Dans cette interview, Ma Clinique parle de Brian Antoinecodirecteur du Medical Electronic Device Realization Center du MIT, sur l’effet que l’apprentissage automatique et les technologies de capteurs ont eu sur l’ingénierie des dispositifs médicaux, ainsi que l’analyse des données sur les bioprocédés et l’apprentissage automatique cours qu’il codirige au MIT.
Sommaire
Pouvez-vous vous présenter et nous parler de votre parcours dans le domaine de l’ingénierie médicale et des dispositifs médicaux ?
Je m’appelle Brian Anthony et je suis chercheur principal à l’Institut de génie médical et scientifique du MIT et au Département de génie mécanique. Je suis un expert des systèmes de capteurs, des nouveaux capteurs aux analyses de données utilisées pour surveiller et contrôler ces systèmes.
Il s’avère qu’il existe de nombreux parallèles entre les besoins médicaux de surveillance des individus et les besoins de surveillance et de fabrication. Je chevauche les deux domaines, en regardant la fabrication d’analyses intelligentes.
Avant de revenir au MIT, j’ai créé et vendu plusieurs sociétés différentes, en me concentrant sur la conception de produits et l’instrumentation. J’enseigne plusieurs classes différentes au MIT, à la fois dans les systèmes de fabrication et dans l’imagerie et l’apprentissage automatique appliqués aux systèmes physiques.
Vous êtes co-directeur du Medical Electronic Device Realization Center du MIT. Pouvez-vous nous parler du travail du centre au sein de l’industrie et de la recherche, ainsi que des objectifs du centre ?
Charlie Sodini, Joel Voldman et moi avons lancé le MEDRC il y a plus de 15 ans. Au MEDRC, nous avons commencé par reconnaître que, pour faire ce type de recherche, il faut réunir l’entreprise de dispositifs médicaux, les cliniciens et la recherche de pointe qui répond aux questions soit sur le capteur, soit sur l’apprentissage automatique. côté. Nous pouvons rapidement faire piloter la technologie au MIT, la déployer dans les hôpitaux locaux et disposer de données qui guident les choses au-delà de l’échelle de ce que vous pouvez faire dans l’environnement universitaire.
Le MEDRC fait maintenant partie de l’Institute for Medical Engineering and Science (IMES). IMES est un département transversal du MIT, avec des professeurs de tous les départements intéressés par la recherche appliquée sur les sujets humains et les technologies médicales. Nous aidons à faciliter les connexions avec les entreprises de dispositifs médicaux et les sociétés pharmaceutiques intéressées par l’utilisation ou le développement de nouvelles technologies dans le développement de médicaments ou l’exécution d’essais cliniques.
Vous êtes l’un des principaux instructeurs du cours MIT « Bioprocess Data Analytics and Machine Learning ». Quels sujets abordez-vous pendant le cours, qui y assiste et quelles lacunes dans les connaissances le cours comble-t-il ?
Je suis impliqué dans trois cours; Analyse des données de bioprocédés et apprentissage automatique, fabrication intelligente : passer des opérations de fabrication statiques aux opérations de fabrication dynamiques, et Internet industriel des objets : de la théorie aux applications. Tous les trois sont largement dans l’analyse de données dans divers secteurs, que ce soit dans l’agriculture, la médecine ou les dispositifs médicaux, l’environnement, ou même la fabrication et la conception.
La classe des bioprocédés est très ciblée vers l’ingénieur chimiste. Il est dérivé d’un cours que Richard Braatz et moi enseignons au MIT appelé Process Analytics, qui cible l’ingénieur chimiste ou mécanique qui peut avoir une compréhension de base de choses comme le contrôle statistique des processus ou le contrôle de rétroaction de base. Mais, à l’ère actuelle, qu’il s’agisse de données multidimensionnelles, c’est-à-dire de caméras, ou de nouvelles stratégies de contrôle, il existe de nombreuses opportunités dont les gens ne profitent pas dans leur premier emploi à la sortie des études supérieures ou de premier cycle ou quoi que ce soit. les professionnels ne profitent pas maintenant.
L’une des façons dont l’apprentissage automatique a changé les appareils est qu’il a changé la définition ou élargi la définition de ce qu’est un appareil.
