ການສໍາພາດ
Mo Abdolell, CEO & ຜູ້ກໍ່ຕັ້ງ, Densitas Inc – ຊຸດສໍາພາດ
Mo Abdolell ເປັນ CEO / ຜູ້ກໍ່ຕັ້ງຂອງ Densitas Inc., ບໍລິສັດທີ່ສຸມໃສ່ວິສາຫະກິດ mammography ທີ່ສະຫນອງການແກ້ໄຂການຮຽນຮູ້ເຄື່ອງຈັກສໍາລັບສຸຂະພາບເຕົ້ານົມສ່ວນບຸກຄົນທີ່ມີເຕັກໂນໂລຢີທີ່ສຸມໃສ່ຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມ, ຄຸນນະພາບຮູບພາບທາງດ້ານການຊ່ວຍ, ຄວາມສ່ຽງທີ່ເຫມາະສົມ.
Mo ຍັງເປັນຮອງສາດສະດາຈານ, ວິນິດໄສວິນິດໄສ, ມະຫາວິທະຍາໄລ Dalhousie ແລະເປັນ biostatistician ທີ່ປຶກສາມີປະສົບການ 25 ປີໃນການອອກແບບການສຶກສາ, ການວິເຄາະສະຖິຕິແລະການຮຽນຮູ້ເຄື່ອງຈັກໃນການຄົ້ນຄວ້າທາງຊີວະພາບ / ທາງດ້ານການຊ່ວຍ.
ທ່ານສາມາດຍ່າງໃຫ້ພວກເຮົາຜ່ານການເດີນທາງຂອງທ່ານຢູ່ເບື້ອງຫຼັງການເປີດຕົວ Densitas, Inc?
ຕັ້ງແຕ່ຕົ້ນທີ່ຂ້ອຍສາມາດຈື່ໄດ້, ຂ້ອຍຢາກຊ່ວຍປັບປຸງສຸຂະພາບຂອງປະຊາກອນທີ່ຂາດແຄນໃນທົ່ວໂລກ. ຂ້ອຍຢາກເຮັດວຽກໃຫ້ອົງການອະນາໄມໂລກໃນບາງຄວາມສາມາດທີ່ມີປະໂຫຍດດ້ານຄະນິດສາດຂອງຂ້ອຍ. ດີທີ່ບໍ່ເຄີຍເຮັດວຽກອອກ. ແທນທີ່ຈະ, ຂ້າພະເຈົ້າໄດ້ສຶກສາຊີວະສະຖິຕິໃນໂຮງຮຽນຈົບການສຶກສາທີ່ໂຮງຮຽນສາທາລະນະສຸກ Dalla Lana, ມະຫາວິທະຍາໄລ Toronto, ສໍາເລັດທິດສະດີຂອງຂ້າພະເຈົ້າໃນການຮຽນຮູ້ເຄື່ອງຈັກກ່ອນທີ່ຈະໄປເຮັດວຽກຢູ່ໃນໂຮງຫມໍແລະສະຖາບັນການຄົ້ນຄວ້າສຸຂະພາບ. ຂ້າພະເຈົ້າໄດ້ສອນ ແລະ ເບິ່ງແຍງນັກສຶກສາຈົບການສຶກສາໃນຂົງເຂດຕ່າງໆ ລວມທັງຊີວະສະຖິຕິ, ພະຍາດລະບາດ, ວິສະວະກຳຊີວະການແພດ ແລະ ຂໍ້ມູນຂ່າວສານດ້ານສຸຂະພາບ/ການແພດ ໂດຍເນັ້ນໃສ່ການວິນິດໄສພາບ. ນີ້ເຮັດໃຫ້ຂ້ອຍມີບ່ອນນັ່ງແຖວຫນ້າຢູ່ໃນຈຸດຕັດກັນຂອງລະບຽບວິໄນວິທະຍາສາດທີ່ຫຼາກຫຼາຍແລະໄດ້ໃຫ້ຂ້ອຍມີທັດສະນະທີ່ກວ້າງຂວາງກ່ຽວກັບວິທີການປັນຍາປະດິດສາມາດນໍາໃຊ້ເພື່ອໃຫ້ຜົນໄດ້ຮັບທີ່ດີກວ່າຂອງຄົນເຈັບ.
