Uma coisa é desenvolver um algoritmo médico e outra é provar que ele realmente funciona. Para fazer isso, você precisa de algo crucial que é difícil de encontrar: dados médicos. E uma startup está pronta para fornecer isso em abundância, juntamente com as ferramentas para facilitar os estudos de validação.
Saudável, fundada em 2021, surgiu com uma rodada de 2 milhões de sementes liderada pela 500 Global. A empresa já percorreu um longo caminho, com plataformas viáveis, 30 clientes em seu canal de vendas e receita esperada neste trimestre, disse o fundador Enes Hosgor.
Saudável é basicamente uma Organização de Pesquisa por Contrato (CRO) para empresas de IA que desenvolvem algoritmos médicos ou acadêmicos testando seus próprios modelos. Da mesma forma que um CRO pode projetar um ensaio clínico para uma empresa de medicamentos ou dispositivos médicos, o Saudável seleciona dados que permitem que as empresas de IA testem seus próprios produtos e criem a infraestrutura de TI para tornar a comparação perfeita.
“Gosto de pensar em nós como uma empresa de operações de aprendizado de máquina”, disse Hosgor. "Nós não fazemos algoritmos."
Um algoritmo médico é tão bom quanto os dados em que é treinado, e é claro que obter conjuntos de dados diversos e utilizáveis pode ser um desafio. Por exemplo, um estudo publicado no JAMA em 2020 analisou 74 artigos científicos descrevendo algoritmos de aprendizado profundo em disciplinas como radiologia, oftalmologia, dermatologia, patologia, gastroenterologia e patologia; 71% dos dados usados nesses estudos vêm de Nova York, Califórnia e Massachusetts.
De fato, 34 estados dos EUA não contribuíram com nenhum dado para o pipeline que foi usado para treinar esses algoritmos, questionando o quão generalizável eles podem ser para uma população mais ampla.
O problema também existe em diferentes tipos de prestadores de cuidados de saúde. Eu sei poderia treinar um algoritmo sobre dados coletados em um grande e renomado hospital acadêmico. Mas se você quiser implementar isso em um pequeno hospital comunitário, não há garantia de que funcionará nesse ambiente muito limitado.
Em conjunto, os conjuntos de dados usados para treinar algoritmos são geralmente menores do que deveriam, de acordo com uma meta-revisão de 152 estudos publicados no BMJ. Naturalmente existem alguns histórias de sucesso algorítmicas, mas o problema do volume de dados é um problema de todo o setor.
A tecnologia sozinha não pode resolver todos esses problemas; você não pode classificar ou fornecer dados que não existem antes. Por exemplo, estudos genéticos para pessoas de ascendência não europeia, que eles se destacam por sua ausência. Mas Saudável ele se concentra estritamente em um problema em que a tecnologia pode ajudar: facilitar o acesso a dados existentes e criar parcerias que abrem novos caminhos para o compartilhamento de dados.
Uma captura de tela da plataforma de validação Gesund.
A fonte de dados de Saudável ela vem de “acordos de compartilhamento de dados existentes com centros clínicos”, disse Hosgor. Neste momento, Saudável concentra-se em dados de imagem coletados no Centro Médico da Universidade de Chicago, no Hospital Geral de Massachusetts e no Berlin Charité. (A empresa planeja expandir além da radiologia no futuro.)
Outros como ele Projeto de Ciência Aberta Nightingale que fornecerá conjuntos de dados clínicos gratuitamente aos pesquisadores (não afiliados ao plemic "Projeto Nightingale"). Mas enquanto os dados em si são uma peça-chave, é realmente a pilha de tecnologia que Hosgor vê como a arma secreta da empresa.
“Todo mundo faz ML (Machine Learning) na nuvem”, explicou Hosgor. “E como o provedor de serviços de saúde padrão não tem uma nuvem, tudo acaba antes de começar”, disse ele. “Construímos um conjunto de tecnologia que pode residir no local, dentro de um firewall hospitalar. Ele não depende de nenhum serviço gerenciado de terceiros.”
A partir daí, a plataforma inclui uma interface "low code". Em suma, médicos e provedores podem essencialmente arrastar e soltar os conjuntos de dados de que precisam e testar seus próprios algoritmos nesses dados.
“Temos seis meses, mas entramos no ar e construímos este primeiro produto que permite que os proprietários de modelos executem seus algoritmos em dados para produzir métricas de precisão em tempo real, em ambientes de alta conformidade onde eles não têm acesso aos dados. recursos da nuvem. Essa é a nossa chave secreta”, explicou.
Para o momento, Saudável, Como Nightingale, oferece alguns de seus serviços gratuitamente. o Edição da comunidade A empresa permite que acadêmicos com algoritmos existentes testem seus algoritmos gratuitamente (mas eles também terão que fazer upload de seus próprios conjuntos de dados).
Entretanto, são as empresas de IA que vão pagar a conta da versão "premium" da empresa. Isso, diz Hosgor, dará aos clientes pagantes acesso a conjuntos de dados validados. E há provas de que eles pagarão pelos dados de que precisam. Por enquanto, Saudável afirma ter um pipeline de 30 leads e espera gerar receita neste trimestre.
"Estivemos na RSNA em Chicago em novembro passado e todas as empresas de IA com as quais conversamos disseram 'sim, preciso de evidências dos resultados'."
A rodada pré-seed de US$ 2 milhões representa todo o financiamento de Saudável, mas Hosgor espera que a empresa colete novamente este ano. Em um futuro próximo, a empresa se concentrará em P&D e expandirá suas parcerias clínicas nos Estados Unidos e na Europa.
