بول روسكوي، الرئيس التنفيذي لشركة CLEW Medical – سلسلة المقابلات

بول روسكوي هو الرئيس التنفيذي لشركة CLEW Medical.

قبل انضمامه إلى Clew ، كان السيد روسكوي الرئيس التنفيذي لشركة Trinda Health ، وكان مسؤولاً عن تأسيس الشركة كشركة رائدة في مجال حلول الوثائق السريرية الموجهة بالجودة.

CLEW Medical توفر للمستشفيات والأنظمة الصحية ووحدات العناية المركزة ذكاءً سريريًا متقدمًا وتشخيصًا للمرضى باستخدام تحليلات تنبؤية مدعومة بالذكاء الاصطناعي وموضحة من قبل إدارة الأغذية والأدوية ونموذج الرعاية الحرجة المملوك.

يمكنك أن تبدأ بتقديم المزيد من المعلومات حول منصة CLEW Medical المدعومة بالذكاء الاصطناعي وقدراتها الفريدة في صناعة تكنولوجيا الرعاية الصحية؟

تأسست CLEW على فرضية أن تحليلات البيانات والذكاء الاصطناعي يمكن أن يحسنا بشكل كبير نتائج المرضى وخبرة الأطباء في بيئات الرعاية الحرجة. منصة المراقبة السريرية التي بنيناها هي الأولى التي تتمتع بنماذج تنبؤ مدعومة بالذكاء الاصطناعي المصرح بها من قبل إدارة الأغذية والأدوية. نظامنا يحصل على البيانات من خلال التكامل مع جميع مصادر البيانات السريرية داخل المستشفى ويبني ملفًا فيزيولوجيًا近 في الوقت الفعلي لكل مريض لمراقبته بشكل مستمر. ثم يستخدم هذه البيانات لتقديم رؤى تنبؤية لتحديد المرضى الذين من المحتمل أن يحدث لديهم حدث ضار – مثل فشل الجهاز التنفسي – وتحذير الأطباء من التدخل حتى 8 ساعات قبل الحدث المتوقع. درجة الدقة العالية للمنصة تقلل أيضًا من عدد كبير من الإنذارات الكاذبة ، مما يسمح للأطباء بممارسة عملهم في أفضل مستوى وتركيز على المرضى الذين يحتاجون إلى تدخل فوري.

ما هي العوامل الرئيسية التي ساهمت في موافقة إدارة الأغذية والأدوية على نماذج CLEW المدعومة بالذكاء الاصطناعي؟

CLEW اعتمدت الذكاء الاصطناعي منذ نشأتها. أدرك مؤسسوها وقادة التطوير أهمية بناء الثقة مع العاملين في مجال الرعاية ، الذين يتحملون مسؤولية استخدام تكنولوجيا الشركة لتقديم رعاية لمرضاهم الأكثر ضعفًا. كان من الضروري أن تخضع تكنولوجيتهم لنفس مستوى الفحص والاجتهاد في التصميم والتطوير والاختبار والتحقق مثل الأجهزة الموجودة بالفعل في استخدام مستخدميها. ولتشجيع اعتماد حلول الذكاء الاصطناعي في بيئات الرعاية الحرجة ، أدرك فريقنا ضرورة بناء نماذج مع معالجة دقيقة ونظم جودة. ونتيجة لذلك ، تعتمد تطوير نموذج الذكاء الاصطناعي على بنية تحتية قوية لعمليات التعلم الآلي (MLOPS) لتلبية التوقعات التنظيمية ، مثل إرشادات خطة تغيير مسبوقة (PCCP) من إدارة الأغذية والأدوية. تم تصميم نماذج الذكاء الاصطناعي بدقة ، مع الخضوع لجميع التجارب اللازمة للموافقة على الأجهزة الطبية.

أدى قوة النماذج والعمليات الداخلية إلى أن تصنف إدارة الأغذية والأدوية حلنا كأجهزة طبية من الفئة الثانية في أوائل عام 2021 ، مما يمثل إنجازًا رائدًا من نوعه. توفر موافقة الأجهزة الطبية من إدارة الأغذية والأدوية شهادة على جودة عملية التطوير الشاملة ، التي تشمل دراسات التحقق السريري التي أجريت في مجتمعات مرضى حقيقية.