Cette classe expose les individus à des études de cas et à la théorie fondamentale. Tout, de l’analyse des composants principaux au regroupement, en passant par l’apprentissage supervisé et non supervisé, mais en fin de compte, en s’appuyant sur une base solide du contexte du génie chimique, des bioréacteurs et des bioprocédés.
Nous voulons que ceux qui participent au cours s’assurent qu’ils ont une bonne appréciation de la façon dont l’analyse de données a été utilisée historiquement et peut être utilisée et développée dans la fabrication de produits biothérapeutiques.
L’industrie des dispositifs médicaux est économiquement énorme, mais a également un impact significatif sur la santé humaine et la science médicale. Comment les progrès récents des technologies de données et de capteurs ont-ils finalement eu un impact sur les dispositifs médicaux et les systèmes d’imagerie ?
L’un des aspects de notre travail qui nous intéresse beaucoup est de savoir comment vous aidez les médecins. Par exemple, nous avons fait des travaux en échographie où nous avons ajouté des caméras et des capteurs de force à l’extérieur des sondes à ultrasons. Nous faisons cela pour que lorsqu’un médecin acquiert une image échographique et qu’il maintienne la sonde échographique en contact avec le corps de la personne et la déplace, vous puissiez acquérir plus d’informations sur la façon dont vous acquérez les données, quelle est l’orientation et la position de la sonde par rapport au corps, ou quelle est la pression appliquée.
Ces données supplémentaires peuvent être utilisées pour donner de meilleures informations au médecin, pour lui donner des reconstructions dimensionnelles plus précises de vos données échographiques ou pour extraire des propriétés matérielles ou des propriétés tissulaires supplémentaires de l’image. Ou, également, pour les aider s’ils ne sont pas aussi formés qu’un autre clinicien.
Je pense que nous avons atteint le point, certainement grâce à la pandémie, où il y a maintenant une forte reconnaissance des avantages des capteurs que nous pouvons déployer dans la maison ou sur les gens. Nous voyons des essais cliniques être activés en expédiant la technologie d’essai dans une boîte.
L’un des grands problèmes associés aux appareils portables est le respect du fait de ne pas oublier de porter l’appareil. Nous nous intéressons aux capteurs ambiants, afin d’intégrer la technologie dans la maison dans le cadre du sol, des murs et du plafond pour pouvoir obtenir des données physiologiques sans contact. Le radar peut vous donner les fréquences cardiaque et respiratoire, et le corps sert de miroir au radar.
Par exemple, Katie Hahm, une étudiante au doctorat qui vient de terminer son doctorat. avec moi, installez des accéléromètres aux angles du sol d’une pièce. À partir des données de l’accéléromètre, elle a extrait des biomarqueurs cliniquement pertinents associés à la démarche et à la marche. La démarche est un indicateur global fort de votre santé et de votre bien-être. Obtenir ces données facilement à la maison signifie que vous n’avez pas à vous soucier que quelqu’un oublie de porter la technologie.
Dans quelle mesure est-il important de permettre aux gens de suivre leurs propres signes vitaux et de leur permettre de prendre en main leur suivi de santé ?
Je pense que de plus en plus, c’est de plus en plus important. Si nous pouvons intégrer la technologie à domicile de manière rentable, nous pouvons déplacer la courbe de manière significative et traiter certaines des inégalités dans le domaine des soins de santé, tant aux États-Unis que dans le monde. Dans ces environnements plus ruraux, je pense qu’il existe un impératif moral pour permettre à l’individu disposant des outils d’acquérir ces données de manière robuste, de les partager avec son soignant et de participer activement à sa propre santé.
L’informatique de la santé est l’un des domaines de la santé qui connaît la croissance la plus rapide. Comment les données et l’analyse ultérieure de ces données ont-elles révolutionné la conception et le développement de dispositifs et de solutions médicales ?
Je pense qu’il y a dix ans, les cliniciens hésitaient davantage à savoir comment utiliser ces données. La pandémie de COVID-19 a rendu apparents et évidents les bénéfices des données acquises dans le cadre de la vie quotidienne.
