Danielis Cane’as yra Pietų Floridoje įsikūrusios „ModMed“ generalinis direktorius ir vienas iš įkūrėjų®sveikatos priežiūros IT įmonė, kuri keičia sveikatos priežiūrą pasitelkdama specialias, išmanias platformas, kad padidintų praktikos efektyvumą ir pagerintų pacientų rezultatus.
2010 m. vasario mėn. įkurta „ModMed“ išaugo iki daugiau nei 1 200 darbuotojų ir surinko daugiau nei 332 mln. USD investicijų. Žinomas dėl savo laipsniško augimo kaip medicinos technologijų įmonės, ModMed dažnai pripažįstamas tiek nacionaliniu, tiek regioniniu mastu už pasiekimus vadovaujant Danieliui. 2020 m. žurnalas Inc. kompanija buvo paskelbta viena geriausių darbo vietų šalyje. Nuo 2016 m.™ sąrašą. Nuo 2015 m. įmonė kasmet įtraukiama į išskirtinį Inc. 5000 sąrašą – prestižinį sparčiausiai augančių privačių įmonių šalyje sąrašą.
Ar galite pasidalinti įžvalgomis apie savo kilmę ir kaip tai paveikė jūsų darbą ModMed?
Mano kelionė į technologijas prasidėjo dar bakalauro studijų metais Kornelyje, kai įkūriau Blackboard. Mes pakeitėme švietimą skaitmenindami pamokų užrašus ir sukūrę platformą, kuri suteikė studentams ir dėstytojams precedento neturintį lankstumą ir sąveiką. Man „Blackboard“ sėkmė pasiekė kulminaciją 2004 m., kai buvo paskelbtas IPO, ir nors mūsų sprendimai keitė edTech, aš negalėjau neatsilikti nuo naujų iššūkių.
Vienas iš tokių iššūkių atsirado, kai nuėjau į įprastinį patikrinimą pas savo dermatologą. Mes neįtikėtinai kalbėjome apie pasenusių popierinių sistemų naudojimo sunkumus ir būdus, kaip jas pataisyti. Suprasdami tiltą tarp jo medicininių žinių ir mano techninių žinių, nusprendėme suburti komandą ir sukurti ModMed kartu su savo pirmąja elektroninių sveikatos įrašų (EHR) platforma.
Tuo metu kai kurios EHR jau egzistavo, bet, deja, tyrimai dažnai nurodo juos kaip vieną iš pagrindinių gydytojų perdegimo priežasčių. Mes laikėmės kitokio požiūrio ir sukūrėme savo ESI, kad pritaikytume naudotojo patirtį prie konkrečių medicinos specialybės darbo eigos. Mūsų pavyzdinis debesies pagrindu sukurtas EHR, EMA, yra ir tebėra sukurtas gydytojų, skirtų gydytojams, o tai išskyrė mus ir apibrėžia mūsų slaptą padažą rinkoje. Bėgant metams išplėtėme savo produktų pasiūlą ir įtraukėme visą sprendimų rinkinį, padedantį medicinos paslaugų teikėjams supaprastinti ir racionalizuoti savo praktikos operacijas bei pagreitinti priežiūros teikimą.
Kaip manote, kad kova dėl veiksmingo dirbtinio intelekto sveikatos priežiūros srityje yra laimėta ar pralaimėta naudojant duomenis?
Pradedame pastebėti, kad dirbtinio intelekto technologija vis dažniau naudojama praktikoje, siekiant supaprastinti darbo eigą ir padidinti efektyvumą. Kai pereiname į erą, kai dirbtinis intelektas naudojamas sudėtingesnėms užduotims atlikti, pavyzdžiui, siūlyti gydymą ar kitas klinikinės pagalbos rekomendacijas, labai svarbu turėti tinkamus duomenis ir DI mokymo strategiją. Dirbtinis intelektas turi galimybę žymiai pagerinti pacientų ir paslaugų teikėjų patirtį ir sukurti sisteminius pokyčius, kurie tikrai pagerins sveikatos priežiūrą, tačiau norint tai paversti realybe, reikės daug aukštos kokybės duomenų, naudojamų modeliams mokyti.
Kodėl duomenys yra tokie svarbūs dirbtinio intelekto plėtrai sveikatos priežiūros pramonėje?
Duomenys yra AI gyvybės šaltinis, o prasta duomenų kokybė pablogins AI veikimą, todėl rezultatai bus neoptimalūs. Tai gali turėti skaudžių pasekmių sveikatos priežiūros įstaigoje, nes gali kilti pavojus paciento gyvybei. Tačiau labiau tikėtinas scenarijus, kad ši neigiama patirtis gali pakenkti tiek pacientų, tiek paslaugų teikėjų pasitikėjimui dirbtiniu intelektu, sulėtindama pažangą ir teigiamą poveikį, kurį ši revoliucinė technologija gali turėti sveikatos priežiūrai.
