دکتر جیمز تودور، MD، ادغام هوش مصنوعی در سیستم های روباتیک XCath را رهبری می کند. او با اشتیاق به همگرایی فناوری و پزشکی، با اشتیاق نقش خود را به عنوان یک رادیولوژیست فعال، استادیار رادیولوژی در کالج پزشکی بیلور و محقق هوش مصنوعی متعادل می کند.
در سال 2017 تاسیس شد، XCath استارت آپی است که بر پیشرفت در رباتیک پزشکی، نانوروباتیک و علم مواد متمرکز شده است. این شرکت نسل بعدی سیستم‌های رباتیک اندوواسکولار و سیم‌های راهنمای هدایت شونده را با هدف درمان اختلالات عروق مغزی و سایر شرایط پزشکی جدی توسعه می‌دهد.
دکتر تودور، چه چیزی در ابتدا باعث علاقه شما به تلاقی هوش مصنوعی و پزشکی، به ویژه در زمینه رادیولوژی شد؟
در سال 2016، زمانی که دوره رزیدنتی رادیولوژی خود را آغاز می کردم، AlphaGo از DeepMind، قهرمان جهان Go Lee Sedol را شکست داد. توانایی AlphaGo در فشرده‌سازی و انتزاع پیچیدگی‌های گسترده Go، بازی با موقعیت‌های تخته ممکن‌تر از اتم‌ها در جهان قابل مشاهده، تخیل من را تسخیر کرد. با هیجان در مورد پتانسیل هوش مصنوعی برای تبدیل رادیولوژی و پزشکی به عنوان یک کل، من ابتدا به هوش مصنوعی تبدیل شدم. در طول اقامت، شب‌ها و آخر هفته‌هایم را صرف انجام پروژه‌های هوش مصنوعی می‌کردم.
آیا می توانید در مورد مسیر خود از دانشکده پزشکی تا معاونت هوش مصنوعی در XCath به ما بگویید؟ چه انگیزه ای شما را به دنبال ادغام هوش مصنوعی در رباتیک مراقبت های بهداشتی ترغیب کرد؟
مسیر شغلی من چند چرخش غیرمنتظره داشته است. پس از پایان دوره رزیدنتی رادیولوژی، می خواستم زمان بیشتری را به هوش مصنوعی و کاربردهای تجاری آن اختصاص دهم. من به یک استارتاپ روباتیک تناسب اندام ملحق شدم که توسط ادواردو فونسکا، که اکنون مدیر عامل XCath است، تاسیس شده است. این یک تجربه شکل‌دهنده بود، اما هرگز پیش‌بینی نمی‌کردم که در مسیر درمان سکته مغزی حاد با تله روبات‌های اندوواسکولار باشد.
حدود یک دهه پیش، انقلابی در مراقبت از سکته حاد رخ داد. استاندارد مراقبت در گذشته دارویی به نام tPA بود که لخته را از بین می برد. در سال 2015، آزمایش‌های بالینی برتری حذف مستقیم لخته از شریان‌های مغزی را با هدایت سیم‌های راهنما و کاتترهای کوچک در عروق شریانی نشان دادند، روشی که ترومبکتومی مکانیکی نامیده می‌شود. با وجود اینکه این روش به طور قابل توجهی برای سکته های عروق بزرگ موثر است، کمتر از 40درصد از جمعیت ایالات متحده به آن دسترسی دارند. تعداد محدودی از مراکز سکته مغزی، به طور کلی محدود به مناطق شهری، وجود دارد که دارای متخصصانی هستند که می توانند این روش را انجام دهند. در سطح جهانی، آمار حتی ناگوارتر است: کمتر از 3درصد از جهان دسترسی دارند.
ماموریت XCath افزایش دسترسی به ترومبکتومی مکانیکی با مدل هاب و اسپک است که در آن متخصصان می توانند مراقبت های تخصصی سکته مغزی را از راه دور با تله ربات های اندوواسکولار مستقر در مناطق بدون دسترسی ارائه دهند.