ບາງຄົນທີ່ມີຜົນກະທົບອັນໃຫຍ່ຫຼວງຕໍ່ການຕັດສິນໃຈເປີດຕົວ Densitas ແມ່ນທ່ານດຣ Judy Caines, ຜູ້ທີ່ເປັນຜູ້ກໍ່ຕັ້ງທາງການແພດຂອງໂຄງການ Nova Scotia Breast Screening Program ໃນ Halifax, Canada. ທ່ານດຣ. Caines ເປັນຜູ້ປະດິດສ້າງ ແລະເປັນຜູ້ປະດິດສ້າງອັນແທ້ຈິງໃນການປະຕິບັດທາງດ້ານການຊ່ວຍຂອງນາງ ໂດຍເນັ້ນໜັກຢ່າງບໍ່ຢຸດຢັ້ງ ໃນການບັນລຸວິທີແກ້ໄຂທີ່ປະຕິບັດໄດ້ ແລະຍືນຍົງໃນການປັບປຸງຄຸນນະພາບຂອງການດູແລ ແລະຜົນໄດ້ຮັບຂອງຄົນເຈັບໃນສຸຂະພາບເຕົ້ານົມຂອງແມ່ຍິງ. ຄວາມມຸ່ງໝັ້ນອັນແທ້ຈິງຂອງນາງ ແລະການຂັບລົດເພື່ອຄວາມເປັນເລີດແມ່ນເປັນແຮງບັນດານໃຈ. ນາງໄດ້ສະຫນັບສະຫນູນແລະຊຸກຍູ້ການສືບສວນໃນຕອນຕົ້ນຂອງຂ້ອຍໃນ mammography ດິຈິຕອນ, ຫນຶ່ງໃນນັ້ນນໍາໄປສູ່ການພັດທະນາລະບົບວິທີການວັດແທກຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມຕາມທີ່ມັນປາກົດຢູ່ໃນ mammogram. ສິ່ງທໍາອິດທີ່ດຣ Caines ເວົ້າໃນເວລາທີ່ algorithm ສໍາເລັດແມ່ນວ່ານາງຕ້ອງການໃຊ້ມັນໃນການປະຕິບັດທາງດ້ານການຊ່ວຍ. ນີ້ແມ່ນການກະຕຸ້ນທີ່ນໍາໄປສູ່ການເປີດຕົວຂອງບໍລິສັດ, ໃນທີ່ສຸດກໍ່ປິດຄວາມປາດຖະຫນາອັນຍາວນານຂອງຂ້ອຍທີ່ຈະປະກອບສ່ວນໃນບາງທາງເພື່ອປັບປຸງສຸຂະພາບທົ່ວໂລກໂດຍການສ້າງຕັ້ງຄູ່ຮ່ວມງານກັບ RAD-AID International ເພື່ອສະຫນອງສຸຂະພາບເຕົ້ານົມທີ່ດີກວ່າໃນປະເທດທີ່ມີລາຍໄດ້ຕ່ໍາ. ແລະເຂດທີ່ຂາດການບໍລິການດ້ານການແພດຂອງໂລກ.
ມັນອາດຈະເປັນເລື່ອງແປກທີ່ສໍາລັບຫຼາຍໆຄົນວ່າຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມແມ່ນປັດໃຈຄວາມສ່ຽງຕໍ່ການເປັນມະເຮັງເຕົ້ານົມ. ເຈົ້າສາມາດແບ່ງປັນທັດສະນະຂອງເຈົ້າກ່ຽວກັບເລື່ອງນີ້ໄດ້ບໍ?
ຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມຫມາຍເຖິງຈໍານວນອົງປະກອບຂອງ epithelial ແລະ stromal ຂອງເນື້ອເຍື່ອເຕົ້ານົມ, ແລະມະເຮັງເຕົ້ານົມມັກຈະປາກົດຢູ່ໃນຈຸລັງ epithelial. ດັ່ງນັ້ນ, ເນື້ອເຍື່ອ epithelial ຫຼາຍຢູ່ໃນເຕົ້ານົມມີໂອກາດຫຼາຍທີ່ມະເຮັງອາດຈະປາກົດຢູ່ໃນຈຸລັງ epithelial.
