Mo Abdolell, CEO y Fundador, Densitas Inc – Serie de Entrevistas

Mo Abdolell es CEO/Fundador de Densitas Inc., una empresa centrada en la empresa de mamografía que ofrece soluciones de aprendizaje automático para la salud mamaria personalizada con tecnologías centradas en la densidad mamaria, la calidad de la imagen clínica y el riesgo personalizado.

Mo también es Profesor Asociado, Radiología Diagnóstica, Universidad de Dalhousie y, como bioestadístico consultor, tiene 25 años de experiencia en el diseño de estudios, análisis estadístico y aprendizaje automático en la investigación biomédica/clinica.

¿Puede llevarnos a través de su viaje detrás del lanzamiento de Densitas, Inc?

Desde que tengo memoria, he querido ayudar a mejorar la salud de las poblaciones desatendidas en todo el mundo. Quería trabajar para la Organización Mundial de la Salud de alguna manera que hiciera un buen uso de mis inclinaciones matemáticas. Bueno, eso nunca sucedió exactamente. En su lugar, estudié bioestadística en la escuela de graduate de la Dalla Lana School of Public Health, Universidad de Toronto, completando mi tesis en aprendizaje automático antes de pasar a trabajar en hospitales e instituciones de investigación de la salud. He enseñado y supervisado a estudiantes de graduate en áreas diversas, incluyendo bioestadística, epidemiología, ingeniería biomédica y salud/ informática médica, con un enfoque en la imagen diagnóstica. Esto me ha brindado un asiento en la primera fila en la intersección de diversas disciplinas científicas y me ha dado una perspectiva amplia sobre cómo la inteligencia artificial puede ser utilizada para brindar mejores resultados para los pacientes.

Alguien que ha tenido un gran impacto en la decisión de lanzar Densitas ha sido la Dra. Judy Caines, quien fue la directora médica fundadora del Programa de Detección de Cáncer de Mama de Nueva Escocia en Halifax, Canadá. La Dra. Caines fue una verdadera lumbrera y innovadora en su práctica clínica con un enfoque inquebrantable en lograr soluciones prácticas y sostenibles para mejorar la calidad de la atención y los resultados de los pacientes en la salud mamaria de las mujeres. Su compromiso y dedicación absolutos fueron inspiradores. Apoyó y alentó mis primeras investigaciones en mamografía digital, una de las cuales condujo al desarrollo de un algoritmo para medir la densidad mamaria tal como aparece en una mamografía. La primera cosa que la Dra. Caines dijo cuando el algoritmo estuvo completado fue que quería utilizarlo en la práctica clínica. Esto fue el impulso que llevó al lanzamiento de la empresa, cerrando finalmente el círculo de mi largo deseo de contribuir de alguna manera a mejorar la salud global al establecer una asociación con RAD-AID International para brindar una mejor salud mamaria en países de bajos ingresos y regiones médicamente desatendidas del mundo.

Es posible que a muchos les sorprenda que la densidad mamaria sea un factor en el riesgo de cáncer de mama. ¿Podría compartir sus puntos de vista sobre esto?

La densidad mamaria se refiere a la cantidad de componentes epiteliales y estromales del tejido mamario, y los cánceres de mama más comúnmente aparecen en las células epiteliales. Entonces, cuanto más tejido epitelial haya en el seno, mayor es la posibilidad de que el cáncer aparezca en las células epiteliales.

Además, el tejido mamario denso y los cánceres de mama subyacentes ambos aparecen blancos en una mamografía, lo que significa que el tejido denso puede enmascarar la presencia del cáncer y aumentar el riesgo de perder el cáncer. De hecho, la mitad de las mujeres tienen senos densos, y la mitad de los cánceres de mama en senos densos se pierden.

Estos hechos son consistentes con la investigación que muestra que las mujeres con senos extremadamente densos tienen un riesgo 4-6 veces mayor de tener cáncer de mama en comparación con las mujeres con senos grasos, y los modelos de riesgo que incorporan la densidad mamaria predicen mejor el cáncer de mama que aquellos que no lo hacen.

¿Cuáles son las diferentes tecnologías de aprendizaje automático que se utilizan al analizar la densidad mamaria?

