По мере того, как мы достигаем пика ажиотажа вокруг ИИ и его влияния на сферу радиологии, для опытных инвесторов как никогда важно осознавать опасности и подводные камни этого развивающегося пространства. Несмотря на все мечты и бахвальство стартапов, предстоит преодолеть массу тяжелой работы, бюрократического регулирования, научного обоснования и институциональной предвзятости. Ничто из этого не является непреодолимым, но чтобы иметь наилучшие шансы на успех, нам нужно сделать шаг назад и осмотреть свое окружение, прежде чем выбрать лучшую инвестиционную стратегию.

В этой статье я расскажу о перспективах, надеждах и суровых реалиях применения глубокого обучения в радиологии, а также об интересных аспектах, на которые следует обратить внимание при выборе места для ставок.

Реклама

Мы должны прекратить обучение радиологов прямо сейчас - Джеффри Хинтон, Google.

Я большой проповедник ИИ в радиологии, но также прагматик и реалист. Я не поддерживаю идеологию, что радиологи будут заменены всего через 5 лет, но я верю, что радиологи будут невероятно хорошо обслужены и дополнены искусственным интеллектом в течение следующего десятилетия. Я безмерно уважаю Джеффри Хинтона; В конце концов, он буквально крестный отец восприятия изображений. Тем не менее, его знаменитая цитата довольно сильно преувеличивает пудинг (и я уверен, что, если его настаивать, он прояснит и смягчит это утверждение!). Во-первых, он подразумевает, что единственное, что делает радиолог, - это интерпретирует изображения - огромное искажение всей профессии. Он также предполагает, что больницы безоговорочно примут новые технологии. Мне нужно только указать на ужасное распространение программного обеспечения CADx за последнее десятилетие, чтобы продемонстрировать, насколько сложно внедрить новые технологии в клиническую практику ...

Искусственный интеллект обещает огромное вознаграждение в будущем, но полной замены рентгенологов в обозримом будущем не произойдет. Да, радиология находится на переломном этапе, когда потребности на порядок превышают возможности, но именно по этой причине шумиха в этом секторе так сильна - проблема настолько огромна, а решение так заманчиво близко! Конечно, нужен ИИ! Конечно может помочь! Конечно, нам это очень нужно! Но ни одно из этих заявлений на самом деле не означает, что это произойдет в ближайшее время. Это просто помогает раздувать ажиотажный пузырь.

Некоторая шумиха - это хорошо; он помогает стимулировать исследования, привлекать инвестиции, повышать осведомленность, создавать конкуренцию. Но шумиха также может быть вредной; это может привести к чрезмерным обещаниям, недостатку инвестиций в улучшение существующей практики и поспешным ненаучным подходам к проблемам.

Перемещение по желобу

Когда мы начнем опускаться выше пика ажиотажа в корыто разочарования, мы начнем видеть, как ажиотаж быстро улетучивается по мере того, как наступает реальность. Именно здесь умные инвесторы могут сделать богатый выбор.

Здесь будет два основных типа инвестиционных возможностей: компаниям, ищущим посевное финансирование в этом климате, придется проявить себя значительно лучше, чем их предшественникам, и сильные, которые выжили до сих пор, будут искать финансирование серии A или B, чтобы получить прибыль. следующий шаг. Тщательный анализ их результатов на этом этапе следует сравнить с их первоначальными обещаниями, чтобы убедиться в их надежности.

В какие технологические достижения мы должны инвестировать на данном этапе? Какие проблемы возникнут, которые не были предвидены во время фазы ажиотажа? Какая инфраструктура необходима для поддержки масштабирования этих компаний? Это ключевые вопросы, которые следует задать инвесторам, и я постараюсь ответить на них сейчас ...