Pavyzdžiui, egzaminų patalpoje su dirbtiniu intelektu įgalinti aplinkos klausymosi įrankiai skirti pasiūlyti klinikinių pastabų turinį, kurį teikėjas turi peržiūrėti ir patvirtinti. Idealiu atveju tai turėtų sumažinti laiką, kurį paslaugų teikėjas praleidžia dokumentuodamas ESI, ir suteikti daugiau kokybiško laiko su pacientu. Tačiau prastas duomenų šaltinis ir netinkamai parengti AI įrankiai gali turėti priešingą poveikį, todėl paslaugų teikėjai gali praleisti be galo daug laiko taisydami klaidas ir perrašydami pastabas.
Be to, šališkumas yra didelė rizika, susijusi su AI algoritmais, o kokybiški duomenys gali atlikti pagrindinį vaidmenį mažinant sveikatos priežiūros skirtumus. AI modeliai gali išmokti modelius, kurie efektyviai gydo vieną pacientų grupę, palyginti su kitomis populiacijomis, įskaitant teisiškai apsaugotas grupes. Stebint įvestus duomenis ir mokantis apie patikimus ir reprezentatyvius duomenis, dirbtinio intelekto išvestis gali būti įtraukesnė ir tikslesnė.
Ar galite paaiškinti, kokius duomenų tipus „ModMed“ naudoja mokydama savo AI modelius ir kaip šie duomenys gaunami ir tvarkomi?
„ModMed“ naudojame išsamius specialius duomenis, kad padėtume tiksliai apmokyti AI modelius. Per pastaruosius 14 metų sukūrėme specifinius, neidentifikuotus struktūrizuotus duomenų rinkinius, atitinkančius privatumo įstatymus, ir dabar naudojame šiuos vidinius duomenis mokydami dirbtinio intelekto modelius. Pavyzdžiui, mūsų aplinkos klausymosi įrankis „ModMed Scribe“ buvo apmokytas dermatologijos srityje, o tai yra pirmasis mūsų specialybės paleidimas, naudojant milijonus struktūrizuotų parametrų iš neidentifikuotų pacientų įrašų, paimtų iš 500 mln. pacientų susitikimų rinkinio.
Kaip „ModMed“ apibrėžia „etinį AI“ sveikatos priežiūros kontekste?
Galimybė AI turėti šališkumo arba pateikti netikslią informaciją „haliucinacijų“ ar praleidimų pavidalu gali turėti įtakos pacientų gyvenimui. Dėl šios priežasties etiškas AI sveikatos priežiūros srityje yra aukšto tikslumo ir tikslumo standarto nustatymas. Tai reiškia kruopštų ir atsakingą algoritmų kūrimą ir aukštos kokybės bei įvairių duomenų naudojimą, kad kiekvienas vartotojas galėtų tiksliau prognozuoti.
Etinis AI taip pat yra užtikrinti, kad žmonės liktų lygtyje. Dirbtinis intelektas neturėtų „paskirti gydytojo“, o sumažinti administracinę naštą gydytojams ir jų personalo patirtį, kad jie galėtų daugiau dėmesio skirti pagalbai pacientams.
Kokias priemones taiko „ModMed“, kad dirbtinio intelekto technologijas būtų galima kurti ir diegti etiškai?
Mūsų struktūrinių duomenų metodas – aukštos kokybės reprezentatyvių mokymo duomenų rinkinių kūrimas – padeda mums paversti atsakingą dirbtinį intelektą realybe. Atitinkami ir atpažinti duomenys, surinkti iš mūsų ESI sistemų iš įvairių praktikų, suteikia mums įvairių mokymo duomenų, kurie atspindi skirtingas pacientų populiacijas.
Be to, mūsų kūrėjų komanda valo duomenis, kad būtų lengviau rinkti ir naudoti aukštos kokybės duomenis. Šis procesas leidžia mūsų komandoms nustatyti, ištaisyti ir pašalinti duomenų rinkinio neatitikimus, klaidas ir trūkstamas vertes. Atlikdami šią reguliarią priežiūrą, galime nuosekliai atnaujinti DI, remdamiesi našumo duomenimis, ypač klinikiniais duomenimis, kurie gali turėti įtakos pacientų rezultatams.
Ar galite aptarti skaidrumo ir atskaitomybės svarbą kuriant AI, ypač sveikatos priežiūros srityje?
Skaidrumas leidžia užtikrinti atskaitomybę, todėl jis yra labai svarbus bet kokio AI sprendimo sveikatos priežiūros srityje pagrindas. Pagrindiniai gydytojų prioritetai yra pacientų priežiūra ir sauga, todėl nenuostabu, kad 80 % gydytojų nori žinoti AI įrankių projektavimo, kūrimo ir diegimo ypatybes ir ypatybes.
Be to, ne visi duomenys yra vienodi. Svarbu žinoti, kur ir kaip duomenys saugomi ir gaunami bei kaip reguliariai jie atnaujinami. Mums pasisekė, kad nuo pat „ModMed“ įkūrimo buvome įsipareigoję laikytis duomenų strategijos, kuri teikia pirmenybę skaidrumui ir tikslumui. Mes puikiai suprantame savo duomenų šaltinius ir kokybę ir esame įsitikinę, kad mūsų AI integracijos suteiks didelę vertę mūsų klientams.
