Мо Абдоллелл, генеральный директор и основатель Densitas Inc – Интервью

Мо Абдоллелл является генеральным директором и основателем компании Densitas Inc., которая занимается разработкой решений для маммографии и предоставляет услуги по персонализированному здоровью груди с помощью технологий, ориентированных на плотность груди, клиническое качество изображения и индивидуальный риск.

Мо также является доцентом кафедры диагностической радиологии в Университете Далхаузи и имеет 25-летний опыт работы в качестве биостатистика в области медицинских исследований, включая разработку методов статистического анализа и машинного обучения.

Расскажите нам о своем пути и о том, как вы пришли к созданию компании Densitas, Inc.?
С самого начала я хотел улучшить здоровье недооцененных популяций во всем мире. Я хотел работать в Всемирной организации здравоохранения в какой-то форме, которая позволила бы мне использовать мои математические способности. Однако это не сработало. Вместо этого я изучал биостатистику в аспирантуре в Школе общественного здравоохранения Далла Ланы в Университете Торонто, где защитил диссертацию по машинному обучению, а затем работал в больницах и учреждениях здравоохранения. Я преподавал и руководил аспирантами в различных областях, включая биостатистику, эпидемиологию, биомедицинскую инженерию и медицинскую информатику, с фокусом на диагностической визуализации. Это дало мне уникальную возможность наблюдать за пересечением различных научных дисциплин и понять, как искусственный интеллект может быть использован для улучшения результатов лечения пациентов.

Одним из людей, кто оказал значительное влияние на мое решение создать компанию Densitas, была доктор Джуди Кейнс, которая была основателем медицинского директором программы скрининга груди в Новой Шотландии, Канада. Доктор Кейнс была真正ей пионеркой и инноватором в своей клинической практике, с непоколебимым вниманием к достижению практических и устойчивых решений для улучшения качества ухода и результатов лечения пациентов в области здоровья груди. Ее абсолютная приверженность и стремление к совершенству были вдохновляющими. Она поддержала и поощряла мои ранние исследования в области цифровой маммографии, одно из которых привело к разработке алгоритма для измерения плотности груди на маммограмме. Первое, что сказала доктор Кейнс, когда алгоритм был завершен, было, что она хочет использовать его в клинической практике. Это был толчок, который привел к созданию компании, и в конечном итоге я смог реализовать свою давнюю мечту о вкладе в улучшение глобального здоровья путем установления партнерства с RAD-AID International для предоставления лучшего ухода за грудью в странах с низкими доходами и недооцененных регионах мира.

Может показаться удивительным, что плотность груди является фактором риска рака груди. Поделитесь своими взглядами на эту тему.

Плотность груди относится к количеству эпителиальных и стромальных компонентов ткани груди, и раки груди чаще всего появляются в эпителиальных клетках. Таким образом, чем больше эпителиальной ткани в груди, тем выше вероятность появления рака в эпителиальных клетках.

Кроме того, плотная ткань груди и основные раки груди оба выглядят белыми на маммограмме, что означает, что плотная ткань может маскировать присутствие рака и увеличить риск пропуска рака. Фактически, половина всех женщин имеют плотную грудь, и половина раков груди в плотной груди пропускается.

Эти факты согласуются с исследованиями, которые показывают, что женщины с очень плотной грудью имеют 4-6-кратный повышенный риск развития рака груди по сравнению с женщинами с жирной грудью, и модели риска, которые включают плотность груди, лучше предсказывают рак груди, чем те, которые не включают.

Какие различные технологии машинного обучения используются при анализе плотности груди?

На высоком уровне существуют три основных стратегии моделирования данных для построения алгоритмов, которые вычисляют плотность груди. Это статистическое обучение, машинное обучение и глубокое обучение, каждая из которых требует все больше помеченных обучающих наборов данных. Алгоритмы статистического обучения и машинного обучения требуют разработки手工ных особенностей изображения в качестве входных данных для прогнозирования плотности груди. Глубокое обучение не требует разработки ручных особенностей изображения, а вместо этого обнаруживает эти особенности самостоятельно, движимые доступными обучающими данными.

Как ИИ может помочь уменьшить выгорание у радиологов?

Выгорание признано Всемирной организацией здравоохранения как «профессиональное явление», характеризующееся чувством истощения, изоляции, цинизма и снижения профессиональной вовлеченности.

Бюрократические задачи, такие как ведение документации, отчетность, административная работа и обязательные аккредитационные обязанности, являются основными причинами выгорания для большинства радиологов.

Автоматизация ИИ, интегрированная с цифровизацией, может обеспечить лучшую отчетность и эффективность рабочих процессов, а также лучшее качество изображения и улучшение управления процессами, освобождая радиологов от однообразных и повторяющихся задач отчетности и административных обязанностей, которые приводят к выгоранию. Такие решения позволяют радиологам посвящать больше времени интерпретативным задачам и сосредотачиваться на уходе за пациентами.

Densitas также помогает отделениям визуализации с эффективностью рабочих процессов и соблюдением национальных руководств. Расскажите нам, как Densitas обеспечивает это?

Почти 40 штатов в США приняли законодательство о уведомлении о плотности груди, которое требует, чтобы женщины были проинформированы о своей плотности груди. Это охватывает более 85% населения, имеющего право на скрининг. Плотность груди визуально сообщается в соответствии с шкалой плотности BI-RADS Американского колледжа радиологии, которая оказалась ненадежной и не воспроизводимой, требует много времени, является дополнительным шагом отчетности и отвлекает от основной задачи обнаружения рака.

