Theator، یک پلتفرم هوش مصنوعی که ویدئوهای جراحی را تجزیه و تحلیل می کند، سری A خود را با قیمت 39.5 میلیون دلار به پایان می رساند – TechCrunch

وقتی صحبت از داده‌های مبتنی بر ویدئو می‌شود، پیشرفت‌ها در بینایی کامپیوتری به دنیای تحقیقات رونق زیادی بخشیده است و فرآیند تجزیه و تحلیل و ترسیم بینش از تصاویر متحرک را به چیزی تبدیل می‌کند که فراتر از محدودیت‌های یک تیم کوچک از انسان‌ها مقیاس‌پذیر است.

یک استارت آپ تماس گرفت تئاتر این مفهوم را در دنیای مراقبت های بهداشتی به کار می برد: از هوش مصنوعی برای «خواندن» ویدیوهای ضبط شده در طول عملیات، برای جستجوی بهترین شیوه ها و همچنین کمک به شناسایی لحظات کلیدی که ممکن است یک عملیات به سمت اشتباه رفته باشد، استفاده می کند. امروز، 24 میلیون دلار بودجه را اعلام می کند – نشانه ای از اینکه چگونه دنیای پزشکی در حال سازگاری و پذیرش پیشرفت های هوش مصنوعی برای بهبود کار خود است. و چگونه سرمایه گذاران برای شرط بندی روی فرصت پیش رو قدم می گذارند.

این بودجه تمدید قابل توجهی برای سریال Theator’s Series A به مبلغ 15.5 میلیون دلار از فوریه 2021 است که مجموع این دور را به 39.5 میلیون دلار و در کل 42.5 میلیون دلار می رساند.

همانند بخش قبلی، Insight Partners این آخرین سرمایه گذاری را رهبری کرد. حامیان قبلی Blumberg Capital، Mayo Clinic، NFX، StageOne Ventures، iAngels و مدیر تولید سابق Netflix، نیل هانت، در کنار حامیان جدید iCON و Ariel Cohen، مدیرعامل و یکی از بنیانگذاران TripActions نیز شرکت کردند.

ارزش گذاری فاش نمی شود، اما سری A به دلیل دیگری قابل توجه است: آوردن یک سرمایه گذار استراتژیک بزرگ، در قالب کلینیک مایو، که با Theator – مستقر در پالو آلتو و همچنین در اسرائیل – در حال همکاری است. ابزارهای تجزیه و تحلیل ویدئویی آن شرکای دیگر عبارتند از انجمن جراحان عمومی کانادا و دیگران که هنوز فاش نکرده است. در مجموع، کتابخانه Theator اکنون 30000 ساعت ویدیوی ناشناس با تقریباً 1 میلیارد فریم تحلیل شده جمع آوری کرده است.

فرصتی در بازاری که Theator با آن مقابله می‌کند این است: در دنیای جراحی، گنجینه عظیمی از ویدئو در حال حاضر ایجاد شده است، به‌ویژه از طریق پروب‌های دوربین که در روش‌های غیرتهاجمی استفاده می‌شوند.

طبیعتاً هدف اصلی بیشتر این ویدیو این است که جراحان بتوانند کارهایی را که در زمان واقعی انجام می‌دهند ردیابی کنند. اما فرض Theator این است که – با استفاده از روشی موثر – این ویدئو می‌تواند منبع ارزشمندی برای آن پزشکان، مؤسسات مراقبتی که در آن کار می‌کنند، و به طور بالقوه برای زمینه‌هایی باشد که در آن کار می‌کنند (یعنی شبکه گسترده‌تر سایر پزشکانی که در همان حوزه‌هایی که هستند کار می‌کنند)، اگر بتوان آن را با روش‌های مشابهی که در جاهای دیگر انجام می‌شود بررسی و مقایسه کرد و سپس با نتایج مطابقت داد.

