Mo Abdolell, CEO & Founder, Densitas Inc – Phỏng Vấn Loạt

Mo Abdolell là CEO/Sáng lập của Densitas Inc., một công ty tập trung vào doanh nghiệp chụp X-quang vú, cung cấp các giải pháp học máy cho sức khỏe vú cá nhân hóa với công nghệ tập trung vào mật độ vú, chất lượng hình ảnh lâm sàng và rủi ro tùy chỉnh.

Mo cũng là Giáo sư phụ tá, Chẩn đoán hình ảnh, Đại học Dalhousie và với tư cách là một nhà thống kê y sinh tư vấn, đã có 25 năm kinh nghiệm trong thiết kế nghiên cứu, phân tích thống kê và học máy trong nghiên cứu y sinh/lâm sàng.

Bạn có thể cho chúng tôi biết về hành trình của bạn khi thành lập Densitas, Inc?
Từ khi tôi còn nhớ, tôi đã muốn cải thiện sức khỏe của các dân tộc chưa được phục vụ trên toàn cầu. Tôi muốn làm việc cho Tổ chức Y tế Thế giới theo một cách nào đó để tận dụng tối đa khả năng toán học của mình. Nhưng điều đó không bao giờ xảy ra. Thay vào đó, tôi đã học về thống kê y sinh tại trường Đại học Y tế Công cộng Dalla Lana, Đại học Toronto, hoàn thành luận án về học máy trước khi chuyển sang làm việc tại các bệnh viện và cơ sở nghiên cứu y tế. Tôi đã giảng dạy và giám sát các sinh viên sau đại học trong các lĩnh vực đa dạng, bao gồm thống kê y sinh, dịch tễ học, kỹ thuật y sinh và thông tin y tế/sức khỏe với trọng tâm vào hình ảnh chẩn đoán. Điều này đã mang lại cho tôi một vị trí ngồi ở hàng ghế đầu tại giao điểm của các lĩnh vực khoa học đa dạng và đã mang lại cho tôi một quan điểm rộng về cách trí tuệ nhân tạo có thể được sử dụng để mang lại kết quả bệnh nhân tốt hơn.

Người có ảnh hưởng lớn đến quyết định thành lập Densitas là Tiến sĩ Judy Caines, người từng là giám đốc y tế sáng lập của Chương trình Xét nghiệm vú Nova Scotia tại Halifax, Canada. Tiến sĩ Caines là một người tiên phong và đổi mới thực sự trong thực hành lâm sàng của mình với sự tập trung không ngừng vào việc đạt được các giải pháp thực tế và bền vững để cải thiện chất lượng chăm sóc và kết quả bệnh nhân trong sức khỏe vú phụ nữ. Sự cam kết và động lực tuyệt đối của cô ấy để đạt được sự xuất sắc là nguồn cảm hứng. Cô ấy đã hỗ trợ và khuyến khích các cuộc điều tra ban đầu của tôi về chụp X-quang vú số, một trong những điều đó đã dẫn đến sự phát triển của một thuật toán để đo mật độ vú như nó xuất hiện trong một chụp X-quang vú. Điều đầu tiên mà Tiến sĩ Caines nói khi thuật toán được hoàn thành là cô ấy muốn sử dụng nó trong thực hành lâm sàng. Đây là động lực dẫn đến việc ra mắt công ty, cuối cùng đã đóng vòng tròn mong muốn lâu dài của tôi để góp phần cải thiện sức khỏe toàn cầu bằng cách thành lập một quan hệ đối tác với RAD-AID International để cung cấp sức khỏe vú tốt hơn ở các quốc gia thu nhập thấp và các khu vực thiếu thốn y tế trên thế giới.

Nó có thể gây ngạc nhiên cho nhiều người rằng mật độ vú là một yếu tố trong nguy cơ ung thư vú. Bạn có thể chia sẻ quan điểm của mình về vấn đề này?

