Владелец стоматологий запускает стартап по поиску проблем с зубами (создатели MSQRD инвестировали в него)

Владимир Александровский построил в Москве сеть стоматологических клиник, но хотел «закрыть гештальт» — создать ИТ-проект (когда-то он бросил курсы программирования). 3 года назад он придумал, как это сделать. Он создает технологию, которая на основе искусственного интеллекта определяет состояние зубов и помогает стоматологам ставить диагноз. В Diagnocat уже инвестировали создатели MSQRD Сергей Гончар и Евгений Невгень. Свою историю Владимир Александровский и совладелец и СТО проекта Матвей Ежов рассказали нам.

Владимир Александровский: Всю жизнь я занимался стоматологией. Прошел путь от санитара, администратора клиники, врача, заместителя директора до основателя и владельца группы компаний «Фэнтези». Сейчас у нас 5 стоматологических клиник премиум-класса (детские стоматологии «Дентал Фэнтези», взрослые Belgravia Dental Studio), педиатрическая клиника «Фэнтези» и торговая компания «ДФ трейд» — дилер стоматологического и другого медицинского оборудования. Я уже 7 лет не практикую у кресла, в большей степени занят управлением в здравоохранении.

Идея

Когда-то я мечтал стать программистом, ходил на курсы (кажется, это был язык С++), но не понял, что такое «массив», и бросил:) Однако меня не покидала идея «закрыть гештальт», вернуться к созданию ИТ-продукта.

Мой любимый профессор Гарварда Ричард Боумер (Richard Bohmer) отлично сформулировал путь развития медицинской организации:

1. Управление ценностями компании и команды.

2. Управление ресурсами.

3. Управление результатом лечения.

4. Управление процессами.

5. И, наконец, пятая ступень — управление медицинскими решениями (clinical decision support system, CDSS).

Думаю, мы подошли к пятой стадии. Я видел реальные проблемы в стоматологии (даже у нас в клиниках). Врачи в зависимости от личного опыта, взглядов, настроения и даже самочувствия могут принимать разные клинические решения. Как в известном кейсе: судьи после обеда выносят больше оправдательных или мягких приговоров, нежели уставшие и проголодавшиеся. Но пациент хочет прийти за помощью к врачу и получить объективный диагноз, грамотный план лечения для его конкретной ситуации. Я решил, что этой точности практически невозможно добиться без искусственного интеллекта.

Я все время слежу за инновациями в медицине и прочел о технологиях распознавания изображений с помощью компьютерного зрения. И решил, что этот подход здорово было бы применить в стоматологии.

По-настоящему качественная диагностика и лечение без современных рентгенографических технологий — утопия. Немного расскажу о том, какие виды снимков используют сегодня стоматологи:

• Локальные прицельные снимки, которые можно качественно сделать для 1−2 зубов
• Панорамный снимок в формате 2D. Такое исследование еще называют ортопантомограмма (ОПТГ). Это изображение всех зубов, костной ткани верхней и нижней челюсти, структуры гайморовой пазухи, строения височно-нижнечелюстного сустава.
• Полноценная трехмерная реконструкция челюстно-лицевой области — конусно-лучевая компьютерная томография (3D КЛКТ). Это самый современный сегодня метод исследования.

Многие передовые стоматологии оборудованы компьютерными томографами (КТ). Это сложное, дорогостоящее оборудование, которое стало использоваться примерно в 2006 году. Стоматологи тогда были вынуждены осваивать новую профессию — рентгенологию, ведь работа с КТ-изображениями требует отдельных навыков и практики. Курс рентгенологии на стоматологических факультетах не только в России, но и в других странах очень короткий и поверхностный.

В итоге, например, в США сегодня около 70 000 рентгенологов, а в стоматологии заняты не более пары десятков человек. Вообще, в каждой стране на десятки тысяч врачей-стоматологов приходится 15−20 специалистов-рентгенологов. Это «звезды», которые в основном преподают в университетах, а не практикуют. Стоматологов работе с компьютерными томографами обучают эти самые «звезды» или вообще — поставщики оборудования. При том, что интерфейс, в котором стоматологи смотрят результаты КТ, сложен. Я лично убедился в этом, когда купил первый томограф в собственную клинику и разбирался в нем.

Все это нередко приводит к тому, что врачи-стоматологи пользуются возможностями КТ не в том объеме, в котором это действительно требуется, пропускают патологии, ставят неточные или ошибочные диагнозы. И я решил, что нужно создать продукт на основе искусственного интеллекта (ИИ), который позволит анализировать изображения дентального томографа и определять состояние и патологии зубов.

Создание технологии — объясняет СТО проекта

— Сейчас у нас система (пайплайн) из 4 отдельных сверточных нейросетей, обученных на нескольких наборах исследований с несколькими слоями разметки. А также — собственные алгоритмы пред- и постобработки изображений. Часть сетей работает на разделение анатомических областей, часть — на определение состояний зубов и других органов.

Большое внимание мы уделяем расширению и улучшению датасетов и разметки. Разметка — это обозначение на медицинских изображениях. Чтобы обучать алгоритм, врачи отмечают то, что компьютер должен автоматически распознать — анатомические области (зубы, челюсти, пазухи), патологии и состояния (кариес, периодонтит, пломбы, коронки).

