AI בפתולוגיה: האם הרדיולוגים באמת מקדימים אותנו ב-20 שנה?

I ask everybody to stay in the environment of the hospital now, not physically, but virtually, because actually I'm going to talk about AI in digital pathology and to share with you the idea that the radiologist are about 20 years in advance than the pathologist. So, this is the situation and this is where we are. So, I am the head of pathology at Shiba Medical Center and the chair of the Israeli Association of Pathologists, and currently the Dean of Adelson's School of Medicine at Ariel University, and I am going to share with you כמו פתולוגיה, גנומיקה, מיקרוביום, ובאמת, דיאגנוזיה היא אינטגרציה של אספקטים אחרים. מנגנון שלי, ואני אציג לכם לאחר כך, רדיולוגיה תוכל להבטיח פתולוגיה, פתולוגיה כבר יכולה להבטיח ביומארקרים, וזה איך אנחנו מבנים דיאגנוזיה. We are the gold standard of medicine and also of radiology. Final diagnosis is done after the evaluation mostly of tissue or cells. We are working in the last few years with foundation models. זה מה שאתם יודעים, ואני רוצה להראות לכם איך אנחנו עובדים במדיקות המדעיות כדי להשתמש במידע הזה ולהשתמש בצורה של דיאגנוזיה. כשאני הייתי חברה, אנחנו לימדנו שהפתולוגיות הן הפרופסוריות היחידות שיכולות להתפתח ג'ין ג'ינומית והפורטומית בקונטקסט של מורפולוגיה. אבל המורפולוגיה עכשיו התחלתה, זה לא רק הקלעים, הנוקלאי, הסיטופלזם. יש לנו הרבה יותר אינפורמציה, הרבה יותר דאטה בקלעים האלה. בשנים האחרונות, In the last seven years, we are scanning all our slides in pathology department at Shiba Medical Center, so we have images that we can work with them for digital pathology and for AI evaluation by foundation models and other. So it's not only the infrastructure that we have, סלידים של פתולוגיה, אבל הדרך שבה אנחנו יכולים להשתמש ב-AI כדי להשתמש בהם, וזו התהליך הראשון. הרבולוציה בפתולוגיה נעשתה לפני 30 שנה, מתחילה בפתולוגיה מולקולרית, ובשנים האחרונות, בפתולוגיה דיגיטלית. אבל זה לא הסוף, זה רק המחקר, כי עכשיו אנחנו יכולים להשתמש ב-AI וגם באספקט של המתקן, לתת דיאגנוזיס, וזה מלחמת לכל אחד מאתנו. מה זה בעצם המחקר של הפתולוגים, שהם באמת המחקר הדייגנוסטי הגדול? We use the slide, the histological classification, but we use also molecular evaluation, and recently, about 10 years ago, with sequencing of the tumors. All together, the pathologist is doing an integration of all those data lakes, and then can give the final diagnosis. Pathologists, We all have to remember that there is a patient that we have to give the accurate diagnosis as it done said. So, we have all our aspects to evaluate together and to integrate, but the third revolution is how can AI evaluate the slides. So, there are basic applications and there are something that you can imagine, because they consider to be counting of מתotic rates and so on. And actually, some of the Israeli start-up company, like IBEX, is doing the basic evaluation and diagnosis. from toxeline and oazine, the basic slides. We are also at שיבא, have now a demo, how we can put our slides for triage and can actually, by the mean of IBEX, get a diagnosis of prostate cancer, of breast cancer or gastric cancer. So actually, in our world, the first step is not looking anymore in the microscope, but we have AI tools to scan and see where we can find a tumor. And actually, many places use the platform of IBEX, and also we are doing it at Shiba. So, the agnostic of a tumor is actually something very basic for us, but we have more aspects to evaluate, which are more advanced. For example, we can do evaluation of molecular markers of mutations from histological slides, and also we can predict a response to treatment. This is actually, this is a change Game Changer, because we were very skeptic, we are doing in our Department of Pathology 500 gene panels to sequence tumor, and actually it can be done by an algorithm or a model. What we are doing, this is part of what we are doing in our research lab at Shiba Medical Center. We are working with brain tumors and can predict a very important mutation, like IDH mutation status for patients with glioma, straight and directly from the המטוקסלין slides. This is how we can implement these models in pathology. Moreover, there are new algorithms to predict RNA-seq, transcriptome, out of the slides. We can now see and predict signature of cancers from המטוקסילינדוזין slides. What we can do also is working for precision medicine applications, survival models and more. We can use it for non-neoplastic cases in digital pathology. כמו טרמות רינאול, וכו'. אפשר להשתמש בהשתמשה בקרב קטן מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטנים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספר של קטים מספרים מספרים מספרים by using multiple stains together. However, I want to go to what עידן said and show you how we are doing in pathology triage and also changing the priority of laboratory procedures. We can do by digital pathology, diagnosis as I mentioned. פרוגנוזיס וגם מדיניות פרציזיה. מה שאנחנו עושים עכשיו זה שיש לנו סליד