ນອກຈາກນັ້ນ, ເນື້ອເຍື່ອເຕົ້ານົມທີ່ຫນາແຫນ້ນແລະມະເຮັງເຕົ້ານົມທີ່ຕິດພັນແມ່ນທັງສອງປະກົດເປັນສີຂາວໃນ mammogram, ຊຶ່ງຫມາຍຄວາມວ່າເນື້ອເຍື່ອຫນາແຫນ້ນສາມາດປິດບັງການປະກົດຕົວຂອງມະເຮັງແລະເພີ່ມຄວາມສ່ຽງຕໍ່ການເປັນມະເຮັງ. ໃນຄວາມເປັນຈິງ, ເຄິ່ງຫນຶ່ງຂອງແມ່ຍິງທັງຫມົດມີເຕົ້ານົມຫນາແຫນ້ນ, ແລະເຄິ່ງຫນຶ່ງຂອງມະເຮັງເຕົ້ານົມຢູ່ໃນເຕົ້ານົມທີ່ຫນາແຫນ້ນແມ່ນພາດໂອກາດນີ້.
ຂໍ້ເທັດຈິງເຫຼົ່ານີ້ແມ່ນສອດຄ່ອງກັບການຄົ້ນຄວ້າທີ່ສະແດງໃຫ້ເຫັນວ່າແມ່ຍິງທີ່ມີເຕົ້ານົມຫນາແຫນ້ນຫຼາຍມີຄວາມສ່ຽງຕໍ່ການເປັນມະເຮັງເຕົ້ານົມເພີ່ມຂຶ້ນ 4-6 ເທົ່າເມື່ອທຽບກັບແມ່ຍິງທີ່ມີເຕົ້ານົມໄຂມັນ, ແລະແບບຈໍາລອງຄວາມສ່ຽງທີ່ລວມເອົາຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມຄາດຄະເນວ່າມະເຮັງເຕົ້ານົມດີກວ່າຜູ້ທີ່ບໍ່ໄດ້.
ເຕັກໂນໂລຍີການຮຽນຮູ້ເຄື່ອງຈັກທີ່ແຕກຕ່າງກັນທີ່ຖືກນໍາໃຊ້ໃນການວິເຄາະຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມແມ່ນຫຍັງ?
ໃນລະດັບສູງ, ມີສາມຍຸດທະສາດການສ້າງແບບຈໍາລອງຂໍ້ມູນທີ່ຈໍາເປັນສໍາລັບການສ້າງລະບົບສູດການຄິດໄລ່ຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມ. ເຫຼົ່ານີ້ລວມມີການຮຽນຮູ້ສະຖິຕິ, ການຮຽນຮູ້ເຄື່ອງຈັກແລະການຮຽນຮູ້ເລິກ, ດ້ວຍແຕ່ລະວິທີການຢ່າງຕໍ່ເນື່ອງຮຽກຮ້ອງໃຫ້ມີຊຸດຂໍ້ມູນການຝຶກອົບຮົມທີ່ມີປ້າຍຊື່ທີ່ໃຫຍ່ກວ່າ. ການຮຽນຮູ້ສະຖິຕິ ແລະລະບົບການຮຽນຮູ້ເຄື່ອງຈັກທັງສອງຕ້ອງການຄຸນສົມບັດຮູບພາບທີ່ເຮັດດ້ວຍມືເພື່ອພັດທະນາເປັນວັດສະດຸປ້ອນເພື່ອຄາດຄະເນຄວາມໜາແໜ້ນຂອງເຕົ້ານົມ. ການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງບໍ່ຈຳເປັນຕ້ອງມີຄຸນສົມບັດຮູບພາບທີ່ເຮັດດ້ວຍມືເພື່ອພັດທະນາ, ແຕ່ແທນທີ່ຈະຄົ້ນພົບຄຸນສົມບັດເຫຼົ່ານີ້ດ້ວຍຕົວມັນເອງທີ່ຂັບເຄື່ອນໂດຍຂໍ້ມູນການຝຶກອົບຮົມທີ່ມີຢູ່.
