Mo Abdolell, CEO & Founder, Densitas Inc – Rozhovorová série

Mo Abdolell je CEO/Founder společnosti Densitas Inc., která se zaměřuje na mammografické podniky a nabízí řešení strojového učení pro personalizované zdraví prsu s technologiemi zaměřenými na hustotu prsu, klinickou kvalitu obrazu a přizpůsobené riziko.

Mo je také docentem diagnostické radiologie na univerzitě Dalhousie a jako konzultant biostatistiky má 25 let zkušeností se studiemi návrhu, statistickou analýzou a strojovým učením v biomedicínském/ klinickém výzkumu.

Můžete nás provést svou cestou za spuštěním Densitas, Inc.?

Od doby, co si pamatuji, jsem chtěl zlepšit zdraví znevýhodněných populací po celém světě. Chtěl jsem pracovat pro Světovou zdravotnickou organizaci v nějaké funkci, která by využila mých matematických sklony. To se mi nikdy úplně nevyplatilo. Místo toho jsem studoval biostatistiku na postgraduální škole Dalla Lana School of Public Health, University of Toronto, dokončil jsem svou dizertační práci ze strojového učení a poté jsem pracoval v nemocnicích a zdravotnických výzkumných institucích. Učil jsem a vedl postgraduální studenty v různých oblastech, včetně biostatistiky, epidemiologie, biomedicínského inženýrství a zdravotnické informatiky se zaměřením na diagnostické zobrazování. To mi poskytlo místo v první řadě na křižovatce různých vědeckých disciplín a dal mi široký pohled na to, jak lze umělou inteligenci použít k dosažení lepších výsledků pro pacienty.

Osoba, která měla velký vliv na rozhodnutí spustit Densitas, je Dr. Judy Caines, která byla zakládající lékařskou ředitelkou programu Nova Scotia Breast Screening Program v Halifaxu, Kanada. Dr. Caines byla skutečná osobnost a inovátorka ve své klinické praxi s neotřesitelným zaměřením na dosažení praktických a udržitelných řešení pro zlepšení kvality péče a výsledků pro pacientky se zdravím prsu. Její absolutní závazek a pohon k excelenci byl inspirující. Podporovala a povzbuzovala mé rané vyšetřování digitální mammografie, z nichž jedno vedlo k vývoji algoritmu pro měření hustoty prsu, jak se objevuje na mammogramu. První věc, kterou Dr. Caines řekla, když byl algoritmus dokončen, byla, že chce ho použít v klinické praxi. To byla podnětem, který vedl k spuštění společnosti, což nakonec uzavřelo smyčku mého dlouhodobého přání přispět nějakým způsobem ke zlepšení globálního zdraví tím, že založí partnerství se RAD-AID International za účelem poskytování lepšího zdraví prsu v zemích s nízkými příjmy a zdravotně znevýhodněných regionech světa.

Může být pro mnohé překvapením, že hustota prsu je faktorem rizika rakoviny prsu. Můžete sdílet své názory na toto téma?

Hustota prsu se týká množství epiteliálních a stromálních složek prsní tkáně a rakoviny prsu se nejčastěji objevují v epiteliálních buňkách. Čím více epiteliální tkáně je v prsu, tím větší je šance, že se v epiteliálních buňkách objeví rakovina.

Kromě toho hustá prsní tkáň a podkladová rakovina prsu se obě objevují bíle na mammogramu, což znamená, že hustá tkáň může maskovat přítomnost rakoviny a zvýšit riziko vynechání rakoviny. Ve skutečnosti má polovina všech žen husté prsy a polovina rakovin prsu v hustých prsech je vynechána.

Tato fakta jsou v souladu s výzkumem, který ukazuje, že ženy s extrémně hustými prsy mají 4-6krát vyšší riziko vzniku rakoviny prsu ve srovnání se ženami s tukovými prsy a modely rizika, které zahrnují hustotu prsu, předpovídají rakovinu prsu lépe než ty, které ji nezahrnují.

Jaké jsou různé technologie strojového učení, které se používají při analýze hustoty prsu?