אסתופתולוגי, אנחנו יכולים להבין ב-Weat Lab את הביומארקר ואז להגדיל את התריצות, אבל בהשתמשה ב-AI אנחנו עושים בייפאס לכל ב-Weat Lab ובעצם מאסתופתולוגי אנחנו יכולים להגדיר את התרופה. זה משהו באמת מעולה, שבגללו לא יכול להיות עבור ביותר במדינות בעולם. מה שאנחנו עושים, בעצם, אני רוצה לתת לכם דוגמת של תרופה מאוד אגרסיבית, תרופה לא קטנה קצת, שבה יש דרך אחרת to give treatment. By different foundation models, we can evaluate in few hours, working on the slides, which treatment will be the best for the patient. We can actually work on immunotherapy and we can work on the actionable biomarkers. זה בעצם עבודת שנתון שהופיעה ב-ESMO לפני כמה שנים, אבל היינו יכולים להגדיר את ההתנהגות לאימונותרפיה מבחינה קצרה ודירקטית מהסלידים. יש הרבה ביומארקרים שמוצאים מנהלות לטיפול בפתולוגיה. הרבה מהם יכולים להתבטא ב-AI על המספר. אני רוצה להצהיר לכם שאנחנו המקום היחיד בעולם שעובד עם האנגוריתם של אימג'ין AI, קבוצה ישראלית, וכאשר אנחנו יכולים לראות מספר, that represent non-small-as-a-lan cancer, we have 9 actionable biomarkers that can be evaluated from the slide. At this time, we can validate the indication of the algorithm. For example, if there is a tumor that show positivity to EGFR, we can actually do a very short 2-hour... ולתת דיאגנוזים אחרונים לאונקולוגיסטים. למרות העובדה, כ-1/3 מהמאבקים שבאים עם קנצר מתסטטי לא קטן, יכולים להתקדם בקודם כולל של כמה שבועות שהם נתקדמו. אנחנו נותנים להם את ההזדמנות לתרופה, כי אחרת הם צריכים להתקדם עד לדבר אחרון. 500 ג'ין פאנל NGS sequencing, and about third of them cannot have the chance to start treatment. So this is a major change, this is a drama in pathology. Instead of waiting few weeks for the molecular diagnosis, that it actually can respond to treatment, We can give this result in 2 to 3 hours. This is all based by AI directly on the slides of H&E. So, in Israel, we are doing actually a very important change worldwide, globally, in the diagnosis from pathology. These are some examples. of the slides that we have and the way to see few cells only and identify the molecular changes and the mutation. So, we have some revolution in pathology, as I said, we are behind radiology, but we are doing implementation in pathology department and also in other fields. To share with you, we are doing now pharma working for drug discovery with a digital pathology. One of the biomarkers is טרופ 2, developed by AstraZeneca and ראש, and actually xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx So if we have integration to the clinical practice as we have at Shiba, we save time, we save money, we save tissue, which is crucial in pathology, and actually, we save life. This is all by vision algorithm on the pathological slide. All give very rapid... This is an example of a patient that actually has a positive indication of EGFR positivity. We did a validation in two hours, and actually he responded to treatment of EGFR inhibitor in two days. So, this is really a miracle, this is a big change. Not only in cancer, we have also a way to evaluate and do a screening with infectious disease. I mentioned here the pathology that is working with us for a few years and can, it is self-learning platform, and even doctors, MDs that... don't understand about anything about algorithm and models, can use it to practice and train the algorithm to identify fungi in skin, and actually the sky is the limit, the skin is the limit. This is a mistake only pathologists can do. So, we also present כמו שאמרתי לפני, יש תקשורת של כלי חלבים רבים של הרבה הרבה קלעים שעובדים יחד. אנחנו עובדים גם על קבוצות קטנות, קבוצות קטנות שרובן רק לטומרים שבאמת יכולים להמצא בגלם מטומרים, וכל זה יחד, כל מודל הדיאגנוזים, מולטיפלקס. דיגיטל פתולוגיה, ביופסיה ליקווית ומולטי-אומיקס וגם רדיולוגיה, יכולים לתת את הדיאגנוזים הבסיסיים בדרך אחרת ממה שעשו לפני כן. אז מה זה השינוי? השינוי הוא שאנחנו יכולים להשתמש ושאנחנו משתמשים ב-AI. הדעה האחרונה שאני רוצה להשתמש בפניכם היא פתורדיומיקס. בלב שלנו אנחנו מבקשים פתולוגיה מפתולוגיה, אז אני פרדיקט את הדיאגנוזיס ואנחנו פרדיקטים את הפתולוגיה מפתולוגיה וכל אחד וכל אחד יכול לתת דברים יותר טובים דרך המטוקסלינדוזין, אנחנו יכולים identify and evaluate the DNA, RNA, RNA-seq, which is from the script on, prediction of survival and response to treatment. So, we have many different way to go, but actually, we get much more information that we can't get before. Predicts is a spin-off of our lab. working to predict from radiology. For example, we can predict from MRI of the brain, we can predict the histological slide and also the IDH, which is the mutation status. So, if we talked about radiology, we have excellent results. from the slides of histology to predict biomarkers, and we come now to radiology, to our friends, that they should work with us to predict histology, and from histology we can predict the biomarkers. So all together, we are in a major transformation of pathology, being able to do the diagnosis from the beginning, from the diagnosis to the final biomarkers by AI tools. Thank you.