Chaim Linhart, PhD, Đồng sáng lập & CTO của Ibex Medical Analytics – Loạt phỏng vấn

Chaim Linhart, PhD là CTO và Đồng sáng lập của Ibex Medical Analytics. Ông có hơn 25 năm kinh nghiệm trong phát triển thuật toán, trí tuệ nhân tạo và học máy từ cả môi trường học thuật lẫn phục vụ trong một đơn vị tinh nhuệ của quân đội Israel và tại một số công ty công nghệ. Chaim có bằng Tiến sĩ về Khoa học Máy tính từ Đại học Tel Aviv và đã giành được nhiều cuộc thi học máy Kaggle.

Kể từ năm 2016, Ibex đã dẫn đầu trong lĩnh vực chẩn đoán bệnh bằng trí tuệ nhân tạo cho bệnh lý. Công ty này đã đặt ra mục tiêu biến đổi bệnh lý bằng cách đảm bảo rằng mỗi bệnh nhân có thể nhận được chẩn đoán chính xác, kịp thời và cá nhân hóa về bệnh ung thư. Ngày nay, Ibex là nền tảng trí tuệ nhân tạo được triển khai rộng rãi nhất trong lĩnh vực bệnh lý. Được phát triển bởi các bác sĩ bệnh lý cho các bác sĩ bệnh lý, các giải pháp của họ phục vụ cho các bác sĩ, tổ chức y tế và nhà cung cấp chẩn đoán hàng đầu trên thế giới. Mỗi ngày, Ibex có đặc quyền tác động đến cuộc sống của bệnh nhân trên toàn thế giới. Nền tảng này nâng cao sự tự tin của bác sĩ, tối ưu hóa quy trình chẩn đoán, giúp các bác sĩ lâm sàng cung cấp chẩn đoán cá nhân hóa hơn và quan trọng nhất, cho phép có kết quả lâm sàng tốt hơn.

Bạn có thể chia sẻ hành trình và tầm nhìn đằng sau việc thành lập Ibex và sứ mệnh biến đổi chẩn đoán ung thư bằng trí tuệ nhân tạo?

Vào năm 2016, người đồng sáng lập của tôi, Joseph Mossel, và tôi đã tìm hiểu về tác động trực tiếp của một cuộc cách mạng số trong lĩnh vực bệnh lý có thể có đối với việc cải thiện chẩn đoán ung thư. X quang đã trải qua một sự biến đổi tương tự 20 năm trước đó, điều này đã có tác động đáng kể đến cách chuyên ngành này được thực hành. Với việc bệnh lý đang được số hóa, chúng tôi nhận ra rằng nó cung cấp một cơ hội để phát triển các công cụ tiên tiến mới tận dụng trí tuệ nhân tạo để thực hiện phân tích hình ảnh phức tạp. Chúng tôi đã tập trung vào việc phát triển các công cụ được hỗ trợ bởi trí tuệ nhân tạo giúp các bác sĩ đạt được chẩn đoán chính xác, khách quan, có thể lặp lại và kịp thời, và do đó giúp mỗi bệnh nhân nhận được chẩn đoán đúng, một cách kịp thời, điều này dẫn đến phương pháp điều trị tốt nhất.

Landscape của chẩn đoán ung thư đã thay đổi như thế nào kể từ khi Ibex được thành lập vào năm 2016?

Các phòng thí nghiệm đã áp dụng số hóa với tốc độ ngày càng tăng, thậm chí còn được tăng tốc bởi Covid-19. Cuộc cách mạng số đã cho phép các phòng thí nghiệm mở rộng khả năng của mình vượt ra ngoài kính hiển vi một cách có ý nghĩa, tận dụng trí tuệ nhân tạo giúp các bác sĩ bệnh lý phân tích và hiểu kết quả một cách hiệu quả.

