Tobias Rijken, Đồng sáng lập & CTO tại Kheiron Medical Technologies – Loạt phỏng vấn

Tobias Rijken là Đồng sáng lập & CTO tại Kheiron Medical Technologies, một công ty hình ảnh y tế sử dụng các công nghệ học máy tiên tiến để phát triển và cung cấp các công cụ thông minh cho các bác sĩ X-quang, các phòng xét nghiệm, trung tâm hình ảnh và bệnh viện để cải thiện hiệu quả, tính nhất quán và độ chính xác của báo cáo X-quang.

Kheiron Medical Technologies được thành lập với mục tiêu duy nhất là giúp các bác sĩ X-quang phát hiện ung thư vú sớm hơn bằng phần mềm học máy.

Điều gì ban đầu thu hút bạn đến với học máy?

Giới thiệu không chính thức của tôi về học máy là khi tôi lần đầu tiên bắt đầu học lập trình khi còn là một thiếu niên. Có một trò chơi nơi bạn có thể lập trình自己的 trò chơi. Tôi muốn chơi trò chơi đó, nhưng tôi chơi với ai? Đó có thể là một người chơi khác, nhưng cũng có thể là một chương trình. Làm thế nào bạn xây dựng một chương trình học cách chơi một trò chơi? Đó không phải là AI hiện đại, đó là AI dựa trên quy tắc. Tôi đã đánh bại nó mọi lúc, vì vậy đó không phải là một AI tốt.

Khi tôi học thạc sĩ tại Đại học London, chúng tôi đã bước vào một kỷ nguyên mới của AI hiện đại. DeepMind vừa được mua lại, và tôi đang học học máy tại nơi DeepMind thực sự được thành lập. David Silver, một trong những nhà khoa học hàng đầu của DeepMind, đang giảng dạy một khóa học về học tăng cường. Trong khóa học, tôi đã xây dựng một tác nhân để học cách chơi một trò chơi – một phiên bản đơn giản của blackjack. Khi tôi hoàn thành AI và chơi chống lại sáng tạo của mình, tôi không thể đánh bại nó nữa. Và đó là một sự tiết lộ thực sự.

Giới thiệu chính thức của tôi về học máy đến trong năm đầu tiên của tôi tại trường đại học. Tôi đang học toán và khoa học máy tính tại Đại học Amsterdam. Đồng thời, các khóa học trực tuyến mở mới được thành lập và tôi có thể tham gia các khóa học AI từ các nhân vật hàng đầu trong lĩnh vực này. Khóa học có tác động lớn nhất là với Peter Norvig và Sebastian Thrun từ Stanford, và tôi có thể học AI với 100.000 người cùng một lúc.

Bây giờ với Kheiron, điều tôi thích nhiều về học máy là ứng dụng nó có trên thế giới thực. Cơ hội nó có để giải quyết các vấn đề thực tế. Đó là điều thực sự khiến tôi hứng thú.

Có thể bạn thảo luận về câu chuyện khởi nguồn đằng sau Kheiron Medical?

Peter và tôi gặp nhau vào năm 2016 tại chương trình tăng tốc doanh nghiệp Entrepreneur First. Chúng tôi kết nối ngay lập tức – có lẽ vì những nền tảng tương tự. Cả hai chúng tôi đều đến từ các gia đình y tế – mẹ của Peter là một bác sĩ X-quang, tôi lớn lên trong một gia đình y tế, được bao quanh bởi các bác sĩ, và cả hai chúng tôi đều chọn đi theo con đường STEM.

Nền tảng của chúng tôi đã cung cấp cho chúng tôi một cái nhìn rõ ràng về những khó khăn và thách thức mà các công nhân y tế phải đối mặt và sự hiểu biết về cách AI có thể cải thiện cuộc sống của họ cũng như cuộc sống của bệnh nhân. Chúng tôi chia sẻ niềm tin rằng AI cùng với các bác sĩ sẽ thay đổi y tế theo hướng tốt hơn.

Có một vấn đề lớn cần được giải quyết ở đây. Có một sự thiếu hụt toàn cầu về các bác sĩ X-quang. Nhiều người chết vì ung thư – hơn 40.000 phụ nữ Mỹ chết mỗi năm vì ung thư vú. Một phần lý do nhiều người chết vì ung thư là vì các bác sĩ không có thông tin chính xác để đưa ra quyết định chính xác. AI có thể giúp với điều đó.

