Jonas Muff, Người sáng lập & CEO của Vara – Loạt phỏng vấn

Jonas Muff là Người sáng lập & CEO của Vara, một nền tảng sàng lọc ung thư vú. Được thành lập tại Đức, Vara đang hoạt động tại nhiều quốc gia ở châu Âu. Họ vừa thông báo hai quan hệ đối tác lớn trong năm nay tại Hy Lạp và Mexico, điều này sẽ giúp công nghệ của họ có sẵn cho hơn 30 triệu phụ nữ.

Điều gì ban đầu thu hút bạn đến lĩnh vực trí tuệ nhân tạo?

Là con của một bác sĩ, tôi luôn tin rằng sức mạnh và tiềm năng của chăm sóc sức khỏe nằm ở phòng ngừa hơn là chỉ chữa bệnh; giữ cho những người khỏe mạnh luôn khỏe mạnh, thay vì chỉ điều trị những người bệnh. Trí tuệ nhân tạo nắm giữ chìa khóa không chỉ để mở ra sự thay đổi này mà còn giúp các hệ thống chăm sóc sức khỏe hiện đại thực hiện những bước nhảy vọt trong cả chẩn đoán và điều trị bệnh. Chẩn đoán bằng trí tuệ nhân tạo có thể rẻ hơn và ít phụ thuộc vào nguồn lực của kiến thức chuyên môn, điều mà hiện nay đang có sự thiếu hụt trên toàn cầu. Điều này có nghĩa là trí tuệ nhân tạo có thể được sử dụng để cung cấp thuốc tốt ở các quốc gia kém phát triển, giúp tiếp cận chăm sóc sức khỏe tốt trở nên công bằng và toàn cầu hơn.

Có thể bạn thảo luận về câu chuyện khởi nguồn của Vara?

Vara được sinh ra từ Merantix, một xưởng kinh doanh tại Berlin nhằm mở khóa tiềm năng của trí tuệ nhân tạo thông qua một phương pháp tiếp cận hợp tác. Merantix tập hợp những người từ các nền tảng khác nhau, tất cả đều có tinh thần kinh doanh, để giải quyết các vấn đề thực tế theo cách sáng tạo. Chúng tôi đã tập hợp một đội gồm các chuyên gia học máy, nhà phát triển phần mềm, nhà thiết kế sản phẩm và bác sĩ X-quang, và bắt đầu tái tưởng tượng quy trình sàng lọc ung thư vú từ đầu.

Khi đọc các hình ảnh X-quang vú, một bác sĩ X-quang đang thực sự tìm kiếm một kim trong một đống rơm. Trong khi đa số các hình ảnh X-quang vú sẽ được coi là “bình thường” – tức là, chúng không chứa bất kỳ dấu hiệu nào của ung thư vú – một số nhỏ nhưng quan trọng sẽ đáng ngờ và cần phân tích thêm.

Điều này tạo ra áp lực lớn cho bác sĩ X-quang để đảm bảo không bỏ sót bất kỳ kim nào, nhưng họ cũng phải dành 98% (hoặc nhiều hơn) thời gian làm việc hàng ngày để báo cáo các hình ảnh X-quang vú bình thường. Đây là một sự kết hợp có thể dẫn đến sai lầm và chúng tôi đã tin từ ngày đầu tiên rằng trí tuệ nhân tạo có thể giúp giải quyết cả hai vấn đề này bằng cách bù đắp cho sai lầm của con người và loại bỏ gánh nặng hành chính. Điều này cho phép bác sĩ X-quang dành nhiều sự chú ý hơn để tìm kiếm các bất thường.

Với suy nghĩ này, chúng tôi đã hợp tác với một số bác sĩ X-quang hàng đầu của Đức để xây dựng một nền tảng tiêu chuẩn hóa toàn bộ quy trình lâm sàng và tăng cường nó thông qua việc sử dụng các công cụ trí tuệ nhân tạo, tự động hóa và quản lý dữ liệu tiên tiến. Thay vì cố gắng thay thế bác sĩ X-quang, nền tảng Vara nhằm mục đích tăng cường khả năng của họ để làm cho quy trình trở nên hiệu quả, minh bạch và hiệu quả hơn.

