زیرمجموعه علوم زیستی Alphabet Verily سال گذشته یک بازسازی استراتژیک را اعلام کرد و تمرکز خود را به استفاده از هوش مصنوعی و علم داده برای بهبود گزینههای سلامت دقیق تغییر داد.
اندرو تریستر، افسر ارشد پزشکی و علمی در Verily، با او به گفتگو نشست MobiHealthNews برای بحث در مورد استفاده شرکت از فناوری هوش مصنوعی، کار آن با غول فناوری گوگل و آنچه او را در مورد آینده کسب و کار هیجان زده می کند.
موبی سلامت نیوز: آیا می توانید در مورد Verily و آنچه که انجام می دهد به مخاطبان ما بگویید؟
اندرو تریستر: Verily از Google X در سال 2015 بیرون آمد. سابقه طولانی در بررسی کل اکوسیستم در مراقبت های بهداشتی داشته است، که با تحقیق شروع شده است. بنابراین، ساختن دستگاهها، یافتن راههای جدید برای اندازهگیری بیماری (نوعی مشکل اندازهشناسی)، و توانایی انجام مراقبتها. بنابراین، تا حد زیادی از طریق Onduo، سیستم مدیریت مراقبت از دیابت ما انجام شده است. و سپس کار در تامین مالی مراقبت. بنابراین، گرانولار یک محصول بیمه توقف ضرر است.
بنابراین، اگر در مورد هر یک از نقاط درد مختلف در مورد چگونگی مراقبت بهتر یک فرد فکر کنید، می توانید به کاربردهای اندازه گیری بهتر فکر کنید. این همان سوال تولید داده است که از آن داده ها بینش و دانش بیشتری ایجاد می کند و سپس اقدام می کند.
و بنابراین، اینها همه بخش هایی هستند که از زمان سرمایه گذاری اولیه توسط Google X ساخته شده اند، و ما سال های 24 تا 25 را به عنوان زمانی می بینیم که همه این موارد متقابلاً تقویت می شوند، بنابراین ما واقعاً می توانیم دیدگاه های متفاوتی را در مورد چگونگی افراد ایجاد کنیم. به مراقبت های خود به شیوه ای عادلانه دسترسی داشته باشند و سپس نتایج بهتری داشته باشند.
MHN: آیا این شرکت اغلب در کنار گوگل کار می کند؟
تریستر: بنابراین، تعدادی از پروژهها در تحقیقات سلامت گوگل آغاز شدهاند که برای ساخت محصولات به Verily وارد شدهاند. برخی از آنها تقریباً به عنوان مشارکت در یک یادداشت تفاهم بین دو شرکت بوده است.
بهترین مثال برای آن الگوریتمی بود که توسط Google Health Research در Nature منتشر شد و به پشت چشم نگاه می کرد، بنابراین تصاویری از شبکیه برای تعیین اینکه آیا ممکن است فرد به رتینوپاتی دیابتی مبتلا باشد یا خیر. آنها همچنین به کارهای دیگری مانند طبقهبندی چشم مرد یا زن، کارهایی که انسانها نمیتوانستند برای نشان دادن کاربرد برنامه هوش مصنوعی انجام دهند، ادامه دادند.
اما مشکل هر الگوریتمی مانند آن این است که کجای آن در جریان کار امروزی قرار میگیرد و واقعاً چگونه میتوانید بر مردم تأثیر بگذارید؟ بنابراین یکی از سؤالات مهمی که مطرح شد، و اینجاست که همکاری با Verily و برتری سخت افزاری که در Verily وجود دارد، به این نتیجه رسید که چگونه می توانید حتی برخی از تصاویر پشت دستگاه را به دست آورید. چشم؟
بنابراین ما یک دوربین شبکیه تقریباً کاملاً خودکار ساختیم، و به آن دوربین Verily Retinal میگویند، و آن دستگاه به شخص اجازه میدهد عکسهای پشت چشمی بگیرد و سپس هوش مصنوعی در بالای آن قرار دارد. ما از هوش مصنوعی گوگل استفاده کردیم و سپس با شرکتهای دیگری کار میکنیم که مدلهای هوش مصنوعی دیگری نیز ساختهاند که این ابزار را نشان میدهند، ابتدا به عنوان تشخیص طبقهبندی و سپس در افق بزرگتر. ما در مورد کاربردهایی که شما می توانید مشابه تلاش های Google برای انجام کارهایی مانند طبقه بندی جنسیت را اندازه گیری کنید، هیجان زده هستیم.
