Mo Abdolell, PDG et fondateur, Densitas Inc – Série d’entretiens

Mo Abdolell est le PDG et fondateur de Densitas Inc., une entreprise axée sur l’entreprise de mammographie qui propose des solutions d’apprentissage automatique pour une santé personnalisée des seins avec des technologies axées sur la densité des seins, la qualité des images cliniques et les risques adaptés.

Mo est également professeur associé, radiologie diagnostique, Université Dalhousie, et en tant que biostatisticien consultant, il a 25 ans d’expérience dans la conception d’études, l’analyse statistique et l’apprentissage automatique dans la recherche biomédicale/clinique.

Pouvez-vous nous raconter votre parcours derrière le lancement de Densitas, Inc. ?

Dès que je me souviens, j’ai voulu améliorer la santé des populations défavorisées dans le monde. J’ai voulu travailler pour l’Organisation mondiale de la santé d’une manière ou d’une autre qui utilisait bien mes inclinations mathématiques. Eh bien, cela n’a jamais vraiment fonctionné. Au lieu de cela, j’ai étudié la biostatistique à l’école de santé publique Dalla Lana, Université de Toronto, en terminant ma thèse en apprentissage automatique avant de travailler dans des hôpitaux et des institutions de recherche en santé. J’ai enseigné et supervisé des étudiants de troisième cycle dans des domaines divers, notamment la biostatistique, l’épidémiologie, la génie biomédical et l’informatique de santé/médicale, avec un accent sur l’imagerie diagnostique. Cela m’a donné un siège au premier rang à l’intersection de diverses disciplines scientifiques et m’a donné une perspective large sur la façon dont l’intelligence artificielle peut être utilisée pour offrir de meilleurs résultats pour les patients.

Quelqu’un qui a eu un grand impact sur la décision de lancer Densitas a été le Dr Judy Caines, qui était le directeur médical fondateur du Programme de dépistage du sein de la Nouvelle-Écosse à Halifax, au Canada. Le Dr Caines était un véritable luminaire et innovateur dans sa pratique clinique avec un focus inébranlable sur la réalisation de solutions pratiques et durables pour améliorer la qualité des soins et les résultats pour les patients dans la santé des seins des femmes. Son engagement et son drive absolus pour l’excellence étaient inspirants. Elle a soutenu et encouragé mes premières investigations en mammographie numérique, dont l’une a conduit au développement d’un algorithme pour mesurer la densité des seins telle qu’elle apparaît dans une mammographie. La toute première chose que le Dr Caines a dite lorsque l’algorithme a été terminé, c’est qu’elle voulait l’utiliser dans la pratique clinique. C’était la poussée qui a conduit au lancement de l’entreprise, fermant ainsi la boucle sur mon désir de longue date de contribuer d’une manière ou d’une autre à l’amélioration de la santé mondiale en établissant un partenariat avec RAD-AID International pour offrir une meilleure santé des seins dans les pays à faible revenu et les régions médicalement défavorisées du monde.

Il peut surprendre beaucoup de personnes que la densité des seins soit un facteur de risque de cancer du sein. Pouvez-vous partager vos vues sur ce sujet ?

La densité des seins fait référence à la quantité de composants épithéliaux et stromaux du tissu mammaire, et les cancers du sein apparaissent le plus souvent dans les cellules épithéliales. Donc, plus il y a de tissu épithélial dans le sein, plus il y a de chances que le cancer apparaisse dans les cellules épithéliales.

En outre, les tissus mammaires denses et les cancers du sein sous-jacents apparaissent tous les deux en blanc sur une mammographie, ce qui signifie que les tissus denses peuvent masquer la présence du cancer et augmenter le risque de manquer le cancer. En fait, la moitié des femmes ont des seins denses, et la moitié des cancers du sein dans les seins denses sont manqués.

Ces faits sont cohérents avec les recherches qui montrent que les femmes ayant des seins extrêmement denses ont un risque 4 à 6 fois plus élevé d’avoir un cancer du sein par rapport aux femmes ayant des seins graisseux, et les modèles de risque qui intègrent la densité des seins prédisent mieux le cancer du sein que ceux qui ne le font pas.

Quelles sont les différentes technologies d’apprentissage automatique utilisées pour analyser la densité des seins ?

