x
»
Быть в курсе событий mHealth
Главное меню
Быть в курсе событий mHealth Подписаться
x
Быть в курсе событий mHealth Подписаться
Определение болезней на ранних стадиях от компании BioTrillion

Определение болезней на ранних стадиях от компании BioTrillion

В мае 2018 года команда EverCare посетила очень интересное и довольно необычное мероприятие под названием The future of healthcare (Будущее здравоохранения)

В данном видео мы расскажем о компании BioTrillion. Эта компания занимается технологиями, позволяющими определить болезни на ранних стадиях.

 - Здравствуйте, Саван. Рады Вас видеть. Расскажите, пожалуйста, в чем заключается основная идея вашей компании? Какие Вы ставили себе цели, когда начинали бизнес?

 - В 17 лет я поступил в Калифорнийский университет в Беркли на факультет биоинженерии. В тот период времени – 90е гг. –  биоинженерия была совершенно новой областью в образовании. В нее входило много дисциплин: инженерия, физиология, медицина. Мы учились тому, как, объединив эти науки, можно создать решения для улучшения здравоохранения. Уже тогда у меня были некоторые идеи, и наша компания в итоге стала реализация одной из них. Я поступил в магистратуру, получил степень магистра в области биоинженерии в университете Пенсильвании и начал работать на Уолл-стрит, сосредоточившись на естественных науках. Я развивался в сфере IPO, параллельно наблюдая за множеством компаний и анализируя уровень развития инноваций в них. Всё это захватило меня на 19–20 лет.

Так продолжалось до тех пор, пока моей маме не поставили страшный диагноз: рак 4-й стадии. За одну ночь разрушилось всё: еще вчера она была в порядке, а сегодня оказалось, что у нее рак типа B 4-й стадии. Я спросил себя: где была наука? Как мы могли это упустить? Что бы мы могли сделать по-другому?

 - Как ваша компания может помочь в решении подобных проблем? Могли бы Вы рассказать о вашем главном продукте?

 - Нам необходимо вернуться к основам. Что такое здравоохранение? Большинство считает, что здравоохранение – это индустрия, но ведь это и цель. Здравоохранение – это оптимизация конечных результатов для достижения качества жизни и долголетия. Условия влияют на качество жизни, а болезни - на долголетие. Это - основная предпосылка, с которой мы начинаем. Каждый день, разрабатывая продукт, мы напоминаем себе о ней. Мы думаем, что решения должны придти в трех областях: предупреждение, обнаружение, лечение.

Поставщик медицинских услуг, плательщик и фармация тоже являются важными составляющими индустрии. У нас есть 3 основных этапа, но между моментом начала заболевания и моментом лечения проходит большой период времени. Так работает нынешняя система здравоохранения, и болезнь не обнаруживается вовремя.

Мы тратим лишь 1% нашего времени на сбор медицинских данных, а 99% проходят в естественных жизненных условиях, однако ожидаем, что решения для нужд здравоохранения каким-то образом придут к нам из обрывочных сведений, получаемых из 1% информации.

Наша следующая предпосылка звучит так: временное измерение критически важно для понимания новых перспектив здравоохранения и науки заболеваний. Мы считаем, что именно сейчас у нас появился доступ ко времени. Не только к точности, но и ко времени. Типичное взаимодействие в медицинских условиях выглядит следующим образом. В первое время даже носитель болезни не чувствует симптомы, так как же мы ожидаем, что врач их увидит? Только когда наступает поздняя стадия, и болезнь прогрессирует, мы начинаем видеть симптомы. Далее врач использует свои методы диагностики, применяя молекулярную диагностику и вынося окончательное решение. В течении же всего периода от возникновения болезни до ее лечения мы находимся в неведении, хотя признаки болезни на самом деле есть, просто мы их не замечаем.

Мы считаем, что крайне важно определить болезнь в самом начале.

 - Получается, что Вы создали некоторую систему, которая может предсказывать или диагностировать болезнь еще до того, как ее можно будет определить по симптомам или признакам?

 - Именно так.

 - Могли бы Вы объяснить, как это работает в повседневной практике?

 - В медицине применяется термин “биомаркер”. Сегодня специалисты видят биомаркеры в основном на молекулярном уровне – к примеру, генетические биомаркеры. Свои диагностические заключения мы строим в основном на них. Но мы считаем, что абсолютно всё может послужить как биомаркеры, к примеру - фенотипические сигналы. Подумайте, как врачи проводили лечение сто лет назад: глаза и уши служили им в качестве сенсорной модальности. Их суждение играло роль процессора, а тактильные ощущения выступали в качестве еще одного источника для сбора данных. Для них всё было биомаркером. Сегодня же для сбора информации мы имеем технические средства: у нас есть камеры, микрофоны, инфракрасные излучатели, акселерометры. Все это - показатели жизнедеятельности человека. Эти сведения продолжительны, пассивны и объективны. Они собираются с помощью электронных средств.

