Mo Abdolell, CEO e Fundador, Densitas Inc – Série de Entrevistas

Mo Abdolell é CEO e Fundador da Densitas Inc., uma empresa focada na área de mamografia que oferece soluções de aprendizado de máquina para saúde mamária personalizada, com tecnologias focadas na densidade mamária, qualidade de imagem clínica e risco personalizado.

Mo também é Professor Associado de Radiologia Diagnóstica da Universidade de Dalhousie e, como biestatístico consultor, tem 25 anos de experiência em design de estudos, análise estatística e aprendizado de máquina em pesquisas biomédicas e clínicas.

Pode nos contar sobre sua jornada por trás do lançamento da Densitas, Inc.?
Desde que me lembro, eu queria ajudar a melhorar a saúde de populações carentes em todo o mundo. Eu queria trabalhar para a Organização Mundial da Saúde de alguma forma que aproveitasse minhas inclinações matemáticas. Bem, isso nunca aconteceu exatamente. Em vez disso, estudei bioestatística na pós-graduação na Escola de Saúde Pública Dalla Lana, Universidade de Toronto, completando minha tese em aprendizado de máquina antes de ir trabalhar em hospitais e instituições de pesquisa em saúde. Eu ensinei e supervisei estudantes de pós-graduação em áreas diversas, incluindo bioestatística, epidemiologia, engenharia biomédica e informática em saúde/medicina, com foco em imagem diagnóstica. Isso me deu um lugar na frente na interseção de diversas disciplinas científicas e me deu uma perspectiva ampla de como a inteligência artificial pode ser usada para entregar melhores resultados para os pacientes.

Alguém que teve um grande impacto na decisão de lançar a Densitas foi a Dra. Judy Caines, que foi a diretora médica fundadora do Programa de Rastreamento de Mama da Nova Escócia em Halifax, Canadá. A Dra. Caines foi uma verdadeira luminary e inovadora em sua prática clínica, com um foco inabalável em alcançar soluções práticas e sustentáveis para melhorar a qualidade de cuidado e os resultados para os pacientes na saúde mamária das mulheres. Seu compromisso e drive para a excelência foram inspiradores. Ela apoiou e encorajou minhas primeiras investigações em mamografia digital, uma das quais levou ao desenvolvimento de um algoritmo para medir a densidade mamária como aparece em uma mamografia. A primeira coisa que a Dra. Caines disse quando o algoritmo foi concluído foi que ela queria usá-lo na prática clínica. Isso foi o empurrão que levou ao lançamento da empresa, ultimatemente fechando o círculo na minha longa aspiração de contribuir de alguma forma para melhorar a saúde global, estabelecendo uma parceria com a RAD-AID International para entregar melhor saúde mamária em países de baixa renda e regiões carentes de atendimento médico no mundo.

Pode nos compartilhar suas visões sobre o fato de a densidade mamária ser um fator no risco de câncer de mama?

A densidade mamária se refere à quantidade de componentes epiteliais e estromais do tecido mamário, e os cânceres de mama mais comuns aparecem nas células epiteliais. Portanto, quanto mais tecido epitelial no seio, maior a chance de que o câncer possa aparecer nas células epiteliais.

Além disso, o tecido mamário denso e os cânceres de mama subjacentes ambos aparecem brancos em uma mamografia, o que significa que o tecido denso pode mascarar a presença do câncer e aumentar o risco de perder o câncer. Na verdade, metade de todas as mulheres têm seios densos, e metade dos cânceres de mama em seios densos são perdidos.

Esses fatos são consistentes com pesquisas que mostram que as mulheres com seios extremamente densos têm um risco 4-6 vezes maior de ter câncer de mama em comparação com as mulheres com seios gordurosos, e os modelos de risco que incorporam a densidade mamária preveem melhor o câncer de mama do que aqueles que não o fazem.

Quais são as diferentes tecnologias de aprendizado de máquina usadas para analisar a densidade mamária?