V vysoké úrovni existují tři základní strategie modelování dat pro stavbu algoritmů, které počítají hustotu prsu. Tyto zahrnují statistické učení, strojové učení a hluboké učení, přičemž každý následující přístup vyžaduje stále větší označené tréninkové datové sady. Algoritmy statistického učení a strojového učení vyžadují ručně vytvořené obrazové funkce, které se vyvíjejí jako vstupy pro předpověď hustoty prsu. Hluboké učení nevyžaduje ručně vytvořené obrazové funkce, které se vyvíjejí, ale místo toho objevuje tyto funkce samo, poháněno dostupnými tréninkovými daty.

Jak může umělá inteligence pomoci snížit vyhoření u radiologů?

Vyhoření je Světovou zdravotnickou organizací uznáváno jako „profesní jev“ charakterizovaný pocity vyčerpání, izolace, cynismu a sníženého profesního zapojení.

Úřednické úkoly, jako je vedení záznamů, reportování, administrativní papírování a povinné akreditační povinnosti, jsou hlavními uváděnými příčinami vyhoření u většiny radiologů.

Automatizace umělou inteligencí integrovaná s digitalizací může poskytnout lepší reportování a efektivitu pracovního postupu, stejně jako lepší kvalitu obrazu a zlepšení procesního managementu, které osvobozují radiology od únavných a opakujících se reportovacích a administrativních zátěží, které vedou k vyhoření. Taková řešení umožňují radiologům věnovat více času interpretačním úkonům a soustředit se na péči o pacienty.

Densitas také pomáhá zobrazovacím oddělením s efektivitou pracovních postupů a dodržováním národních směrnic. Můžete nám říci, jak Densitas umožňuje toto?

Téměř 40 států v USA přijalo legislativu o hustotě prsu, která vyžaduje, aby ženy byly informovány o své hustotě prsu. To pokrývá více než 85 % populace způsobilé pro screening po celé zemi. Hustota prsu se vizuálně reportuje podle stupnice hustoty prsu ACR BI-RADS, která se ukázala jako nespolehlivá a neopakovatelná, časově náročná, další reportovací krok a odvrácení od primárního úkolu detekce rakoviny.

Klíčným aspektem zákona FDA o kvalitativních standardech mammografie (MQSA) je, že vedoucí interpretující lékař musí zajistit řádnou údržbu a aktualizaci záznamů týkajících se kontroly kvality (včetně nápravných opatření) a umístění pacienta a nápravných opatření v případě nedostatečné klinické kvality obrazu. Kromě toho MQSA vyžaduje zavedení programu kvality a údržbu souvisejících záznamů. MQSA stanoví standardy, ale není preskriptivní ve svých požadavcích. Klinická kvalita obrazu je subjektivně hodnocena a není standardizována. Správa systému kvality zaměřeného na odpovědnosti vedoucího interpretačního lékaře a vedoucího technika kvality není obvykle digitalizována, je velmi časově náročná a není hrazena. Přesto závisí akreditace mammografické zařízení na schopnosti zařízení prokázat účinnou implementaci takového systému.

Platforma densitasai™ poskytuje automatizaci hustoty prsu, klinické kvality obrazu a hodnocení rizika rakoviny prsu na úrovni mammogramu v místě péče, stejně jako na úrovni kliniky a zdravotnického systému prostřednictvím pokročilého webového analytického rozhraní.

Integrace s předními společnostmi, včetně Nuance, ikonopedia, Three Palm Software a hlavních dodavatelů PACS, zajišťuje, že hustota prsu, kvalita obrazu a skóre rizika jsou automaticky vložena do systémů, které jsou již dobře zavedeny v pracovních postupech a reportování radiologů, eliminuje se tak chyby přepisu, zlepšuje se rychlost reportování a prioritizují se studie pro recenzi.

Pokročilý webový analytický systém poskytuje automatizované reportování a audity, digitalizované pracovní postupy, celosystémovou kontrolu kvality a benchmarking výkonu a využití zdrojů, stejně jako automatizaci administrativních úkonů.

Můžete diskutovat o partnerství Densitas s RAD-AID International a jak pomáhá znevýhodněným regionům?

