Tıbbi bir algoritma geliştirmek bir şey, gerçekten işe yaradığını kanıtlamak başka bir şey. Bunu yapmak için, elde edilmesi zor olan çok önemli bir şeye ihtiyacınız var: tıbbi veriler. Ve bir startup, doğrulama çalışmalarını kolaylaştıracak araçlarla birlikte bunu fazlasıyla sağlamaya hazır.
2021’de kurulan Gesund, bu hafta 500 Global liderliğindeki 2 milyon dolarlık bir tohum turuyla gizliden çıktı. CEO ve kurucu Enes Hosgor TechCrunch’a verdiği demeçte, şirketin uygulanabilir platformları, satış boru hattındaki 30 müşterisi ve bu çeyrekte beklenen geliri ile övünerek uzun bir yol kat ettiğini söyledi.
Gesund, temel olarak tıbbi algoritmalar geliştiren AI şirketleri veya kendi modellerini test eden akademisyenler için bir Sözleşmeli Araştırma Organizasyonudur (CRO). Bir CRO’nun bir ilaç veya tıbbi cihaz şirketi için klinik bir deney tasarlamasıyla aynı şekilde, Gesund’un platformu AI şirketlerinin kendi ürünlerini test etmesine olanak tanıyan verileri derler ve bu karşılaştırmanın sorunsuz çalışmasını sağlamak için BT altyapısını oluşturur.
Hosgor, “Bizi bir makine öğrenimi operasyon şirketi olarak düşünmeyi seviyorum” dedi. “Biz algoritma yapmıyoruz.”
Tıbbi bir algoritma, yalnızca eğitim aldığı veriler kadar iyidir ve çeşitli ve kullanılabilir veri kümeleri elde etmenin zor olabileceğine dair kanıtlar vardır. Örneğin, bir çalışma 2020’de JAMA’da yayınlanan radyoloji, oftalmoloji, dermatoloji, patoloji, gastroenteroloji ve patoloji gibi disiplinlerde derin öğrenme algoritmalarını açıklayan 74 bilimsel makaleyi analiz etti; Bu çalışmalarda kullanılan verilerin %71’i New York, California ve Massachusetts’ten geldi.
Gerçekten de, 34 ABD eyaleti, bu algoritmaları eğitmek için kullanılan boru hattına herhangi bir veri katkıda bulunmadı ve bu, daha geniş bir nüfus için ne kadar genelleştirilebilir olabileceklerini sorguladı.
Bu sorun, farklı sağlık hizmeti sağlayıcıları arasında da mevcuttur. eğitebilirsin büyük, saygın, akademik bir hastanede toplanan veriler üzerine bir algoritma. Ancak bunu küçük bir toplum hastanesinde dağıtmak istiyorsanız, bunun çok farklı bir ortamda çalışacağının garantisi yoktur.
Birlikte ele alındığında, Algoritmaları eğitmek için kullanılan veri kümeleri, genel olarak, dergide yayınlanan 152 çalışmanın bir meta-incelemesine göre olması gerekenden daha küçüktür. BMJ. Doğal olarak, bazıları var algoritmik başarı hikayeleriancak bu endüstri çapında bir sorundur.
Teknoloji tek başına tüm bu sorunları çözemez; orada olmayan verileri sıralayamaz veya sağlayamazsınız. Avrupa kökenli olmayan insanlar için yapılan genetik çalışmaları düşünün. şiddetle eksik. Ancak Gesund, teknolojinin yardımcı olabileceği bir konuya odaklanmış durumda: mevcut verilere erişimi kolaylaştırmak ve veri paylaşımı için yeni yollar açan ortaklıklar oluşturmak.
Gesund’un doğrulama platformunun bir ekran görüntüsü.
Hosgor, Gesund’un veri hattının “klinik sitelerle yapılan mevcut veri paylaşım anlaşmalarından” geldiğini söyledi. Şu anda Gesund, Chicago Üniversitesi Tıp Merkezi, Massachusetts Genel Hastanesi ve Berlin Charité’de toplanan görüntüleme verilerine odaklanıyor. (Şirket gelecekte radyolojinin ötesine geçmeyi planlıyor.)
Makine öğrenimi uygulamalarında kullanılmak üzere verilerin toplanması ve iletilmesi de diğerleri tarafından yapılıyor. Bülbül Açık Bilim Projesiaraştırmacılara ücretsiz olarak klinik veri setleri sağlayacak (Google’ın tartışmalı “Bülbül Projesi”). Ancak verilerin kendisi bunun kritik bir parçası olsa da, Hosgor’un şirketin gizli silahı olarak gördüğü gerçekten teknoloji yığını.
Hosgor, “Herkes bulutta makine öğrenimi yapıyor” dedi. “Ve ortalama sağlık hizmeti sağlayıcınızın bir bulutu olmadığı için, tüm bunlar pencereden dışarı gidiyor” dedi. “Şirket içinde, bir hastane güvenlik duvarının içinde bulunabilen bu teknoloji yığınını oluşturduk. Makine öğreniminin ekmek ve tereyağı olan herhangi bir üçüncü taraf yönetilen hizmetlerine güvenmiyor. ”
Oradan, platform bir “düşük kod” arayüzü içerir. Kısacası, doktorlar ve sağlayıcılar temel olarak ihtiyaç duydukları veri setlerini sürükleyip bırakabilir ve bu verilere karşı kendi algoritmalarını test edebilirler.
“Yaklaşık altı aylıkız, ancak çalışmaya başladık ve model sahiplerinin, erişimlerinin olmadığı yüksek uyumluluk ortamlarında anında doğruluk ölçümleri üretmek için verilere karşı algoritmalarını çalıştırmasına olanak tanıyan bu ilk ürünü geliştirdik. bulut kaynakları için. Bu bizim gizli sosumuz,” diye açıkladı.
Şu anda, biraz Nightingale gibi Gesund, bazı hizmetlerini ücretsiz olarak sağlıyor. Şirketin Topluluk Sürümü, mevcut algoritmalara sahip akademisyenlerin algoritmalarını ücretsiz olarak test etmelerine olanak tanır (ancak kendi veri kümelerini yüklemeleri gerekir).
Bu arada, şirketin “premium” versiyonunun faturasını AI şirketleri ödeyecek. Bu, Hosgor’un ödeme yapan müşterilere özel veri kümelerine erişim sağlayacağını söylüyor. Ve ihtiyaç duydukları veriler için ödeme yapacaklarına dair kanıtlar var. Şu anda Gesund, 30 potansiyel müşteriden oluşan bir boru hattına sahip olduğunu iddia ediyor ve bu çeyrekte gelir elde etmeyi bekliyor.
“Geçen Kasım ayında Chicago’da RSNA’daydık ve konuştuğumuz her yapay zeka şirketi ‘evet, dün kanıta ihtiyacım var’ dedi.”
2 milyon dolarlık tohum öncesi tur, Gesund’un tüm finansmanını temsil ediyor, ancak Hosgor şirketin bu yıl tekrar artırmasını bekliyor. Yakın gelecekte şirket, Ar-Ge’ye odaklanacak ve ABD ve Avrupa’daki klinik ortaklıklarını genişletecektir.