لزوماً لازم نیست این کار را از روی تصاویر شبکیه انجام دهید، اما شاید بیماریهای دیگری نیز وجود داشته باشد که بتوانیم از این نوع چیزها تشخیص دهیم. بنابراین، هنگامی که دستگاه را در جای خود قرار دادید، چه کارهای دیگری می توانید انجام دهید؟ بنابراین این یک حوزه بحث مداوم است.
MHN: آیا Med-PaLM چیزی است که Verily به دنبال استفاده از آن در پیشنهادات خود است؟
تریستر: ما در مورد کاربرد Med-PaLM، مدلهای موجود در آنجا و اینکه چگونه میتوانیم از رویکردهای چندوجهی جدید استفاده کنیم، بحث کردهایم. بنابراین Med-PaLM وجود دارد، و بدیهی است که کارهای زیادی روی Gemini در حال انجام است. بنابراین، ما مطمئناً در حال بررسی این هستیم که چگونه میتواند به نظر برسد، اما ما نمیخواهیم فقط با Google کار کنیم.
ما در حال بررسی برنامه های کاربردی دیگر بوده ایم. ما میتوانیم نسبت به کدام یک از رشتههای اصلی ناشناس باشیم [genAI] اگر بتوانیم دریابیم که زیرساخت داده مناسب را داریم، مدلها در دسترس هستند. بنابراین، بسیاری از چیزهایی است که ما ساختهایم که در Verily متمایز هستند، مثلاً Azure یا Google Cloud یا AWS متفاوت است. و سپس چه چیزی واقعاً برای مردم تأثیر می گذارد.
من فکر میکنم بسیاری از مواردی که برنامههای هوش مصنوعی مولد روی آن متمرکز شدهاند، بیشتر بر روی بخش پشتیبان بوده است. ما برخی از این کارها را عمدتاً از طریق بیمهگر خود انجام میدهیم، اما جایی که میبینیم بزرگترین تغییری که میتوان با استفاده از این ابزارها ایجاد کرد این است که حتی قبل از اینکه بیمار شوند، جلوی چشمان مردم خواهد بود. بنابراین، چگونه میتوانیم به مردم کمک کنیم تا این چیز دیوانهکنندهای را که سیستم مراقبتهای بهداشتی ما است، هدایت کنند؟
MHN: در حال حاضر در Verily بیشتر از چه چیزی هیجان زده هستید؟
تریستر: کاربردهای مهندسی واقعاً قوی و مشکلات واقعاً سخت در مراقبتهای بهداشتی بسیار زیاد است که Verily تصمیم گرفته است که به طور مستقیم با آن مقابله کند. اما برخی از آنها در گذشته به نوعی پروژه های سیلو شده بودند.
بنابراین، مواردی مانند دوربین شبکیه، به عنوان مثال، محصول فوقالعادهای است، اما بهگونهای ساخته نشده است که، میدانید، بهطور کلی تمام نقاط درد متفاوتی را که در سیستمهای سلامت میبینیم، هدایت کند. ما اکنون در موقعیتی هستیم که میتوانیم شروع کنیم به گره زدن چیزها به روشهای جدید.
اگر بتوانیم نشان دهیم که چیزها واقعاً در چندین نقطه مختلف متقابلاً تقویت می شوند، فکر می کنم اینجاست که ارزش واقعی برای مردم ایجاد می شود زیرا آنها می توانند زندگی سالم تر و بهتری داشته باشند و هزینه ها را بالا نبرند.
در این مرحله، فناوری برای دههها محرک اصلی هزینه در مراقبتهای بهداشتی بوده است، که اگر در آینده آن را به اندازه کافی کاهش دهیم، ممکن است منحنی هزینه را خم کنیم.