این ممکن است به عنوان یک کار غیر قابل حل در سطح انسانی به نظر برسد. ویدیوی بسیار زیادی وجود دارد، و مفهوم تجزیه حتی برخی از آن‌ها برای اجرا خیلی وقت‌گیر به نظر می‌رسد. همه اینها به معنای چیز دیگری نیز هستند: به طور مؤثر، بهترین نتایج تا به امروز برای کسانی که بهترین کار را انجام می دهند، باقی مانده است.

یا همانطور که دکتر تامیر وولف، مدیرعامل و یکی از بنیانگذاران Theator (با تکیه بر یک ضرب المثل قدیمی) خاطرنشان کرد: “بسیار اوقات، محل زندگی شما تعیین می کند که آیا زندگی می کنید.”

او ادامه داد: «امروزه هیچ درک واقعی از حقایق زمینی وجود ندارد،» با وجود این واقعیت که ده‌ها میلیون ساعت ویدیو از طریق راهنمایی بصری برای رویه‌های مختلف ایجاد شده است. هیچ یک از آن ویدیو ضبط، ذخیره یا تجزیه و تحلیل نمی شود. شما درک آنچه در اتاق عمل می گذرد و بهترین شیوه ها را از دست می دهید. هدف ما این است که بتوانیم بهترین شیوه ها را شناسایی کنیم و سپس آنها را به اشتراک بگذاریم.”

و اینجاست که هوش مصنوعی به تصویر کشیده می شود.

ولف پلت فرم Theator را به عنوان “هوش جراحی” توصیف می کند. چندین ساعت فیلمبرداری طول می کشد و در زمان واقعی می تواند لحظات کلیدی را در هر رویه ای شناسایی کند.

بنابراین در یک جراحی شش ساعته پانکراس، سیستم از یادگیری ماشینی و بینایی کامپیوتری برای ساختاردهی فیلم خام استفاده می‌کند، آن ویدئو را با ویدئوهای دیگر از همان روش‌ها مقایسه می‌کند، و سپس آنچه در ویدئوها اتفاق می‌افتد را با نتایج روش‌های قبلی تطبیق می‌دهد. در مورد ویژگی های کلیدی “نتیجه خوب” و جایی که همه چیز از هم جدا شده است.

سپس داده‌ها با پزشکان، تیم‌ها، مؤسسات آنها و غیره به اشتراک گذاشته می‌شود تا درک بهتری برای بیماران موجود (برای مدیریت بهتر مراقبت‌های پس از آن) و روش‌های آینده ایجاد شود.

بسیاری از مردم تمایل دارند بر روی مراقبت های پس از آن و عوارضی که ممکن است بعد از عمل “موفق” در نظر گرفته شود، تمرکز کنند، اما دکتر ولف معتقد است که این یک تصور غلط رایج است که تا حدی به دلیل این واقعیت است که وجود دارد. داده ها و بینش کافی در مورد خود عملیات وجود ندارد.

ولف خاطرنشان می‌کند که برخی از بیمارستان‌ها نتایج بدتری نسبت به سایر بیمارستان‌ها برای جراحی‌های “موفقیت‌آمیز” دارند، زیرا هیچ عارضه‌ای در زمان واقعی در طول عمل‌های واقعی وجود نداشت.

چرا باید اینجوری باشه؟ او به سادگی گفت: “ما نمی دانیم.”

تأسیس تئاتر توسط ولف در واقع از همان سؤالی ناشی شد که او از خود به عنوان یک پزشک و همچنین به عنوان یک دوست و عضو خانواده از بیماران پرسید.

به طور خاص، او به یاد می آورد که چگونه همسر و دوست/همکارش به طور تصادفی عمل مشابهی را در یک زمان انجام دادند، اما در بیمارستان های مختلف. هر دو از نظر فنی خوب پیش رفتند، اما یکی از آنها عواقب طولانی‌تری نسبت به دیگری داشت. تلاش برای پی بردن به این که چرا این کار به این شکل انجام شد، چیزی است که تا حدودی انگیزه کاری استارتاپ او را دنبال کرده است.

