ABONAMENTE VIDEO REDACȚIA
RO
EN
NOU
Numărul 150
Numărul 149 Numărul 148 Numărul 147 Numărul 146 Numărul 145 Numărul 144 Numărul 143 Numărul 142 Numărul 141 Numărul 140 Numărul 139 Numărul 138 Numărul 137 Numărul 136 Numărul 135 Numărul 134 Numărul 133 Numărul 132 Numărul 131 Numărul 130 Numărul 129 Numărul 128 Numărul 127 Numărul 126 Numărul 125 Numărul 124 Numărul 123 Numărul 122 Numărul 121 Numărul 120 Numărul 119 Numărul 118 Numărul 117 Numărul 116 Numărul 115 Numărul 114 Numărul 113 Numărul 112 Numărul 111 Numărul 110 Numărul 109 Numărul 108 Numărul 107 Numărul 106 Numărul 105 Numărul 104 Numărul 103 Numărul 102 Numărul 101 Numărul 100 Numărul 99 Numărul 98 Numărul 97 Numărul 96 Numărul 95 Numărul 94 Numărul 93 Numărul 92 Numărul 91 Numărul 90 Numărul 89 Numărul 88 Numărul 87 Numărul 86 Numărul 85 Numărul 84 Numărul 83 Numărul 82 Numărul 81 Numărul 80 Numărul 79 Numărul 78 Numărul 77 Numărul 76 Numărul 75 Numărul 74 Numărul 73 Numărul 72 Numărul 71 Numărul 70 Numărul 69 Numărul 68 Numărul 67 Numărul 66 Numărul 65 Numărul 64 Numărul 63 Numărul 62 Numărul 61 Numărul 60 Numărul 59 Numărul 58 Numărul 57 Numărul 56 Numărul 55 Numărul 54 Numărul 53 Numărul 52 Numărul 51 Numărul 50 Numărul 49 Numărul 48 Numărul 47 Numărul 46 Numărul 45 Numărul 44 Numărul 43 Numărul 42 Numărul 41 Numărul 40 Numărul 39 Numărul 38 Numărul 37 Numărul 36 Numărul 35 Numărul 34 Numărul 33 Numărul 32 Numărul 31 Numărul 30 Numărul 29 Numărul 28 Numărul 27 Numărul 26 Numărul 25 Numărul 24 Numărul 23 Numărul 22 Numărul 21 Numărul 20 Numărul 19 Numărul 18 Numărul 17 Numărul 16 Numărul 15 Numărul 14 Numărul 13 Numărul 12 Numărul 11 Numărul 10 Numărul 9 Numărul 8 Numărul 7 Numărul 6 Numărul 5 Numărul 4 Numărul 3 Numărul 2 Numărul 1
×
▼ LISTĂ EDIȚII ▼
Numărul 105
Abonament PDF

Expert talks panel - Healthcare & AI

Ovidiu Mățan
Fondator @ Today Software Magazine



INTERVIU


Am discutat în cadrul evenimentului de lansare din luna martie cu invitații noștri despre Healthcare și AI:

Ovidiu Mățan: Vă invit să începem cu o scurtă prezentare personală.

Ioana Negruț: Lucrez de trei ani la NTT DATA într-o echipă unde aplicăm algoritmi de AI pe imagini medicale.

Marin Iuga: Sunt Head of Cluj IT Data Intelligence care este un grup de companii care activează în domeniul AI. Grupul se ocupă de dezvoltarea aplicațiilor AI pentru societate și viață economică. O altă poziție pe care o am este cea de membru al Focus Group for AI care este creat de Joint Research Center al Comisiei Europene împreună cu Digital SME Alliance.

Radu Chifor (Cercetător @UMF): Sunt cadru didactic și cercetător la UMF Cluj-Napoca (Universitatea de Medicină și Farmacie) la disciplina Prevenție în Medicina Dentară. Am și activități în mediul privat. Am fondat un startup în urmă cu trei ani unde se dezvoltă o tehnologie imagistică tridimensională folosind ultrasonografia. În ultimul an, am aplicat și AI pentru a face îmbunătățiri și a avea un flux de lucru mai rapid în procesarea datelor achiziționate.

Virgil Ilian: Lucrez cu AI de vreo zece ani. Am început cu roboți autonomi la Politehnica București. La NTT DATA lucrez de trei ani și sunt specializat pe integrarea nevoilor de afaceri și a produselor cu cercetare.

Ovidiu Mățan: În medicină există o diveristate de tratamente, dar și multă repetabilitate. Cum ați lucrat și cum ați colectat datele și rezultatele? Ne puteți vorbi de un proiect de-al vostru?