أشار الدراسة التي نُشرت مؤخرًا في مجلة CHEST إلى دقة التنبؤ بنماذج الذكاء الاصطناعي الخاصة بك. يمكنك مناقشة منهجية الدراسة والنتائج المحددة؟

تم نشر خوارزمية تعلم الآلة مدربة من CLEW في 14 وحدة عناية مركزية في نظامين صحيين رئيسيين لتنبؤ أحداث إدخال أنبوبة التنفس والبدء في استخدام العوامل الضاغطة – أي الأحداث التي تتطلب تدخلًا حياةً – بين المرضى البالغين الحرجين. تم قياس أدائها مقابل إنذارات المراقبة الحضن والتنبيهات الفعالة لنظام التелемيدسين.

وجدت الدراسة ، التي صممت لتقييم دقة أداة التنبيه وفعاليته في وحدات العناية المركزة ، أن نماذج CLEW لتنبؤ تدهور المرضى كانت أكثر دقة بخمس مرات وأنتجت إنذارات أقل 50 مرة من نظام التелемيدسين الرائد. كما تظهر النتائج أن نموذج التعلم الآلي يمتلك دقة تفوقية مقارنة بالأنظمة التقليدية للمراقبة ويتقلص بشكل كبير من الانقطاعات غير الضرورية في سير عمل الأطباء.

كيف يمكن أن تتحول تنبؤات الذكاء الاصطناعي التي تقدمها منصة CLEW لتغيير طريقة تقديم الرعاية في وحدة العناية المركزة؟ يمكنك توضيح كيف تحسّن هذه التنبؤات النتائج وتقلل المضاعفات؟

توليد منصة CLEW فرصًا للتدخلات المبكرة في المرضى ذوي الخطر العالي ودعم إدارة السعة من خلال تحديد الأفراد ذوي الخطر المنخفض الذين قد يكونون جاهزين للنزول أو الإفراج. هذا يقلل من معدلات الوفيات وإعادة القبول ، ويقلل من المضاعفات الناجمة عن تدهور المريض ، ويقلل من فترة بقاء المرضى.

على سبيل المثال ، في غضون 24 ساعة من النشر في نظام صحي رئيسي ، تنبأت تقنيتنا bằng عدم استقرار هيدروديناميكي في مريض في وحدة العناية المركزة ، مما أدى إلى تقييم مقدم الرعاية. عند تقييم المريض ، أمر مقدم الرعاية بإجراء مسح ضوئي واكتشف نزيفًا في البطن. تم نقل المريض إلى غرفة العمليات لإجراء جراحة طارئة ، وأُدخل السوائل والدم ، وتم إنقاذه في النهاية. بعد 24 ساعة ، كان المريض في حالة مستقرة.

تم العثور على نظامك ليكون أكثر دقة بخمس مرات من نظام المراقبة التليمة الرائد. ما الذي يجعل تقنية CLEW أكثر فعالية في التنبؤ بتدهور المرضى الحرج؟

بشكل عام ، التنبيهات التي تم إنشاؤها بواسطة التعلم الآلي أقل تواترًا ، ولديها مستويات دقة أعلى ومعدلات أخطاء أقل مثل الإيجابيات الكاذبة ، وتوفر فترات زمنية أطول قبل الحدث من إنذارات نظام التелемيدسين والإنذارات الحضن. إنذارات CLEW أكثر دقة ووظيفية وتوفر الوقت للفريق العلاجي لاتخاذ الإجراءات اللازمة لمنع النتائج المتوقعة. يتمكن الذكاء المتقدم الذي توفره CLEW من خلال قدرته على استخراج بيانات المرضى من سجل المستشفى الإلكتروني ، جنبًا إلى جنب مع نماذج التعلم الآلي التي تم اختبارها وفحصها بدقة من خلال الأبحاث المنشورة والتحقق من إدارة الأغذية والأدوية.