Mật độ vú đề cập đến lượng mô biểu mô và mô đệm của mô vú, và ung thư vú thường xuất hiện trong các tế bào biểu mô. Vì vậy, càng có nhiều mô biểu mô trong vú, càng có nhiều khả năng ung thư có thể xuất hiện trong các tế bào biểu mô.

Thêm vào đó, mô vú dày và ung thư vú cơ bản đều xuất hiện màu trắng trên một chụp X-quang vú, có nghĩa là mô dày có thể che giấu sự hiện diện của ung thư và tăng nguy cơ bỏ sót ung thư. Trên thực tế, một nửa số phụ nữ có vú dày, và một nửa số ca ung thư vú trong vú dày bị bỏ sót.

Các sự kiện này phù hợp với nghiên cứu cho thấy phụ nữ có vú cực kỳ dày có nguy cơ mắc ung thư vú cao hơn 4-6 lần so với phụ nữ có vú mỡ, và các mô hình rủi ro bao gồm mật độ vú dự đoán ung thư vú tốt hơn những mô hình không bao gồm.

Các công nghệ học máy khác nhau được sử dụng khi phân tích mật độ vú là gì?

Ở mức cao, có cơ bản ba chiến lược xây dựng mô hình dữ liệu để xây dựng các thuật toán tính toán mật độ vú. Các chiến lược này bao gồm học thống kê, học máy và học sâu, với mỗi phương pháp tiếp theo đòi hỏi các tập dữ liệu đào tạo được gắn nhãn lớn hơn. Các thuật toán học thống kê và học máy đều yêu cầu các tính năng hình ảnh được tạo thủ công để được phát triển như các đầu vào để dự đoán mật độ vú. Học sâu không yêu cầu các tính năng hình ảnh được tạo thủ công để được phát triển, mà thay vào đó tự khám phá các tính năng này dựa trên dữ liệu đào tạo có sẵn.

Làm thế nào AI có thể giúp giảm kiệt sức cho các bác sĩ X-quang?

Kiệt sức được Tổ chức Y tế Thế giới công nhận là một ‘hiện tượng nghề nghiệp’ được đặc trưng bởi cảm giác kiệt sức, cô lập, hoài nghi và giảm tham gia chuyên môn.

Các nhiệm vụ hành chính như lập biểu đồ, báo cáo, giấy tờ hành chính và trách nhiệm kiểm định bắt buộc là những nguyên nhân hàng đầu được báo cáo gây kiệt sức cho hầu hết các bác sĩ X-quang.

Tự động hóa AI tích hợp với số hóa có thể cung cấp báo cáo và hiệu quả công việc tốt hơn cũng như chất lượng hình ảnh và quản lý quy trình tốt hơn, giúp giải phóng các bác sĩ X-quang khỏi gánh nặng báo cáo và hành chính nhàm chán dẫn đến kiệt sức. Các giải pháp như vậy cho phép các bác sĩ X-quang dành nhiều thời gian hơn cho các nhiệm vụ giải thích và tập trung vào chăm sóc bệnh nhân.

Densitas cũng giúp các khoa chẩn đoán hình ảnh với hiệu quả công việc và tuân thủ các hướng dẫn quốc gia. Bạn có thể chia sẻ với chúng tôi cách Densitas thực hiện việc này?

Gần 40 tiểu bang trên khắp Hoa Kỳ đã thông qua luật thông báo mật độ vú, yêu cầu phụ nữ phải được thông báo về mật độ vú của họ. Điều này bao gồm hơn 85% dân số đủ điều kiện sàng lọc trên toàn quốc. Mật độ vú được báo cáo trực quan theo thang mật độ BI-RADS của Học viện X-quang Hoa Kỳ, đã được chứng minh là không đáng tin cậy và không thể tái tạo, tốn thời gian, là một bước báo cáo bổ sung và làm mất tập trung khỏi nhiệm vụ chính của việc phát hiện ung thư.