Lĩnh vực chẩn đoán ung thư bằng trí tuệ nhân tạo đã phát triển theo cấp số nhân, khi chúng tôi chứng kiến các công ty khởi nghiệp và các công ty khác làm việc trên các khía cạnh khác nhau của trí tuệ nhân tạo cho bệnh lý trong lĩnh vực chẩn đoán ung thư. Y học chính xác, ví dụ, là phân loại bệnh nhân dựa trên dữ liệu được cho phép bởi chẩn đoán chính xác và các phương pháp thông tin khác dẫn đến điều trị cá nhân hóa tối ưu. Sự gia tăng của y học chính xác đi kèm với nhu cầu ngày càng tăng về chẩn đoán phức tạp hơn để hỗ trợ các phương pháp điều trị nhắm mục tiêu mới.

Chúng tôi cũng chứng kiến sự gia tăng của các ấn phẩm học thuật và các hiệp hội ngành công nghiệp tập trung vào lĩnh vực này. Khi Joseph và tôi tham dự hội nghị đầu tiên về bệnh lý số và tính toán vào năm 2016, trí tuệ nhân tạo là một phần nhỏ của cuộc trò chuyện xung quanh chẩn đoán ung thư, vì nó không phải là chủ流. Bây giờ, khi tham dự một hội nghị bệnh lý lớn, trí tuệ nhân tạo là sự kiện chính.

Điều gì phân biệt Ibex với các công ty khác trong lĩnh vực bệnh lý được hỗ trợ bởi trí tuệ nhân tạo?

Khi chúng ta nói về bệnh lý được hỗ trợ bởi trí tuệ nhân tạo, có một số lĩnh vực con. Có các công ty ưu tiên ứng dụng nghiên cứu, như các công cụ phân tích hình ảnh mô để giúp hiểu quá trình bệnh tại mức độ hình thái và tế bào, ví dụ. Thứ hai, có các công ty tập trung chủ yếu vào ứng dụng lâm sàng, tức là sản phẩm được sử dụng trong các phòng thí nghiệm để hỗ trợ chẩn đoán thường xuyên.

Ibex tập trung vào các ứng dụng lâm sàng, và chúng tôi có cơ sở cài đặt lớn nhất và rộng rãi nhất với các bác sĩ bệnh lý trên toàn thế giới sử dụng các công cụ của chúng tôi hàng ngày để chẩn đoán ung thư. Chúng tôi cũng hợp tác với Dược phẩm để phát triển các ứng dụng lâm sàng được hỗ trợ bởi trí tuệ nhân tạo giúp các bác sĩ bệnh lý định lượng các dấu ấn sinh học cho phép điều trị nhắm mục tiêu.

Ngoài ra, trong khi một số công ty tập trung vào các chỉ định cụ thể, hạn chế theo từng loại khối u, như phát hiện ung thư, cách tiếp cận của chúng tôi là đào tạo trí tuệ nhân tạo để phân tích mọi thứ mà một bác sĩ bệnh lý sẽ thấy trong các mô này. Nó không chỉ là về phát hiện ung thư, mà còn là loại và phân loại ung thư, cấp độ, kích thước, cũng như các đặc điểm và tính chất lâm sàng khác liên quan đến ung thư. Chúng tôi biết rằng bệnh lý là hơn cả việc xác định xem bệnh nhân có bị ung thư hay không. Chúng tôi muốn giúp các bác sĩ bệnh lý nhận ra những lợi ích to lớn mà trí tuệ nhân tạo mang lại.

Bạn có thể giải thích công nghệ cốt lõi đằng sau các giải pháp của Ibex và cách nó hỗ trợ các bác sĩ bệnh lý trong việc phát hiện và phân loại ung thư?