En ce qui concerne l’analyse des données, l’une des opportunités intéressantes est l’approche des soins centrée sur le patient, à la fois en clinique et à domicile. Ces technologies nous permettent d’alléger potentiellement le fardeau des soins médicaux dans les environnements traditionnels. Il permet de servir potentiellement des populations qui ont été mal desservies en leur faisant proliférer la technologie de manière à ce qu’elles puissent l’utiliser. Désormais, nous pouvons obtenir des données de haute qualité dans des environnements cliniques qui ne disposent pas de toute l’instrumentation dont disposerait un grand hôpital.
Épisodiquement, toute mesure peut être bruitée. Pourtant, le fait que vous puissiez acquérir ces données au fil du temps permet désormais à un soignant de personnaliser les soins en fonction de votre évolution à des intervalles de semaine ou de mois.
Quelles sont les prochaines étapes pour vous et votre travail ? Avez-vous des projets passionnants à venir?
Concernant la fabrication et la biofabrication médicale, nous continuons à faire beaucoup de travail et de déploiement actif avec les entreprises pour répondre à la question, « comment intègre-t-on des techniques de machine learning en temps réel pour guider en temps réel ?
Nous continuons à travailler dans le domaine des capteurs d’ambiance. Nous déployons des capteurs dans les sols, les murs, les plafonds et les éléments avec lesquels vous interagissez dans votre maison, comme les poignées de porte. Ainsi, toutes ces informations qui sont généralement perdues, comme votre force de préhension et votre démarche, peuvent être capturées.
Nous avons publié un article sur le premier système d’échographie laser entièrement sans contact avant la pandémie. La lumière laser peut être utilisée pour générer du son. Cela est connu et pratiqué depuis longtemps dans l’industrie des contrôles non destructifs. Si vous prenez un laser à impulsions et que vous faites briller ce laser sur un métal, cette pulsation de lumière sera localement absorbée et se transformera en une onde sonore qui se propage. Chaque fois que vous le frappez avec une petite impulsion de lumière, une onde sonore se propage dans le support, dépasse les limites et revient.
En utilisant la lumière, je peux obtenir un son créé dans un matériau, puis détecter comment ce son est propagé et renvoyé au service. Nous sommes capables de le faire maintenant sur les humains. En utilisant la lumière, nous avons démontré la génération d’une image ultrasonore à deux mètres de distance. Nous poursuivons nos recherches dans ce domaine, où les ultrasons sont formidables car ils sont non ionisants et fondamentalement sûrs.
Où les lecteurs peuvent-ils trouver plus d’informations ?
À propos de Brian Anthony
Le Dr Anthony est directeur du programme de maîtrise en ingénierie de fabrication du MIT, codirecteur du Medical Electronic Device Realization Center, directeur associé, MIT.nano et instructeur principal au MIT Professional Education. Avec plus de 25 ans d’expérience dans la réalisation de produits, Dr. Anthony a remporté un Emmy (de l’Académie des arts et des sciences de la télévision) dans l’innovation technique de la diffusion – Dr. Anthony conçoit des instruments et des techniques pour surveiller et contrôler les systèmes physiques. Son travail implique l’analyse et la conception de systèmes et fait appel à l’ingénierie mécanique, électrique et optique, ainsi qu’à l’informatique et à l’optimisation, pour créer des solutions.
Les recherches du Dr Anthony portent sur l’instrumentation computationnelle, c’est-à-dire la conception d’instruments et de techniques pour mesurer et contrôler des systèmes physiques complexes. Ses recherches comprennent le développement de solutions d’instrumentation et de mesure pour les systèmes de fabrication et les diagnostics médicaux et les systèmes d’imagerie. En plus de son travail universitaire, il possède une vaste expérience dans l’innovation technologique axée sur le marché, la réalisation de produits, l’entrepreneuriat et la commercialisation à l’intersection des technologies de l’information et de la fabrication de pointe. Ses intérêts d’enseignement incluent la modélisation de systèmes à grande échelle dans une grande variété de domaines décisionnels et le développement d’algorithmes d’optimisation et de logiciels pour l’analyse et la conception de tels systèmes. Il possède une vaste expérience de l’innovation technologique axée sur le marché ainsi que de l’entrepreneuriat commercial.