ادواردو از من پرسید که چگونه هوش مصنوعی می تواند ایمنی سیستم تله روباتیک را افزایش دهد. آنقدر کنجکاو بودم که چند هفته عمیقاً به تحقیق و گفتگو با مداخله گرها و یادگیری در مورد تله ربات پرداختم. ماموریت و تأثیر بالقوه بشردوستانه آنقدر قانع‌کننده است که مجبور شدم به آن دعوت به سلاح پاسخ دهم.
تجربیات شما به عنوان یک رادیولوژیست دانشگاهی چگونه رویکرد شما را برای ادغام هوش مصنوعی در دستگاه های پزشکی شکل داد؟
آموزش به دستیاران رادیولوژی توانایی من برای توضیح واضح ایده های پیچیده را افزایش داده است، که در هنگام پر کردن شکاف بین فناوری هوش مصنوعی و استفاده در دنیای واقعی آن در مراقبت های بهداشتی کلیدی است. همچنین من را در چالش‌هایی که پزشکان با آن روبه‌رو هستند ثابت نگه می‌دارد، که به من کمک می‌کند راه‌حل‌های هوش مصنوعی طراحی کنم که از نظر بالینی کاربردی و کاربرپسند باشند.
به عنوان معاون هوش مصنوعی در XCath، برخی از چالش‌های کلیدی که هنگام ادغام هوش مصنوعی در سیستم‌های روباتیک XCath با آن مواجه بودید، چیست؟ چگونه بر آنها غلبه کردید؟
ادغام هوش مصنوعی در رباتیک جراحی یک چالش U شکل را ارائه می دهد. بزرگترین مشکلات در ابتدا – به دست آوردن و مدیریت داده – و در پایان – ادغام آن در یک بسته نرم افزاری تعبیه شده نهفته است. در مقایسه، آموزش واقعی مدل‌های هوش مصنوعی نسبتاً ساده است.
به دست آوردن داده های پزشکی چالش برانگیز است، اما خوشبختانه، ما توانستیم مشارکت های عالی برای اشتراک گذاری تصویر ایجاد کنیم. پیاده‌سازی مدل‌ها برای استفاده بالینی مستلزم هماهنگی تلاش‌های تیم‌های مختلف از جمله مهندسان هوش مصنوعی، کیفیت، نرم‌افزار، UI/UX و مهندسین رباتیک است، در حالی که به طور مداوم با تیم بالینی تأیید می‌کنند که راه‌حل مفید و مؤثر است. با تعداد زیادی قطعات متحرک، موفقیت در نهایت به داشتن تیم های اختصاصی و با کارایی بالا بستگی دارد که به طور مکرر و مؤثر با هم ارتباط برقرار می کنند.
آیا می‌توانید توضیح دهید که چگونه هوش مصنوعی توانایی‌های سیستم‌های رباتیک درون‌واسکولار XCath را افزایش می‌دهد؟ هوش مصنوعی چه نقشی در بهبود نتایج بیماران دارد؟
الگوریتم‌های هوش مصنوعی می‌توانند به‌عنوان یک معلم و دستیار ثابت، بار شناختی را کاهش دهند و همه ارائه‌دهندگان را برای ارائه مراقبت‌های در سطح جهانی ارتقا دهند. هوش مصنوعی می‌تواند بازخورد حین و بعد از عمل را ارائه دهد و روند آموزش و پذیرش رباتیک اندوواسکولار را تسریع بخشد. هدف ما این است که این سیستم را چنان مؤثر و در دسترس قرار دهیم که سایر متخصصان داخل عروقی مانند رادیولوژیست های بدن مداخله ای و متخصصان قلب مداخله ای بتوانند برای ارائه مراقبت های حاد سکته مغزی با ربات آموزش ببینند.
علاوه بر این، الگوریتم‌های تعبیه‌شده محلی می‌توانند سطح ایمنی بیشتری را در برابر حملات سایبری و خرابی‌های شبکه فراهم کنند، زیرا مسیر مورد انتظار یک رویه را پیش‌بینی می‌کنند و می‌توانند در موارد غیرمنتظره، رویه را هشدار داده و متوقف کنند.