Trước hết và quan trọng nhất, Kheiron ở đây để giúp các bác sĩ X-quang để các bác sĩ X-quang có thể giúp bệnh nhân. Tôi cá nhân rất có động lực khi đào sâu vào vấn đề để hiểu rõ những phức tạp của nó. Chúng tôi tất cả đều làm việc chăm chỉ để thực sự hiểu rõ công việc của các bác sĩ X-quang, dữ liệu họ đang làm việc với hàng ngày, quy trình làm việc của họ. Sau đó, chúng tôi có thể tìm ra cách chúng tôi có thể triển khai AI như một phần của quy trình làm việc này.

Chúng tôi đầu tư nhiều vào việc hiểu rõ người dùng và dữ liệu. Chúng tôi có các bác sĩ X-quang trong đội ngũ của chúng tôi giúp chúng tôi tích hợp nhu cầu của người dùng vào quy trình thiết kế và phát triển. Chúng tôi có một sáng kiến tham gia bệnh nhân mà tham gia trực tiếp với phụ nữ để hiểu nỗi sợ hãi và nhu cầu của họ về sàng lọc vú.

Nhiều người hỏi tôi về tên của công ty chúng tôi – Kheiron. Kheiron là một nhân mã thông minh, dịu dàng – một sinh vật là một phần con người, một phần ngựa trong thần thoại Hy Lạp – người đã đào tạo các anh hùng trong y học. Ý tưởng về hai nửa tạo nên một thứ gì đó mạnh mẽ hơn các phần riêng lẻ là nguồn cảm hứng cho Kheiron – AI và bác sĩ cùng nhau để thay đổi những gì có thể trong tiêu chuẩn chăm sóc.

Có thể bạn thảo luận về các giải pháp sàng lọc ung thư vú được cung cấp?

Chúng tôi đang làm việc trên một số giải pháp sàng lọc ung thư vú dọc theo con đường sàng lọc ung thư vú.

Sản phẩm đầu tiên của chúng tôi được gọi là Mia – viết tắt của đánh giá thông minh X-quang vú. Mia đã được tối ưu hóa để thực hiện cùng một nhiệm vụ như bác sĩ X-quang – cụ thể là, để xác định xem phụ nữ nên được gọi lại để kiểm tra thêm hay không.

Mức độ hiệu suất chúng tôi đạt được cho phép chúng tôi suy nghĩ lại quy trình làm việc. Đối với phụ nữ Mỹ, điều này vô cùng có ý nghĩa. Hoa Kỳ có cái được gọi là “quy trình đọc đơn” – nghĩa là mỗi X-quang được đọc bởi một bác sĩ X-quang. Tuy nhiên, Vương quốc Anh và châu Âu có “quy trình đọc kép” – nghĩa là mỗi X-quang được đọc bởi hai bác sĩ X-quang. Nhiều bác sĩ X-quang Mỹ coi việc đọc kép là “tiêu chuẩn vàng” vì nó có nhiều khả năng phát hiện các khối u vú nhỏ, sớm hơn so với việc đọc đơn.

Các nghiên cứu lâm sàng của chúng tôi chứng minh rằng Mia là một lựa chọn an toàn về mặt lâm sàng và tiết kiệm chi phí như một người đọc độc lập hoặc đồng thời. Điều này có nghĩa là tại Hoa Kỳ, Mia có thể được sử dụng cùng với bác sĩ X-quang để đạt được tiêu chuẩn vàng của quy trình đọc kép – với một người đọc đơn. Giống như tôi đã nói trước đó, đây thực sự là cách chúng tôi nhìn thấy sức mạnh của AI và con người cùng nhau giải quyết các vấn đề lớn.

Sản phẩm đầu tiên chúng tôi đưa ra thị trường Hoa Kỳ được gọi là Mia IQ, nằm một bước trước trong con đường sàng lọc ung thư vú. Mia IQ giúp các kỹ thuật viên X-quang phân tích chất lượng của hình ảnh. Nếu chúng tôi có thể cải thiện chất lượng của hình ảnh, thì chất lượng của việc đọc cũng sẽ tăng lên. Và điều này có nghĩa là nhiều ca ung thư sẽ được phát hiện sớm hơn, khi kết quả có thể tốt hơn cho phụ nữ.