Một khía cạnh quan trọng của Đạo luật Tiêu chuẩn Chất lượng X-quang vú của FDA (MQSA) Chương trình Kiểm tra Cải thiện Chất lượng (EQUIP) là Bác sĩ X-quang trưởng phải đảm bảo việc bảo trì và cập nhật hồ sơ về kiểm soát chất lượng (bao gồm cả hành động khắc phục) và vị trí bệnh nhân, cũng như các hành động khắc phục trong trường hợp chất lượng hình ảnh lâm sàng không đầy đủ. Ngoài ra, MQSA EQUIP yêu cầu thiết lập một chương trình QA và bảo trì hồ sơ liên quan. MQSA EQUIP đặt ra các tiêu chuẩn nhưng không quy định cụ thể về yêu cầu. Chất lượng hình ảnh lâm sàng được đánh giá chủ quan và không được tiêu chuẩn hóa. Việc quản lý một hệ thống chất lượng tập trung vào trách nhiệm của Bác sĩ X-quang trưởng và kỹ thuật viên QC trưởng không được số hóa, rất tốn thời gian và không được hoàn trả. Tuy nhiên, việc chứng nhận cơ sở X-quang vú phụ thuộc vào khả năng chứng minh việc thực hiện hiệu quả một hệ thống như vậy.

Nền tảng densitasai cung cấp tự động hóa AI cho mật độ vú, chất lượng hình ảnh lâm sàng và đánh giá rủi ro ung thư vú tại cấp chụp X-quang vú, cũng như tại cấp khoa và hệ thống y tế thông qua một giao diện phân tích web tiên tiến.

Sự tích hợp với các nhà lãnh đạo trong ngành, bao gồm Nuance, ikonopedia, Three Palm Software và các nhà cung cấp PACS chính, đảm bảo rằng mật độ vú, chất lượng hình ảnh và điểm số rủi ro được tự động nhúng vào các hệ thống đã được thiết lập tốt trong quy trình báo cáo và công việc của các bác sĩ X-quang, loại bỏ các lỗi chuyển录, cải thiện tốc độ báo cáo và ưu tiên các nghiên cứu để xem xét.

Hệ thống phân tích web nhúng tiên tiến cung cấp báo cáo và kiểm toán tự động, quy trình số hóa, kiểm soát chất lượng và chuẩn hóa hiệu suất cũng như sử dụng tài nguyên trên toàn hệ thống y tế, và tự động hóa các nhiệm vụ hành chính.

Bạn có thể thảo luận về quan hệ đối tác của Densitas với RAD-AID International và cách nó giúp các khu vực thiếu thốn?
Mục tiêu của quan hệ đối tác là cung cấp cho các tổ chức có nguồn lực thấp về giáo dục, hỗ trợ lâm sàng và đào tạo thực hành để họ có thể áp dụng các thực hành sàng lọc vú bền vững, tận dụng các ứng dụng AI thực tế. Đối với các khoa chẩn đoán hình ảnh vú trong các tổ chức tham gia, chương trình này dự kiến sẽ giúp nâng cao chất lượng ra quyết định quản lý bệnh nhân và cải thiện phát hiện bệnh sớm.

Kenya là một quốc gia có gần 5 triệu phụ nữ đủ điều kiện để sàng lọc X-quang vú, nhưng chỉ có 3 bác sĩ X-quang vú được đào tạo chuyên sâu trong toàn quốc. Tanzania là một quốc gia với 58 triệu người, nhưng chỉ có 450 kỹ thuật viên X-quang cho toàn quốc. Đây chỉ là hai ví dụ về nhiều quốc gia thiếu thốn trên toàn thế giới. Việc sàng lọc số lượng lớn phụ nữ với chỉ một số ít bác sĩ X-quang vú và kỹ thuật viên X-quang được đào tạo chuyên sâu là không thể.

Các chương trình sàng lọc quy mô lớn như sàng lọc ung thư vú được đặc trưng bởi số lượng bệnh nhân cao, đòi hỏi hiệu quả trong quy trình lâm sàng, tiêu chuẩn hóa quy trình và chăm sóc, tối ưu hóa các nhiệm vụ hành chính và báo cáo lặp đi lặp lại, quản lý bệnh nhân và quy trình tiết kiệm chi phí, cũng như tuân thủ các tiêu chuẩn chứng nhận quốc gia.