در پایان، ما نمی‌خواهیم کنترل را از مداخله‌گر بگیریم، بلکه توانایی‌های آنها را تقویت می‌کنیم تا هر بیمار بتواند مطمئن باشد که مراقبت‌های کلاس جهانی را دریافت می‌کند.
چگونه فناوری مبتنی بر هوش مصنوعی XCath به پیچیدگی‌های ناوبری عروق انسان در طی فرآیندهای اندوواسکولار می‌پردازد؟
سیستم رباتیک اندوواسکولار XCath نشان دهنده یک پیشرفت بزرگ در پزشکی دقیق است که برای هدایت عروق پیچیده انسان با دقت زیر میلی متری طراحی شده است. سیستم ما برای به حداقل رساندن تنوع رویه ای طراحی شده است و کنترل دستگاه های مختلف اندوواسکولار را از طریق یک کنسول کنترل بصری افزایش می دهد.
بعلاوه، سیستم راهنمای منحرف پذیر ElectroSteer XCath، اولین سیم راهنما هوشمند قابل کنترل الکترونیکی در جهان، دارای یک نوک فرمان است که برای هدایت آناتومی های پیچیده عروقی و زاویه های رگ چالش برانگیز طراحی شده است.
هوش مصنوعی قابلیت های ناوبری را با بینایی کامپیوتری تعبیه شده محلی و مدل های برنامه ریزی مسیر افزایش می دهد. این مدل‌ها با کمک به تجزیه و تحلیل و بهبود تصویر در زمان واقعی و ارائه تدابیر حفاظتی از طریق استقلال موازی، نقش مهمی در کاهش بار شناختی مداخله‌گران در طول فرآیندها دارند.
XCath اخیراً با اولین نمایش ترومبکتومی مکانیکی تله روباتیک در جهان به یک نقطه عطف مهم دست یافت. آیا می توانید بینش خود را در مورد نقشی که هوش مصنوعی در این روش پیشگامانه ایفا کرد به اشتراک بگذارید؟
ما از نسخه قبلی ربات برای آن دستاورد پیشگامانه استفاده کردیم، بنابراین هوش مصنوعی نقشی نداشت. با این حال، این یک نقطه عطف باورنکردنی است که پایه و اساس ادغام آینده هوش مصنوعی در روش های تله روباتیک را می گذارد.
در این نمایش زنده، دکتر ویتور پریرا روش MT را از ابوظبی بر روی یک بیمار شبیه سازی شده در کره جنوبی انجام داد و در عرض چند دقیقه لخته خون را در مغز از بین برد. ما از نتایج نمایش تله رباتیک هیجان زده شدیم، که تأخیر کم و اتصال قابل اعتماد بین کنترلر رباتیک واقع در ابوظبی و دستگاه رباتیک در کره جنوبی را نشان داد. ما شبکه‌های رباتیک تله‌سکروک منطقه‌ای را طرح‌ریزی می‌کنیم، اما برای نشان دادن قابلیت‌های این فناوری به افراط رفتیم.
فکر می‌کنید آینده جراحی تله‌رباتیک در درمان بیماری‌های عصبی حاد چیست و XCath چگونه برای رهبری در این فضا آماده می‌شود؟
توجیه ضرورت جراحی تله روباتیک در بسیاری از سناریوهای پزشکی می تواند چالش برانگیز باشد، به خصوص زمانی که جراح به راحتی در دسترس باشد یا انتقال بیمار امکان پذیر باشد. با این حال، در زمینه درمان سکته مغزی، که در آن شمارش هر دقیقه و نورون‌ها به سرعت از بین می‌رود، مداخلات تله‌رباتیک بسیار مهم می‌شوند.