AI ສາມາດຊ່ວຍຫຼຸດຜ່ອນການເຜົາໄຫມ້ສໍາລັບນັກລັງສີໄດ້ແນວໃດ?
Burnout ໄດ້ຖືກຮັບຮູ້ໂດຍອົງການອະນາໄມໂລກວ່າເປັນ 'ປະກົດການອາຊີບ' ທີ່ສະແດງໂດຍຄວາມຮູ້ສຶກຂອງຄວາມອິດເມື່ອຍ, ໂດດດ່ຽວ, cynicism, ແລະການຫຼຸດຜ່ອນການມີສ່ວນພົວພັນດ້ານວິຊາຊີບ.
ວຽກງານສໍານັກງານເຊັ່ນ: ການສ້າງຕາຕະລາງ, ການລາຍງານ, ເອກະສານບໍລິຫານແລະຄວາມຮັບຜິດຊອບການຮັບຮອງທີ່ຖືກມອບຫມາຍແມ່ນສາເຫດທີ່ເຮັດໃຫ້ເກີດຄວາມວຸ່ນວາຍສໍາລັບຜູ້ຊ່ຽວຊານດ້ານລັງສີສ່ວນໃຫຍ່.
ອັດຕະໂນມັດ AI ປະສົມປະສານກັບດິຈິຕອນສາມາດສະຫນອງການລາຍງານທີ່ດີກວ່າແລະປະສິດທິພາບການເຮັດວຽກເຊັ່ນດຽວກັນກັບຄຸນນະພາບຂອງຮູບພາບທີ່ດີກວ່າແລະການປັບປຸງການຄຸ້ມຄອງຂະບວນການທີ່ປົດປ່ອຍ radiologists ຈາກການລາຍງານທີ່ຫນ້າເບື່ອຫນ່າຍແລະຊ້ໍາຊ້ອນແລະພາລະການບໍລິຫານທີ່ນໍາໄປສູ່ການ burnout. ການແກ້ໄຂດັ່ງກ່າວເຮັດໃຫ້ນັກວິທະຍາສາດດ້ານລັງສີສາມາດອຸທິດເວລາຫຼາຍຂຶ້ນໃຫ້ກັບວຽກງານການຕີຄວາມໝາຍ ແລະສຸມໃສ່ການດູແລຄົນເຈັບ.
Densitas ຍັງຊ່ວຍໃຫ້ພະແນກການຖ່າຍຮູບມີປະສິດທິພາບການເຮັດວຽກ, ແລະການປະຕິບັດຕາມຄໍາແນະນໍາແຫ່ງຊາດ. ທ່ານສາມາດແບ່ງປັນກັບພວກເຮົາວ່າ Densitas ເປີດໃຊ້ສິ່ງນີ້ໄດ້ແນວໃດ?
ເກືອບ 40 ລັດໃນທົ່ວສະຫະລັດໄດ້ຜ່ານກົດໝາຍການແຈ້ງຄວາມໜາແໜ້ນຂອງເຕົ້ານົມທີ່ບັງຄັບໃຫ້ແມ່ຍິງຕ້ອງໄດ້ຮັບແຈ້ງຄວາມໜາແໜ້ນຂອງເຕົ້ານົມຂອງເຂົາເຈົ້າ. ນີ້ກວມເອົາຫຼາຍກວ່າ 85% ຂອງປະຊາກອນທີ່ມີສິດຫນ້າຈໍໃນທົ່ວປະເທດ. ຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມແມ່ນໄດ້ຖືກລາຍງານໂດຍສາຍຕາອີງຕາມການຂະຫນາດຄວາມຫນາແຫນ້ນຂອງວິທະຍາໄລ Radiology BI-RADS ອາເມລິກາທີ່ໄດ້ສະແດງໃຫ້ເຫັນວ່າບໍ່ຫນ້າເຊື່ອຖືແລະບໍ່ສາມາດແຜ່ພັນໄດ້, ໃຊ້ເວລາຫຼາຍ, ຂັ້ນຕອນການລາຍງານເພີ່ມເຕີມ, ແລະການລົບກວນຈາກວຽກງານຕົ້ນຕໍຂອງການກວດຫາມະເຮັງ.