Các giải pháp trí tuệ nhân tạo của Densitas giải quyết những thách thức này với các đánh giá tự động về mật độ vú, rủi ro ung thư vú và chất lượng hình ảnh lâm sàng.

Cuối cùng, mục tiêu là giúp cải thiện sàng lọc ung thư vú thông qua phát hiện sớm hơn và điều trị tốt hơn để cứu sống.

Densitas cũng đã ra mắt một chương trình để giúp nhân viên X-quang trong thời kỳ đại dịch COVID-19. Chương trình được cung cấp là gì?

Trong những thời điểm chưa từng có, sự quan tâm chính của chăm sóc là dành cho các bệnh nhân bị bệnh nặng.

Một hệ quả không may của COVID-19 là sàng lọc ung thư vú đã bị hoãn lại rất nhiều.

Tuy nhiên, ngay cả trong những khu vực bị ảnh hưởng nặng nề nhất, chúng tôi đang thấy các cơ sở X-quang vú đã bắt đầu lên kế hoạch tăng cường, bắt đầu với các cuộc hẹn chụp X-quang vú chẩn đoán và sau đó là sàng lọc. Khi điều đó xảy ra, số lượng bệnh nhân chờ sàng lọc vú trong những tuần và tháng tới (đã được lên lịch lại và mới) sẽ đặt ra một thách thức to lớn cho các cơ sở X-quang vú và hệ thống y tế, với nhân viên X-quang bị kéo giãn mỏng.

Sẽ rất quan trọng để đảm bảo rằng chất lượng hình ảnh lâm sàng được duy trì ở mức cao nhất có thể, bất chấp áp lực của quá trình X-quang vú quá tải. Tự động hóa AI trong đánh giá chất lượng hình ảnh lâm sàng, tích hợp trong một nền tảng phân tích và báo cáo toàn diện, sẽ tăng cường sự chuẩn bị cho việc kiểm tra MQSA và sẽ giải phóng các nguồn lực quan trọng cho chăm sóc bệnh nhân. Tự động hóa AI trong đánh giá và báo cáo mật độ vú và rủi ro ung thư vú sẽ tăng hiệu quả công việc và hỗ trợ các giao thức theo dõi được tùy chỉnh.

Chúng tôi muốn giúp đỡ. Trong một thời gian giới hạn, chúng tôi đang cung cấp nền tảng densitasai của mình như một thử nghiệm không rủi ro, không phí cho các hệ thống y tế, bệnh viện và trung tâm X-quang vú đủ điều kiện.

Nền tảng densitasai sẽ (1) giúp chống lại tình trạng tồn đọng sắp tới với tự động hóa AI của các nhiệm vụ, (2) cung cấp hiệu quả công việc giúp giảm bớt gánh nặng của các nhiệm vụ nhàm chán, (3) tốn thời gian và lặp đi lặp lại và giúp giảm kiệt sức cho nhân viên, (4) giảm nhẹ các yêu cầu nguồn lực và hành chính đáng kể của việc kiểm tra MQSA, (5) số hóa quy trình để tối đa hóa các nguyên tắc cách ly xã hội trong chăm sóc lâm sàng một cách liên tục.

Nền tảng densitasai có thể được triển khai từ xa.

Densitas sẽ hỗ trợ và tham gia 20 trang web. Thời hạn đăng ký và đủ điều kiện là ngày 30 tháng 6 năm 2020 hoặc khi chúng tôi được đăng ký đầy đủ, tùy theo điều gì xảy ra trước.

Click vào đây để đọc thêm về cách AI có thể giúp giảm kiệt sức trong Thực hành X-quang vú của bạn.

Cảm ơn bạn đã phỏng vấn. Có rất nhiều thông tin quan trọng ở đây về sức khỏe vú. Bất kỳ ai muốn tìm hiểu thêm nên truy cập Densitas.