Virgil Ilian: Despre date și colectarea datelor, Ioana poate oferi detalii mai multe.

Ioana Negruț: Noi la NTT DATA lucrăm pe proiecte diverse în domeniul medical, cele legate de plămâni, ficat, rinichi, creier, coloană vertebrală. În ceea ce privește colectarea de date, echipa noastră a decis să externalizeze acest serviciu, dar pe măsură ce timpul trece ne dăm seama de importanța colaborării dintre cei care dezvoltă algoritmi și cei care adnotează datele medicale. Prin urmare, ne-am implicat și noi în acest proces, în special, în trasarea unor reguli generale pe care toate grupurile de radiologi care fac adnotări să le urmeze pentru a obține date adnotate consistent. De exemplu, dacă lucrăm la un proiect de detecție de obiecte (în domeniul medical ar fi anomalii precum noduli), modul în care radiologiii adnotează diferă uneori de la țară la țară sau în funcție de gradul de experiență. Persoanele novice tind să adnoteze orice nodul, oricât de mic ar fi, pe când experții se limitează la a adnota mai selectiv, la ceea ce ei consideră a fi determinant în procesul de diagnosticare. Noi trebuie să trasăm niște reguli, de exemplu în privința dimensiunii nodulilor. De exemplu, dacă un nodul are cel puțin 3 mm, acesta trebuie adnotat.

Ovidiu Mățan: Radu, ne spui câteva cuvinte despre proiectele tale?

Radu Chifor: Eu mi-am făcut doctoratul între 2010 și 2015 pe investigații imagistice noninvazive folosind ultrasonografia pentru diagnosticul și monitorizarea bolii paradontale. Am folosit ultrasonografie bidimensională și am observat că metoda respectivă este operator-dependentă și consumatoare de timp. Pentru a reduce operator dependența, am vrut să dezvolt o metodă care să facă reconstrucții tridimensionale. Este dificil pentru un operator neexperimentat să poată avea o calitate corespunzătoare a diagnosticului. E cu atât mai greu dacă se lucrează cu imagini bidimensionale, deoarece operatorul trebuie să-și imagineze reconstrucțiile tridimensionale și să își dea seama de unde provin slice-urile respective. Lucrând pe reconstrucții tridimensionale, poți utiliza și o cantitate mai mare de date și poți trece și peste acest handicap al reconstrucției mintale, al poziționării slice-urilor bidimensionale în tridimensional. Ulterior ne-am lovit de un alt impediment, acela al interpretării eficiente a datelor respective. Ar fi extraordinar dacă în tridimensional am putea îndepărta strat cu strat gingia și să vedem ce se întâmplă cu osul raportat la dinții. Practic, asta ne interesează în paradontoză, cum se retrag oasele, care este raportul os-dinte, care este dimensiunea pungilor paradontale. Atunci, pentru a face acest lucru eficient, am ales să folosim AI în procesarea datelor bidimensionale achiziționate, iar ulterior reconstrucții pe baza imaginilor segmentate. Astfel, obținem volume tridimensionale segmentate pentru fiecare țesut sau pentru fiecare pungă paradontală, având o cartografiere nu doar măsurători punctiforme. Fluxul de lucru l-am îmbunătățit între 5 și 10 ori din punctul de vedere al vitezei de procesare și al interpretării datelor. Avantajul major este scăderea operator-dependenței, adică și un medic mai puțin experimentat va putea identifica în obiectele tridimensionale diverse elemente de interes. Avem colaborări și cu o universitate din Canada împreună cu care vom publica foarte de curând un articol unde vorbim despre eficiența metodei noastre, o evaluare preliminară a acurateței de reconstrucție tridimensională. În domeniul dezvoltării algoritmilor, am colaborat cu UTCN și RIST, dar am primit și finanțare de la AI Health European Institute of Technology. Automatizarea fluxului de lucru s-a făcut cu algoritmi de AI.

Ovidiu Mățan: Virgil, ne poți vorbi despre proiectele în care ești implicat?

Virgil Ilian: În Healthcare nu sunt implicat direct în proiectele NTT DATA, dar am fost în trecut. În prezent sunt implicat în proiectele educaționale care au legătură cu diverse sisteme de training și homeschooling. Referitor la Healthcare, mă bucur că Radu a pus accent pe nevoia de segmentare, o nevoie persistentă de a utiliza AI în segmentarea imaginilor și a datelor. Nu există o soluție universală pentru așa ceva. Depinde cu ce lucrăm (celule, organe, gingii). Fiecare sistem are nevoie de customizări nu numai ale categoriilor de date folosite, dar și ale aspectelor particulare (calitatea imaginii, tipul imaginii). Mulți cred că AI-ul medical va înlocui radiologii, pentru că se uită faptul că un AI medical este extrem de specializat, nu universal. Evident, asta nu înseamnă că nu putem reutiliza arhitectura, că nu o putem modifica, apoi re-antrena pe un set cu totul nou de date.

