desc

Round da 38 milioni per Ibex Medical Analytics, la startup che rileva il cancro grazie all’AI

STARTUP
Edit article
Set prefered

Round da 38 milioni per Ibex Medical Analytics, la startup che rileva il cancro grazie all’AI

La piattaforma Galen degli israeliani aiuta i patologi a individuare le cellule tumorali, riducendo gli errori e recuperando mancate rilevazioni. La tecnologia AI è già usata da molte strutture sanitarie e a breve arriverà anche in Italia

La piattaforma Galen degli israeliani aiuta i patologi a individuare le cellule tumorali, riducendo gli errori e recuperando mancate rilevazioni. La tecnologia AI è già usata da molte strutture sanitarie e a breve arriverà anche in Italia

Ibex Medical Analytics è una startup israeliana che ha sviluppato una intelligenza artificiale in grado di aiutare i patologi a individuare e classificare il cancro nelle biopsie. La piattaforma proprietaria Galen è già utilizzata da parecchie strutture sanitarie sparse per il mondo, perché la tecnologia AI e di apprendimento automatico consente di rilevare le cellule tumorali con maggior accuratezza e in tempo quasi reale, riducendo gli errori e le diagnosi non completamente centrate. Un passo avanti di notevole importanza nella lotta al principale nemico del corpo umano, che ha attirato tante attenzioni sull’azienda fondata nel 2016 da Joseph Mossel e Chaim Linhart, che ha chiuso un round di finanziamento di Serie B da 38 milioni di dollari. A guidarlo è Octopus Ventures e 83North, con una partecipazione aggiuntiva di aMoon, Planven Entrepreneur Ventures e Dell Technologies Capital (ramo dedito agli investimenti in startup di Dell Technologies), con il totale raccolto finora da Ibex che sale a 52 milioni di dollari.

Joseph Mossel e il Dottore Chaim Linhart, fondatori di Ibex Medical Analytics

Uno dei meriti più importanti di Ibex è fornire una sorta di spalla ai patologi, capace di alleggerire la mole di lavoro che continua a crescere e, al contempo, assicurare maggiore precisione e velocità, oltre a ottenere nuove intuizioni dall’analisi di una biopsia. Sullo sfondo c’è, inoltre, un altro ostacolo difficile da superare in tempi brevi: la carenza di patologi, che si traduce in un allungamento del processo diagnostico. In questo senso, Ibex parla di una produttività dei patologi che utilizzano le soluzioni Galen per visualizzare ed esaminare i campioni di tessuto in aumento fino al 40%. Nello specifico, il riferimento è a Galen Prostate e Galen Breast, in grado di rilevare tumori mal diagnosticati e/o mal classificati nei vetrini digitalizzati, guidando i patologi verso le aree colpite.

La diagnosi di qualità è la nostra massima priorità e una pietra miliare dei programmi di cura del cancro. E questo investimento ci aiuterà a soddisfare la crescente domanda di AI e di patologia digitale e a sviluppare marcatori AI per un trattamento più mirato del cancro“, dichiara Joseph Mossel, CEO di Ibex. L’arrivo di nuovo capitale sarà utilizzato per sostenere una base di clienti in rapida espansione e implementazioni cliniche in laboratori e sistemi sanitari in Nord America e in Europa e per far crescere i talenti nei team di Ricerca e Sviluppo, clinici e commerciali. Ma anche per accelererà l’espansione del portafoglio di soluzioni Galen, portando nuovi strumenti di AI per più tipi di tessuto, inclusi miglioramenti basati sull’AI del flusso di lavoro patologico e marcatori di AI focalizzati sull’oncologia.

Immagine della soluzione AI di una analisi di formazione cancerosa al seno, individuata automaticamente e analizzate in tempo reale

La piattaforma Ibex ha il potenziale per apportare cambiamenti significativi alle parti del percorso del cancro che sono state storicamente trascurate, pur essendo fondamentali per migliorare i risultati per i tipi di cancro più comuni“, ha affermato Will Gibbs di Octopus Ventures, che entrerà nel consiglio di amministrazione di Ibex. “Continuiamo ad essere impressionati dai progressi di Ibex, che in un lasso di tempo relativamente breve ha dimostrato la sua utilità per gli utenti, rendendo l’intelligenza artificiale un fattore chiave nella loro decisione di passare al digitale“, ha commentato Gil Goren, General Partner di 83North e già membro del board societario.

Per focalizzare meglio il lavoro e i vantaggi della startup israeliana, StartupItalia ha intervistato proprio Joseph Mossel, una delle due anime di Ibex Medical Analytics.