Cách tiếp cận của chúng tôi là các bác sĩ bệnh lý cơ bản đào tạo máy. Chúng tôi có một đội ngũ bác sĩ bệnh lý lớn trên toàn thế giới đang chú thích các mẫu kính hiển vi. Điều này có nghĩa là họ đánh dấu các khu vực cụ thể trong các mẫu kính hiển vi và gắn nhãn cho chúng. Họ có thể đánh dấu một khối u cấp thấp, một mạch máu, một dây thần kinh, viêm và như vậy. Sau đó, chúng tôi lấy dữ liệu đó và sử dụng nó để đào tạo các mô hình trí tuệ nhân tạo. Điều này đảm bảo rằng trí tuệ nhân tạo rất chính xác, ngay cả đối với các trường hợp hiếm và khó. Trí tuệ nhân tạo của chúng tôi được đào tạo bởi các bác sĩ bệnh lý và được đào tạo để xác định nhiều loại cấu trúc và hình thái khác nhau của mô, điều này rất hữu ích cho các bác sĩ bệnh lý và cuối cùng tăng cường độ chính xác của nó. Bằng cách có quyền truy cập vào một lượng lớn dữ liệu và kiến thức, chúng tôi có thể cải thiện trí tuệ nhân tạo của mình và thực hiện các kiến thức với phản hồi thu được trực tiếp từ lĩnh vực này.

Làm thế nào Ibex đảm bảo độ chính xác lâm sàng trên các loại ung thư khác nhau như ung thư vú, ung thư tuyến tiền liệt và ung thư dạ dày?

Điều này đòi hỏi rất nhiều công việc chăm chỉ. Chúng tôi thu thập dữ liệu từ nhiều đối tác trên toàn thế giới. Chúng tôi đảm bảo rằng dữ liệu rất đa dạng, với đại diện từ các phòng thí nghiệm khác nhau và các kỹ thuật chuẩn bị mô, máy quét và kết quả lâm sàng khác nhau. Chúng tôi làm giàu dữ liệu đào tạo với các loại ung thư hiếm. Điều này đảm bảo rằng trí tuệ nhân tạo được đào tạo với nhiều tính năng khác nhau. Trong quá trình đào tạo, chúng tôi đo lường những gì trí tuệ nhân tạo làm tốt, và chúng tôi cũng xác định nơi cần cải thiện. Đội ngũ, với kinh nghiệm sâu rộng trong học máy, kiểm tra trí tuệ nhân tạo trên hàng nghìn mẫu kính hiển vi mà chúng tôi thu thập từ các phòng thí nghiệm khác nhau. Chúng tôi chạy các nghiên cứu và thử nghiệm lâm sàng và so sánh hai khía cạnh cơ bản của hệ thống. Đầu tiên, chúng tôi xem xét hiệu suất độc lập của nó so với sự thật. Thứ hai, chúng tôi xác định xem bác sĩ bệnh lý làm việc với và không có trí tuệ nhân tạo như thế nào. Bằng cách làm như vậy, chúng tôi đảm bảo rằng trí tuệ nhân tạo là chính xác, mạnh mẽ, không bị thiên vị và an toàn. Chúng tôi đo lường tác động của nó đối với các bác sĩ bệnh lý sử dụng trí tuệ nhân tạo. Trên các ứng dụng của chúng tôi, chúng tôi thấy rằng bác sĩ bệnh lý, với sự hỗ trợ của trí tuệ nhân tạo, đạt được kết quả tốt hơn (tức là chính xác hơn, đồng ý cao hơn với sự thật) so với tiêu chuẩn chăm sóc (tức là khi họ không được hỗ trợ bởi trí tuệ nhân tạo). Chúng tôi cũng đo lường hiệu quả công việc của họ và các lợi ích quan trọng khác của nền tảng trí tuệ nhân tạo, chẳng hạn như tối ưu hóa quy trình làm việc trong phòng thí nghiệm và giảm thời gian quay vòng (thời gian bệnh nhân nhận được kết quả).

Có những tính năng độc đáo nào của các giải pháp của Ibex giúp tăng cường quy trình chẩn đoán và cải thiện kết quả cho bệnh nhân?