En general, hay tres estrategias de modelado de datos para construir algoritmos que calculan la densidad mamaria. Estas incluyen el aprendizaje estadístico, el aprendizaje automático y el aprendizaje profundo, con cada enfoque sucesivo que exige conjuntos de datos de entrenamiento etiquetados cada vez más grandes. Los algoritmos de aprendizaje estadístico y aprendizaje automático requieren características de imagen creadas a mano para ser desarrolladas como entradas para predecir la densidad mamaria. El aprendizaje profundo no requiere características de imagen creadas a mano para ser desarrolladas, sino que descubre estas características por sí mismo impulsado por los datos de entrenamiento disponibles.

¿Cómo puede la IA ayudar a reducir el agotamiento para los radiólogos?

El agotamiento es reconocido por la Organización Mundial de la Salud como un ‘fenómeno ocupacional’ caracterizado por sentimientos de agotamiento, aislamiento, cinismo y reducción de la participación profesional.

Las tareas burocráticas como la confección de gráficos, la elaboración de informes, la documentación administrativa y las responsabilidades de acreditación obligatoria son las causas principales de agotamiento reportadas por la mayoría de los radiólogos.

La automatización de la IA integrada con la digitalización puede brindar una mejor informe y eficiencias de flujo de trabajo, así como una mejor calidad de imagen y una mejor gestión de procesos que liberen a los radiólogos de las tareas tediosas y repetitivas de informe y administración que llevan al agotamiento. Dichas soluciones permiten a los radiólogos dedicar más tiempo a las tareas interpretativas y centrarse en la atención al paciente.

Densitas también ayuda a los departamentos de imagen con eficiencias de flujo de trabajo y cumplimiento de las pautas nacionales. ¿Podría compartir con nosotros cómo Densitas habilita esto?

Casi 40 estados en los EE. UU. han aprobado legislación de notificación de densidad mamaria que exige que las mujeres sean informadas de su densidad mamaria. Esto cubre más del 85% de la población elegible para la detección en todo el país. La densidad mamaria se informa visualmente según la escala de densidad BI-RADS del Colegio Estadounidense de Radiología, que se ha demostrado que es poco fiable y no reproductible, consume tiempo, es un paso de informe adicional y distrae de la tarea principal de detección de cáncer.

Un aspecto clave de la Ley de Calidad de Mamografía de la FDA (MQSA) es que el Médico Intérprete Líder debe garantizar el mantenimiento y la actualización adecuados de los registros relacionados con el control de calidad (incluidas las acciones correctivas) y la posición del paciente, y las acciones correctivas en caso de una calidad de imagen clínica inadecuada. Además, la MQSA requiere el establecimiento de un programa de garantía de calidad y el mantenimiento de los registros asociados. La MQSA establece estándares pero no es prescriptiva en sus requisitos. La calidad de la imagen clínica se evalúa subjetivamente y no se estandariza. La administración de un sistema de calidad centrado en las responsabilidades del LIP y el tecnólogo de control de calidad líder no se digitaliza típicamente, es muy tiempo consumida y no es reembolsable. Sin embargo, la acreditación de las instalaciones de mamografía depende de la capacidad de la instalación para demostrar la implementación efectiva de un sistema de este tipo.

La plataforma densitasai ™ ofrece la automatización de la IA de la densidad mamaria, la calidad de la imagen clínica y la evaluación del riesgo de cáncer de mama a nivel de mamografía, así como a nivel de clínica y sistema de salud a través de una interfaz de análisis web avanzada.

Las integraciones con líderes de la industria, incluidos Nuance, ikonopedia, Three Palm Software y principales proveedores de PACS, garantizan que la densidad mamaria, la calidad de la imagen y las puntuaciones de riesgo se incorporen automáticamente en los sistemas que ya están bien establecidos en los flujos de trabajo y los informes de los radiólogos, eliminando errores de transcripción, mejorando la velocidad de informe y priorizando los estudios para su revisión.

El sistema de análisis integrado avanzado proporciona informes y auditorías automatizados, flujos de trabajo digitalizados, control de calidad y benchmarking del rendimiento y la utilización de recursos a nivel de todo el sistema de salud, y la automatización de tareas administrativas.

¿Puede discutir la asociación de Densitas con RAD-AID International y cómo ayuda a las regiones desatendidas?