XCath به طور منحصر به فردی برای پیشگام جراحی تله رباتیک قرار دارد و در ابتدا بر درمان سکته مغزی تمرکز می کند. رویکرد ما به نیاز حیاتی برای مداخله سریع در مناطق با دسترسی محدود به مراقبت های تخصصی می پردازد. هنگامی که ما با موفقیت با این چالش مقابله کردیم، من معتقدم که راه را برای راه حل های تله رباتیک در سایر فوریت های پزشکی حساس به زمان هموار می کند. همچنین، با توجه به دقت فوق العاده کنترل های رباتیک، پتانسیل استفاده از ربات به صورت موضعی برای انجام جراحی های فنی دشوار، مانند ترمیم آنوریسم وجود دارد.
آینده هوش مصنوعی را در بخش مراقبت های بهداشتی، به ویژه در رابطه با سیستم های رباتیک و روش های کم تهاجمی، کجا می بینید؟
هوش مصنوعی پتانسیل بسیار زیادی برای متحول کردن مراقبت های بهداشتی دارد. موج اولیه کاربردهای هوش مصنوعی در درجه اول بر روی تریاژ و بهبود کارایی متمرکز بوده است. ما شاهد پیشرفت‌های قابل توجهی در رادیولوژی بوده‌ایم، به‌ویژه در علامت‌گذاری موارد فوری یا خودکار کردن اندازه‌گیری‌ها. من همچنین در مورد مستندات سوابق پزشکی خودکار هیجان زده هستم. یک چالش کنونی این است که پزشکان اغلب زمان بیشتری را برای مستندسازی در مقابل رایانه ها صرف می کنند تا تعامل با بیماران. من توسعه سیستم‌هایی را پیش‌بینی می‌کنم که می‌توانند تعاملات یا جراحی‌های بیمار را در زمان واقعی مستند کنند و زمان ارزشمند پزشک را آزاد کنند. در حوزه رباتیک، هوش مصنوعی نقش مهمی در کمک و مراقبت ایفا می کند و در نتیجه ثبات و کیفیت مراقبت را افزایش می دهد.
در آینده قابل پیش‌بینی، هوش مصنوعی تقویت می‌شود، اما جایگزین جراحان نمی‌شود. اجرای استقلال موازی در سیستم های رباتیک به طور قابل توجهی ایمنی و کارایی رویه ها را بهبود می بخشد.
به عنوان فردی که عمیقاً در تحقیقات هوش مصنوعی مشارکت دارد، فکر می‌کنید چه پیشرفت‌هایی در هوش مصنوعی بیشترین تأثیر را در توسعه دستگاه‌های پزشکی در دهه آینده خواهد داشت؟
در چند سال گذشته، ما شاهد موجی از مدل‌های یادگیری عمیق تحت نظارت بوده‌ایم که تأییدیه FDA را دریافت کرده‌اند و به تازگی شروع به تحقق وعده‌های خود برای تغییر مراقبت‌های بهداشتی کرده‌اند. موجی از برنامه های کاربردی هوش مصنوعی مولد احتمالاً در چند سال آینده غالب خواهد شد. در مقایسه، هوش مصنوعی عاملی در مراحل ابتدایی خود است، اما نویدهای بسیار بیشتری دارد. از آنجایی که هوش مصنوعی به سرعت در حال تکامل است، به احتمال زیاد سیستم‌های چند عاملی را خواهیم دید که می‌توانند در زمان واقعی تشخیص و درمان کنند. موانع نظارتی اضافی برای این عوامل وجود خواهد داشت که اقدامات آنها هم مبهم و هم احتمالی است. با این حال، نیاز جهانی باعث افزایش تقاضا برای پذیرش خواهد شد. در رواندا، شرکت Zipline از پهپادهای پرنده برای تحویل تجهیزات پزشکی حیاتی در عرض چند دقیقه در سراسر کشور استفاده می کند. به طور مشابه، در مکان‌هایی که دسترسی به منابع پزشکی ندارند، معادله خطر/فایده بسیار متفاوت است و احتمالاً آنها را وادار می‌کند تا در جهان توسعه‌یافته در استقرار دستگاه‌های پزشکی هوش مصنوعی چند عامله جهش کنند.
با تشکر از شما برای مصاحبه عالی، خوانندگانی که مایل به کسب اطلاعات بیشتر هستند باید از آن بازدید کنند XCath.