Hệ thống tích hợp của chúng tôi bao gồm trình xem mẫu kính hiển vi, kết quả trí tuệ nhân tạo và các công cụ báo cáo tích hợp. Hệ thống toàn diện này được thiết kế để tăng cường độ chính xác và năng suất. Nó dẫn dắt các bác sĩ bệnh lý qua quá trình chẩn đoán, hiển thị cho họ các phát hiện chính trong mỗi trường hợp và mẫu kính hiển vi. Thay vì tìm kiếm các tính năng, có thể nhỏ và khó phát hiện, trí tuệ nhân tạo làm nổi bật mọi thứ rất rõ ràng. Từ đó, bác sĩ bệnh lý có thể xác nhận hoặc sửa đổi. Trí tuệ nhân tạo hiển thị các phép đo và định lượng; nó cũng ghi điểm mọi thứ. Với các báo cáo tích hợp, bác sĩ bệnh lý không cần phải xem mẫu kính hiển vi, đưa ra chẩn đoán trong tâm trí và sau đó đi đến một hệ thống khác và báo cáo mọi thứ; thay vào đó, báo cáo được thực hiện trong khi trí tuệ nhân tạo điều khiển quy trình làm việc tích hợp. Thậm chí số lượng lần nhấp chuột cũng được tối ưu hóa. Mọi thứ đều được xây dựng với các bác sĩ bệnh lý trong tâm trí để tăng cường độ chính xác chẩn đoán và hiệu quả, từ đó tạo ra một môi trường làm việc tốt hơn cho các bác sĩ này với kết quả tốt hơn cho bệnh nhân của họ.

Làm thế nào các giải pháp của Ibex tích hợp với các giải pháp phần mềm bệnh lý số và hệ thống thông tin phòng thí nghiệm hiện có?

Chúng tôi làm việc với một số nhà cung cấp trong lĩnh vực này bán các giải pháp quản lý hình ảnh hoặc cung cấp hệ thống thông tin phòng thí nghiệm. Đối với mỗi đối tác, có các cơ hội tích hợp khác nhau. Trong một số trường hợp, chúng tôi nhúng trí tuệ nhân tạo của mình vào các công cụ của họ để bác sĩ bệnh lý có thể sử dụng nền tảng của họ với trí tuệ nhân tạo của chúng tôi bên trong. Trong các trường hợp khác, chúng tôi tích hợp với các công cụ này theo cách cho phép bác sĩ bệnh lý khởi chạy Ibex từ hệ thống khác. Bất kể loại tích hợp, chúng tôi luôn muốn đảm bảo rằng người dùng có cách sử dụng trí tuệ nhân tạo tối ưu nhất. Ngoài ra, chúng tôi đã phát triển một giao diện lập trình ứng dụng mở (API) cho phép các bên thứ ba, bao gồm cả các công ty khác hoặc các bộ phận CNTT của khách hàng, lấy thông tin từ trí tuệ nhân tạo của chúng tôi và tích hợp nó vào môi trường của họ.

Các thách thức mà Ibex phải đối mặt khi đạt được việc áp dụng rộng rãi các giải pháp được hỗ trợ bởi trí tuệ nhân tạo trong lĩnh vực bệnh lý là gì?

Khi nhìn lại, tôi sẽ nói rằng thách thức chính mà Ibex phải đối mặt là sự phức tạp và khối lượng công việc, nỗ lực và thời gian cần thiết để đưa các sản phẩm chẩn đoán đến thị trường. Điều này bao gồm các phương pháp đa ngành: thu thập dữ liệu, làm việc với các bác sĩ bệnh lý, đào tạo trí tuệ nhân tạo và thử nghiệm nó một cách nghiêm ngặt, chạy các thử nghiệm lâm sàng và, ở một số khu vực địa lý, đạt được sự chấp thuận của cơ quan quản lý – và làm tất cả những điều này dưới các biện pháp đảm bảo chất lượng nghiêm ngặt. Trong lĩnh vực y tế, cũng rất quan trọng để tạo ra bằng chứng khoa học và xuất bản kết quả với nhiều phòng thí nghiệm để chứng minh hiệu suất và lợi ích của nền tảng trí tuệ nhân tạo.