El objetivo de la asociación es brindar a las instituciones de bajos recursos educación, apoyo clínico y capacitación práctica para que puedan adoptar prácticas de mamografía sostenibles que aprovechen aplicaciones prácticas impulsadas por la IA. Para los departamentos de imagen mamaria en las instituciones participantes, se espera que el programa ayude a avanzar en la calidad de la toma de decisiones de gestión de pacientes y mejore la detección temprana de la enfermedad.

Kenia es un país con casi 5 millones de mujeres que son elegibles para la mamografía de detección, pero solo hay 3 radiólogos especializados en senos en todo el país. Tanzania es un país de 58 millones de personas, pero solo tiene 450 técnicos para todo el país. Estos son solo dos ejemplos de muchos países desatendidos en todo el mundo. La detección de tantas mujeres con solo un puñado de radiólogos y técnicos radiológicos especializados es simplemente imposible.

Los programas de detección de cáncer de mama a gran escala como la detección de cáncer de mama se caracterizan por grandes volúmenes de pacientes que impulsan la necesidad de flujos de trabajo clínicos eficientes, estandarización de procesos y cuidado, optimización de tareas de informe y administración repetitivas, gestión de pacientes y procesos rentable y cumplimiento de los estándares de acreditación nacionales.

Las soluciones de inteligencia artificial de Densitas abordan estos desafíos con evaluaciones automatizadas de densidad mamaria, riesgo de cáncer de mama y calidad de la imagen clínica.

En última instancia, el objetivo es ayudar a mejorar la detección de cáncer de mama a través de la detección temprana y un mejor tratamiento para salvar vidas.

Densitas también ha lanzado un programa para ayudar al personal de radiología durante la pandemia de COVID-19. ¿Cuál es el programa que se ofrece?

En estos tiempos sin precedentes, el enfoque principal de la atención es necesariamente dedicado a los pacientes críticamente enfermos.

Una consecuencia desafortunada del COVID-19 es que la detección de cáncer de mama ha sido en gran medida suspendida.

Aun así, incluso en las regiones más afectadas, ya estamos viendo que las instalaciones de mamografía están planeando aumentar, comenzando con los exámenes de mamografía diagnósticos y seguidos de los exámenes de detección de mamografía. A medida que sucede, la gran cantidad de pacientes que esperan la detección de cáncer de mama en las próximas semanas y meses (reprogramados y nuevos) presentará un desafío monumental para las instalaciones de mamografía y los sistemas de salud, con el personal de radiología estirado fino.

Será importante garantizar que la calidad de la imagen clínica se mantenga en el nivel más alto a pesar del estrés de la carga de trabajo de imagen sobrecargada. La automatización de la IA de la evaluación de la calidad de la imagen clínica, integrada en una plataforma de análisis y informes comprehensiva, mejorará la preparación para la inspección de la MQSA y liberará recursos cruciales para la atención al paciente. La automatización de la IA de la densidad mamaria y la puntuación de riesgo de cáncer de mama y el informe aumentarán la eficiencia del flujo de trabajo y respaldarán los protocolos de seguimiento personalizados.

Queremos ayudar. Por un tiempo limitado, estamos ofreciendo nuestra plataforma densitas ai ™ como una prueba sin riesgo y sin cargo a los sistemas de salud, hospitales y centros de imagen seleccionados que califiquen.

La plataforma densitas ai ™ (1) ayudará a combatir la carga de trabajo pendiente con la automatización de la IA de las tareas, (2) proporcionará eficiencias de flujo de trabajo que alivien la carga de las tareas tediosas y repetitivas y ayuden a mitigar el agotamiento del personal, (3) aliviará las demandas significativas de recursos y administración de las inspecciones de la Ley de Calidad de Mamografía de la FDA, (4) digitalizará los procesos para maximizar los principios de distanciamiento social en la atención clínica de forma continua.

La plataforma densitas ai ™ se puede implementar de forma remota.

Densitas apoyará y se asociará con 20 sitios. La fecha límite para la inscripción y la calificación es el 30 de junio de 2020 o cuando estemos completamente suscritos, lo que suceda primero.

Haga clic aquí para leer más sobre cómo la IA puede ayudar a reducir el agotamiento en su práctica de mamografía.

Gracias por la entrevista. Hay mucha información importante aquí sobre la salud mamaria. Cualquiera que desee aprender más debe visitar Densitas.