Большие мечты, маленькие реалии, умные деньги

Амбиции и большие мечты хороши в чрезмерно раздутых раундах посевного финансирования, но не так полезны во время падения иллюзий. Следует избегать компании, которая обещает миру на этом этапе. Сосредоточьтесь на компаниях, которые сформулировали свое видение ключевых проблем, и чем меньше эти проблемы, тем лучше. В радиологии AI это означает несколько вещей:

  • Четкая ориентация на конкретную медицинскую проблему. Избегайте компаний, утверждающих, что они решили все вопросы. Вместо этого ищите тех, кто имеет глубокий опыт только в одном вопросе и показал результаты. Вы можете масштабировать эти компании позже, чтобы перейти к другим конкретным задачам. Примером может служить компания, утверждающая, что решила Chest CT. Это шумиха. Избегать. Вместо этого инвестируйте в компанию, работающую над решением только одной проблемы в области компьютерной томографии грудной клетки. Прекрасный пример - компания Arterys, которая сосредоточилась на одной задаче - измерении сердечного кровотока на МРТ.
  • Раннее взаимодействие с регулирующими органами. Если компания не знает о правилах или не готова к ним, избегайте их. Любой продукт, который интерпретирует изображение в клинических целях, является медицинским устройством, а это означает, что необходимы строгие процессы, чтобы удовлетворить власть имущих. Инвестируйте только в компании, в команде которых либо есть кто-то, кто уже успешно разбирался в нормативно-правовом поле, либо нанял должным образом, либо уже принял финансовые меры для передачи этой работы на аутсорсинг. Ничто не убивает стартап быстрее, чем 4 года неожиданных клинических испытаний.
  • Избегайте компаний, претендующих на замену людей. Ни одна компания никогда не получала одобрения FDA на клиническое диагностическое устройство, за которым не следил бы человек. Вместо этого, чтобы уменьшить нормативную нагрузку, ищите компании, производящие программное обеспечение, которое работает вместе с людьми и дополняет его, известное как поддержка принятия клинических решений. Это могут быть системы сортировки, инструменты количественного анализа, системы регистрации или сегментации. Если вам абсолютно необходимо инвестировать в диагностические услуги, убедитесь, что у вас большие карманы - сборы FDA для PMA начинаются от 250 000 долларов. Удачи тебе!
  • Клинически обоснованные варианты использования. Это кажется очевидным, не так ли? Но вы не поверите, сколько шума я слышал от основателей стартапов. «Мы собираемся измерить возраст человека по плотности костей». Звучит как забавный научный эксперимент, но где клиническая польза? Кто-нибудь будет платить за это как за услугу? Разве нет более дешевых и простых способов добиться того же результата? Инвестируйте только в компании с сильным научным советом, решающим проверенные клинические проблемы. Убедитесь, что ИИ - правильный способ решить эту клиническую проблему, и что проблема действительно требует решения. Избегайте использования молотков в поисках гвоздей.
  • Ищите компании, занимающиеся устранением предвзятости. У ИИ есть огромная проблема смещения - мы можем обучать нейронные сети на огромных объемах данных, но это означает, что алгоритмы всегда смещены в сторону популяции, на которой он был обучен. В некоторых случаях это означает, что алгоритмы являются откровенно расистскими, возрастными, сексистскими или хуже. Компания с умными решениями для снижения систематической ошибки обучения превзойдет предвзятые алгоритмы, с большей вероятностью преуспеет в нормативной среде и будет более полезной в реальном мире. Медицина - это точность и требует точных инструментов.
  • Власть людям. Многие стартапы в области ИИ в области радиологии возникли на базе университетов и академических институтов, заявив, что они обладают «специфичностью 95%» и другими впечатляющими показателями производительности. Это шумиха. Избегать. Проверьте размер их набора данных. Он будет далеко не достаточно большим (статистически обоснованным), чтобы что-либо доказать. Например, они могли тренироваться только на нескольких тысячах изображений. Вместо этого - сосредоточьтесь на компаниях, которые могут сообщать более низкие показатели точности, но имеют доступ к гораздо большим наборам данных (подумайте о миллионах). Эти компании - реалисты! Конечно, доступ к данным является важным препятствием на пути машинного обучения, но это подводит меня к последнему пункту ...
  • Инвестируйте в компании, которые будут способствовать развитию ИИ в радиологии как отрасли, а не только конечных продуктов. Если бы у меня был многомиллионный фонд для инвестиций, я бы даже не стал искать компании, занимающиеся интерпретацией изображений. В этой области крайне необходимы не алгоритмы (это плоды) - важна инфраструктура, стоящая за ними (деревья). Инвестируйте в сад! Ищите инновационные решения для систем хранения данных с нулевой передачей знаний, инструменты для анонимизации медицинских данных, API-интерфейсы для доступа к данным EHR, совместимые с DICOM сервисы блокчейнов и сервисы NLP для структурирования клинического свободного текста. Они станут основой революции искусственного интеллекта в радиологии, и обнаружение единственной компании, на которую в конечном итоге полагается вся отрасль при создании своих алгоритмов интерпретации изображений, может оказаться чрезвычайно полезным.