À un niveau élevé, il existe essentiellement trois stratégies de modélisation de données pour construire des algorithmes qui calculent la densité des seins. Ceux-ci incluent l’apprentissage statistique, l’apprentissage automatique et l’apprentissage profond, avec chaque approche successive exigeant des ensembles de données d’entraînement étiquetés de plus en plus grands. Les algorithmes d’apprentissage statistique et d’apprentissage automatique nécessitent des fonctionnalités d’image créées manuellement pour être développées en tant qu’entrées pour prédire la densité des seins. L’apprentissage profond ne nécessite pas de fonctionnalités d’image créées manuellement pour être développées, mais découvre plutôt ces fonctionnalités lui-même, motivé par les données d’entraînement disponibles.

Comment l’IA peut-elle aider à réduire l’épuisement professionnel des radiologues ?

L’épuisement professionnel est reconnu par l’Organisation mondiale de la santé comme un « phénomène professionnel » caractérisé par des sentiments d’épuisement, d’isolement, de cynisme et de diminution de l’engagement professionnel.

Les tâches bureaucratiques comme la documentation, la rédaction de rapports, les formalités administratives et les responsabilités d’accréditation obligatoires sont les principales causes d’épuisement professionnel pour la majorité des radiologues.

L’automatisation de l’IA intégrée à la numérisation peut offrir de meilleures efficacités de rapport et de flux de travail, ainsi que de meilleures qualités d’image et une meilleure gestion des processus, qui libèrent les radiologues des tâches de rapport et administratives fastidieuses et répétitives qui conduisent à l’épuisement professionnel. De telles solutions permettent aux radiologues de consacrer plus de temps aux tâches interprétatives et de se concentrer sur les soins aux patients.

Densitas aide également les services d’imagerie à améliorer les flux de travail et à se conformer aux lignes directrices nationales. Pouvez-vous nous expliquer comment Densitas permet cela ?

Près de 40 États à travers les États-Unis ont adopté des législations sur la notification de la densité des seins qui obligent les femmes à être informées de leur densité des seins. Cela couvre plus de 85 % de la population éligible à la mammographie dans le pays. La densité des seins est rapportée visuellement selon l’échelle de densité BI-RADS de l’American College of Radiology, qui s’est avérée peu fiable et non reproductible, chronophage, une étape de rapport supplémentaire et distrayant de la tâche principale de détection du cancer.

Un aspect clé de la loi sur les normes de qualité de la mammographie de la FDA (MQSA) est que le médecin chef d’interprétation doit s’assurer de la maintenance et de la mise à jour appropriées des dossiers concernant le contrôle de la qualité (y compris les mesures correctives) et la positionnement des patients, ainsi que les mesures correctives en cas de qualité d’image clinique inadéquate. De plus, la loi MQSA exige l’établissement d’un programme de qualité et la maintenance des dossiers associés. La loi MQSA définit des normes mais n’est pas prescriptive dans ses exigences. La qualité des images cliniques est évaluée de manière subjective et non standardisée. L’administration d’un système de qualité axé sur les responsabilités du médecin chef d’interprétation et du technicien de contrôle de la qualité n’est pas typiquement numérisée, est très chronophage et non remboursable. Pourtant, l’accréditation des installations de mammographie repose sur la capacité d’une installation à démontrer la mise en œuvre effective d’un tel système.

La plate-forme densitasai™ offre une automatisation de l’IA de la densité des seins, de la qualité des images cliniques et de l’évaluation du risque de cancer du sein au niveau de la mammographie, ainsi qu’au niveau de la clinique et du système de santé, grâce à une interface d’analyse Web avancée.

Les intégrations avec des leaders de l’industrie, notamment Nuance, ikonopedia, Three Palm Software et les principaux fournisseurs de PACS, garantissent que la densité des seins, la qualité des images et les scores de risque sont automatiquement intégrés dans les systèmes déjà bien établis dans les flux de travail et les rapports des radiologues, éliminant les erreurs de transcription, améliorant la vitesse de rapport et donnant la priorité aux études pour examen.

Le système d’analyse Web intégré offre un rapport et une audition automatisés, des flux de travail numérisés, un contrôle de la qualité et une analyse des performances et de l’utilisation des ressources à l’échelle du système de santé, ainsi que l’automatisation des tâches administratives.

Pouvez-vous discuter du partenariat de Densitas avec RAD-AID International et de la façon dont il aide les régions défavorisées ?

