rozhovory
Mo Abdolell, generálny riaditeľ a zakladateľ spoločnosti Densitas Inc – Séria rozhovorov
Mo Abdolell je generálnym riaditeľom/zakladateľom spoločnosti Spoločnosť Densitas Inc., spoločnosť zameraná na mamografiu, ktorá dodáva riešenia strojového učenia pre personalizované zdravie prsníkov s technológiami zameranými na hustotu prsníkov, kvalitu klinického obrazu a prispôsobené riziko.
Mo je tiež docentom pre diagnostickú rádiológiu, Dalhousie University a ako konzultačný bioštatistik má 25-ročné skúsenosti s navrhovaním štúdií, štatistickou analýzou a strojovým učením v biomedicínskom/klinickom výskume.
Môžete nám priblížiť vašu cestu za spustením spoločnosti Densitas, Inc?
Odkedy si pamätám, chcel som celosvetovo pomôcť zlepšiť zdravie nedostatočne obsluhovaných populácií. Chcel som pracovať pre Svetovú zdravotnícku organizáciu v nejakej funkcii, ktorá dobre využila moje matematické sklony. No nikdy to celkom nevyšlo. Namiesto toho som študoval bioštatistiku na postgraduálnej škole na Dalla Lana School of Public Health, University of Toronto, dokončil som svoju diplomovú prácu v oblasti strojového učenia a potom som prešiel do nemocníc a zdravotníckych výskumných inštitúcií. Vyučoval som a dohliadal som na postgraduálnych študentov v rôznych oblastiach vrátane bioštatistiky, epidemiológie, biomedicínskeho inžinierstva a zdravotníckej/medicínskej informatiky so zameraním na diagnostické zobrazovanie. To mi poskytlo miesto v prvom rade na križovatke rôznych vedeckých disciplín a poskytlo mi široký pohľad na to, ako možno umelú inteligenciu použiť na dosiahnutie lepších výsledkov pacientov.
Niekto, kto mal veľký vplyv na rozhodnutie spustiť Densitas, bola Dr. Judy Caines, ktorá bola zakladajúcou lekárskou riaditeľkou programu skríningu prsníka v Novom Škótsku v Halifaxe v Kanade. Dr. Caines bola skutočnou osobnosťou a inovátorkou vo svojej klinickej praxi s neochvejným zameraním na dosiahnutie praktických a udržateľných riešení na zlepšenie kvality starostlivosti a výsledkov pacientok v oblasti zdravia ženských prsníkov. Jej absolútne nasadenie a snaha o dokonalosť boli inšpirujúce. Podporila a povzbudila moje skoré výskumy v oblasti digitálnej mamografie, z ktorých jeden viedol k vývoju algoritmu na meranie hustoty prsníka, ako sa javí na mamografe. Úplne prvá vec, ktorú Dr. Cainesová povedala, keď bol algoritmus dokončený, bola, že ho chce použiť v klinickej praxi. Toto bolo postrčenie, ktoré viedlo k spusteniu spoločnosti, čím sa v konečnom dôsledku uzavrel kruh mojej dlhoročnej túžby prispieť nejakým spôsobom k zlepšeniu globálneho zdravia nadviazaním partnerstva s RAD-AID International s cieľom zabezpečiť lepšie zdravie prsníkov v krajinách s nízkymi príjmami. a medicínsky nedostatočne obsluhované regióny sveta.
Pre mnohých môže byť prekvapením, že hustota prsníkov je faktorom rizika rakoviny prsníka. Mohli by ste sa podeliť o svoje názory na toto?
Hustota prsníka sa vzťahuje na množstvo epitelových a stromálnych zložiek tkaniva prsníka a rakovina prsníka sa najčastejšie objavuje v epitelových bunkách. Takže čím viac epitelového tkaniva v prsníku, tým väčšia šanca, že sa v epiteliálnych bunkách objaví rakovina.
Navyše, husté prsné tkanivo a základná rakovina prsníka sa na mamografe javia ako biele, čo znamená, že husté tkanivo môže maskovať prítomnosť rakoviny a zvýšiť riziko, že rakovinu vynecháte. V skutočnosti má polovica žien husté prsia a polovica prípadov rakoviny prsníka v hustých prsníkoch je vynechaná.
Tieto fakty sú v súlade s výskumom, ktorý ukazuje, že ženy s extrémne hustými prsníkmi majú 4-6x vyššie riziko rakoviny prsníka v porovnaní so ženami s mastnými prsiami a rizikové modely, ktoré zahŕňajú hustotu prsníkov, predpovedajú rakovinu prsníka lepšie ako tie, ktoré ju nemajú.
Aké sú rôzne technológie strojového učenia, ktoré sa používajú pri analýze hustoty prsníkov?