Ovidiu Mățan: Marin, ne poți vorbi de un sistem Healthcare în care ai fost implicat?

Marin Iuga: Am fost implicat în proiecte din domeniul imagistic pentru recunoașterea anomaliilor, a bolilor. Acestea sunt cele mai frecvente proiecte în medicină, dar eu aș dori să vă vorbesc de ceva nou. Un prim aspect ține de accesul la date. Pentru orice investitor, cea mai importantă investiție trebuie să fie cea în date, nu în algoritmi, nu în infrastructură. Datele care sunt complete, clare, variate creează premisa succesului în 80% dintre cazuri. Uniunea Europeană va crea în viitor așa-numitele "spații de date" printre care există și spațiul de date pe zona medicală. Se vor pune la dispoziția startup-urilor, a cercetătorilor, a industriilor date care sunt curated (adică bine adnotate, consistente) în scopul accelerării investițiilor. Dacă sunteți curioși puteți căuta European Data Governance Act care va fi votat în formă finală, undeva în septembrie anul acesta. Grupul de Data Intelligence a făcut amendamente la acest Act. Al doilea aspect despre care doresc să vorbesc se referă la alte domenii diferite de imagistică și medical records unde se aplică AI. Ar fi vorba de trei tendințe sau domenii de interes. Una dintre tendințe este Automated Drug Discovery. De exemplu, un vaccin are nevoie de zece ani pentru a fi cercetat cu adevărat. Prin modele probabilistice, prin simulare, prin automatizarea activităților de laborator se ajunge la reducerea timpului undeva la 2-3 ani, motiv pentru care avem acum vaccinuri puse pe piață într-un interval așa de scurt. O altă tendință este realizarea de sisteme chatbot. Se dorește folosirea interfețelor conversaționale nu doar în scop de diagnostic, ci și în zona de tratament curativ, de triaj, de asistență a bolnavilor și nu numai. A treia tendință este personalizarea completă a actului medical, AI intermediind tot procesul de la partea administrativă la cea curativă a actului medical, astfel încât fiecare pacient să aibă o experiență personală. În general, când vorbim de ROI la AI vorbim de trei paliere majore: palierul descriptiv (acesta nu e propriu-zis AI, dar e important pentru business analysis, data science unde vezi care sunt parametrii afacerii tale), palierul predictiv (acesta răspunde la întrebarea "Ce se va întâmpla în viitor?", un nivel matur, dar care deocamdată este considerat doar acceptabil ca nivel de ROI), palierul prescriptiv (care răspunde la chestiuni legate de optimizarea procesului de business). În AI, banii merg în două zone mari: robotică și optimiziarea proceselor de business. ROI se obține cu precădere din palierul prescriptiv.

Ovidiu Mățan: Ioana, care sunt etapele următoare ale proiectului vostru? Momentan, identificați pe radiografii anomalii. Care este pasul următor?

Ioana Negruț: Următorul pas ar fi să integrăm algoritmul de detecție în fluxul de lucru al radiologilor. Am participat în decembrie la cea mai mare conferință de radiologie din lume și, aparent, atunci când mai mulți furnizori de astfel de servicii vin fiecare cu un produs separat care ar putea ajuta un radiolog în munca sa de zi cu zi, radiologul trebuie practic să schimbe mai multe platforme pentru a ajunge să pună un diagnostic sau a i se oferi suport. Totul devine copleșitor pentru el într-un astfel de context, radiologul renunțând să mai folosească acele tooluri. Radiologii au spus că mai util ar fi ca sistemele de ML să fie deja integrate în sistemele pe care ei deja le folosesc. De exemplu, sistemul PAX care afișează datele unui computer tomograf pe un display să aibă ML integrat sub forma unui plug-in care să intervină în procesul existent deja.

Ovidiu Mățan: Radu, cum se împacă modul tradițional de a face medicină cu AI? Există reticențe?

