Mo Abdolell, Densitas Inc:n toimitusjohtaja ja perustaja – Haastattelusarja

Mo Abdolell on Densitas Inc:n toimitusjohtaja ja perustaja, yhtiö joka on keskittynyt mammografia-alan yrityksiin ja tarjoaa koneoppimisen ratkaisuja räätälöidystä rintaterveydestä teknologioilla, jotka keskittyvät rintatiheyteen, kliiniseen kuvanlaatuun ja räätälöityyn riskiin.

Mo on myös apulaisprofessori diagnostisessa radiologiassa Dalhousien yliopistossa ja hänellä on 25 vuoden kokemus tutkimussuunnittelusta, tilastollisesta analyysistä ja koneoppimisesta biolääketieteellisessä/ kliinisessä tutkimuksessa.

Voitko kertoa meille matkastasi Densitasin perustamiseen?
Jo nuoresta lähtien halusin parantaa terveyttä maailmanlaajuisesti. Halusin työskennellä maailman terveysjärjestössä jollain tavalla, joka hyödyntäisi matemaattisia taipumuksiani. Se ei kuitenkaan toteutunut. Sen sijaan opiskelin biotilastoa graduate-koulussa Toronton yliopistossa, Dalla Lana School of Public Health, ja valmistuin koneoppimisesta ennen siirtymistäni sairaaloihin ja terveydenhuollon tutkimuslaitoksiin. Olen opettanut ja ohjannut graduate- opiskelijoita eri aloilla, kuten biotilastoa, epidemiologiaa, biolääketieteellistä tekniikkaa ja terveys/ lääketieteellistä tietojenkäsittelyä, keskittyen diagnostiseen kuvantamiseen. Tämä on antanut minulle eturivin paikan tieteenalojen risteyksessä ja osoittanut, miten tekoälyä voidaan käyttää parantamaan potilaiden hoitotuloksia.

Joku, jolla on ollut suuri vaikutus Densitasin perustamiseen, on tohtori Judy Caines, joka oli Nova Scotian rintasyövän seulontaprojektin perustaja Halifaxissa, Kanadassa. Tohtori Caines oli todellinen valokeila ja innovaattori kliinisessä käytännössä, jolla oli ehdoton fokus käytännöllisiin ja kestäviin ratkaisuihin rintaterveyden parantamiseksi. Hänen sitoutumisensa ja intohimonsa olivat inspiroivia. Hän tuki ja kannusti varhaisia tutkimuksiani digitaalisessa mammografiassa, joista yksi johti rintatiheyden mittaamisalgoritmin kehittämiseen. Ensimmäinen asia, jonka tohtori Caines sanoi, kun algoritmi valmistui, oli, että hän halusi käyttää sitä kliinisessä käytännössä. Tämä oli sysäys, joka johti yhtiön perustamiseen, ja se sulki kehäni pitkäaikaiseen toiveeseeni vaikuttaa jollain tavalla maailman terveyteen perustamalla yhteistyön RAD-AID Internationalin kanssa tarjoamaan parempaa rintaterveyttä matalatuloisissa maissa ja lääketieteellisesti aliedustetuissa alueilla maailmassa.

Monille tämä voi tulla yllätyksenä, mutta rintatiheys on tekijä rintasyövän riskissä. Voitko jakaa näkemyksesi tästä?

Rintatiheys viittaa rintakudoksen epiteliaalisiin ja stromaalisiin komponentteihin, ja rintasyövät ilmestyvät yleensä epiteliaalisissa soluissa. Mitä enemmän epiteliaalista kudosta rinnassa on, sitä suurempi on mahdollisuus, että syöpä ilmestyy epiteliaalisissa soluissa.

Lisäksi tiheä rintakudos ja sen alla olevat rintasyövät näkyvät valkoisina mammogrammissa, mikä tarkoittaa, että tiheä kudos voi peittää syövän läsnäolon ja lisätä syövän havaitsemattoman jäämisen riskiä. Itse asiassa puolet naisista on tiheärintaisia, ja puolet rintasyövistä tiheissä rinnassa jäävät havaitsematta.

Nämä faktat ovat yhdenmukaisia tutkimuksen kanssa, joka osoittaa, että naisilla, joilla on erittäin tiheät rinnat, on 4-6 kertaa suurempi riski sairastua rintasyöpään verrattuna naisiin, joilla on rasvainen rinta, ja riskimallit, jotka sisältävät rintatiheyden, ennustavat rintasyöpää paremmin kuin ne, jotka eivät sisällä.

Mitkä ovat erilaiset koneoppimisen teknologiat, joita käytetään rintatiheyden analysointiin?