Em um nível alto, existem basicamente três estratégias de modelagem de dados para construir algoritmos que computam a densidade mamária. Essas incluem aprendizado estatístico, aprendizado de máquina e aprendizado profundo, com cada abordagem sucessiva exigindo conjuntos de dados de treinamento rotulados cada vez maiores. Os algoritmos de aprendizado estatístico e aprendizado de máquina exigem recursos de imagem criados à mão para serem desenvolvidos como entradas para prever a densidade mamária. O aprendizado profundo não exige recursos de imagem criados à mão para serem desenvolvidos, mas sim descobre esses recursos por si mesmo, impulsionado pelos dados de treinamento disponíveis.

Como a IA pode ajudar a reduzir o estresse para os radiologistas?

O estresse é reconhecido pela Organização Mundial da Saúde como um ‘fenômeno ocupacional’ caracterizado por sentimentos de exaustão, isolamento, cinismo e redução do engajamento profissional.

As tarefas burocráticas, como registrar, relatar, papelada administrativa e responsabilidades de acreditação mandatórias, são as principais causas relatadas de estresse para a maioria dos radiologistas.

A automação da IA integrada à digitalização pode entregar melhor relatórios e eficiências de fluxo de trabalho, bem como melhor qualidade de imagem e gestão de processo melhorada, que liberam os radiologistas de tarefas tediosas e repetitivas de relatórios e administração que levam ao estresse. Tais soluções permitem que os radiologistas dediquem mais tempo a tarefas interpretativas e se concentrem nos cuidados com os pacientes.

A Densitas também ajuda os departamentos de imagem com eficiências de fluxo de trabalho e conformidade com diretrizes nacionais. Pode nos contar como a Densitas possibilita isso?

Quase 40 estados nos EUA aprovaram legislação de notificação de densidade mamária que exige que as mulheres sejam informadas sobre sua densidade mamária. Isso abrange mais de 85% da população elegível para triagem no país. A densidade mamária é relatada visualmente de acordo com a escala de densidade BI-RADS do Colégio Americano de Radiologia, que foi mostrada ser pouco confiável e não reprodutível, demorada, um passo de relatório adicional e distraído da tarefa principal de detecção de câncer.

Um aspecto importante da Lei de Padrões de Qualidade de Mamografia da FDA (MQSA) é que o Médico Intérprete Líder deve garantir a manutenção e atualização adequadas dos registros relativos ao controle de qualidade (incluindo ações corretivas) e posicionamento do paciente, e ações corretivas em caso de qualidade de imagem clínica inadequada. Além disso, a MQSA exige o estabelecimento de um programa de QA e manutenção dos registros associados. A MQSA define padrões, mas não é prescritiva em suas exigências. A qualidade de imagem clínica é avaliada subjetivamente e não é padronizada. A administração de um sistema de qualidade focado nas responsabilidades do LIP e do tecnólogo de QC de liderança não é típica e digitalizada, é muito demorada e não é reembolsável. No entanto, a acreditação da instalação de mamografia depende da capacidade de demonstrar a implementação eficaz de tal sistema.

A plataforma densitasai ™ entrega automação de IA de densidade mamária, qualidade de imagem clínica e avaliação de risco de câncer de mama no nível da mamografia, bem como no nível da clínica e do sistema de saúde, por meio de uma interface de análise avançada baseada na web.

Integrações com líderes da indústria, incluindo Nuance, ikonopedia, Three Palm Software e principais fornecedores de PACS, garantem que a densidade mamária, a qualidade de imagem e as pontuações de risco sejam incorporadas automaticamente em sistemas que já são bem estabelecidos nos relatórios e fluxos de trabalho dos radiologistas, eliminando erros de transcrição, melhorando a velocidade de relatórios e priorizando estudos para revisão.

O sistema de análise avançado incorporado fornece relatórios e auditorias automatizados, fluxos de trabalho digitalizados, controle de qualidade e benchmarking de desempenho e utilização de recursos em todo o sistema de saúde, e automação de tarefas administrativas.