Cílem partnerství je poskytnout institucím s nízkými zdroji vzdělávání, klinickou podporu a praktickou výuku, aby mohly adoptovat udržitelné mammografické postupy, které využívají praktické aplikace poháněné umělou inteligencí. Pro mammografická oddělení v účastnících se institucích se očekává, že program pomůže zlepšit kvalitu rozhodování o péči o pacienty a zlepšit časnou detekci onemocnění.

Keňa je zemí s téměř 5 miliony žen, které jsou způsobilé pro screening mammografie, ale je zde pouze 3 fellowship-trénovaných breast imagérů v celé zemi. Tanzanie je zemí s 58 miliony lidí, ale má pouze 450 technických pracovníků pro celou zemi. Tyto jsou pouze dva příklady mnoha takových znevýhodněných zemí po celém světě. Screening tak velkého počtu žen s pouze několika specialisty-trénovanými breast radiology a radiologickými techniky je prostě nemožný.

Velké programy screeningu, jako je screening rakoviny prsu, jsou charakterizovány vysokým počtem pacientů, což vede k potřebě efektivních klinických pracovních postupů, standardizace procesů a péče, optimalizace opakujících se reportovacích a administrativních úkonů, nákladově efektivní péče o pacienty a procesy, jakož i dodržování národních standardů akreditace.

Řešení umělé inteligence Densitas řeší tyto výzvy automatizovanými hodnoceními hustoty prsu, rizika rakoviny prsu a klinické kvality obrazu.

Konečným cílem je pomoci zlepšit screening rakoviny prsu prostřednictvím časnější detekce a lepší léčby, aby se zachránily životy.

Densitas spustil také program, který pomáhá s personálem radiologie během pandemie COVID-19. Jaký program je nabízen?

V těchto bezprecedentních časech je primární péče zaměřena nezbytně na kriticky nemocné pacienty.

Šťastnou náhodou je, že screening rakoviny prsu byl do značné míry pozastaven.

Přesto, i v nejvíce zasažených regionech, vidíme, že mammografická zařízení již plánují zvýšit kapacitu, počínaje diagnostickou a následnou screeningovou mammografií. Jakmile k tomu dojde, obrovský počet pacientů čekajících na screening prsu v následujících týdnech a měsících (přesunutých a nových) bude představovat monumentální výzvu pro mammografická zařízení a zdravotnické systémy, s personálem radiologie napnutým k prasknutí.

Bude důležité zajistit, aby klinická kvalita obrazu byla udržena na nejvyšší standard, navzdory stresu přetížené kapacity zobrazování. Automatizace umělou inteligencí hodnocení klinické kvality obrazu, integrovaná do komplexního analytického a reportovacího rozhraní, zvýší připravenost na inspekci MQSA a uvolní kritické zdroje pro péči o pacienty. Automatizace hodnocení hustoty prsu a skóre rizika rakoviny prsu a reportování zvýší efektivitu pracovních postupů a podpoří přizpůsobené postupy pro následné screenování.

Chceme pomoci. Na omezenou dobu nabízíme naší platformu densitasai™ jako bezrizikovou, bezplatnou zkušební verzi vybraným kvalifikovaným zdravotnickým systémům, nemocnicím a zobrazovacím centrům.

Platforma densitasai™ (1) pomůže bojovat proti nadcházejícímu návalu úkonů, (2) poskytne efektivitu pracovních postupů, která sníží zátěž únavných, (3) časově náročných a opakujících se úkonů a pomůže zmírnit vyhoření personálu, (4) zmírní významné požadavky na zdroje a administrativní nároky inspekcí FDA Mammography Quality Standards Act, (5) digitalizuje procesy, aby maximalizovala principy sociálního distancování v klinické péči na trvalé základě.

Platforma densitasai™ může být nasazena na dálku.

Densitas bude podporovat 20 míst. Termín pro registraci a kvalifikaci je 30. června 2020 nebo kdykoli, kdy budeme plně přihlášeni, podle toho, co nastane dříve.

Klikněte zde, abyste si přečetli více o tom, jak může umělá inteligence pomoci snížit vyhoření ve vaší mammografické praxi.

Děkuji vám za rozhovor. Je zde mnoho důležitých informací o zdraví prsu. Každý, kdo chce se dozvědět více, by měl navštívit Densitas.