برد فیدلر، معاون شرکت Insight Partners در بیانیه ای گفت: «فناوری Theator ثابت کرده است که گام بعدی حیاتی در پیشرفت جراحی است. ادغام هوش مصنوعی و بینایی کامپیوتر در اتاق عمل، مراقبت های جراحی را بهبود می بخشد و عمل جراحی را برای بهتر شدن تغییر می دهد. ما هیجان‌زده‌ایم که سرمایه‌گذاری خود را دو برابر کنیم، به‌ویژه که تخصص Theator در هوش مصنوعی و بینایی رایانه اکنون نتایج بیماران را در طیف گسترده‌ای از شرکای تجاری افزایش می‌دهد.»

تا به امروز، Theator در حال مذاکره با ارائه دهندگان مراقبت بوده است – یعنی بیمارستان ها و کلینیک هایی که در آنها اقدامات انجام می شود – اگرچه می توانید سناریویی را تصور کنید که در آن شرکت های بیمه، پزشکان فردی و شاید حتی بیماران بخواهند به این نوع داده ها دسترسی داشته باشند. برای درک بیشتر در مورد آنچه در حال وقوع است، و شاید مهمتر از آن – کمی شبیه دوربین های داشبورد – برای داشتن سابقه ای از آنچه در حال وقوع است در صورت بروز مشکل.

این چیزی نیست که تئاتر در حال حاضر به دنبال آن باشد، اما این یک فرصت آشکار است.

به طور مشابه، دنیای کاملی از رویه‌ها وجود دارد که استارت‌آپ در حال حاضر با آن‌ها مقابله نمی‌کند. ولف روش‌های کم تهاجمی را در این رابطه به عنوان «میوه کم آویزان» توصیف کرد، زیرا در این عملیات‌ها از دوربین‌ها استفاده می‌شود و در حال ضبط ویدیو هستند. با گذشت زمان، تعدادی روش دیگر، حتی پیچیده تر، وجود دارد که می توانید تصور کنید می توانند از یک درمان مشابه بهره مند شوند.

در عین حال، بازار همچنان در حال تحول است. همه خواهان این نوع بررسی نیستند و معتقد نیستند که می تواند تصویر دقیقی از مجموعه کامل شرایطی که در هر عمل یا درمان یک فرد بر فرد دیگر رخ می دهد ارائه دهد. به اصطلاح فقط بر روی جنبه هایی تمرکز می کند که دوربین می تواند آنها را ثبت کند.

و می‌توانید استدلال کنید که وقتی پارامترها برای آنچه «درست» است قرار داده شوند، ریسک‌های محاسبه‌شده توسط جراحان سخت‌تر و کمتر می‌شود که می‌تواند نتایج بهتری نسبت به آنچه که براساس آموزش هوش مصنوعی «استاندارد» می‌شود، داشته باشد. این در واقع همان مشکلی است که با سایر کاربردهای هوش مصنوعی مواجه می‌شوید، وقتی که اساساً خود را در گوشه‌ای منطقی ترسیم می‌کند که برای مغز انسان و دلیل واقعی ما به وضوح دیگر معنی ندارد، و در واقع دیگر «هوشمند» نیست، بلکه برعکس است. .

با این حال، این چیزی نیست که فناوری Theator پتانسیل انجام آن را کاهش دهد. این فقط یک یادآوری است که مانند تمام هوش مصنوعی، چیزهای بیشتری وجود دارد که باید در مورد نحوه استفاده از این هوش در زمینه مدون شود.

در همین حال، ولف گفت: «ما به آرامی شاهد تغییری در ذهن جراحان و سایرین در این اکوسیستم هستیم که باید شفافیت بیشتری وجود داشته باشد. حرکت به سمت بینش مبتنی بر شایستگی بخشی از آن است. این باعث می شود که این فناوری نه تنها برای عملیات و بهترین شیوه ها برای همه بلکه برای آموزش به کار گرفته شود. “ویدئو هسته اصلی نحوه ارزیابی جراحان برای دیدن اینکه آیا می توانند از رزیدنتی خارج شوند و به تمرین کامل برسند قرار خواهد گرفت.”