Mo Abdolell, CEO e Fondatore, Densitas Inc – Serie di Interviste

Mo Abdolell è CEO e Fondatore di Densitas Inc., un’azienda focalizzata sull’impresa di mammografia che fornisce soluzioni di apprendimento automatico per la salute personale del seno con tecnologie focalizzate sulla densità del seno, sulla qualità clinica delle immagini e sul rischio personalizzato.

Mo è anche Professore Associato di Radiologia Diagnostica presso l’Università di Dalhousie e, in quanto biostatistico consulente, ha 25 anni di esperienza nella progettazione di studi, nell’analisi statistica e nell’apprendimento automatico nella ricerca biomedica e clinica.

Ci può guidare attraverso il suo percorso dietro il lancio di Densitas, Inc.?

Fin da quando posso ricordare, ho voluto aiutare a migliorare la salute delle popolazioni sottoservite a livello globale. Volevo lavorare per l’Organizzazione Mondiale della Sanità in qualche modo che facesse buon uso delle mie inclinazioni matematiche. Ebbene, non è mai andato proprio così. Invece, ho studiato biostatistica alla scuola di salute pubblica Dalla Lana dell’Università di Toronto, completando la mia tesi sull’apprendimento automatico prima di andare a lavorare in ospedali e istituti di ricerca sanitaria. Ho insegnato e supervisionato studenti di laurea in aree diverse, tra cui biostatistica, epidemiologia, ingegneria biomedica e informatica sanitaria, con un focus sull’imaging diagnostico. Ciò mi ha dato un posto in prima fila all’incrocio di diverse discipline scientifiche e mi ha dato una prospettiva ampia su come l’intelligenza artificiale possa essere utilizzata per fornire migliori risultati per i pazienti.

Qualcuno che ha avuto un grande impatto sulla decisione di lanciare Densitas è stato il Dr. Judy Caines, che era il direttore medico fondatore del Programma di Screening del Seno della Nuova Scozia a Halifax, in Canada. Il Dr. Caines era un vero luminare e innovatore nella sua pratica clinica con un focus inesorabile sull’ottenimento di soluzioni pratiche e sostenibili per migliorare la qualità delle cure e i risultati per i pazienti nella salute del seno delle donne. Il suo impegno e la sua guida assoluti per l’eccellenza erano ispiratori. Ha sostenuto e incoraggiato le mie prime indagini nella mammografia digitale, una delle quali ha portato allo sviluppo di un algoritmo per misurare la densità del seno come appare in una mammografia. La prima cosa che il Dr. Caines ha detto quando l’algoritmo è stato completato è che voleva utilizzarlo nella pratica clinica. Questo è stato il colpo di spinta che ha portato al lancio dell’azienda, chiudendo finalmente il cerchio sulla mia lunga standing desiderio di contribuire in qualche modo a migliorare la salute globale stabilendo una partnership con RAD-AID International per fornire una migliore salute del seno nei paesi a basso reddito e nelle regioni sottoservite del mondo.

Potrebbe condividere con noi le sue opinioni sul fatto che la densità del seno sia un fattore nel rischio di cancro al seno?

La densità del seno si riferisce alla quantità di componenti epiteliali e stromali del tessuto del seno, e i cancri al seno appaiono più comunemente nelle cellule epiteliali. Quindi, più tessuto epiteliale nel seno, maggiore è la possibilità che il cancro appaia nelle cellule epiteliali.

Inoltre, il tessuto del seno denso e i cancri al seno sottostanti appaiono entrambi bianchi in una mammografia, il che significa che il tessuto denso può mascherare la presenza del cancro e aumentare il rischio di perdere il cancro. In effetti, metà delle donne hanno seni densi, e metà dei cancri al seno nei seni densi vengono persi.

Questi fatti sono coerenti con la ricerca che mostra che le donne con seni estremamente densi hanno un rischio di cancro al seno aumentato di 4-6 volte rispetto alle donne con seni grassi, e i modelli di rischio che incorporano la densità del seno prevedono meglio il cancro al seno di quelli che non lo fanno.

Quali sono le diverse tecnologie di apprendimento automatico utilizzate nell’analisi della densità del seno?