Một thách thức đáng chú ý khác là tích hợp. Chúng tôi cần đảm bảo rằng các bác sĩ bệnh lý có thể sử dụng trí tuệ nhân tạo theo cách hiệu quả và tự nhiên. Có nhiều hệ thống trong phòng thí nghiệm: máy quét bệnh lý số, hệ thống thông tin phòng thí nghiệm và quy trình làm việc, cũng như các công cụ báo cáo. Nói một cách đơn giản, chúng tôi đảm bảo rằng mọi thứ đều kết hợp với nhau theo cách hiệu quả nhất có thể, bất chấp những thách thức.

Bạn có thể chia sẻ một số câu chuyện thành công hoặc nghiên cứu trường hợp từ các tổ chức y tế đã triển khai các giải pháp của Ibex?

Chúng tôi rất tự hào về các đối tác và phạm vi toàn cầu của mình. Ví dụ, chúng tôi có triển khai trí tuệ nhân tạo đầu tiên trên toàn quốc ở Wales – tất cả các Hội đồng Y tế ở Wales đều sử dụng giải pháp trí tuệ nhân tạo của Ibex. Một ví dụ khác là Phòng thí nghiệm CorePlus ở Puerto Rico – họ đã sử dụng Ibex trong vài năm và đã xuất bản một bài báo, cho thấy tác động mà nền tảng đã có đối với thực hành lâm sàng của họ. Ví dụ, bằng cách sử dụng thuật toán trí tuệ nhân tạo, các bác sĩ bệnh lý đã có thể xác định 160 người đàn ông mà nếu không sẽ bị chẩn đoán sai. Những bệnh nhân này đã được điều trị đúng nhờ sự hỗ trợ của trí tuệ nhân tạo. Đó thực sự là tác động mà chúng tôi đang tạo ra. Đó là điều mà chúng tôi không thể quên – chúng tôi ở đây để tác động đến cuộc sống của mọi người.

Vai trò của trí tuệ nhân tạo trong tương lai của bệnh lý và chẩn đoán ung thư trong thập kỷ tới là gì?

Trong suốt thập kỷ tới, chúng tôi sẽ tiếp tục thấy các bác sĩ bệnh lý sử dụng trí tuệ nhân tạo để hỗ trợ họ trong các nỗ lực chẩn đoán chính. Tôi hình dung rằng các bác sĩ bệnh lý sẽ sử dụng trí tuệ nhân tạo trên hầu hết khối lượng công việc của họ để đảm bảo rằng chất lượng là cao, và mọi thứ đều khách quan, có thể lặp lại và kịp thời. Ngoài ra, trí tuệ nhân tạo sẽ giúp các bác sĩ làm những việc họ không làm hiện nay. Nó có thể giúp họ quyết định những xét nghiệm nào cần được thực hiện trên một trường hợp cụ thể, cũng như cung cấp một tiên lượng chính xác hơn và lựa chọn điều trị được简化.

Trí tuệ nhân tạo sẽ là một phần không thể thiếu trong suốt toàn bộ hành trình của bệnh nhân, không chỉ là phần chẩn đoán ung thư trong phòng thí nghiệm bệnh lý, mà còn là bác sĩ ung thư quyết định phương pháp điều trị. Tôi cũng nghĩ rằng trí tuệ nhân tạo sẽ giúp kết hợp các lĩnh vực. Theo thời gian, các phương thức khác nhau (bệnh lý, x quang, genomics, hồ sơ lâm sàng) sẽ được cung cấp cho các mô-đun trí tuệ nhân tạo khác nhau để hỗ trợ y học chính xác mới và cải tiến. Về mặt công bằng y tế, những bệnh nhân không có quyền truy cập vào các bác sĩ tốt nhất trên thế giới sẽ trải qua một bước nhảy vọt lớn về chất lượng chẩn đoán và điều trị của họ. Trí tuệ nhân tạo sẽ mang mọi người đến mức gần như chuyên gia. Mọi người đều xứng đáng có quyền truy cập vào chăm sóc chất lượng, và trí tuệ nhân tạo sẽ giúp chúng tôi đi đúng hướng để dân chủ hóa quyền truy cập vào y tế.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Ibex Medical Analytics.