Одним из ключевых аспектов акта FDA о качестве маммографии (MQSA) является то, что главный интерпретирующий врач должен обеспечить надлежащее обслуживание и обновление записей, касающихся контроля качества (включая корректирующие действия), и позиционирования пациентов, а также корректирующие действия в случае неадекватного клинического качества изображения. Кроме того, MQSA требует создания программы качества и поддержания связанных с этим записей. MQSA устанавливает стандарты, но не предписывает требования. Качество изображения оценивается субъективно и не стандартизировано. Управление системой качества, ориентированной на обязанности главного интерпретирующего врача и ведущего технолога качества, обычно не цифровизируется, требует много времени и не возмещается. Однако аккредитация маммографических учреждений зависит от способности учреждения продемонстрировать эффективную реализацию такой системы.

Платформа densitasai обеспечивает автоматизацию ИИ плотности груди, клинического качества изображения и оценки риска рака груди на уровне маммограммы и на уровне клиники и системы здравоохранения через расширенный веб-интерфейс аналитики.

Интеграция с лидерами отрасли, включая Nuance, ikonopedia, Three Palm Software и крупных поставщиков PACS, гарантирует, что плотность груди, качество изображения и оценки риска автоматически встраиваются в системы, которые уже хорошо установлены в рабочих процессах радиологов, исключая ошибки транскрипции, улучшая скорость отчетности и приоритезируя исследования для обзора.

Расширенная веб-интерфейс аналитики обеспечивает автоматизированную отчетность и аудит, цифровизацию рабочих процессов, контроль качества и бенчмаркинг производительности и использования ресурсов на уровне системы здравоохранения, а также автоматизацию административных задач.

Можете ли вы обсудить партнерство Densitas с RAD-AID International и то, как оно помогает недооцененным регионам?
Цель партнерства – предоставить учреждениям с низкими ресурсами образование, клиническую поддержку и практическую подготовку, чтобы они могли принять устойчивые практики маммографии, которые используют практические приложения, основанные на ИИ. Для отделений визуализации груди в участвующих учреждениях программа должна помочь улучшить качество принятия решений по управлению пациентами и повысить раннее обнаружение заболеваний.

Кения – страна с почти 5 миллионами женщин, имеющих право на скрининг маммографии, но в стране есть только 3 специалиста по маммографии. Танзания – страна с 58 миллионами человек, но имеет только 450 технологов для всей страны. Это лишь два примера многих недооцененных стран во всем мире. Скрининг такого количества женщин с таким небольшим количеством специалистов по маммографии и радиологов просто невозможен.

Массовые программы скрининга, такие как скрининг рака груди, характеризуются большим количеством пациентов, что требует эффективных клинических рабочих процессов, стандартизации процессов и ухода, оптимизации повторяющихся задач отчетности и административных задач, экономически эффективного управления пациентами и процессами, а также соблюдения национальных стандартов аккредитации.

Решения ИИ Densitas решают эти проблемы с помощью автоматизированных оценок плотности груди, риска рака груди и клинического качества изображения.

В конечном итоге цель – улучшить скрининг рака груди за счет более раннего обнаружения и лучшего лечения для спасения жизней.

Densitas также запустила программу для поддержки персонала радиологии во время пандемии COVID-19. Что за программа предлагается?

В эти беспрецедентные времена основное внимание уделяется уходу за критически больными пациентами.

К сожалению, скрининг рака груди в значительной степени был приостановлен из-за COVID-19.

Однако даже в наиболее пострадавших регионах мы видим, что маммографические учреждения уже планируют возобновить работу, начиная с диагностической, а затем скрининговой маммографии. Когда это произойдет, огромное количество пациентов, ожидающих скрининга груди в ближайшие недели и месяцы (перенесенных и новых), представит огромную задачу для маммографических учреждений и систем здравоохранения, с персоналом радиологии, растянутым до предела.

Будет важно обеспечить, чтобы качество клинических изображений поддерживалось на самом высоком уровне, несмотря на нагрузку на пропускную способность визуализации. Автоматизация ИИ оценки качества изображения, интегрированная в комплексную платформу аналитики и отчетности, повысит подготовку к инспекциям MQSA и освободит важные ресурсы для ухода за пациентами. Автоматизация ИИ плотности груди и оценки риска рака груди и отчетности повысит эффективность рабочих процессов и поддержит индивидуальные протоколы скрининга.

Мы хотим помочь. В течение ограниченного времени мы предлагаем нашу платформу densitasai в качестве бесплатной пробной версии для квалифицированных систем здравоохранения, больниц и центров визуализации.

Платформа densitasai (1) поможет бороться с надвигающимся积алом задач с помощью автоматизации ИИ, (2) обеспечит эффективность рабочих процессов, которая уменьшит нагрузку на персонал радиологии, (3) поможет снизить выгорание персонала, (4) облегчит значительные административные требования к инспекциям MQSA, (5) цифровизирует процессы для максимального соблюдения принципов социального дистанцирования в клинической помощи на постоянной основе.

Платформа densitasai может быть развернута удаленно.

Densitas будет поддерживать 20 сайтов. Срок регистрации и квалификации – 30 июня 2020 года или когда мы будем полностью подписаны, в зависимости от того, что произойдет раньше.

Нажмите здесь, чтобы узнать больше о том, как ИИ может помочь уменьшить выгорание в вашей маммографической практике.

Спасибо за интервью. Здесь есть много важной информации о здоровье груди. Все, кто хочет узнать больше, должны посетить Densitas.