Kaip AI integruojamas į ModMed specialias EHR sistemas, tokias kaip EMA ir gGastro?
Visame savo portfelyje jau kurį laiką naudojame mašininį mokymąsi ir stipriname investicijas į pažangų ir generuojamą dirbtinį intelektą, kad supaprastintume medicinos verslą ir paspartintume kokybišką priežiūrą. Kuriame visą dirbtinio intelekto pagrįstą praktikos patirtį, kuri prasideda prieš pacientui įžengiant pro duris, tęsiasi per egzaminų kambarį iki atsiskaitymo skyriaus.
Klinikinėje aplinkoje baigiame savo AI aplinkos klausymo bandomosios programos, skirtos EMA, etapus, kuri, mūsų manymu, pakeis savo tolesnių funkcijų ir siūlomo struktūrinio turinio žaidimą. Mūsų dirbtinio intelekto pagrindu sukurtas dokumentacijos sprendimas sukurtas siekiant supaprastinti priežiūros procesą, o ne tik transkripciją ar SOAP užrašo rengimą. Naudodami didžiulius struktūrizuotų duomenų kiekius, mokome dirbtinio intelekto modelius, kad gautume esminę informaciją iš gydytojo ir paciento pokalbių ir, dirbdami kartu su EHR, pasiūlytume atitinkamą turinį vizitams, įskaitant TLK-10 kodus, chirurginius kodus ir receptus. Tai sutaupo brangaus gydytojų laiko ir leidžia daugiau kokybiško laiko praleisti su savo pacientais.
Kokią naudą sveikatos priežiūros paslaugų teikėjams ir pacientams teikia specifiniai DI sprendimai?
Nėra dviejų vienodų medicinos specialybių. Jie labai skiriasi priklausomai nuo pacientų, su kuriais jie susiduria, jų gydomų ligų ir medicininių kodų, naudojamų kompensuoti. AI sprendimai turi būti pritaikyti prie šių variantų, kad būtų veiksmingi bet kokiu tikrai prasmingu būdu.
Pavyzdžiui, „ModMed“ EHR ir AI aplinkos klausymosi įrankiai yra specialiai pritaikyti kiekvienai medicinos specialybei, todėl gydytojai teikia labai svarbią ir tikslią pagalbą. Kiekvienos specialybės dokumentavimo procesui reikalingi skirtingi struktūrinių duomenų pastabos komponentai, įskaitant unikalius medicininius kodus ir terminiją. Ši specializacija leidžia dirbtiniam intelektui geriau suprasti ir numatyti unikalius įvairios specialybės praktikos poreikius ir darbo eigą, o tai, mūsų manymu, padės efektyviau įgyvendinti, greičiau pritaikyti ir pagerinti bendrą veiklos efektyvumą.
Kur, jūsų manymu, per ateinančius penkerius ar dešimt metų bus didžiausios DI galimybės sveikatos priežiūros srityje?
Ateityje AI neabejotinai įsiskverbs į beveik visus sveikatos priežiūros aspektus tokiais būdais, kokių neįsivaizduojame. AI jau dabar naudojamas administracinėms užduotims atlikti, o artimiausiu metu ši tendencija greičiausiai išaugs, nes AI vertė taps akivaizdesnė.
Taip pat matau ateitį, kai dirbtinis intelektas bus sklandžiai integruotas į gydytojo ir paciento sąveiką, kai „vartotojo sąsaja“ arba vartotojo sąsaja yra beveik nematoma. Vietoj šiandieninės ekrano sąveikos AI galėtų pasiūlyti realybės ir papildytos realybės derinį. Ši būsimos būsenos AI galėtų potencialiai analizuoti sveikatos įrašus, kad nustatytų kritines įžvalgas, numatant paciento riziką susirgti įvairiomis ligomis. Didžiulis duomenų kiekis medicininiuose įrašuose suteikia AI galimybę numatyti būsimus priežiūros poreikius ir sukurti bei padėti valdyti prevencinės priežiūros gydymo planus.
Ši patirtis gali apimti ne tik praktiką ir tapti neatsiejama paciento kasdienio gyvenimo dalimi. Dirbtinio intelekto varomi nešiojami įrenginiai galėtų teikti asmeninį palaikymą, atsakyti į klausimus ir suplanuoti susitikimus, be kita ko. AI taip pat galėtų nuotoliniu būdu stebėti gyvybinius požymius, aptikti ir įspėti paslaugų teikėjus apie galimas sveikatos problemas. Individualizuoti gydymo planai, pritaikyti individualiems pacientams pagal duomenis ir pageidavimus, galėtų tapti norma.
Tai tikrai įdomus laikas sveikatos priežiūrai. Ateinantys penkeri–dešimt metų yra subrendę ir galimybei toliau pertvarkyti pramonę ir pagerinti pacientų patirtį.
Dėkojame už puikų interviu, skaitytojai, norintys sužinoti daugiau, turėtų apsilankyti „ModMed“.