Thông qua công việc của chúng tôi, chúng tôi cũng nhận ra rằng mặc dù sàng lọc ung thư vú là một điều đương nhiên ở hầu hết các quốc gia châu Âu, bao gồm cả quốc gia của chúng tôi là Đức – một quốc gia có truyền thống tự hào về việc bắt đầu một chương trình sàng lọc dựa trên dân số từ năm 2002 – nhưng hầu hết các quốc gia trên thế giới không cung cấp sàng lọc cho phụ nữ. Chúng tôi tin rằng mọi phụ nữ đều có quyền được sàng lọc và do đó, nền tảng của chúng tôi đã được thiết kế để hoạt động ở bất kỳ nơi nào trên thế giới. Sứ mệnh của chúng tôi là làm cho sàng lọc ung thư vú dựa trên dữ liệu trở nên dễ tiếp cận hơn cho mọi người.

Bao nhiêu tập dữ liệu đã được sử dụng để đào tạo dữ liệu, và liệu các tập dữ liệu này bao gồm nhiều loại da khác nhau?

Mô hình của chúng tôi đã được phát triển dựa trên hơn 7 triệu hình ảnh X-quang vú bằng dữ liệu từ châu Âu, chủ yếu là từ Đức.

Các hình ảnh X-quang vú rất giống nhau giữa các dân tộc và chủng tộc khác nhau. Điều thay đổi trên các quần thể toàn cầu là mật độ vú (lượng mô mỡ trong vú), các phân loại bệnh ung thư bệnh lý, cũng như các loại và kích thước của các tổn thương.

Khi đánh giá Vara, chúng tôi không chỉ xem xét hiệu suất trung bình, mà còn xem xét hiệu suất trong từng phân nhóm, tức là vú mỡ so với vú đặc, hoặc các tổn thương nhỏ so với các tổn thương lớn. Kết quả của chúng tôi cho thấy rằng chúng tôi có thể cải thiện các chỉ số của bác sĩ X-quang trong tất cả các phân nhóm liên quan.

Điều này có nghĩa là ngay cả khi phụ nữ từ các quần thể khác có xu hướng có vú đặc hơn, ví dụ, Vara vẫn sẽ cải thiện tiêu chuẩn chăm sóc của họ. Chúng tôi đã thực hiện một đánh giá tại địa phương để hiểu hiệu suất của trí tuệ nhân tạo trong việc sàng lọc tại Mexico, nhằm đảm bảo rằng chúng tôi thực sự cải thiện tiêu chuẩn chăm sóc. Và chúng tôi sẽ tiếp tục theo dõi hiệu suất dự kiến của Vara trong thời gian thực và duy trì một cuộc đối thoại liên tục với các đối tác sàng lọc của chúng tôi. Mục tiêu của chúng tôi là cải thiện tiêu chuẩn chăm sóc tại Mexico bằng cách cung cấp một quy trình sàng lọc tiêu chuẩn hóa, được hỗ trợ bởi trí tuệ nhân tạo.

Hệ thống Vara sử dụng 3 loại phân loại cho mỗi hình ảnh X-quang vú, bạn có thể thảo luận về những gì chúng là và cách chúng giúp ngăn chặn các kết quả dương tính giả?

Quy trình quyết định chuyển tuyến là một quá trình sàng lọc được Vara phát triển, trong đó thuật toán chỉ đưa ra tuyên bố về các trường hợp khi nó tự tin đưa ra dự đoán chính xác — trong khi để lại các trường hợp khác cho chuyên môn của con người.

Mục tiêu của quy trình quyết định chuyển tuyến là hỗ trợ bác sĩ X-quang bằng trí tuệ nhân tạo để cải thiện cả độ nhạy và độ đặc hiệu, tức là giảm thiểu các kết quả âm tính giả và dương tính giả. Đồng thời, trí tuệ nhân tạo không hoàn hảo và không thể đưa ra dự đoán chính xác 100% cho tất cả các trường hợp. Do đó, mục tiêu của quyết định chuyển tuyến là kết hợp chuyên môn của con người với khả năng kỹ thuật của trí tuệ nhân tạo để cải thiện cả hai.