Radu Chifor: Cred că se împacă foarte bine și ajută foarte mult. Automatizarea este necesară. Lipsa resursei umane și accesul precar la serviciile medicale pot fi depășite cu ajutorul automatizării. Cadrul medical va putea sta mai mult cu pacientul în loc să facă munci repetitive. Calitatea actului medical ar urma să crească, iar un bun profesionist nu va fi speriat de utilizarea AI. Trebuie să existe o discuție legată de etică, de nivelul până la care să se folosească astfel de algoritmi. De exemplu, în cadrul ultrasonografiei, sonda ecografului primește niște semnale care sunt procesate, devenind o imagine pe care operatorul o poate vizualiza într-o imagine bidimensională sau un obiect tridimensional. Rezultatele sunt procesate apoi cu AI. Dar ce s-ar întâmpla dacă s-ar procesa direct semnalul, rezultând un diagnostic? Operatorul nu ar înțelege care sunt etapele sau procesele care au dus la stabilirea acelui diagnostic.

Ovidiu Mățan: Cum e să îți faci un startup în medicină?

Radu Chifor: Am început cu provocările financiare, deoarece este mult mai greu să îți faci un startup în România decât într-un mediu economic mai dezvoltat și mai stabil. Am prins niște finanțări guvernamentale și europene. Am avut noroc că proiectul a fost bine văzut de mediul privat și universitar, ca domeniu de interes. Dorința de a colabora a fost extrem de mare și în țară, și în străinătate. Finanțarea a fost suficientă pentru noi până în acest moment, deși nu constantă în permanență. Startupul se numește KeyForVision.

Ovidiu Mățan: Există platforme standardizate sau open-source în medicină?

Virgil Ilian: Există platforme de la marii jucători (Google, IBM), dar sunt generale. Au și componente Healthcare, dar nu dominante. Soluțiile custom sunt predominante, iar o piață mai deschisă ar avea de bifat foarte multe cerințe tehnologice și legislative, mai ales în procesarea dosarelor medicale. AI-ul va îmbunătăți performanțele doctorilor.

Ovidiu Mățan: Cum va arăta o consultație la medic peste 10 ani?

Marin Iuga: Factorul uman nu va fi scos din ecuație, dar dintr-un motiv puțin diferit de capabilitatea tehnologică de a pune un diagnostic, anume liability. O primă problemă ține de discriminarea algoritmică, bias din date sau algoritm. S-ar putea ca accesul la un anumit tratament să fie discriminatoriu pentru anumite grupe de pacienți, iar asta nu ca o chestiune voită, ci un bias istoric din date. O a doua problemă ține de faptul că majoritatea cazurilor simple vor fi pre-triate de către sisteme expert e în AI. Experiența pacientului va fi ghidată de chatbot sau un pre-screening va fi făcut automat. Pentru următorii zece ani vom fi puși față în față cu domeniul proprietății intelectuale. De exemplu, când se descoperă un medicament nou există o dispută cu privire la cine are drepturi intelectuale asupra acelei descoperiri. În SUA, opinia prevalentă este că drepturile aparțin companiei care a finanțat implementarea algoritmului. În alte jurisdicții se consideră că este un bun public, pentru că AI-ul nu are o personalitate juridică. În Europa, în diferite legislații, dacă e făcută de un AI din cadrul unei companii, descoperirea se consideră de a fi făcută de un anagajat în exercițiul funcțiunii, deci este proprietatea companiei care a folosit algoritmul nu care a implementat algoritmul.

Ioana Negruț: Pentru medici, se va elimina munca cronofagă care va fi preluată de AI. Fișa medicală a pacienților va fi electronică, va conține istoricul medical/de tratament al pacientului. Un pacient care se prezintă la doctor va fi clasificat ca aparținând unei anumite categorii de pacienți, ca având un top de tratamente care au funcționat și la alți pacienți asemănători.

Virgil Ilian: Doctorii vor avea acces la aplicații care să le permită să interpreteze nu numai analize punctuale (imagistică, RMN), ci și întregul dosar medical al pacienților. Mă aștept ca doctorul să aibă o viziune de ansamblu a pacientului cu ajutorul AI. Pacienții ar putea avea acces la un manager de caz care să le prezinte opțiunile și să îi țină informați. Doctorii vor fi bine informați în legătură cu pacienții. Pentru managerul de spital, AI-ul va fi o unealtă pentru stabilirea performanței medicilor.

Radu Chifor: Subscriu la ceea ce au spus colegii mei cu privire la prognostic și diagnostic. Am citit un studiu care spunea că, în următorii zece ani, 54% din meserii se vor schimba mai mult sau mai puțin radical din cauza digitalizării. Medicina va fi influențată în bine de acest lucru. Medicul va avea timp pentru remotivarea pacientului.

NUMĂRUL 149 - Development with AI

Sponsori

  • Accenture
  • BT Code Crafters
  • Accesa
  • Bosch
  • Betfair
  • MHP
  • BoatyardX
  • .msg systems
  • P3 group
  • Ing Hubs
  • Cognizant Softvision
  • Colors in projects