для Kheiron виклик не полягає в отриманні кількості даних. Замість цього велика частина нашого успіху полягає в розумінні, які дані потрібно зібрати, щоб отримати найкращі результати, і бути дуже вибірковим і цілеспрямованим у тому, де і як ми отримуємо наші дані. Наше співробітництво з Університетом Еморі є чудовим прикладом того, як ми це робимо.

Чи є проблема з неправильними позитивними результатами?

Помилкові позитивні результати – це лише частина проблеми. Наука скринінгу ґрунтується на компромісах між помилковими позитивними і помилковими негативними результатами. Наприклад, ми можемо досягти дуже низького рівня помилкових позитивних результатів, але ми пропустимо деякі випадки раку. З іншого боку, ми можемо мати дуже мало пропущених випадків раку, якщо у нас високий рівень помилкових позитивних результатів. Важливо зрозуміти ці компроміси і збалансувати свій сервіс скринінгу на основі пріоритетів і ресурсів.

Культурні і політичні відмінності також існують між країнами, які впливають на те, як ці компроміси робляться. В деяких країнах пропуск випадків раку вважається дуже проблематичним. В інших країнах вважається важливим мінімізувати непотрібні відклики через вартість охорони здоров’я, пов’язану з кожним відкликом.

У кінцевому підсумку, це про розуміння того, як цей компроміс впливає на пацієнтів, у термінах кількості непотрібних відкликів і подальших тестів, яких зазнають групи “помилкових позитивних” і “помилкових негативних”, чиї випадки раку залишаються невиявленими. Це складний баланс, але штучна інтелект обіцяє підвищити планку для обидвох груп.

Kheiron Medical Technologies і Університет Еморі недавно оголосили про співробітництво для оцінки даних про попередні мамограми понад 50 000 афроамериканських жінок, які пройшли скринінг в Еморі Хелскеер. Чи можете розповісти про цей проєкт?

Наше партнерство з Університетом Еморі розширює різноманітність даних, які ми використовуємо, щоб забезпечити, що наш продукт штучної інтелект для скринінгу раку молочної залози працює на одному рівні для будь-якої жінки, незалежно від етнічної приналежності.

Перший проєкт у співробітництві підтримуватиме валідацию продуктивності Mia проти різноманітної популяції скринінгу Еморі. Це мульти-сайтове дослідження, яке охоплює чотири сайти скринінгу і лікарні. У проєкт буде включено когорту понад 200 000 скринінг-мамограм – приблизно 45% жінок у цій когорті афроамериканського походження.

Ми оголосили про це співробітництво наприкінці листопада і зробили великий прогрес з того часу, навіть враховуючи виклики роботи під час глобальної пандемії і віддаленої роботи. Я вважаю, що це велика заслуга команди Еморі, яка також є клініцистами, які надають відмінну допомогу пацієнтам у громаді.

Наразі наше співробітництво вкладає основні зусилля у створення міцної основи для нашої майбутньої роботи. Ми зараз працюємо в тісній співпраці з командою Еморі, щоб зрозуміти клінічні робочі процеси. Це служить необхідною основою для глибокого аналізу і розбору потенційних відмінностей між субпопуляціями, такими як етнічні групи.

Ця робота не легка і не швидка. Не багато речей у сфері охорони здоров’я є легкими. Однак це дуже винагороджуюче, і ми щасливі мати вигоду від набору глобальних партнерів, які дуже співробітничі і погоджені з нами щодо нашої спільної місії: допомогти будь-якій жінці будь-де мати шанс проти раку молочної залози.

Як великою проблемою є недопредставленість не-білих у даних зображень для діагностики раку?

Історично різноманітність пацієнтської популяції не відображалася в медичних дослідженнях у такому обсязі, як це повинно бути. ті, хто розробляє штучну інтелект, мають відповідальність включати етнічне різноманіття у свої дослідження.

Недопредставлені популяції – це проблема для скринінгу раку молочної залози. Результати для афроамериканських жінок – це приклад цього. Афроамериканські жінки мають вищі показники смертності (на 39% вищі, ніж у не-іспанських білих жінок), і це може бути пов’язано з доступом до медичної допомоги, затримкою діагностики і затримкою початку лікування, серед інших чинників.

Загальна придатність штучної інтелект для різних популяцій – це ключовий крок до вирішення расових диспропорцій у скринінгу раку молочної залози. Я радий, що наша команда Kheiron зобов’язана створити рішення, яке працює однаково добре на мамограмах з расово різноманітними популяціями – і це великий мотиватор для нашої роботи. Наше співробітництво з Еморі і УКСФ допоможе нам досягти цієї мети загальної придатності – забезпечення того, щоб Mia дала кожній жінці, будь-де, кращий шанс проти раку молочної залози.

Дякую за велике інтерв’ю і за роботу над такими важливими технологіями, що рятують життя. Читачам, які бажають дізнатися більше, рекомендуємо відвідати Kheiron Medical Technologies.