ລັກສະນະທີ່ສໍາຄັນຂອງ FDA Mammography Quality Standards Act (MQSA) ການປັບປຸງຄຸນນະພາບການນໍາໃຊ້ໂຄງການກວດກາ (EQUIP) ແມ່ນວ່າແພດຫມໍແປພາສານໍາພາຈະຕ້ອງຮັບປະກັນການບໍາລຸງຮັກສາທີ່ເຫມາະສົມແລະການປັບປຸງບັນທຶກກ່ຽວກັບການຄວບຄຸມຄຸນນະພາບ (ລວມທັງການປະຕິບັດການແກ້ໄຂ) ແລະຕໍາແຫນ່ງຄົນເຈັບ, ແລະການແກ້ໄຂ. ການປະຕິບັດໃນກໍລະນີທີ່ມີຄຸນນະພາບຮູບພາບທາງດ້ານການຊ່ວຍບໍ່ພຽງພໍ. ນອກຈາກນັ້ນ, MQSA EQUIP ຮຽກຮ້ອງໃຫ້ມີການສ້າງຕັ້ງໂຄງການ QA ແລະການຮັກສາບັນທຶກທີ່ກ່ຽວຂ້ອງ. MQSA EQUIP ກໍານົດມາດຕະຖານແຕ່ບໍ່ມີໃບສັ່ງແພດໃນຂໍ້ກໍານົດຂອງມັນ. ຄຸນນະພາບຮູບພາບທາງດ້ານການຊ່ວຍແມ່ນໄດ້ຮັບການປະເມີນໂດຍວິຊາການແລະບໍ່ໄດ້ມາດຕະຖານ. ການບໍລິຫານລະບົບຄຸນນະພາບທີ່ເນັ້ນໃສ່ຄວາມຮັບຜິດຊອບຂອງ LIP ແລະນັກເທກໂນໂລຍີ QC ນໍາພາບໍ່ແມ່ນດິຈິຕອນໂດຍປົກກະຕິ, ແມ່ນໃຊ້ເວລາຫຼາຍແລະບໍ່ສາມາດຈ່າຍຄືນໄດ້. ແນວໃດກໍ່ຕາມ, ການຮັບຮອງສະຖານທີ່ mammography hinges ກ່ຽວກັບຄວາມສາມາດຂອງສະຖານທີ່ເພື່ອສະແດງໃຫ້ເຫັນການປະຕິບັດປະສິດທິພາບຂອງລະບົບດັ່ງກ່າວ.
densitas ໄດ້aiເວທີ ™ ສະຫນອງ AI ອັດຕະໂນມັດຂອງຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມ, ຄຸນນະພາບຂອງຮູບພາບທາງດ້ານການຊ່ວຍແລະການປະເມີນຄວາມສ່ຽງຂອງມະເຮັງເຕົ້ານົມໃນລະດັບ mammogram ຢູ່ໃນຈຸດຂອງການດູແລເຊັ່ນດຽວກັນກັບໃນຄລີນິກແລະລະດັບລະບົບສຸຂະພາບໂດຍຜ່ານການໂຕ້ຕອບການວິເຄາະເວັບໄຊຕ໌ກ້າວຫນ້າທາງດ້ານ.
ການປະສົມປະສານກັບຜູ້ນໍາອຸດສາຫະກໍາລວມທັງ Nuance, ikonopedia, Three Palm Software, ແລະຜູ້ຂາຍ PACS ທີ່ສໍາຄັນຮັບປະກັນວ່າຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມ, ຄຸນນະພາບຂອງຮູບພາບແລະຄະແນນຄວາມສ່ຽງຈະຖືກຝັງໂດຍອັດຕະໂນມັດໃນລະບົບທີ່ຖືກສ້າງຕັ້ງຂື້ນແລ້ວໃນການລາຍງານແລະຂະບວນການເຮັດວຽກຂອງ radiologists, ການລົບລ້າງຄວາມຜິດພາດ transcription, ປັບປຸງ ຄວາມໄວການລາຍງານ, ແລະຈັດລໍາດັບຄວາມສໍາຄັນຂອງການສຶກສາສໍາລັບການທົບທວນຄືນ.