Na vysokej úrovni existujú v podstate tri stratégie modelovania údajov na vytváranie algoritmov, ktoré počítajú hustotu prsníka. Patria medzi ne štatistické učenie, strojové učenie a hlboké učenie, pričom každý postupný prístup si vyžaduje čoraz väčšie súbory označených tréningových údajov. Algoritmy štatistického učenia a strojového učenia vyžadujú, aby sa ako vstupy na predpovedanie hustoty pŕs vyvinuli ručne vytvorené obrazové funkcie. Hlboké učenie si nevyžaduje vývoj ručne vytvorených obrazových prvkov, ale skôr samotné objavuje tieto funkcie na základe dostupných tréningových údajov.
Ako môže AI pomôcť znížiť syndróm vyhorenia u rádiológov?
Vyhorenie uznáva Svetová zdravotnícka organizácia ako „profesionálny fenomén“ charakterizovaný pocitmi vyčerpania, izolácie, cynizmu a zníženej profesionálnej angažovanosti.
Byrokratické úlohy, ako je mapovanie, podávanie správ, administratívne papierovanie a povinnosti súvisiace s nariadenou akreditáciou, sú hlavnými hlásenými príčinami syndrómu vyhorenia u väčšiny rádiológov.
Automatizácia AI integrovaná s digitalizáciou môže priniesť lepšie vykazovanie a efektivitu pracovných tokov, ako aj lepšiu kvalitu obrazu a vylepšené riadenie procesov, ktoré oslobodia rádiológov od únavného a opakovaného vykazovania a administratívnej záťaže, ktorá vedie k vyhoreniu. Takéto riešenia umožňujú rádiológom venovať viac času interpretačným úlohám a sústrediť sa na starostlivosť o pacienta.
Densitas tiež pomáha zobrazovacím oddeleniam s efektivitou pracovného toku a dodržiavaním národných smerníc. Mohli by ste sa s nami podeliť o to, ako to Densitas umožňuje?
Takmer 40 štátov v USA prijalo legislatívu oznamujúcu hustotu prsníkov, ktorá nariaďuje ženám, aby boli informované o svojej hustote prsníkov. To pokrýva viac ako 85 % populácie oprávnenej na obrazovky v celej krajine. Hustota prsníka sa vizuálne uvádza podľa stupnice hustoty American College of Radiology BI-RADS, ktorá sa ukázala ako nespoľahlivá a nereprodukovateľná, časovo náročná, dodatočný krok podávania správ a odvádza pozornosť od primárnej úlohy detekcie rakoviny.
Kľúčovým aspektom zákona FDA o štandardoch kvality mamografie (MQSA), ktorý zvyšuje kvalitu pomocou programu inšpekcie (EQUIP), je, že vedúci tlmočnícky lekár musí zabezpečiť správnu údržbu a aktualizáciu záznamov týkajúcich sa kontroly kvality (vrátane nápravných opatrení) a polohovania pacienta a nápravy. opatrenia v prípade nedostatočnej kvality klinického obrazu. Okrem toho si MQSA EQUIP vyžaduje vytvorenie programu kontroly kvality a udržiavanie súvisiacich záznamov. MQSA EQUIP stanovuje štandardy, ale nie je normatívne vo svojich požiadavkách. Klinická kvalita obrazu sa posudzuje subjektívne a nie je štandardizovaná. Administrácia systému kvality zameraná na povinnosti LIP a vedúceho technológa QC nie je typicky digitalizovaná, je časovo veľmi náročná a neprepláca sa. Akreditácia mamografického zariadenia však závisí od schopnosti zariadenia preukázať efektívnu implementáciu takéhoto systému.
DensitasaiPlatforma ™ poskytuje AI automatizáciu hustoty prsníkov, kvalitu klinického obrazu a hodnotenie rizika rakoviny prsníka na úrovni mamografie v mieste starostlivosti, ako aj na úrovni kliniky a zdravotníckeho systému prostredníctvom pokročilého webového analytického rozhrania.
Integrácia s lídrami v odvetví vrátane Nuance, ikonopedia, Three Palm Software a hlavných predajcov PACS zaisťuje, že hustota prsníkov, kvalita obrazu a skóre rizika sú automaticky zabudované do systémov, ktoré sú už dobre zavedené v hláseniach a pracovných postupoch rádiológov, čím sa eliminujú chyby v prepise a zlepšujú sa rýchlosť podávania správ a uprednostňovanie štúdií na preskúmanie.
Pokročilý webový vstavaný analytický systém poskytuje automatizované vykazovanie a auditovanie, digitalizované pracovné postupy, kontrolu kvality v celom zdravotníckom systéme a porovnávanie výkonu a využitia zdrojov a automatizáciu administratívnych úloh.