A un livello alto, ci sono essenzialmente tre strategie di modellazione dei dati per la costruzione di algoritmi che calcolano la densità del seno. Queste includono l’apprendimento statistico, l’apprendimento automatico e l’apprendimento profondo, con ogni approccio successivo che richiede set di dati di addestramento etichettati sempre più grandi. Gli algoritmi di apprendimento statistico e di apprendimento automatico richiedono la creazione di caratteristiche di immagine manuali da utilizzare come input per prevedere la densità del seno. L’apprendimento profondo non richiede la creazione di caratteristiche di immagine manuali, ma piuttosto le scopre da solo guidato dai dati di addestramento disponibili.

Come può l’AI aiutare a ridurre l’esaurimento per i radiologi?

L’esaurimento è riconosciuto dall’Organizzazione Mondiale della Sanità come un ‘fenomeno occupazionale’ caratterizzato da sentimenti di esaurimento, isolamento, cinismo e ridotta partecipazione professionale.

I compiti burocratici come la registrazione, la segnalazione, la carta di lavoro amministrativa e le responsabilità di accreditamento obbligatorio sono le principali cause di esaurimento segnalate dalla maggior parte dei radiologi.

L’automazione dell’AI integrata con la digitalizzazione può fornire una migliore segnalazione e efficienze di flusso di lavoro, nonché una migliore qualità delle immagini e una gestione dei processi migliorata che liberano i radiologi da compiti di segnalazione e amministrativi tediosi e ripetitivi che portano all’esaurimento. Tali soluzioni consentono ai radiologi di dedicare più tempo alle attività interpretative e di concentrarsi sulle cure per i pazienti.

Densitas aiuta anche i dipartimenti di imaging con le efficienze di flusso di lavoro e la conformità con le linee guida nazionali. Potrebbe condividere con noi come Densitas consente ciò?

Quasi 40 stati negli Stati Uniti hanno approvato la legislazione sulla notifica della densità del seno che obbliga le donne a essere informate della loro densità del seno. Ciò copre oltre l’85% della popolazione idonea per lo screening in tutto il paese. La densità del seno è segnalata visivamente secondo la scala di densità BI-RADS dell’American College of Radiology, che si è dimostrata essere poco affidabile e non riproducibile, lunga e aggiuntiva, un passo di segnalazione aggiuntivo e distante dall’obiettivo principale della rilevazione del cancro.

Un aspetto chiave dell’Atto di Qualità della Mammografia della FDA (MQSA) è che il Medico Interpretante Principale deve assicurarsi della corretta manutenzione e aggiornamento dei registri relativi al controllo della qualità (inclusi gli interventi correttivi) e della posizione del paziente, e degli interventi correttivi in caso di qualità clinica delle immagini inadeguata. Inoltre, il MQSA richiede l’istituzione di un programma di garanzia della qualità e la manutenzione dei registri associati. Il MQSA stabilisce gli standard ma non è prescrittivo nelle sue richieste. La qualità clinica delle immagini è soggettivamente valutata e non standardizzata. L’amministrazione di un sistema di garanzia della qualità focalizzato sulle responsabilità del Medico Interpretante Principale e del tecnico di controllo della qualità non è tipicamente digitalizzata, è molto lunga e non è reimputabile. Eppure, l’accreditamento della struttura di mammografia dipende dalla capacità di dimostrare l’attuazione efficace di un tale sistema.

La piattaforma densitasai™ fornisce l’automazione dell’AI per la densità del seno, la qualità clinica delle immagini e la valutazione del rischio di cancro al seno al livello della mammografia, nonché a livello di studio e di sistema sanitario attraverso un’interfaccia di analisi web avanzata.

Le integrazioni con i leader del settore, tra cui Nuance, ikonopedia, Three Palm Software e i principali fornitori di PACS, garantiscono che la densità del seno, la qualità delle immagini e i punteggi di rischio siano automaticamente incorporati nei sistemi già ben stabiliti nei flussi di lavoro e nella segnalazione dei radiologi, eliminando gli errori di trascrizione, migliorando la velocità di segnalazione e priorizzando gli studi per la revisione.

Il sistema di analisi web avanzato fornisce una segnalazione e un’auditing automatizzati, flussi di lavoro digitalizzati, un controllo della qualità e una valutazione delle prestazioni a livello di sistema sanitario e un’automazione dei compiti amministrativi.