L’objectif du partenariat est de fournir aux institutions à faibles ressources une éducation, un soutien clinique et une formation pratique pour qu’elles puissent adopter des pratiques de mammographie durables qui tirent parti d’applications pratiques alimentées par l’IA. Pour les services d’imagerie du sein dans les établissements participants, le programme devrait aider à améliorer la qualité de la prise de décision pour les patients et à améliorer la détection précoce des maladies.

Le Kenya est un pays avec près de 5 millions de femmes éligibles à la mammographie de dépistage, mais il n’y a que 3 radiologues spécialisés en imagerie du sein dans tout le pays. La Tanzanie est un pays de 58 millions de personnes, mais il n’y a que 450 techniciens pour tout le pays. Ce ne sont que deux exemples de nombreux pays défavorisés dans le monde. Effectuer un dépistage de mammographie pour autant de femmes avec seulement une poignée de radiologues et de techniciens de radiologie formés est tout simplement impossible.

Les programmes de dépistage à grande échelle, tels que le dépistage du cancer du sein, sont caractérisés par des volumes de patients élevés qui nécessitent des flux de travail cliniques efficaces, une standardisation des processus et des soins, une optimisation des tâches de rapport et administratives répétitives, une gestion des patients et des processus rentable, ainsi que le respect des normes d’accréditation nationales.

Les solutions d’IA de Densitas répondent à ces défis avec des évaluations automatisées de la densité des seins, du risque de cancer du sein et de la qualité des images cliniques.

En fin de compte, l’objectif est d’aider à améliorer le dépistage du cancer du sein grâce à une détection plus précoce et à de meilleurs traitements pour sauver des vies.

Densitas a également lancé un programme pour aider le personnel de radiologie pendant la pandémie de COVID-19. Quel est le programme proposé ?

En ces temps sans précédent, l’attention principale des soins est nécessairement consacrée aux patients gravement malades.

Une conséquence malheureuse de la COVID-19 est que le dépistage du cancer du sein a été en grande partie mis en veilleuse.

Cependant, même dans les régions les plus touchées, nous voyons déjà des installations de mammographie qui planifient de relancer, en commençant par les examens de mammographie diagnostique, suivis des examens de dépistage. Lorsque cela se produira, le nombre élevé de patients qui attendent un dépistage du sein dans les semaines et les mois à venir (réprogrammés et nouveaux) présentera un défi monumental pour les installations de mammographie et les systèmes de santé, avec le personnel de radiologie étiré à la limite.

Il sera important de s’assurer que la qualité des images cliniques est maintenue au niveau le plus élevé malgré le stress de la charge de travail d’imagerie surchargée. L’automatisation de l’IA de l’évaluation de la qualité des images cliniques, intégrée dans une plate-forme d’analyse et de rapport complète, renforcera la préparation à l’inspection de la MQSA et libérera des ressources essentielles pour les soins aux patients. L’automatisation de l’IA de la densité des seins et de la notation du risque de cancer du sein et du rapport augmentera l’efficacité du flux de travail et soutiendra les protocoles de dépistage de suivi adaptés.

Nous voulons aider. Pour une période limitée, nous proposons notre plate-forme densitasai™ sans risque et sans frais pour les systèmes de santé, les hôpitaux et les centres d’imagerie médicale sélectionnés.

La plate-forme densitasai™ (1) aidera à lutter contre l’accumulation imminente de tâches avec l’automatisation de l’IA, (2) offrira des efficacités de flux de travail qui réduiront la charge des tâches fastidieuses et répétitives, et aideront à atténuer l’épuisement professionnel du personnel, (3) soulagera les demandes de ressources et administratives significatives des inspections de la loi sur les normes de qualité de la mammographie de la FDA, (4) numérisera les processus pour maximiser les principes de distanciation sociale dans les soins cliniques de manière continue.

La plate-forme densitasai™ peut être déployée à distance.

Densitas soutiendra 20 sites. La date limite d’inscription et de qualification est le 30 juin 2020 ou lorsque nous serons pleins, selon la première éventualité.

Cliquez ici pour en savoir plus sur la façon dont l’IA peut aider à réduire l’épuisement professionnel dans votre pratique de mammographie.

Merci pour l’entretien. Il y a beaucoup d’informations importantes ici sur la santé des seins. Quiconque qui souhaite en savoir plus devrait visiter Densitas.