Neli aastat verd, pisaraid ja higi: Eesti idufirma teekond maailma esimese tehisintellektiga neeruvähi leidmiseni

See on, see on hea küsimus jälle, mulle väga meeldib see küsimus, seal on niimoodi, et, et kui vaadata, vaadata hästi lihtsusatult, siis tundub tõesti, et see ei ole väga kaitst Aga seal on, ma arvan, järgmised kihid, mis kõik on, kuna nad on kõik natuke keerulisemad. Või natuke või palju keerulisemad, siis on nad kõik justkui nagu omaette müür. Ja ma ütlen, teine kord mul täna küsitakse, et kui sa oled alustanud täna ja teades kogu seda keerukust, et kas see oleks teinud, siis ma olen täna niisugune nagu fifty-fifty, et võib-olla ma siiski oleks midagi lihtsamat teinud. Aga, toon näite. Sul on vaja ehitada see mudel, eks ju, või algoritm, sul on vaja treeningandmeid ja sul on vaja testimisandmeid. Sul selle jaoks ei piisa suvalist tudengit võtta kuskil või Indiast kedagi pilte märgendama. Sa pead tegema niimoodi, et sa teed klinitsist, kes on juba väga hõivatud ja väga kallis. Nii et nagu selliste testandmete kättesaamine ja, ja märgendamine on keeruline, lisas kättesaamisele on see, et. Sa ei saa ilma eetikakomitee lubadeta ja selliste noh, nagu asjadeta mitte ühtegi nagu andmeseti kätte. Siis, see on esimene kiht takistusi, siis teine kiht takistus, ehk siis nagu tehnoloogia ise. Selle, siis selle tehnoloogia leveli juures on üks asi, mida me proovime teha, on see, et me proovime leida ka enda nagu viisi, kuidas ehitada foundational model, ehk siis. Kuidas teha uut tüüpi, kas treeningmehhanismi niimoodi, et sul oleks, ei oleks näiteks vaja pikseltaseme neid märgendusi või label'eid, eks ju. Et sa saad ainult radioloogide näiteks tekstist, saada need andmed kätte selleks, et lokaliseerida pildi peal see, see haigus. Seda me teeme parasjagu ja see on teadusuuring, et noh, meil on nagu tugev teadusuuringu track on ka kõrval. See aitab selle, seda nagu müüri või seda konkurentsivõimet kasvatada. Siis selle tehnoloogiakihi peal on regulatsioonikiht ja regulatsioonikiht ongi see, et, et sel hetkel, kui sul mudel on, kõik on valideeritud, kõik on hästi. Läks meil neliteist kuud, et jõuda sellest hetkest, kus mudel on valmis, et tegelikult all oleks serdid ka peale. Ja, ja kui sa kujutad ette, et ma ei tea, kui pikk meil koodibaas on, ma olen koodi lugenud, aga. Dokumentatsioon meie Notified Bodile, ehk siis selle teavitada asutus vist on eesti keeles jah, oli kaks tuhat lehekülge. Et, et kui sa lükkad nagu sellise dokumentatsioonipaki technical file'i ja, ja oma QMS, ehk siis see kvaliteedi juhtimissüsteemi dokumentatsiooni, see on ikka mega suur. Ja siis järgmine kiht ongi see äriarenduse kiht, et, et kuidas sa pead üldse nagu start-up'ina vastu. Kui sa pead näiteks mingit oma toodet müüma lõppkokkuvõttes ultimatiivselt tervisekassale. Et, et sest noh, ütleme niimoodi, ehitad mudeli, siis sa pead minema kliiniliselt seda testima, sest see tavaline test ei sobi sulle, eks ju, mingi suvalise andmete peal. Siis sa lähed, teed selle regulatsioonikihi seal peal ära, siis sa lähed, hakkad seda müüma kuskil, saad aru, et ahah, tervisekassa, nad ütlevad sulle, et palun, et mul on vaja kulutõhususe analüüsi ka. Ja võib-olla sa pead mingi järgmise kliinilise uuringu tegema selle jaoks, kui sul ei ole nagu endal andmeid juba olemas või, või seal neid kuskilt mujalt ei leia. Ja siis sa jõuadki sinna alles ja sulle läheb sellega rahulikult viis aastat ja, ja keskmine investor ei anna sulle viie aasta peale niimoodi, et kuule, et. Sa ehitad toodet niimoodi, et sa product market fit'i tellid, tellid, tellid alles viie aasta pärast ära või kuidas see käib? Aga noh, seda kõike saab ka teha natukene targemalt ja tehakse ka. Lihtsalt, see on niisugune natuke.

Priit, paranda mind, kui ma eksin, aga ma arvan, et sa oled nii-öelda taustalt ja hariduselt programmeerija, arvuti inimene, eks ole. Kui palju see, millest sa räägid, kui palju siin üldse meditsiini selline teadmine omab rolli, et kas seda on näiteks võimalik vaadata kui puhast. Noh, sellist programmeerimise andmeteadus, andmeteaduse, ma ei tea, neurovõrkude mingisugust ülesannet, et vahet pole, mida ma sealt pildi pealt tuvastan, et see oleks võinud sama hästi teha. Kasside või liivakastide tuvastamise nagu äppi, et, et see ongi IT ja, ja arstiga noh, ma ei tea, on teil mõni arst või ma eeldan, et on, aga et kas peab olema, kas peab, kas peab olema, selles mõttes, mis sa vahet on?

Absoluutselt peab olema, sest et. No see on muide, kuidas ma seda sõna, see on umbes niimoodi, et, et jällegi, et, et. Ütleme niimoodi, sa ei saa olla, ütleme, et selleks, et arstiks saada, sa pead õppima kõigepealt kuus aastat ülikoolis, siis sa teed veel residentuuri otsa, sa oled kümme aastat õppinud selleks, et hakata nagu päris arstina tööle. Seal on väga selge põhjus, sest see on, see valdkond on nii spetsialiseeritud ja nii teistmoodi. Ehk siis, kui sa tuled näiteks, ma ei tea, kas sotsiaal- või-või matemaatikaharidusega, siis sa ei saa, sa ei saa arstiks. Ja see kandub üle ka tegelikult selle valdkonna tehisintellekti arendamise jaoks, et noh, et Matemaatika ja arvutiteaduse teadmised, kuidas neid asju ehitatakse, aga sul on vaja seda kliinilist teadmist ka, sest. Sa pead ehitama seda, mida, mida arst vajab. Ja, ja, ja see, mida arst vajab, on, on väga selgelt seotud sellise nagu kliiniliste nüanssidega, ehk siis jah. Meil on mitte ainult üks asutajate hulgas on üks arst, aga, aga meil on töötajate ja kolleegide hulgas on veel viis. Et, et meil on, neid arste on hästi palju tegelikult pundis Eestist, Ukrainast ja, ja nõuandjatenaga kuskilt Ameerikast ja nii edasi, et noh, meil on nagu selliseid, selliseid meditsiini nõu andvat organit ja, ja igapäev tööl käivat hulka on meil ikka päris palju, jah.