Существует технология BioEngine4D. 4D расшифровывается как digitally detect developing diseases – цифровое обнаружение развития болезни. Мы предпочитаем работать с информацией, которая собирается в процессе жизни человека, но мы не хотим упускать и медицинские данные. Мы привыкли воспринимать ее как источник для прогнозирования и диагностики заболеваний, но она статична. Мы математически сопоставляем жизненную информацию с медицинской, смотрим, где пролегает взаимосвязь. Как только мы обнаружим устойчивую взаимосвязь и найдем достаточные заменители медицинской информации, мы сможем пойти к поставщикам медицинских услуг с тем, чтобы начать накапливать и обрабатывать эту информацию. Затем мы выясняем, к каким заболеваниям привязан тот или иной маркер, основываясь на данных медицинской литературы. Главный критерий, который будет определять, на каком заболевании сфокусироваться - своевременные сведения о развитии болезни. Развитие болезни –  очень важный фактор. Нынешняя система здравоохранения предоставляет информацию о том, что уже произошло, но это очень скудная информация.

Мы долго находимся в неведении, и вот обнаруживается болезнь. В таком случае на помощь приходит информация о развитии болезни. Очень важно понять, какую роль играют признаки и выражения болезни, каково их математическое значение касательно тяжести заболевания.

 - Получали ли Вы клиническое одобрение вашей технологии? Имеются ли публикации в научных журналах?

 - Нашей компании пока 4 месяца, но многое из нашей теории подтверждено существующими знаниями и проверено на практике. Сейчас большая часть процесса валидации продукта находится на этапе компьютерного моделирования, где мы математически сопоставляем жизненную информацию с медицинскими данными, т.е. косвенным путем приближаемся к болезни. В этом и состоит наша цель: от данных переходить к болезни. Мы смотрим на оба типа информации и сопоставляем их вместе. Всё это будет осуществляться математически посредством машинного обучения.

 - Какую технологию прогнозирования Вы используете?

 - Новейшие нейросети. Они ищут большие объемы данных по «кодовым словам» или признакам болезни. Мы обучаем нейросеть распознавать ключевые переменные, имеющие наибольший вес и привязанные к данной болезни признаки. Поиск осуществляется на основании существующей и промаркированной информации.

 - Какие виды заболеваний Ваша система может прогнозировать?

 - Напоминаю, что заболевания, на которых мы фокусируемся, — это те, где своевременность имеет наибольшую взаимосвязь с конечными результатами. Не все болезни одинаковы в этом отношении: к примеру, диабет находится где-то посередине. Обнаружите ли Вы диабет на полгода раньше или позже – это слабо повлияет на конечный результат. Когда же речь идёт, то всё иначе. Множество проявлений происходят на ранней стадии на молекулярном уровне, и в этом проблема.

Однако есть множество заболеваний, которые выражаются фенотипически. Посмотрите на респираторное заболевание как на систему. Скажем, у Вас есть группа пациентов, готовых участвовать в исследовании, и Вы хотели бы узнать, является ли их кашель биомаркером. Кашель может быть признаком пыльцевой аллергии, бронхита, инфекции, туберкулеза, рака легких. Предположим, у Вас есть 3 пациента, чей кашель можно изобразить в виде волны. Посредством машинного обучения мы можем определить уникальные особенности сигнала этой волны, которые будут соответствовать раку легких, бронхиту или аллергии. Но мы не хотим остановиться на этом этапе и сказать: «вот это и есть диагноз». Мы пойдем еще дальше, задействовав различные сенсоры. Здесь и приходит на помощь IOT. Мы смотрим на особенности кашля во временном промежутке.

 - Сколько потребуется времени, чтобы использовать Вашу технологию в повседневной практике до получения конечного результата?

 - Это зависит от того, на какие заболевания Вы нацелены. Заболевания расположены в виде спектра: одни имеют яркое фенотипическое выражение, другие выражаются в основном на молекулярном уровне. Сейчас мы переосмысливаем существующий порядок вещей с целью сократить 90% времени, уходящего на типичный цикл обработки медицинской информации, при помощи компьютерных технологий.

 - Что бы Вы могли сказать о конечных целях Вашей работы?

 - Мы разрабатываем продукт, ориентируясь на клиентов, и считаем, что большинство решений, разрабатываемых сегодня, предназначены для поставщиков медицинских услуг, плательщиков и фармации, но это оставляет клиентов с пустыми руками. Мы же хотим работать, думая о клиентах как о нашем главном приоритете на рынке. Первым для нас стоит клиент, а лишь затем - фармация, плательщик и поставщик. Вот так мы и представляем монетизацию.

 - Спасибо! Желаем Вам удачи!

Просмотров: 374
×
Вход на сайт
Войти на сайт, используя аккаунт в социальных сетях
×
Учетная запись
×
Подписка на рассылку
×
Обратная связь