Può discutere la partnership di Densitas con RAD-AID International e come aiuta le regioni sottoservite?
L’obiettivo della partnership è fornire alle istituzioni a bassa risorsa l’istruzione, il supporto clinico e la formazione pratica in modo che possano adottare pratiche di mammografia sostenibili che sfruttino applicazioni pratiche alimentate dall’AI. Per i dipartimenti di imaging del seno nelle istituzioni partecipanti, il programma è previsto per aiutare a migliorare la qualità della gestione decisionale dei pazienti e a migliorare la rilevazione precoce della malattia.

Il Kenya è un paese con quasi 5 milioni di donne idonee per la mammografia di screening, ma ci sono solo 3 radiologi del seno formati nel paese. La Tanzania è un paese di 58 milioni di persone, ma ha solo 450 tecnici per l’intero paese. Questi sono solo due esempi di molti paesi sottoserviti in tutto il mondo. Lo screening di così tante donne con solo un pugno di radiologi e tecnici del seno formati è semplicemente impossibile.

I programmi di screening di massa come lo screening del cancro al seno sono caratterizzati da volumi di pazienti elevati che richiedono flussi di lavoro clinici efficienti, standardizzazione dei processi e delle cure, ottimizzazione dei compiti di segnalazione e amministrativi ripetitivi, gestione dei pazienti e dei processi a basso costo e conformità con gli standard di accreditamento nazionali.

Le soluzioni di intelligenza artificiale di Densitas affrontano queste sfide con valutazioni automatizzate della densità del seno, del rischio di cancro al seno e della qualità clinica delle immagini.

Infine, l’obiettivo è aiutare a migliorare lo screening del cancro al seno attraverso una rilevazione precoce e una migliore cura per salvare vite.

Densitas ha anche lanciato un programma per aiutare il personale di radiologia durante la pandemia di COVID-19. Qual è il programma offerto?

In questi tempi senza precedenti, la principale attenzione dell’assistenza è necessariamente dedicata ai pazienti gravemente malati.

Una conseguenza sfortunata del COVID-19 è che lo screening del cancro al seno è stato in gran parte messo in pausa.

Yet, anche nelle regioni più colpite, stiamo già vedendo le strutture di mammografia che pianificano di aumentare la capacità, iniziando con la mammografia diagnostica e seguita dalla prenotazione degli esami di screening. Mentre ciò accade, il numero enorme di pazienti in attesa di screening del seno nelle prossime settimane e mesi (prenotazioni riprogrammate e nuove) presenterà una sfida monumentale per le strutture di mammografia e i sistemi sanitari, con il personale di radiologia teso al massimo.

Sarà importante assicurarsi che la qualità clinica delle immagini sia mantenuta al massimo standard nonostante lo stress del carico di lavoro di imaging sovraccaricato. L’automazione dell’AI per la valutazione della qualità clinica delle immagini, integrata in una piattaforma di analisi e segnalazione completa, aumenterà la preparazione per l’ispezione del MQSA e libererà risorse cruciali per le cure dei pazienti. L’automazione dell’AI per la valutazione della densità del seno e del rischio di cancro al seno e la segnalazione aumenteranno l’efficienza del flusso di lavoro e supporteranno i protocolli di screening personalizzati.

Vogliamo aiutare. Per un periodo limitato, stiamo offrendo la nostra piattaforma densitasai™ come prova senza rischi e senza addebiti per sistemi sanitari, ospedali e centri di imaging selezionati.

La piattaforma densitasai™ (1) aiuterà a combattere l’imminente arretrato con l’automazione dell’AI dei compiti, (2) fornirà efficienze di flusso di lavoro che ridurranno il carico dei compiti tediosi e ripetitivi e aiuteranno a mitigare l’esaurimento del personale, (3) allevierà le richieste amministrative e di risorse significative delle ispezioni del MQSA, (4) digitalizzerà i processi per massimizzare i principi di distanziamento sociale nell’assistenza clinica in modo continuo.

La piattaforma densitasai™ può essere distribuita in remoto.

Densitas supporterà 20 siti. La scadenza per la registrazione e la qualificazione è il 30 giugno 2020 o quando saremo completamente iscritti, a seconda di cosa accada per primo.

Clicca qui per leggere di più su come l’AI può aiutare a ridurre l’esaurimento nella tua pratica di mammografia.

Grazie per l’intervista. Ci sono molte informazioni importanti qui sulla salute del seno. Chiunque che desideri saperne di più dovrebbe visitare Densitas.