Korkealla tasolla on kolme perusdata-mallinnusstrategiaa algoritmien kehittämiseen, jotka laskenvat rintatiheyden. Nämä ovat tilastollinen oppiminen, koneoppiminen ja syväoppiminen, joista jokainen edellyttää suurempia merkittyjä koulutusaineistoja. Tilastollinen oppiminen ja koneoppiminen vaativat käsin tehtyjä kuvapiirteitä syötteinä ennustamaan rintatiheyttä. Syväoppiminen ei vaadi käsin tehtyjä kuvapiirteitä, vaan se löytää ne itse saatavilla olevan koulutusaineiston perusteella.

Miten tekoäly voi auttaa vähentämään polttoutumista radiologeilla?

Polttoutuminen on maailman terveysjärjestön mukaan ammatillinen ilmiö, jolle on ominaista uupumus, eristäytyminen, kyynisyys ja vähentynyt ammatillinen sitoutuminen.

Byrokraattiset tehtävät, kuten asiakirjojen täyttäminen, raportointi, hallinnollinen paperityö ja pakollinen akkreditointivastuu, ovat johtavat ilmoitetut syyt polttoutumiselle useimmissa radiologeissa.

Tekoälyn automaatio, joka on integroitu digitalisointiin, voi tarjota paremman raportoinnin ja työnkulkujen tehokkuuden sekä paremman kuvanlaadun ja prosessien hallinnan, joka vapauttaa radiologit tylsistä ja toistuvista raportointi- ja hallinnollisista tehtävistä, jotka johtavat polttoutumiseen. Tällaiset ratkaisut sallivat radiologien omistautua enemmän tulkintatehtäville ja keskittyä potilashoitoon.

Densitas auttaa myös kuvantamisosastoja työnkulkujen tehokkuudessa ja kansallisten ohjeiden noudattamisessa. Voitko kertoa, miten Densitas mahdollistaa tämän?

Lähes 40 osavaltiota Yhdysvalloissa on hyväksynyt lainsäädännön, joka edellyttää, että naiset on ilmoitettava heidän rintatiheydestään. Tämä kattaa yli 85 %:n seulontakelpoisesta väestöstä maassa. Rintatiheys ilmoitetaan visuaalisesti American College of Radiologyn BI-RADS- tiheyttä mukaillen, joka on osoittautunut epäluotettavaksi ja ei ole toistettavissa, aikaa vievä, lisärappausaskel ja häiritsevä pääasiallisesta tehtävästä, joka on syövän havaitseminen.

Yksi tärkeä asia FDA:n Mammografia-laadun standardien laissa (MQSA) on, että johtava tulkitsija vastaa laadunvalvonnan (mukaan lukien korjaavat toimenpiteet) ja potilasasennon ylläpidosta, sekä korjaavista toimista, jos kliininen kuvanlaatu on riittämätön. MQSA edellyttää myös laadunvalvontajärjestelmän perustamista ja siihen liittyvien asiakirjojen ylläpitämistä. MQSA asettaa vaatimukset, mutta ei ole ohjeistuksellinen. Kliininen kuvanlaatu arvioidaan subjektiivisesti eikä ole standardoitu. Laadunvalvontajärjestelmän hallinto, joka keskittyy johtavan tulkitsijan ja johtavan laadunvalvontateknikon vastuulle, ei yleensä digitalisoida, on hyvin aikaa vievä ja ei ole korvattavissa. Kuitenkin mammografia-laitoksen akkreditointi riippuu laitoksen kyvystä osoittaa tällaisen järjestelmän tehokkaan toiminnan.

Densitasin densitasai-pohjainen alusta tarjoaa tekoälyn automaation rintatiheydelle, kliiniselle kuvanlaadulle ja rintasyövän riskiarviolle mammogrammitasolla ja myös kliniikassa ja terveydenhuoltojärjestelmän tasolla edistyneen verkkopohjaisen analytiikan kautta.

Integroituminen teollisuuden johtajien, kuten Nuance, ikonopedia, Three Palm Software ja suurten PACS-valmistajien kanssa, varmistaa, että rintatiheys, kuvanlaatu ja riskipisteet upotetaan järjestelmiin, jotka ovat jo vakiintuneet radiologien raportoinnissa ja työnkulussa, poistaa transkriptiovirheitä, parantaa raportoinnin nopeutta ja priorisoi tutkimukset tarkastelua varten.

Edistynyt verkkopohjainen upotettu analytiikkajärjestelmä tarjoaa automaattisen raportoinnin ja auditoinnin, digitalisoidut työnkulut, laajamittaisen laadunvalvonnan ja suorituskyvyn seurannan sekä resurssien ja hallinnollisten tehtävien automaation.

Voitko keskustella Densitasin yhteistyöstä RAD-AID Internationalin kanssa ja siitä, miten se auttaa vähävaraisia alueita?
Yhteistyön tavoitteena on tarjota matalaresurssisille laitoksille koulutusta, kliinistä tukea ja käytännön koulutusta, jotta he voivat omaksua kestäviä mammografia-käytäntöjä, jotka hyödyntävät käytännöllisiä tekoälysovelluksia. Rintakuvantamisosastoille osallistuville laitoksille ohjelma on tarkoitus edistää potilashoitoa ja parantaa varhaisen taudin havaitsemista.