أشار التحليل أيضًا إلى انخفاض كبير في الإنذارات الكاذبة. كيف يفيد تقليل إرهاق الإنذار العاملين في وحدة العناية المركزة ، وما هي ردود الأفعال من المهنيين الصحيين الذين يستخدمون نظامك؟

98٪ من إنذارات المراقبة الحضن هي إيجابيات كاذبة ، مما يؤدي إلى إرهاق الإنذار وتفاقم مستويات الإرهاق المزمنة تاريخيًا لدى العاملين في مجال الرعاية. تتمثل إرهاق الإنذار الذي تعالجه CLEW في تقليل عدد الانقطاعات الصوتية ، وزيادة نسبة التنبيهات القابلة للتنفيذ لتدخل مقدم الرعاية اللازم ، وإنشاء بيئة وحدة عناية مركزية أكثر هدوءًا. في جوهره ، تحسّن دقة المنصة وقدرتها على تقليل العبء غير الضروري من خلال نماذج التعلم الآلي بشكل كبير من إرهاق وحدة العناية المركزة. في إطار عملية التنفيذ ، تركز فرق نجاح العملاء في CLEW على أهمية إدارة التغيير السريري لضمان دمج التكنولوجيا بشكلเหมาะ في عملية اتخاذ القرار السريري. كانت ردود الأفعال من العاملين في مجال الرعاية إيجابية للغاية.

كيف تعمل ميزة التنبيه المبكر في منصة CLEW ، وما هي التدخلات التي ساهمت فيها في بيئات وحدة العناية المركزة في العالم الحقيقي؟

استنادًا إلى تدفق المعلومات الوارد من أجهزة المراقبة والحياة الداعمة ، بالإضافة إلى سجل الصحة الإلكتروني ، يمكن لنموذج CLEW للتعلم الآلي أن يتنبأ بمخاطر تدهور المريض والموت في غضون 8 ساعات القادمة. مع هذه التقييمات التنبؤية ، يمكن للأطباء الخبراء تقييم المرضى بشكل أوثق وتحديد ما إذا كان هناك أي إجراءات مضادة لمنع التدهورات المتوقعة ، بدلاً من الاستجابة لها على أساس الطوارئ.

على سبيل المثال ، يمكن لمنصة CLEW إخطار الأطباء بأن المريض من المرجح أن يصاب بفشل في الجهاز التنفسي ، مما يؤدي إلى وضع أنبوب التنفس والتهوية الميكانيكية. عند استلام التنبيه ، يمكن للعاملين في مجال الرعاية تحديد أن المريض يعاني من فرط السوائل الذي قد يبدأ في التراجع إلى الرئتين ، وبدء العلاج المُدر للسوائل لتقليل السوائل ، وبالتالي منع وضع أنبوب التنفس في وقت لاحق. يمكن أيضًا لنموذجنا التنبؤ بمدى احتمال أن يصبح مريض ما بعد الجراحة غير مستقر هيدروديناميكيًا ويتطلب دعمًا دوائيًا للاستقرار. بمعرفة ذلك في غياب الأعراض الواضحة ، يمكن لتصوير الأشعة المقطعية تحديد أن المريض يعاني من نزيف داخلي ويتم إرساله إلى الجراحة لإصلاحه. في النهاية ، أدت هذه التدخل إلى استقرار المريض.

تدعم تنبؤات الذكاء الاصطناعي من CLEW أيضًا المستشفيات بإدارة السعة. بعض المرضى لن يحتاجون بعد ذلك إلى رعاية حرجة ويمكن نقلهم إلى وحدات رعاية أقل حدة ، مما يتيح الفرص للمستشفى لتحسين إدارة السعة وإنشاء فرص لمرضى أكثر. هذا يزيد من هامش المساهمة لنظام الصحة.

ما هي الخطوات التالية لشركة CLEW Medical فيما يتعلق بتطوير واستخدام نماذج الذكاء الاصطناعي في بيئات الرعاية الصحية المختلفة؟

لقد وسعنا بالفعل منصة CLEW خارج بيئات الرعاية الحرجة لتشمل وحدات الانزلاق والطوارئ ، ونحن في proceso من التوسع عبر الأسرة الحادة المتبقية للمستشفيات ، بما في ذلك وحدات الرعاية بعد التخدير (PACU) والأسرة الطبية والجراحية والتخصصية. يتيح لنا التوسع في قدرات المراقبة التي تدعمها الذكاء الاصطناعي على نطاق أوسع في المستشفيات الحادة.