Điều này rất quan trọng đối với các cuộc kiểm toán đảm bảo chất lượng MQSA và đào tạo liên tục, nơi chúng tôi dự kiến sẽ thấy ứng dụng đầu tiên của Mia IQ. Mia IQ cung cấp các chương trình sàng lọc với các báo cáo chi tiết về các vấn đề về vị trí. Điều này sẽ cho phép các giám đốc chương trình cung cấp đào tạo tại chỗ cho các kỹ thuật viên và giải quyết các vấn đề về chất lượng hình ảnh có thể ảnh hưởng đến các cuộc kiểm toán đảm bảo chất lượng của họ.

Bao nhiêu hình ảnh đã được mạng nơ-ron đào tạo?

Đối với chúng tôi, số lượng dữ liệu không phải là điểm mấu chốt. Điều tốt về không gian sàng lọc ung thư vú là có rất nhiều dữ liệu có sẵn. Có rất nhiều dữ liệu lịch sử vì các chương trình sàng lọc đã tồn tại trong một thời gian dài. Và vì bạn sàng lọc toàn bộ dân số, có rất nhiều dữ liệu mới được tạo ra.

Thách thức là dữ liệu bị thiên vị nặng. 99% dân số sàng lọc không bị ung thư, may mắn thay, điều này có nghĩa là có sự thiên vị về hình ảnh bình thường. Ngoài ra, còn có sự khác biệt về dân số, với sự thiếu đa dạng trong dữ liệu.

Vì vậy, đối với Kheiron, thách thức không nằm ở việc có được số lượng dữ liệu. Thay vào đó, một phần lớn thành công của chúng tôi đến từ việc hiểu dữ liệu nào để thu thập để có được kết quả tốt nhất, và để rất chọn lọc và nhắm mục tiêu trong việc thu thập và sử dụng dữ liệu. Sự hợp tác của chúng tôi với Đại học Emory là một ví dụ tuyệt vời về cách chúng tôi đang làm điều này.

Hiện tại, các kết quả dương tính giả có phải là một vấn đề?

Kết quả dương tính giả chỉ là một phần của vấn đề. Khoa học sàng lọc dựa trên sự đánh đổi giữa kết quả dương tính giả và kết quả âm tính giả. Ví dụ, chúng tôi có thể đạt được một tỷ lệ kết quả dương tính giả rất thấp, nhưng chúng tôi sẽ bỏ lỡ một số trường hợp ung thư. Mặt khác, chúng tôi có thể có rất ít trường hợp ung thư bị bỏ lỡ nếu chúng tôi có một tỷ lệ kết quả dương tính giả cao. Điều quan trọng là phải hiểu những sự đánh đổi này và cân bằng dịch vụ sàng lọc của bạn dựa trên ưu tiên và nguồn lực.

Các khác biệt về văn hóa và chính sách cũng tồn tại giữa các quốc gia, điều này ảnh hưởng đến cách những sự đánh đổi này được thực hiện. Tại một số quốc gia, bỏ lỡ một trường hợp ung thư được coi là rất vấn đề. Tại các quốc gia khác, điều quan trọng hơn là giảm thiểu các cuộc gọi lại không cần thiết do chi phí chăm sóc sức khỏe liên quan đến mỗi cuộc gọi lại.

Cuối cùng, điều quan trọng là phải hiểu cách sự đánh đổi này ảnh hưởng đến bệnh nhân, về số lượng các cuộc gọi lại không cần thiết và các xét nghiệm tiếp theo mà nhóm “dương tính giả” trải qua so với nhóm “âm tính giả” mà các trường hợp ung thư không được phát hiện. Đó là một hành động cân bằng khó khăn, nhưng AI hứa hẹn sẽ nâng cao tiêu chuẩn cho cả hai nhóm.

Kheiron Medical Technologies và Đại học Emory gần đây đã宣 bố một sự hợp tác để đánh giá dữ liệu từ các X-quang trước đó trên hơn 50.000 phụ nữ da đen đã được sàng lọc tại Emory Healthcare. Bạn có thể chia sẻ thêm chi tiết về dự án này?