Pode nos discutir a parceria da Densitas com a RAD-AID International e como ela ajuda regiões carentes?
O objetivo da parceria é fornecer instituições de baixo recurso com educação, apoio clínico e treinamento prático para que possam adotar práticas de mamografia sustentáveis que aproveitem aplicações práticas impulsionadas por IA. Para os departamentos de imagem mamária nas instituições participantes, o programa espera ajudar a avançar a qualidade da tomada de decisão de gestão de pacientes e melhorar a detecção precoce de doenças.

Quênia é um país com quase 5 milhões de mulheres que são elegíveis para mamografia de triagem, mas há apenas 3 radiologistas de mama treinados no país. A Tanzânia é um país de 58 milhões de pessoas, mas tem apenas 450 tecnólogos para o país inteiro. Esses são apenas dois exemplos de muitos países carentes em todo o mundo. Realizar programas de triagem em larga escala para tantas mulheres com apenas um punhado de radiologistas de mama treinados e tecnólogos radiológicos é simplesmente impossível.

Programas de triagem em larga escala, como a triagem para câncer de mama, são caracterizados por grandes volumes de pacientes, o que impulsiona a necessidade de fluxos de trabalho clínicos eficientes, padronização de processos e cuidados, otimização de tarefas administrativas e de relatórios repetitivos, gestão de pacientes e processos de forma eficaz em termos de custo e conformidade com os padrões de acreditação nacionais.

As soluções de IA da Densitas abordam esses desafios com avaliações automatizadas de densidade mamária, risco de câncer de mama e qualidade de imagem clínica.

Ultimamente, o objetivo é ajudar a melhorar a triagem para câncer de mama por meio da detecção precoce e do tratamento melhor para salvar vidas.

A Densitas também lançou um programa para ajudar o pessoal de radiologia durante a pandemia de COVID-19. Qual é o programa sendo oferecido?

Nessas vezes sem precedentes, o foco principal dos cuidados é necessariamente dedicado a pacientes criticamente doentes.

Uma consequência infeliz do COVID-19 é que a triagem para câncer de mama foi largamente suspensa.

No entanto, mesmo nas regiões mais atingidas, estamos vendo instalações de mamografia planejando aumentar, começando com exames de mamografia diagnósticos e seguidos por exames de triagem. À medida que isso acontece, o número maciço de pacientes aguardando triagem para câncer de mama nas próximas semanas e meses (reagendados e novos) apresentará um desafio monumental para as instalações de mamografia e sistemas de saúde, com o pessoal de radiologia esticado ao limite.

Será importante garantir que a qualidade de imagem clínica seja mantida no mais alto padrão, apesar do estresse da sobrecarga de imagem. A automação de IA da avaliação da qualidade de imagem clínica, integrada a uma plataforma de análise e relatórios abrangente, aumentará a preparação para inspeções do MQSA e liberará recursos cruciais para os cuidados com os pacientes. A automação de IA da densidade mamária e do escore de risco de câncer de mama e relatórios aumentará a eficiência do fluxo de trabalho e apoiará protocolos de acompanhamento personalizados.

Queremos ajudar. Por um tempo limitado, estamos oferecendo nossa plataforma densitas ai ™ como um teste sem risco e sem cobrança para sistemas de saúde, hospitais e centros de imagem qualificados.

A plataforma densitas ai ™ (1) ajudará a lutar contra a sobrecarga iminente com a automação de IA de tarefas, (2) fornecerá eficiências de fluxo de trabalho que aliviam a carga de tarefas tediosas e repetitivas, (3) ajudará a mitigar a queima do pessoal e (4) aliviará as demandas significativas de recursos e administrativas das inspeções do MQSA, (5) digitalizará processos para maximizar os princípios de distanciamento social nos cuidados clínicos de forma contínua.

A plataforma densitas ai ™ pode ser implantada remotamente.

A Densitas apoiará e dará suporte a 20 sites. O prazo para registro e qualificação é 30 de junho de 2020 ou quando estivermos totalmente inscritos, o que ocorrer primeiro.

Clique Aqui para ler mais sobre como a IA pode ajudar a reduzir a queima no seu consultório de mamografia.

Obrigado pela entrevista. Há muitas informações importantes aqui sobre saúde mamária. Quem desejar aprender mais deve visitar Densitas.