访谈
Vara创始人兼CEO Jonas Muff – 采访系列
Jonas Muff 是 Varai 公司的创始人兼CEO，Vara是一家专门从事乳腺癌筛查的平台。Vara成立于德国，目前在欧洲的多个国家开展业务。今年，他们宣布了在希腊和墨西哥的两个重大合作伙伴关系，这将使他们的技术能够惠及超过3000万名妇女。
是什么最初吸引您进入人工智能领域？
作为一名医生的儿子，我一直相信医疗保健的力量和潜力在于预防，而不是仅仅治愈；让健康的人保持健康，而不是仅仅治疗病人。人工智能掌握着解锁这一范式转变的钥匙，并帮助现代医疗系统在疾病的诊断和治疗方面取得巨大的进步。人工智能诊断具有可能更便宜、更少依赖专家知识的潜力，而专家知识在全球范围内存在短缺。这样，人工智能可以被用来在不发达国家提供高质量的医疗服务，使得医疗保健更加公平和全球化。
可以讨论一下Vara的创立故事吗？
Vara诞生于Merantix，这是一家位于柏林的风险投资公司，旨在通过协作方式解锁人工智能的潜力。Merantix汇集了不同背景的人们，所有人都具有创业精神，共同解决现实世界的问题。我们组建了一个由机器学习专家、软件开发人员、产品设计师和放射科医生组成的团队，目标是从头开始重新构想乳腺癌筛查工作流程。
当放射科医生阅读乳腺X光片时，他们实际上是在寻找一根针在一堆干草中。虽然绝大多数乳腺X光片被认为是“正常”的——即它们不包含任何乳腺癌的迹象——但有一小部分却很重要，需要进一步分析。
这给放射科医生带来了巨大的压力，要求他们确保没有漏掉任何“针”，同时他们还需要花费98%（或更多）的工作时间报告正常的乳腺X光片。这是一个可能导致错误的组合，我们从第一天开始就相信人工智能可以帮助解决这个问题，通过弥补人类的错误并减轻行政负担。这样，放射科医生就可以更加专注于发现异常。
为此，我们与德国一些领先的筛查放射科医生合作，建立了一个标准化整个临床工作流程并通过使用先进的人工智能、自动化和数据管理工具来增强它的平台。Vara平台的目标不是取代放射科医生，而是增强他们的能力，使过程更加高效、透明和有效。
通过我们的工作，我们还意识到虽然乳腺癌筛查在大多数欧洲国家（包括我们的母国德国）是一项常见的做法——德国自2002年开始就实施了基于人口的筛查计划——但世界上大多数国家并不提供筛查服务。我们相信每个女性都有权享受筛查服务，因此我们的平台被设计为可以在世界任何地方使用。我们的使命是使数据驱动的乳腺癌筛查更加容易被每个人所接受。
用于训练数据的训练集数量是多少，这些集是否包括多种皮肤类型？
我们的模型是基于来自欧洲（主要是德国）的700万多份乳腺X光片数据开发的。
乳腺X光片在不同人群和民族之间非常相似。不同人群之间变化的因素包括乳腺密度（乳腺中脂肪组织的含量）、病理性癌症亚型以及病变类型和大小。
在评估Vara时，我们不仅考虑了平均性能，还研究了每个子组的性能，例如脂肪型乳腺与密集型乳腺，或小病变与大病变。我们的结果表明，我们可以在所有相关子组中提高放射科医生的指标。
这意味着，即使来自其他人群的女性往往具有更密集的乳腺，Vara仍然可以提高她们的护理标准。我们进行了本地评估，以了解人工智能在墨西哥的性能，以确保我们确实提高了护理标准。我们将继续实时监测Vara的预期性能，并与我们的筛查合作伙伴保持持续的对话。我们的目标是通过提供由人工智能驱动的标准化筛查工作流程来提高墨西哥的护理标准。
Vara系统使用三种分类来对每个乳腺X光片进行分类，可以讨论一下这些分类吗？
决策转介途径是Vara开发的筛查过程，其中算法仅在它能够做出准确预测时才会做出陈述——同时将其他情况留给人类专家。