Sự hợp tác của chúng tôi với Đại học Emory mở rộng sự đa dạng của dữ liệu chúng tôi đang sử dụng để đảm bảo rằng Mia, giải pháp sàng lọc ung thư vú AI của chúng tôi, hoạt động theo cùng một tiêu chuẩn cho mọi phụ nữ, bất kể sắc tộc.

Dự án đầu tiên trong sự hợp tác này sẽ hỗ trợ việc xác nhận hiệu suất của Mia chống lại dân số sàng lọc đa dạng của Emory. Đây là một nghiên cứu đa trung tâm trên bốn trang web sàng lọc và bệnh viện. Một nhóm hơn 200.000 X-quang sẽ được bao gồm trong dự án này – khoảng 45% phụ nữ trong nhóm này là người da đen.

Chúng tôi đã công bố sự hợp tác này vào cuối tháng 11 và đã đạt được tiến bộ lớn kể từ đó, ngay cả khi đối mặt với những thách thức của việc hoạt động trong một đại dịch toàn cầu và điều kiện làm việc từ xa. Tôi nghĩ rằng đó là một tín nhiệm lớn cho đội ngũ tại Emory, những người cũng là các bác sĩ đang cung cấp chăm sóc tuyệt vời cho bệnh nhân trong cộng đồng.

Hiện tại, sự hợp tác của chúng tôi đang đầu tư năng lượng ban đầu để thiết lập một nền tảng vững chắc cho công việc tương lai của chúng tôi. Chúng tôi đang làm việc chặt chẽ với đội ngũ Emory để hiểu rõ quy trình làm việc lâm sàng. Điều này phục vụ như một nền tảng cần thiết cho phân tích và thẩm vấn sâu về các sự khác biệt tiềm ẩn giữa các nhóm dân số, như các nhóm sắc tộc.

Công việc này không dễ dàng hay nhanh chóng. Không nhiều điều trong chăm sóc sức khỏe là như vậy. Tuy nhiên, nó rất có ý nghĩa, và chúng tôi may mắn được hưởng lợi từ một tập hợp các đối tác toàn cầu cực kỳ hợp tác và đồng nhất với chúng tôi về sứ mệnh chung: giúp mọi phụ nữ ở mọi nơi có cơ hội chiến đấu chống lại ung thư vú.

Thiếu đại diện của người không da trắng trong dữ liệu hình ảnh cho chẩn đoán ung thư có phải là một vấn đề lớn?

Trong lịch sử, sự đa dạng của dân số bệnh nhân không được phản ánh trong nghiên cứu y tế đến mức độ mà nó nên. Những người chúng tôi đang phát triển AI có trách nhiệm bao gồm sự đa dạng sắc tộc trong các nghiên cứu của chúng tôi.

Các dân tộc thiểu số bị đại diện thấp là một vấn đề đối với sàng lọc ung thư vú. Kết quả cho phụ nữ da đen là một ví dụ. Phụ nữ da đen có tỷ lệ tử vong cao hơn (39% so với người da trắng không phải gốc Tây Ban Nha), và điều này có thể được quy cho việc tiếp cận chăm sóc sức khỏe, chậm trễ trong chẩn đoán và chậm trễ trong việc bắt đầu điều trị, cùng với các yếu tố khác.

Tính tổng quát của AI trên các dân số khác nhau là một bước quan trọng để giải quyết sự chênh lệch về chủng tộc trong sàng lọc vú. Tôi rất hào hứng khi đội ngũ Kheiron của chúng tôi cam kết xây dựng một giải pháp hoạt động tốt như nhau trên các dân số đa dạng – và đây là một yếu tố động viên lớn cho công việc của chúng tôi. Sự hợp tác của chúng tôi với Emory và UCSF sẽ giúp chúng tôi đạt được tầm nhìn này về tính tổng quát – đảm bảo rằng Mia mang lại cho mọi phụ nữ, mọi nơi một cơ hội chiến đấu tốt hơn chống lại ung thư vú.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời và vì đang làm việc trên các công nghệ cứu sống quan trọng như vậy. Những người đọc muốn tìm hiểu thêm nên truy cập Kheiron Medical Technologies.