ລະບົບການວິເຄາະທີ່ຝັງຢູ່ໃນເວັບທີ່ກ້າວຫນ້າສະຫນອງການລາຍງານແລະການກວດສອບອັດຕະໂນມັດ, ຂະບວນການເຮັດວຽກດິຈິຕອນ, ລະບົບສຸຂະພາບກວ້າງ QC ແລະມາດຕະຖານການປະຕິບັດແລະການນໍາໃຊ້ຊັບພະຍາກອນ, ແລະອັດຕະໂນມັດຂອງວຽກງານບໍລິຫານ.
ທ່ານສາມາດປຶກສາຫາລືກ່ຽວກັບການຮ່ວມມືຂອງ Densitas ກັບ RAD-AID International ແລະວິທີການທີ່ມັນຊ່ວຍພາກພື້ນທີ່ຍັງຂາດແຄນບໍ?
ຈຸດປະສົງຂອງການຮ່ວມມືແມ່ນເພື່ອສະຫນອງສະຖາບັນຊັບພະຍາກອນຕ່ໍາທີ່ມີການສຶກສາ, ການສະຫນັບສະຫນູນທາງດ້ານຄລີນິກ, ແລະການຝຶກອົບຮົມດ້ວຍມືເພື່ອໃຫ້ພວກເຂົາສາມາດຮັບຮອງເອົາການປະຕິບັດການ mammography ແບບຍືນຍົງທີ່ນໍາໃຊ້ຄໍາຮ້ອງສະຫມັກທີ່ໃຊ້ AI ທີ່ໃຊ້ໄດ້. ສໍາລັບພະແນກການຖ່າຍຮູບເຕົ້ານົມໃນສະຖາບັນທີ່ເຂົ້າຮ່ວມ, ໂຄງການຄາດວ່າຈະຊ່ວຍກ້າວຫນ້າທາງດ້ານຄຸນນະພາບຂອງການຕັດສິນໃຈການຄຸ້ມຄອງຄົນເຈັບແລະປັບປຸງການກວດຫາພະຍາດເບື້ອງຕົ້ນ.
ເຄນຢາເປັນປະເທດທີ່ມີແມ່ຍິງເກືອບ 5 ລ້ານຄົນທີ່ມີສິດໄດ້ຮັບການກວດ mammography, ແຕ່ມີພຽງ 3 ຄົນທີ່ໄດ້ຮັບການຝຶກອົບຮົມຈາກເຕົ້ານົມໃນທົ່ວປະເທດ. Tanzania ເປັນປະເທດທີ່ມີປະຊາກອນ 58 ລ້ານຄົນ, ແຕ່ມີນັກເຕັກໂນໂລຢີພຽງແຕ່ 450 ຄົນສໍາລັບທົ່ວປະເທດ. ນີ້ແມ່ນພຽງແຕ່ສອງຕົວຢ່າງຂອງຫຼາຍປະເທດທີ່ດ້ອຍໂອກາດດັ່ງກ່າວໃນທົ່ວໂລກ. ການກວດຫາແມ່ຍິງຈໍານວນຫຼາຍທີ່ມີພຽງແຕ່ມືຂອງຜູ້ຊ່ຽວຊານດ້ານລັງສີເຕົ້ານົມທີ່ໄດ້ຮັບການຝຶກອົບຮົມແລະນັກວິຊາການດ້ານລັງສີແມ່ນເປັນໄປບໍ່ໄດ້.