بالإضافة إلى ذلك ، نظرًا لأن تنبؤات CLEW تكمّل العديد من أنظمة HIT الأخرى ، بما في ذلك سجل الصحة الإلكتروني ، نحن نعمل على تقديم رؤىنا من خلال التكامل في أداة نظام الصحة الحالية. لقد انضممنا إلى شبكة مطوري Epic وبرهنا على نجاح التكامل الناجح لقدرات CLEW المتقدمة مثل التنبؤات المدعومة بالذكاء الاصطناعي في تجربة المستخدم السريرية.

تتجه CLEW أيضًا نحو نهج جديد مدعوم بالذكاء الاصطناعي لإدارة الالتهاب السेपسي ، وهو مضاعفة مدمرة وأحيانًا قاتلة.

أين ترى مستقبل الذكاء الاصطناعي في تحسين رعاية وحدة العناية المركزة على مدار العقد المقبل ، وكيف تخطط CLEW للمشاركة في هذا المستقبل؟

سكان المرضى في المستشفيات أكثر مرضًا مما كانوا عليه من قبل. مع زيادة العمر والأمراض المزمنة المرتبطة بالنمط الحياتي إلى جانب نقص العاملين في مجال الرعاية ، يزداد الحاجة إلى المراقبة السريرية الذكية. منذ أن ينتهي العديد من المرضى في وحدات العناية المركزة بسبب فرص متسربة للتدخل في وقت سابق من عملية الرعاية ، لا تركز CLEW فقط على استخدام الذكاء الاصطناعي لتحسين رعاية وحدة العناية المركزة ، ولكن أيضًا على الشراكة مع مبتكري الأنظمة الصحية والصناعة لتحسين جميع الرعايات الحادة. ستحصد трубة التطوير المنهجية للذكاء الاصطناعي (MLOPS) قدرات الشركاء لتنمو نماذج الذكاء الاصطناعي المصرح بها من قبل إدارة الأغذية والأدوية بما يتجاوز ما تطوره CLEW بمفردها.

然而 ، التكنولوجيا هي جزء فقط من الحل. استخدام الذكاء الاصطناعي في مجال الرعاية الصحية ليس عن طريق استبدال العاملين في مجال الرعاية. في الواقع ، يمكن للذكاء الاصطناعي تقديم معلومات أفضل لدعم اتخاذ القرارات السريرية المثلى ، مثل تقليل الإنذارات الصاخبة التي تستهلك وقتهم. تعمل CLEW مع الأنظمة الصحية والشركاء لتعلم العاملين في مجال الرعاية وتثقيفهم حول كيفية تبني أدوات الذكاء الاصطناعي بشكل فعال وقبوله في الممارسة السريرية. يُطلب البحث الذي يثبت دقة وفعالية الذكاء الاصطناعي ، لذلك تعمل CLEW مع عملائها لإنشاء هذه الأدلة مع مجتمعات المرضى الخاصة بهم. يدعم هذا الجهد البحثي التركيز على التنفيذ والقبول من قبل العاملين في مجال الرعاية الذين قد يكونون متشككين.

لتهيئة التنفيذ السريري الجديد ، لدينا القدرة على تحديث منصتنا لتشمل أفضل الممارسات الجديدة المكتشفة في غضون شهر ، وهو ما يعتبر عادةً يستغرق سنوات. على مدار العقد المقبل ، ستكون CLEW في طليعة العمل مع الأنظمة الصحية لجعل الذكاء الاصطناعي السريري الفعال شريكًا مطّلعًا ومبكرًا للعاملين في مجال الرعاية الذين قد يعتنيون بنا أو أحبائنا في يوم ما.

شكرًا على المقابلة الرائعة ، يُرجى من القراء الذين يرغبون في معرفة المزيد زيارة CLEW Medical.