Kenia on maa, jossa on lähes 5 miljoonaa naista, jotka ovat oikeutettuja seulontamammografiaan, mutta siellä on vain 3 koulutettua rintakuvantaja-lääkäriä koko maassa. Tansania on maa, jossa on 58 miljoonaa ihmistä, mutta siellä on vain 450 teknologiaa koko maassa. Nämä ovat vain kaksi esimerkkiä monista vähävaraisista maista maailmassa. Näin suuren määrän naisten seulontaa on vaikea tehdä vain muutamalla erikoistuneella rintakuvantaja-lääkärillä ja radiologisen teknikon kanssa.

Laajamittaiset väestötasoiset seulontaprogrammit, kuten rintasyövän seulonta, ovat tyypillisesti korkean potilasmäärän ohjelmat, jotka edellyttävät tehokkaita työnkuluja, prosessien standardisointia, toistuvien raportointi- ja hallinnollisten tehtävien optimointia, kustannustehokkaita potilas- ja prosessien hallintaa sekä kansallisten akkreditointistandardien noudattamista.

Densitasin tekoälyratkaisut vastaavat näihin haasteisiin automaattisilla rintatiheyden, rintasyövän riskin ja kliinisen kuvanlaadun arvioilla.

Lopulta tavoitteena on parantaa rintasyövän seulontaa varhaisemman havaitsemisen ja paremman hoidon kautta ja pelastaa elämä.

Densitas on myös käynnistänyt ohjelman, joka auttaa radiologian henkilöstöä COVID-19-pandemian aikana. Mitä ohjelmaa tarjotaan?

Näissä poikkeuksellisissa olosuhteissa ensisijainen hoito on keskittynyt kriittisesti sairaisiin potilaisiin.

Valitettavasti COVID-19:n seuraus on, että rintasyövän seulonta on suurelta osin keskeytetty.

Kuitenkin jopa kovimmin kärsineillä alueilla mammografia-laitokset suunnittelevat jo seulontatutkimusten käynnistämistä uudelleen, alkaen diagnostisista ja jatkuen seulontatutkimuksista. Kun tämä tapahtuu, potilaiden määrä, jotka odottavat rintaseulontaa tulevina viikkoina ja kuukausina (uudelleenohjattuja ja uusia), tulee esittämään valtavan haasteen mammografia-laitoksille ja terveydenhuoltojärjestelmille, ja radiologian henkilöstö on jo kovilla.

On tärkeää varmistaa, että kliininen kuvanlaatu säilyy korkeimmalla tasolla, vaikka kuvantamisen määrä on suuri. Tekoälyn automaatio kliinisen kuvanlaadun arvioinnissa, joka on integroitu kattavaan analytiikka- ja raportointialusta, parantaa MQSA-tarkastusvalmiutta ja vapauttaa tärkeitä resursseja potilashoitoon. Tekoälyn automaatio rintatiheyden ja rintasyövän riskin arvioinnissa ja raportoinnissa parantaa työnkulkujen tehokkuutta ja tukee räätälöityjä seurantatutkimuksia.

Halumme auttaa. Rajatulla aikajänteellä tarjoamme densitasai-pohjaista alustaa ilman riskejä ja maksua valituille terveydenhuoltojärjestelmille, sairaaloille ja kuvantamislaitoksille.

Densitasai-pohjainen alusta (1) auttaa taistelussa tulvivassa tutkimusjonoa tekoälyn automaation avulla, (2) tarjoaa työnkulkujen tehokkuutta, joka vähentää tylsien, (3) aikaa vievien ja toistuvien tehtävien taakkaa ja auttaa lievittämään henkilöstön polttoutumista, (4) helpottaa merkittäviä resursseja ja hallinnollisia vaatimuksia FDA:n Mammografia-laadun standardien lakia koskevissa tarkastuksissa, (5) digitalisoi prosesseja sosiaalisen etäisyyden periaatteiden mukaisesti kliinisessä hoidossa jatkuvasti.

Densitasai-pohjainen alusta voidaan ottaa käyttöön etäyhteydellä.

Densitas tulee tukemaan 20 laitosta. Ilmoittautumis- ja kelpoisuusmääräaika on 30. kesäkuuta 2020 tai kun olemme täysin tilattu, kumpi tahansa ensin.

Voit lukea lisää siitä, miten tekoäly voi auttaa vähentämään polttoutumista mammografia-käytännössäsi.

Kiitos haastattelusta. Tässä on paljon tärkeää tietoa rintaterveydestä. Kaikki, jotka haluavat oppia lisää, voivat vierailla Densitasilla.