Mo Abdolell，Densitas Inc. 的 CEO 和创始人 – 采访系列

Mo Abdolell 是 Densitas Inc. 的 CEO 和创始人，这是一家专注于乳腺 X 光检查的公司，提供机器学习解决方案，用于个性化乳腺健康，技术专注于乳腺密度、临床图像质量和定制风险。

Mo 也是 Dalhousie 大学的诊断放射学副教授，作为一名生物统计顾问，他有 25 年的研究设计、统计分析和生物医学/临床研究中的机器学习经验。

您能否带我们了解一下您创建 Densitas Inc. 的经历？

从我记事以来，我就想改善全球弱势群体的健康状况。 我想为世界卫生组织工作，利用我的数学才能做出贡献。 然而，这并没有实现。 相反，我在多伦多大学的 Dalla Lana 公共卫生学院攻读生物统计学硕士学位，在那里我完成了机器学习论文，然后在医院和卫生研究机构工作。 我曾指导过研究生，教授生物统计学、流行病学、生物医学工程和健康/医疗信息学，重点是诊断成像。 这使我能够站在多个科学学科的交叉点，给我带来了对人工智能如何改善患者结果的广泛视角。

对我决定创立 Densitas 有重大影响的人之一是 Judy Caines 博士，她是加拿大哈利法克斯 Nova Scotia 乳腺筛查计划的创始医疗主任。 Caines 博士在临床实践中是一位真正的先驱和创新者，致力于实现改善女性乳腺健康的质量和患者结果的实际可持续解决方案。 她对卓越的坚定承诺和驱动力令人鼓舞。 她支持并鼓励我在数字乳腺 X 光检查方面的早期研究，其中一项研究导致了开发出一种算法来测量乳腺 X 光检查中的乳腺密度。 当算法完成时，Caines 博士说她第一句话就是她想在临床实践中使用它。 这促使公司启动，最终实现了我长期以来致力于通过与 RAD-AID 国际合作伙伴关系来改善全球健康的愿望，通过在世界低收入国家和医疗服务不足的地区提供更好的乳腺健康服务。

乳腺密度是乳腺癌风险的因素，这可能会让很多人感到惊讶。您能否分享您对此的看法？

乳腺密度是指乳腺组织的上皮和间质成分，而乳腺癌通常出现在上皮细胞中。因此，乳腺中上皮组织越多，癌症出现的可能性就越大。

此外，密集的乳腺组织和潜在的乳腺癌在乳腺 X 光检查中都显示为白色，这意味着密集组织可能会掩盖癌症的存在，增加漏诊的风险。事实上，半数女性有密集的乳腺组织，密集乳腺组织中有一半的乳腺癌被漏诊。

这些事实与研究结果一致，研究表明极度密集的乳腺组织的女性患乳腺癌的风险是脂肪乳腺组织女性的 4-6 倍，包含乳腺密度的风险模型比不包含乳腺密度的模型更好地预测乳腺癌。

分析乳腺密度时使用了哪些机器学习技术？

从高层次上讲，构建计算乳腺密度的算法有三种基本的数据建模策略：统计学习、机器学习和深度学习，每种方法都需要越来越大的标记训练数据集。统计学习和机器学习算法都需要开发手工制作的图像特征作为输入来预测乳腺密度。深度学习不需要开发手工制作的图像特征，而是由可用的训练数据驱动来发现这些特征。

人工智能如何帮助减少放射科医生的倦怠？

倦怠被世界卫生组织认可为一种“职业现象”，其特征是感到精疲力竭、孤立、愤世嫉俗和专业参与度降低。

官僚任务，如记录、报告、行政文书工作和强制认证责任，是大多数放射科医生报告的倦怠的主要原因。

与数字化相结合的人工智能自动化可以提供更好的报告和工作流程效率，以及更好的图像质量和改进的流程管理，从而使放射科医生摆脱导致倦怠的单调和重复的报告和行政任务。这种解决方案使放射科医生能够专注于解释任务和患者护理。

Densitas 还帮助成像部门实现工作流程效率和遵守国家指南。您能否与我们分享 Densitas 如何实现这一点？

美国近 40 个州已经通过了乳腺密度通知立法，要求告知女性她的乳腺密度。这涵盖了全国 85% 以上的筛查合格人群。乳腺密度根据美国放射学院 BI-RADS 密度等级进行视觉报告，已被证明不可靠且不可复制，耗时，增加了额外的报告步骤，并分散了对癌症检测的主要任务的注意力。