Для этого создаем разметочные инструменты, инвестируем в привлечение и обучение аннотаторов, улучшение методологии. Аннотация — это первый этап по подготовке учебного материала для алгоритма. Аннотатор-специалист описывает нужный параметр в томограмме или маркирует его в специальной программе. Например, наличие искусственной коронки на конкретном зубе указываем в формуляре-опроснике, а признак кариеса «закрашиваем» на томограмме.

Сложности:

1. Мы всегда понимали, что данные — это очень важно, но не сразу осознали, насколько. Если бы мы начинали сейчас, то в первую очередь наладили бы процессы, связанные с разметкой, так, как они у нас организованы сегодня. Раньше мы размечали только зубы, обводя их квадратами (баундинг боксами), а сейчас все анатомические области и структуры с точностью до пикселя. Это трудоемко и дорого, но открывает новые возможности для продукта. В общем, алгоритм учится по той же логике, как и студент первого курса — сначала анатомия, потом патология, потом методы лечения. И не стоит переходить на следующий курс раньше времени.

2. Дизайн продуктов для врачей на основе AI. Как паковать продукт, чтобы он принес врачам пользу и удовольствие от использования.

Удобство софта для практического врача определяется не только тем, как точно происходит распознавание признаков заболеваний, но и как организован диагностический процесс, насколько это похоже на традиционный диагностический путь. Здесь важно «показывать» результаты работы программы в привычных «картинках». Ведь врач выступает судьей для алгоритма и несет ответственность за принятое диагностическое решение. Нам пришлось выделить инженера, который «настраивает» картинки, понятные врачу, изучает привычки врачей, вносит корректировки во внешний вид программы.3. Качество и безопасность для пациентов. Думаем, как сделать так, чтобы клинический исход не ухудшился даже в случаях разных фейлов системы.

Команда

Владимир Александровский: Изначально мы проинвестировали в разработку, наняли ребят на проектную работу (все работали удаленно), написали ТЗ, и раз в неделю они отчитывались о прогрессе. Но поскольку с нашей стороны — основателей проекта — не было оперативного ежедневного управления, первой команде не хватило лидерства. С первого раза у команды не получилось задуманное, и мотивация была потеряна. Не стоило начинать такой проект с разработчиками на аутсорсе и без оперативного менеджмента.

Мы собрали новую команду. Теперь мы используем разные управленческие инструменты — сочетаем стратегический менеджмент с agile. У нас очень много приложений в повседневной работе — Slack, Trello, Notion, Airtable, Zoom и т.д. Несколько членов команды работают удаленно, и нам надо удобно с ними коммуницировать.

То, за что мы взялись — настоящая исследовательская работа. Мы опубликовали 2 научные статьи и подали заявку на патент в США. В команде более 20 человек:

• Разработчики (fullstack-инженеры, data-инженеры, researchers)
• Продукт-менеджер, дизайнер
• Врачи-рентгенологи экспертного уровня
• Аннотаторы (рентгенолаборанты, студенты-медики, стоматологи, рентгенологи).

У каждого — индивидуальная задача в зависимости от уровня навыков.

Сложнее всего находить хороших инженеров. К счастью, с врачами не такая проблема — для многих поработать в таком проекте просто интересно. А также я привлекаю докторов из собственных клиник.

Монетизация

В первую очередь мы рассчитываем выйти на американский и европейский рынки. Монетизироваться будем разными путями: и по подписке, и за клик, то есть за анализ одного исследования — компьютерной томограммы. Но раскрыть стоимость я пока не готов.

На основе наших алгоритмов мы будем создавать различные продукты, полезные для стоматологов. Например, из 3D-исследования будем формировать набор срезов со всеми измерениями челюстей, которые необходимы стоматологу-хирургу для установки зубного имплантата. Такой рентгенологический отчет сегодня занимает у доктора 20 минут и может стоить в США пару сотен долларов. А с помощью алгоритмов Diagnocat этот отчет в автоматическом режиме будет создан за считаные минуты.

Привлечение инвестиций

Мы вложили в разработку несколько сотен тысяч долларов собственных средств и работаем над привлечением инвестиций.

Около полутора лет назад друзья познакомили меня с Евгением Невгенем и Сергеем Гончаром, создателями проекта MSQRD, который купил Facebook. Моя задумка им понравилась, и они инвестировали в проект вместе со мной. Они щедро делятся опытом, связями, а их имя в числе инвесторов очень помогает закрывать вакансии инженеров-разработчиков. Своими вопросами они постоянно «челленджат» команду. Например, предлагают изучить успешный кейс какого-нибудь стартапа и сделать выводы, как мы можем применить его подходы. Именно такие у меня ожидания и от инвесторов будущих раундов.

Проект должен стать масштабным, и финансировать его дальше собственными средствами затруднительно. Мы уже начали искать инвесторов среди венчурных фондов в США и Европе. Я лично под большим впечатлением от того, как работает эта экосистема. Я уже провел ряд переговоров с фондами и начал разбираться в том, как устроен поиск стратегических инвесторов.

Планы по развитию

Готов прототип продукта. Он проходит тестирование в моих клиниках.

Весной будет готова первая итерация проекта — в стадии, близкой к готовности. Как я уже говорил, Diagnocat задуман как масштабный проект. Мы будем выпускать его релизами. И первый состоится не позднее марта 2019. Я убежден, что уже тогда он будет полезен для использования на практике.