ໂຄງການກວດກາປະຊາກອນຂະຫນາດໃຫຍ່ເຊັ່ນ: ການກວດມະເຮັງເຕົ້ານົມແມ່ນມີລັກສະນະໂດຍປະລິມານຄົນເຈັບສູງທີ່ຊຸກຍູ້ໃຫ້ມີຂະບວນການທາງດ້ານຄລີນິກທີ່ມີປະສິດທິພາບ, ການກໍານົດມາດຕະຖານຂອງຂະບວນການແລະການດູແລ, ການເພີ່ມປະສິດທິພາບການລາຍງານຊ້ໍາຊ້ອນແລະວຽກງານບໍລິຫານ, ຄ່າໃຊ້ຈ່າຍຂອງຄົນເຈັບແລະການຄຸ້ມຄອງຂະບວນການ, ແລະການຍຶດຫມັ້ນ. ກັບມາດຕະຖານການຮັບຮອງແຫ່ງຊາດ.
ວິທີແກ້ໄຂປັນຍາປະດິດຂອງ Densitas ແກ້ໄຂບັນຫາສິ່ງທ້າທາຍເຫຼົ່ານີ້ດ້ວຍຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມອັດຕະໂນມັດ, ຄວາມສ່ຽງຕໍ່ການເປັນມະເຮັງເຕົ້ານົມແລະການປະເມີນຄຸນນະພາບຂອງຮູບພາບທາງດ້ານການຊ່ວຍ.
ໃນທີ່ສຸດເປົ້າຫມາຍແມ່ນເພື່ອຊ່ວຍປັບປຸງການກວດສອບມະເຮັງເຕົ້ານົມໂດຍຜ່ານການກວດພົບກ່ອນຫນ້ານີ້ແລະການປິ່ນປົວທີ່ດີກວ່າເພື່ອຊ່ວຍຊີວິດ.
Densitas ຍັງໄດ້ເປີດຕົວໂຄງການເພື່ອຊ່ວຍພະນັກງານ radiology ໃນລະຫວ່າງການແຜ່ລະບາດຂອງ COVID-19. ໂຄງການທີ່ສະເຫນີແມ່ນຫຍັງ?
ໃນຊ່ວງເວລາທີ່ບໍ່ເຄີຍມີມາກ່ອນເຫຼົ່ານີ້, ຈຸດສຸມຕົ້ນຕໍຂອງການດູແລແມ່ນຈໍາເປັນທີ່ອຸທິດໃຫ້ຄົນເຈັບທີ່ເຈັບປ່ວຍຢ່າງຫນັກ.
ຜົນສະທ້ອນທີ່ໜ້າເສຍດາຍຂອງ COVID-19 ແມ່ນການກວດກາມະເຮັງເຕົ້ານົມສ່ວນໃຫຍ່ໄດ້ຖືກໂຈະໄວ້.
ຢ່າງໃດກໍຕາມ, ເຖິງແມ່ນວ່າຢູ່ໃນພາກພື້ນທີ່ໄດ້ຮັບຜົນກະທົບຫນັກທີ່ສຸດ, ພວກເຮົາເຫັນສະຖານທີ່ mammography ໄດ້ວາງແຜນທີ່ຈະເພີ່ມຂຶ້ນ, ເລີ່ມຕົ້ນດ້ວຍການວິນິດໄສແລະຕິດຕາມດ້ວຍການກວດສອບການຈອງການສອບເສັງ mammography. ເມື່ອເປັນເຊັ່ນນັ້ນ, ຈໍານວນຄົນເຈັບທີ່ລໍຖ້າການກວດເຕົ້ານົມໃນອາທິດແລະເດືອນຂ້າງຫນ້າ (ກໍານົດເວລາແລະໃຫມ່ສຸດທິ) ຈະນໍາສະເຫນີສິ່ງທ້າທາຍອັນໃຫຍ່ຫຼວງຕໍ່ສະຖານທີ່ mammography ແລະລະບົບສຸຂະພາບ, ກັບພະນັກງານ radiology stretched ບາງໆ.