Môžete prediskutovať partnerstvo Densitas s RAD-AID International a ako to pomáha regiónom s nedostatočnými službami?
Cieľom partnerstva je poskytnúť inštitúciám s nízkymi zdrojmi vzdelávanie, klinickú podporu a praktické školenie, aby mohli prijať udržateľné mamografické postupy, ktoré využívajú praktické aplikácie poháňané AI. Oddeleniam zobrazovania prsníkov v zúčastnených inštitúciách sa očakáva, že program pomôže zlepšiť kvalitu rozhodovania o manažmente pacienta a zlepšiť včasnú detekciu ochorenia.
Keňa je krajina s takmer 5 miliónmi žien, ktoré majú nárok na mamografické vyšetrenie, ale v celej krajine sú len 3 štipendisti vyškolení na zobrazovanie prsníkov. Tanzánia je krajina s 58 miliónmi obyvateľov, no má len 450 technológov pre celú krajinu. Toto sú len dva príklady mnohých takýchto nedostatočne obsluhovaných krajín na celom svete. Skríning toľkých žien len s hŕstkou špecializovaných rádiológov prsníka a rádiologických technológov je jednoducho nemožné.
Rozsiahle skríningové programy pre celú populáciu, ako je skríning rakoviny prsníka, sa vyznačujú vysokým počtom pacientov, čo vedie k potrebe efektívnych klinických pracovných postupov, štandardizácii procesov a starostlivosti, optimalizácii opakujúcich sa správ a administratívnych úloh, nákladovo efektívnemu manažmentu pacientov a procesov a dodržiavaniu pravidiel. podľa národných akreditačných štandardov.
Riešenia umelej inteligencie Densitas riešia tieto výzvy pomocou automatizovanej hustoty prsníka, rizika rakoviny prsníka a hodnotenia kvality klinického obrazu.
V konečnom dôsledku je cieľom pomôcť zlepšiť skríning rakoviny prsníka skoršou detekciou a lepšou liečbou na záchranu životov.
Densitas tiež spustil program na pomoc rádiologickému personálu počas pandémie COVID-19. Aký program ponúka?
V týchto bezprecedentných časoch je primárna starostlivosť nevyhnutne venovaná kriticky chorým pacientom.
Nešťastným dôsledkom COVID-19 je, že skríning rakoviny prsníka bol do značnej miery pozastavený.
Napriek tomu aj v najviac zasiahnutých regiónoch vidíme, že mamografické zariadenia už plánujú naštartovať, počnúc diagnostikou a následným skríningom rezervácií na mamografické vyšetrenia. Ako sa tak stane, obrovský počet pacientok, ktoré čakajú v najbližších týždňoch a mesiacoch na skríning prsníka (preplánovaný a nový), bude predstavovať obrovskú výzvu pre mamografické zariadenia a zdravotnícke systémy, pričom rádiologický personál bude natiahnutý.
Bude dôležité zabezpečiť, aby sa kvalita klinického obrazu udržala na najvyššom štandarde napriek stresu z preťaženého výkonu zobrazovania. Automatizácia AI hodnotenia kvality klinického obrazu, integrovaná do komplexnej analytickej a reportovacej platformy, zvýši pripravenosť na inšpekciu MQSA a uvoľní kľúčové zdroje pre starostlivosť o pacienta. Automatizácia umelej inteligencie v oblasti hustoty prsníka a skórovania a vykazovania rizika rakoviny prsníka zvýši efektivitu pracovného toku a podporí prispôsobené protokoly následného skríningu.
Chceme pomáhať. Na obmedzenú dobu ponúkame naše densitasai™ platforma ako bezriziková a bezplatná skúšobná verzia na výber kvalifikovaných zdravotníckych systémov, nemocníc a zobrazovacích centier.
Densitasai™ platforma (1) pomôže bojovať s hroziacimi nevybavenými úlohami pomocou automatizácie úloh pomocou umelej inteligencie, (2) poskytne efektivitu pracovného toku, ktorá zníži bremeno únavných, (3) časovo náročných a opakujúcich sa úloh a pomôže zmierniť vyhorenie zamestnancov, (4) zmierni významné zdrojov a administratívnej náročnosti inšpekcií zákona o štandardoch kvality mamografie FDA, (5) digitalizovať procesy s cieľom maximalizovať princípy sociálneho odstupu v klinickej starostlivosti na priebežnom základe.
Densitasai™ platformu je možné nasadiť na diaľku.
Densitas zapojí a podporí 20 lokalít. Uzávierka registrácie a kvalifikácie je 30. júna 2020 alebo keď budeme plne prihlásení, podľa toho, čo nastane skôr.
Ďakujem za rozhovor. Je tu veľa dôležitých informácií o zdraví prsníkov. Každý, kto sa chce dozvedieť viac, by mal navštíviť Densitas.