Ba loại phân loại sau đó là:

1. Phân loại bình thường: Thuật toán chọn một tập hợp các trường hợp mà nó coi là bình thường với sự tự tin cao và tự động gắn nhãn cho các trường hợp đó cho bác sĩ X-quang. Mục tiêu của phân loại bình thường là gắn nhãn cho càng nhiều trường hợp bình thường càng tốt, với sự phân loại sai tối thiểu.
2. Mạng lưới an toàn: Đối với các trường hợp mà trí tuệ nhân tạo rất tự tin rằng hình ảnh là đáng ngờ, nó cung cấp một mạng lưới an toàn: Nếu bác sĩ X-quang phân loại một trong những trường hợp đó là âm tính, mạng lưới an toàn sẽ kích hoạt và chỉ ra một khu vực cụ thể trong hình ảnh mà trí tuệ nhân tạo coi là đáng ngờ. Bác sĩ X-quang có thể sau đó xem xét lại quyết định, có thể phát hiện ra một trường hợp ung thư mà nếu không sẽ bị bỏ sót.
3. Trường hợp không phân loại: Quan trọng là, trí tuệ nhân tạo không đưa ra tuyên bố về tất cả các trường hợp. Có những trường hợp không được phân loại là bình thường (các trường hợp ít đáng ngờ nhất), cũng không kích hoạt mạng lưới an toàn (các trường hợp đáng ngờ nhất). Đối với những trường hợp đó, trí tuệ nhân tạo không đủ tự tin và chuyên môn nên đến từ bác sĩ X-quang.

Một thuộc tính nội tại của quyết định chuyển tuyến là khả năng cấu hình của nó. Chúng tôi có thể cấu hình trí tuệ nhân tạo để 50% trường hợp thấp nhất được gắn nhãn là bình thường, hoặc chúng tôi có thể cấu hình nó để gắn nhãn 70% thấp nhất là bình thường. Tương tự, mạng lưới an toàn có thể được kích hoạt cho 1% trường hợp đáng ngờ nhất, hoặc thay vào đó cho 2% trường hợp đáng ngờ nhất.

Con người, bao gồm cả bác sĩ X-quang, thường gặp phải thiên vị nhận thức, làm thế nào ứng dụng trí tuệ nhân tạo giúp giải quyết vấn đề này?

Trí tuệ nhân tạo của chúng tôi đã được đào tạo từ dữ liệu từ một trong những hệ thống sàng lọc tốt nhất trên thế giới tại Đức. Ngoài ra, trong quá trình đào tạo, trí tuệ nhân tạo thực sự có quyền truy cập vào dữ liệu mà bác sĩ X-quang không có trong thực hành lâm sàng. Đó là kết quả sinh thiết hoặc kết quả theo dõi hai năm của từng trường hợp. Bằng cách sử dụng các tập dữ liệu rộng và đại diện, chúng tôi ngăn chặn sự thiên vị trong dữ liệu đào tạo.

Chúng tôi sau đó đã phát triển Mạng lưới An toàn để giảm thiểu bất kỳ thiên vị nào trong tương tác giữa con người và trí tuệ nhân tạo. Mạng lưới An toàn không hiển thị các khu vực đáng ngờ cho bác sĩ X-quang ngay từ đầu. Thay vào đó, bác sĩ X-quang báo cáo phát hiện của họ với trình xem Vara và trong trường hợp trí tuệ nhân tạo không đồng ý với đánh giá của bác sĩ X-quang, Vara sẽ hiển thị dự đoán được xác định. Điều này cho phép bác sĩ X-quang xem xét lại báo cáo ban đầu của họ và điều chỉnh nó. Theo cách này, Mạng lưới An toàn giúp giảm thiểu các trường hợp ung thư bị bỏ sót.

Khác với con người, mô hình không bao giờ mệt mỏi và liên tục cung cấp hiệu suất được cải thiện, độc lập với thời gian trong ngày. Trí tuệ nhân tạo có thể khách quan hóa kết quả của bác sĩ X-quang.