ມັນຈະເປັນສິ່ງສໍາຄັນທີ່ຈະຮັບປະກັນວ່າຄຸນນະພາບຮູບພາບທາງດ້ານຄລີນິກຖືກຮັກສາຢູ່ໃນມາດຕະຖານທີ່ສູງທີ່ສຸດເຖິງວ່າຈະມີຄວາມກົດດັນຂອງການໂຫຼດຮູບພາບຫຼາຍເກີນໄປ. AI ອັດຕະໂນມັດຂອງການປະເມີນຄຸນນະພາບຮູບພາບທາງດ້ານຄລີນິກ, ປະສົມປະສານໃນການວິເຄາະແລະການລາຍງານທີ່ສົມບູນແບບ, ຈະຊ່ວຍເພີ່ມຄວາມພ້ອມໃນການກວດສອບ MQSA ແລະຈະເພີ່ມຊັບພະຍາກອນທີ່ສໍາຄັນສໍາລັບການດູແລຄົນເຈັບ. AI ອັດຕະໂນມັດຂອງຄວາມຫນາແຫນ້ນຂອງເຕົ້ານົມແລະການໃຫ້ຄະແນນຄວາມສ່ຽງຕໍ່ການເປັນມະເຮັງເຕົ້ານົມແລະການລາຍງານຈະເພີ່ມປະສິດທິພາບການເຮັດວຽກແລະສະຫນັບສະຫນູນໂປໂຕຄອນການກວດກາຕິດຕາມທີ່ເຫມາະສົມ.
ພວກເຮົາຕ້ອງການຊ່ວຍ. ສໍາລັບເວລາທີ່ຈໍາກັດພວກເຮົາກໍາລັງສະເຫນີ densitas ຂອງພວກເຮົາai™ແພລະຕະຟອມທີ່ບໍ່ມີຄວາມສ່ຽງ, ການທົດລອງທີ່ບໍ່ມີຄ່າໃຊ້ຈ່າຍເພື່ອເລືອກລະບົບສຸຂະພາບທີ່ມີຄຸນວຸດທິ, ໂຮງຫມໍ, ແລະສູນຮູບພາບ.
densitas ໄດ້aiເວທີ™ຈະ (1) ຊ່ວຍຕໍ່ສູ້ກັບ backlog ທີ່ໃກ້ຈະເກີດຂຶ້ນກັບ AI ອັດຕະໂນມັດຂອງວຽກງານ, (2) ສະຫນອງປະສິດທິພາບການເຮັດວຽກທີ່ຫຼຸດຜ່ອນພາລະຂອງຫນ້າເບື່ອ, (3) ໃຊ້ເວລາທີ່ໃຊ້ເວລາແລະວຽກງານຊ້ໍາຊ້ອນແລະຊ່ວຍຫຼຸດຜ່ອນຄວາມເມື່ອຍລ້າຂອງພະນັກງານ, (4) ບັນເທົາທີ່ສໍາຄັນ. ຄວາມຕ້ອງການຊັບພະຍາກອນແລະການບໍລິຫານຂອງການກວດສອບມາດຕະຖານຄຸນນະພາບຂອງ FDA Mammography, (5) ຂະບວນການດິຈິຕອນເພື່ອເພີ່ມປະສິດທິພາບຫຼັກການຄວາມແຕກຕ່າງທາງສັງຄົມໃນການດູແລທາງດ້ານຄລີນິກຢ່າງຕໍ່ເນື່ອງ.
densitas ໄດ້ai™ເວທີສາມາດໄດ້ຮັບການປະຕິບັດຫ່າງໄກສອກຫຼີກ.
Densitas ຈະມີສ່ວນຮ່ວມແລະສະຫນັບສະຫນູນ 20 ສະຖານທີ່. ກຳນົດເວລາລົງທະບຽນ ແລະ ຄຸນສົມບັດແມ່ນວັນທີ 30 ມິຖຸນາ 2020 ຫຼື ເມື່ອພວກເຮົາສະໝັກເຕັມທີ່, ອັນໃດມາກ່ອນ.
ຂອບໃຈສໍາລັບການສໍາພາດ. ມີຫຼາຍຂໍ້ມູນທີ່ສໍາຄັນຢູ່ທີ່ນີ້ກ່ຽວກັບສຸຂະພາບເຕົ້ານົມ. ໃຜທີ່ຢາກຮຽນຮູ້ເພີ່ມເຕີມຄວນເຂົ້າໄປເບິ່ງ Densitas.