Come funziona la tecnologia AI di Ibex che permette ai medici di diagnosticare il cancro e ridurre gli errori?
Il nostro algoritmo basato sull’AI rileva con un altissimo grado di precisione il cancro e altre caratteristiche cliniche nelle biopsie dei tessuti. Un modo per utilizzare questo algoritmo è quello di consentire una ‘seconda opinione’ automatizzata basata sull’AI, soluzione adottata nei laboratori di tutto il mondo che si è rivelata utile per ridurre e quasi eliminare gli errori e le diagnosi errate. L’algoritmo analizza tutte le biopsie e le confronta con la diagnosi del patologo. Se c’è una discrepanza, la soluzione fa scattare un allarme e il patologo è tenuto a riesaminare la biopsia e, nel caso ci fosse un errore, a correggere il suo rapporto. In questo modo l’IA è usata come una ‘rete di sicurezza’ per i patologi e per i pazienti, aiutando quindi a prevenire i casi non rilevati in precedenza.
Un altro caso d’uso riguarda l’utilizzo come strumento di supporto decisionale durante la diagnosi primaria. In questo modo, i patologi beneficiano dell’alta precisione offerta dall’algoritmo, mentre utilizzano ulteriori strumenti AI e intuizioni che li aiutano a smistare i casi, concentrarsi sulle aree di interesse e utilizzare altri strumenti che li aiutano a diagnosticare il caso più velocemente e ridurre significativamente i tempi di consegna, migliorando così l’efficienza del laboratorio e l’intero settore sanitario.

In quali cliniche e sistemi sanitari vengono già utilizzate le soluzioni Galen di Ibex? Ci sono studi che dimostrano l’efficacia della vostra tecnologia?
La piattaforma Galen di Ibex è utilizzata in diversi laboratori tra Europa, Regno Unito, Americhe, Israele e in Australia, dove viene usata nella pratica quotidiana per aiutare i patologi a rilevare gli errori ed evitare la mancata rilevazione di tumori, come è stato certificato da vari studi clinici provenienti da Israele, Porto Rico e Francia. In particolare, l’alta precisione dell’algoritmo AI è stata dimostrata in uno studio clinico presso l’Università di Pittsburgh Medical Center negli Stati Uniti, che è stato pubblicato sulla rivista scientifica The Lancet. In questo studio, l’algoritmo di Ibex ha dimostrato la più alta accuratezza mai riportata per un algoritmo AI in patologia, dimostrata attraverso molteplici indicatori di performance.

Ci sono o ci sono strutture in Italia che stanno utilizzando o utilizzeranno le tecnologie Ibex in futuro?
Siamo in discussione con diversi sistemi sanitari e ospedali in Italia che sono interessati a implementare la nostra soluzione AI (l’istituto Clinico Humanitas sarà il primo nel nostro paese ad adottare la piattaforma Galen, nda).

Quali sono i requisiti che devono soddisfare gli istituti di patologia che vogliono accedere al vostro programma Early Adopter?
L’AI in patologia è una tecnologia nuova, perciò incoraggiamo i patologi a provarla con un programma agile che richiede un investimento trascurabile di risorse. La più importante è avere uno scanner di vetrini per patologia digitale, al fine di essere in grado di scansionare i vetrini e fornire immagini bioptiche per l’analisi del nostro algoritmo.

Questa invece è una immagine prodotta dall’AI di una formazione cancerosa alla prostata

Quali mosse sono state esplorate da Ibex per migliorare la diagnosi e continuare a ridurre i margini di errore per i programmi di cura del cancro?
Ci muoviamo verso questo obiettivo su diversi fronti. Uno è attraverso l’espansione del numero di tipi di tessuto che analizziamo: al momento offriamo soluzioni per le biopsie della prostata e del seno, contiamo di introdurre ulteriori algoritmi per nuovi tipi di tessuto nel prossimo anno. La seconda direzione è l’applicazione clinica, dove abbiamo iniziato con un’app AI di seconda lettura che mira al controllo della qualità e al rilevamento degli errori. A breve aggiungeremo una nuova applicazione che viene utilizzata durante la diagnosi e include strumenti AI per aiutare i patologi a rivedere i casi più velocemente, migliorando l’efficienza e il rendimento del laboratorio. Questo portafoglio consentirà ai laboratori massima flessibilità nella progettazione ed esecuzione della loro strategia di trasformazione digitale e di AI.

Qual è il lasso di tempo ragionevole entro il quale le soluzioni basate sull’AI e altre tecnologie possono essere adottate su scala globale, così da registrare un vero passo avanti nella riduzione dei decessi legati al cancro?
Questo è un impegno a lungo termine, perché l’implementazione delle tecnologie digitali nell’assistenza sanitaria è un compito impegnativo che coinvolge più componenti, tra cui investimenti di capitale, sviluppo di soluzioni utilizzabili (da non confondere con la tecnologia) e nuovi modelli di business. Inoltre, molte volte c’è un importante fattore umano che deve essere considerato, perché la digitalizzazione significa spesso che medici, infermieri e amministratori devono cambiare il modo in cui lavorano e svolgono la loro pratica. In patologia passare al digitale vuol dire che un medico che per 30 anni ha lavorato su un microscopio deve ora analizzare i vetrini sullo schermo di un computer e consultarsi con un assistente AI. Questo non è un compito facile, perché ci vuole uno sforzo per cambiare le vecchie abitudini. Quindi, nel complesso, crediamo che anche se ci sono chiari benefici nell’implementazione delle tecnologie digitali nell’assistenza sanitaria su una scala più ampia, siamo ora in una fase iniziale e ci vorranno 5-10 anni prima di vedere la maggior parte delle rete sanitarie e i grandi ospedali adottare tale innovazione a pieno regime.