Как найти эти компании

Итак, вы знаете, что искать, но с чего начать? Для инвестиций в посевное финансирование обратитесь к источнику и установите тесные связи с радиологами, учеными и исследователями. По всему миру существует так много больниц и исследовательских сетей, которые работают над глубоким обучением в области визуализации, и в каждой из них есть огромная группа ученых, просто желающих вывести свои идеи на рынок. Инвесторам следует обращаться к дочерним компаниям университетов, сотрудникам институтов и даже к самим ученым. Arxiv.org - отличный способ найти влиятельных лиц в научном сообществе, а также действительно полезный ресурс, чтобы оставаться в курсе новых исследований в этой области (вот мой сохраненный поиск для статей по радиологии). На раннем этапе налаживания контактов с исследователями крайне важно привлечь их к работе, если вы хотите избежать серьезных проблем с интеллектуальной собственностью, связанных с финансируемыми отделениями университетов. Инвесторам следует стремиться к налаживанию партнерских отношений с этими людьми, пользующимися доверием в области радиологии и машинного обучения, и разработать стратегию поиска новых технологий, используя опыт своих партнеров (степень в банковском деле не сократит ее, когда вы попытаетесь решить, стоит ли или не вкладывать средства в анализ кластеров пикселей для последовательностей МРТ с динамическим контрастированием).

Для финансирования серии A идеальным было бы найти компании, работающие в скрытом режиме, а не блестящие, раздуваемые стартапы, финансируемые за счет посевного финансирования, которые стремятся к росту. Очень мало компаний, занимающихся радиологическим искусственным интеллектом в фазе роста, которые действительно имеют полностью одобренный регулирующими органами рыночный продукт, который закупается в больших количествах, а те, которые действительно существуют, уже имеют избыточную подписку. Компании, работающие в скрытом режиме, - более безопасный вариант, но их труднее найти, но, опять же, именно здесь окупается налаживание связей с учеными - они знают, кто что строит, кто заслуживает доверия и кто лидирует в этой области.

Мой последний совет прост: будь черепахой, а не зайцем. Вам предстоит долгий путь. Не ожидайте значительного дохода менее чем за 3 года. Распределите свои инвестиции и планируйте масштабирование на 5-10 (даже 15) лет. Те, кто разумно инвестирует сейчас и выбирает компании, которые могут грамотно масштабироваться для решения конкретных задач, могут возглавить рыночную инфраструктуру. Тем, кто торопится и обещает слишком много, придется только догонять игроков позже.

Если вы, как и я, взволнованы будущим ИИ в области медицинской визуализации, и хотите обсудить эти идеи, пожалуйста, свяжитесь с нами. Я в Твиттере @drhughharvey

Если вам понравилась эта статья, будет действительно полезно, если вы нажмете "Рекомендовать" и поделитесь ею.

Об авторе:

Д-р Харви - сертифицированный радиолог и клинический академик, прошел обучение в Национальной службе здравоохранения и ведущем европейском научно-исследовательском институте рака, ICR, где он дважды был удостоен звания научного писателя года. Он работал в Babylon Health, возглавляя команду по нормативно-правовым вопросам, получил первую в мире маркировку CE для службы сортировки, поддерживаемой искусственным интеллектом, а теперь является радиологом-консультантом, членом комитета по информатике Королевского колледжа радиологов и советником стартапа AI. компании, в том числе Kheiron Medical.