FDA 乳腺 X 光检查质量标准法（MQSA）增强质量使用检查计划（EQUIP）的一个关键方面是，首席解读医生必须确保质量控制记录（包括纠正措施）的适当维护和更新，以及患者定位和纠正措施，在临床图像质量不充分的情况下。另外，MQSA EQUIP 需要建立质量保证计划并维护相关记录。MQSA EQUIP 设定标准，但其要求并不明确。临床图像质量是主观评估的，不是标准化的。质量系统的管理，侧重于首席解读医生和首席质量控制技术人员的责任，通常不是数字化的，非常耗时，并且不报销。然而，乳腺 X 光检查设施的认证取决于设施是否能够证明有效实施了此类系统。

Densitas 的densitasai™平台在点-of-care 和通过高级 web-based 分析界面在诊所和医疗系统级别提供乳腺密度、临床图像质量和乳腺癌风险评估的 AI 自动化。

与行业领袖（包括 Nuance、ikonopedia、Three Palm Software 和主要 PACS 厂商）的集成确保乳腺密度、图像质量和风险评分自动嵌入放射科医生现有的报告和工作流程中，消除了转录错误，提高了报告速度，并优先安排研究以供审查。

高级 web 嵌入式分析系统提供自动报告和审计、数字化工作流程、整个医疗系统范围内的性能和资源利用的质量控制和基准测试，以及行政任务的自动化。

您能否讨论 Densitas 与 RAD-AID 国际的合作伙伴关系以及它如何帮助欠发达地区？

合作伙伴关系的目标是为低资源机构提供教育、临床支持和实践培训，以便他们能够采用可持续的乳腺 X 光检查实践，这些实践利用了实际的人工智能应用。对于参与机构的乳腺成像科室，该计划旨在通过人工智能应用改善患者管理决策和早期疾病检测的质量。

肯尼亚是一个拥有近 500 万名符合筛查乳腺 X 光检查条件的女性的国家，但整个国家只有 3 名乳腺成像专家。坦桑尼亚是一个拥有 5800 万人口的国家，但只有 450 名技术人员。这些只是世界上许多欠发达国家的两个例子。仅凭这么少的专科培训的乳腺放射科医生和放射技术人员，很难对这么多女性进行筛查。

大规模的人口筛查计划，如乳腺癌筛查，具有高患者量，推动了对高效临床工作流程、流程和护理标准化、重复报告和行政任务的优化、患者和流程管理的成本效益以及遵守国家认证标准的需求。

Densitas 的人工智能解决方案通过自动化乳腺密度、乳腺癌风险和临床图像质量评估来解决这些挑战。

最终的目标是通过早期检测和更好的治疗来改善乳腺癌筛查，挽救生命。

Densitas 还推出了一个计划，以帮助新冠疫情期间的放射科人员。您能否告诉我们这个计划提供了什么？

在这些前所未有的时期，主要的照顾重点当然是致力于危重病人。

不幸的是，新冠疫情的结果是乳腺癌筛查基本上被搁置。

然而，即使在最受影响的地区，我们也看到乳腺 X 光检查设施正在计划恢复工作，首先是诊断，然后是筛查乳腺 X 光检查预约。随着这一过程的进行，未来几周和几个月内等待乳腺筛查的患者数量（包括重新安排和新增患者）将对乳腺 X 光检查设施和医疗系统提出巨大的挑战，放射科人员将面临极大的压力。

在这种情况下，保持最高标准的临床图像质量至关重要。将临床图像质量评估的 AI 自动化集成到综合分析和报告平台中，将提高 MQSA 检查准备度，并释放关键资源用于患者护理。乳腺密度和乳腺癌风险评分和报告的 AI 自动化将提高工作流程效率，并支持有针对性的随访筛查协议。

我们想帮助。为了支持这一努力，我们将在有限时间内向合格的医疗系统、医院和成像中心提供densitasai™平台的无风险、无费用试用。

densitasai™平台将（1）帮助通过AI自动化任务来应对即将到来的积压，（2）提供提高工作流程效率的工作流程效率，减轻单调、耗时和重复任务的负担，并帮助减轻人员倦怠，（3）减轻FDA乳腺X光检查质量标准法检查的重大资源和行政需求，（4）数字化流程，以最大限度地遵循临床护理的社交距离原则，并在此基础上继续下去。

densitasai™平台可以远程部署。

Densitas 将支持 20 个站点。注册和资格的截止日期是 2020 年 6 月 30 日，或在我们达到满额之前，两者之间以先发生者为准。

单击此处了解更多关于人工智能如何帮助减少您乳腺X光检查实践中的倦怠的信息。

感谢采访。这里有很多重要的乳腺健康信息。任何希望了解更多的人都可以访问 Densitas。