Có thể bạn thảo luận về các thách thức trong việc phát hiện ung thư vú khi nói đến các trường hợp biên như implant?

Mô hình của chúng tôi đã được đào tạo trên một tập dữ liệu thực tế, đa dạng của tất cả phụ nữ tham gia sàng lọc, bao gồm cả phụ nữ có implant. Chúng tôi không thấy những trường hợp đó là một thách thức đặc biệt cho Vara. Ngoài ra, mô hình của chúng tôi không đưa ra tuyên bố về tất cả các trường hợp. Nếu nó không chắc chắn về một trường hợp cụ thể, nó sẽ chuyển quyết định sang bác sĩ X-quang, một phương pháp chúng tôi gọi là quyết định chuyển tuyến (xem trên).

Vara cũng sàng lọc sau các hình ảnh X-quang vú, trong bước quy trình này, điều gì được tìm kiếm cụ thể?

Vara hiển thị dự đoán sau khi bác sĩ X-quang đã hình thành ý kiến (xem “Mạng lưới An toàn” trên để biết thêm chi tiết). Bác sĩ X-quang nhận được thông tin quan trọng bằng cách so sánh sự phát triển của mô và các tổn thương theo thời gian. Tương tự, việc tận dụng thông tin thời gian sẽ giúp cải thiện độ chính xác của mô hình trí tuệ nhân tạo. Không chỉ trí tuệ nhân tạo của chúng tôi chạy trên xét nghiệm hiện tại, mà còn kiểm tra các xét nghiệm trước đó để tìm kiếm dấu hiệu của ung thư — với lời hứa sẽ cải thiện thêm hiệu suất sàng lọc.

Có điều gì khác mà bạn muốn chia sẻ về Vara?

Phương pháp tiếp cận quyết định chuyển tuyến của nền tảng trí tuệ nhân tạo Vara hiện đang được sử dụng trong 30% tất cả các đơn vị sàng lọc tại Đức. Trong khuôn khổ sứ mệnh toàn cầu của chúng tôi, chúng tôi vừa ra mắt các đơn vị sàng lọc tại Mexico và Hy Lạp, hợp tác với các nhà cung cấp dịch vụ chăm sóc sức khỏe tại địa phương. Với những đối tác như vậy, chúng tôi đang展示 cách chúng tôi có thể tận dụng cơ sở hạ tầng chăm sóc sức khỏe hiện có để cho phép họ nhảy vọt từ thiết lập hiện tại sang một dịch vụ sàng lọc tiêu chuẩn hóa, hiện đại.

Đội ngũ của chúng tôi đã tăng gấp đôi lên 30 và chúng tôi đã bổ nhiệm các chuyên gia toàn cầu trong lĩnh vực X-quang, chẳng hạn như Giáo sư Katja Pinker-Domenig, người đã trở thành Cố vấn Y tế trưởng của chúng tôi, cũng như Stephan Dreier làm Giám đốc Doanh thu. Chúng tôi cũng có sự hợp tác với các cơ sở học thuật danh tiếng tại Mỹ và châu Âu, chẳng hạn như Trung tâm Ung thư Memorial Sloan Kettering, Đại học Cambridge, Karolinska Institutet và Sổ đăng ký Ung thư Na Uy.

Hiệu suất của trí tuệ nhân tạo Vara đang cho thấy tiềm năng lớn về khả năng tái tạo và tổng quát hóa. Một nghiên cứu hồi cứu lớn đang được công bố trên tạp chí Lancet Digital Health, cũng như một bài báo quan trọng khác về ngăn chặn ung thư giai đoạn giữa trên Tạp chí X-quang châu Âu.

Chúng tôi vừa bắt đầu nghiên cứu tiềm năng đầu tiên của Đức để展示 tác động của Vara trong quy trình lâm sàng. Tất cả những thành tựu này đang giúp chúng tôi đạt được sứ mệnh chính của mình là làm cho sàng lọc ung thư vú dựa trên dữ liệu trở nên dễ tiếp cận cho mọi người.

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