决策转介的目标是通过人工智能支持放射科医生来提高敏感性和特异性，即减少假阴性和假阳性。同时，人工智能并不完美，不能对所有情况做出100%正确的预测。因此，决策转介的目标是将放射科医生的人类专长与人工智能的技术能力相结合，以提高两者。
三种分类类型是：
- 正常分诊：算法选择了一部分它认为是正常的病例，并自动为放射科医生标记这些病例。正常分诊的目标是将尽可能多的正常病例标记为阴性，并尽量减少误分类。
- 安全网：对于人工智能非常自信的可疑病例，它提供了一个安全网：如果放射科医生将其中一个病例分类为阴性，安全网就会触发，并将放射科医生引导到图像中的一个特定区域，该区域对人工智能来说是可疑的。放射科医生可以重新考虑这一决定，可能会发现原本会被忽略的癌症。
- 未分类病例：重要的是，人工智能并没有对所有病例做出陈述。有些病例既没有被归类为正常（最不可疑的病例），也没有激活安全网（最可疑的病例）。对于这些病例，人工智能不够自信，决策应来自放射科医生。
人类，包括放射科医生，经常经历认知偏见，人工智能应用如何帮助解决这个问题？
我们的人工智能从德国最好的筛查系统之一的数据中学习。另外，在训练过程中，人工智能实际上可以访问放射科医生在临床实践中无法获得的数据，即每个病例的活检结果或两年后的随访结果。通过使用广泛的代表性数据集，我们可以防止训练数据中的偏见。
我们开发了安全网，以减少人工智能与人类之间的潜在偏见。安全网不会在一开始就向放射科医生显示可疑区域。相反，放射科医生使用Vara查看器报告他们的发现，如果人工智能与放射科医生的评估不一致，Vara就会显示局部预测。这给了放射科医生机会来审查他们的初始报告并进行调整。这样，安全网有助于减少漏诊癌症的数量。
与人类不同，模型不会感到疲劳，并且持续提供改进的性能，独立于一天中的时间。人工智能可以客观地评估放射科医生的结果。
可以讨论一下检测乳腺癌时可能的边缘情况，例如植入物吗？
我们的模型是在一个真实世界的、多样化的数据集上训练的，包括所有参加筛查的女性，包括有植入物的女性。我们没有发现这些病例对Vara来说特别具有挑战性。另外，我们的模型并不对所有病例做出陈述。如果它对某个病例不够自信，它就会将决策转交给放射科医生，这被称为决策转介（见上文）。
Vara还对乳腺X光片进行后筛查，在这一步中具体看的是什么？
Vara在放射科医生形成意见后显示预测（见“安全网”上面的更多详细信息）。放射科医生通过比较组织和病变随时间的发展获得了至关重要的见解。同样，利用时间信息将进一步提高人工智能模型的诊断准确性。不仅我们的人工智能在当前检查上运行，还检查以前的检查是否有癌症的迹象——这有望进一步提高筛查性能。
是否还有其他关于Vara的事情您想分享？
Vara的人工智能平台的决策转介方法目前正在德国30%的筛查单位中使用。作为我们全球使命的一部分，我们最近在墨西哥和希腊与当地的医疗服务提供者合作，启动了筛查单位。通过这些合作伙伴关系，我们展示了如何利用现有的医疗基础设施，使他们能够跳过当前的设置，直接进入一个标准化的、最先进的筛查服务。
我们的团队已经扩大到30人，我们还聘请了全球放射学领域的专家，如Katja Pinker-Domenig教授，她成为我们的首席医疗顾问。我们还与美国和欧洲的知名学术机构合作，例如纪念斯隆-凯特林癌症中心、剑桥大学、卡罗林斯卡学院和挪威癌症登记处。
Vara的人工智能性能在可复制性和普遍性方面显示出巨大的希望。目前有一项大型回顾性研究正在世界著名的Lancet Digital Health杂志上发表，另外还有一项关于间歇性癌症预防的重要同行评审出版物正在欧洲放射学杂志上发表。
我们刚刚开始了德国首个前瞻性研究，旨在展示Vara在临床常规中的影响。所有这些成就都有助于我们实现使数据驱动的乳腺癌筛查更加容易被每个人所接受的主要使命。
感谢这次精彩的采访，希望了解更多的读者可以访问Vara网站。
