Sean Shoffstall, vedoucí oddělení AI, inovací a dat ve společnosti PaceMate – série rozhovorů

Sean Shoffstall, Head of AI, Innovation and Data at PaceMate, je technologický a produktový manažer s více než 20 lety zkušeností s vytvářením inovativních SaaS řešení a integrací technologií umělé inteligence, které dodávají měřitelné obchodní výsledky a odpovídají strategickým obchodním cílům.

Sean se specializuje na normalizaci umělé inteligence, zdravotnické technologie a datových platforem pro týmy a zákazníky, zlepšuje produktivitu a efektivitu v klinických postupech. Jeho předchozí práce na integraci umělé inteligence do systémů pro správu zdravotní péče přinesla významná zlepšení efektivity a zlepšení výsledků pacientů díky intuitivnímu designu a datovým informacím.

Jako thought leader a veřejný řečník o umělé inteligenci pro manažery mostí mezeru mezi technickými možnostmi a strategickou obchodními implementacemi, se zaměřuje na produktový management a vývoj, který slouží skutečným klinickým potřebám. Buduje týmy, které dodávají inovativní řešení, která řeší skutečné zdravotnické výzvy, spíše než pouze sledují technologické trendy, zajišťuje soulad s provozní excelencí a zlepšením výsledků pacientů.

PaceMate je zdravotnická technologická společnost, která nabízí PaceMateLIVE, cloudovou platformu pro vzdálený monitoring a správu dat. Systém integruje data z implantabilních kardiologických zařízení, ambulantních monitorů a spotřebitelských ECG, pomocí automatizované prioritizace pomáhá klinickým pracovníkům soustředit se na nejkritičtější upozornění. Podporuje interoperabilitu s hlavními elektronickými systémy zdravotních záznamů, jako jsou Epic, Cerner a athenahealth, streamlinuje klinické postupy, zlepšuje provozní efektivitu a zlepšuje kontinuitu péče o pacienty v kardiologických ordinacích.

Vyvinuli jste AI-poháněná zdravotnická řešení po dobu více než 20 let, včetně prvního HIPAA-kompatibilního nástroje AI audiogramu ve společnosti Auditdata a nyní kardiologického inteligentního platformy v PaceMate. Co vás inspirovalo k přechodu na používání AI pro transformaci klinických dat na akční informace?

Byl jsem vždy poháněn daty. Na počátku své kariéry v digitálním marketingu měla naše agentura slogan “Quantifiable Creativity” – myšlenka, že můžete emocionální a kreativní práci vést tím, co se naučíte z dat. Když jsem přešel do zdravotnictví, viděl jsem zcela nový způsob, jak použít data. Místo toho, aby se pouze hlásilo, co se již stalo pacientovi, začal jsem se ptát: můžeme použít data k vidění trendů? Můžeme předpovědět, co se může stát dál?

Pak přišla umělé inteligence a rozšířila tyto možnosti. Skutečně věřím, že pokud můžeme použít AI chytrým, Human-in-the-Middle způsobem, můžeme transformovat zdravotnictví. Může dát lékařům více času s pacienty, zatímco úkoly kolem dat jsou zpracovávány AI. Ještě jsme tam nejsou, ale základy jsou budovány, aby nás tam dostaly.

PaceMate spravuje jednu z největších a nejrobustnějších kardiologických datových sad na světě. Jak jsou tato data transformována na prediktivní algoritmy, které zlepšují jak výsledky pacientů, tak klinickou efektivitu?

Data jsou klíčem. Abychom získali maximum z AI a strojového učení, vše se točí kolem trénovací sady, kterou máte. PaceMate je průmyslovým lídrem nejen kvůli našim datům, ale také kvůli tomu, že náš tým má desetileté klinické odbornosti k interpretaci a validaci dat. Když kombinujete trénovací data s touto odborností, začnete vidět, jak úspora jedné minuty zde a dvou minut tam může přinést obrovské zisky v efektivitě.

Pak, když přidáte schopnost identifikovat trendy v pacientských datech po celou dobu životnosti zařízení, vybavujete lékaře informacemi, které potřebují k tomu, aby mohli učinit nejlepší rozhodnutí pro své pacienty – podpořené nejkomplexnějšími daty.

Regulační rámce, jako je HIPAA a schválení FDA, často zpomalují přijetí AI ve zdravotnictví. Jaké praktické kroky mohou organizace podniknout, aby inovovaly zodpovědně v rámci těchto omezení?

V PaceMate silně věříme v Human-in-the-Middle filozofii kolem AI. Nenahrazujeme rozhodnutí AI, což je přesně proč FDA vyžaduje vážný dohled. Místo toho mohou organizace použít AI k těžbě, organizaci a prezentaci dat, zatímco stále spoléhají na klinickou odbornost k určení, co je správné pro každého pacienta.

Co se týče HIPAA, soukromí pacientů je váženou záležitostí ve zdravotnictví a měli bychom ji vždy dát na první místo. To je to, co je skvělé na našem lidsky orientovaném přístupu – AI nemusí vědět nic o osobních údajích našich pacientů (PII). Můžeme deidentifikovat data a analyzovat je z toho. Ale i s nejlepší filozofií je použití správných HIPAA-kompatibilních nástrojů, které se objevily na trhu v posledních letech, také nezbytné.

Soukromí dat je vždy vícesvrstvý přístup a soukromí pacientů by mělo být vždy na prvním místě, dokonce i před inovací.

Citlivost dat je velkou obavou v kardiologické péči. Jak PaceMate zajišťuje, aby vývoj AI udržoval nejvyšší úroveň soukromí a důvěry pacientů?

Soukromí pacientů bylo vždy kamenem PaceMate a vzestup AI pouze zdůrazňuje, proč je toto závazek důležité. Přistupujeme k vývoji AI s “privacy-by-design” filozofií, což znamená, že ochrana dat není následnou myšlenkou, ale je vestavěna do každé fáze.

Všechna pacientská data používaná ve výcviku AI jsou přísně deidentifikována a šifrována, následují protokoly, které překračují požadavky HIPAA. Dodržujeme také přísné zásady minimalizace dat, shromažďujeme a zpracováváme pouze to, co je absolutně nezbytné pro klinickou hodnotu.

V kardiologické péči jsme svěřeni některými z nejintimnějších zdravotních dat, jaká existují. To je důvod, proč provádíme pravidelné hodnocení dopadů na soukromí a bezpečnostní audity třetích stran, protože získání a udržení důvěry není jednorázovým úsilím – je to denní odpovědnost.

Automatizace ve zdravotnictví může být dvojí meč. Jak je AI v PaceMate navržena tak, aby doplňovala – spíše než nahrazovala – odbornost klinických pracovníků?

Naše Human-in-the-Middle filozofie znamená, že AI je používána jako komplementární nástroj, nikdy nenahrazuje odbornost. Naše závazek použití interní klinické odbornosti a spolupráce s klinickými pracovníky v nemocnicích k vedení našeho produktového vývoje přímo formuje naši AI praxi.

Klademe otázky jako “Co by vás učinilo efektivnějšími?”, “Jaká data by vám pomohla učinit lepší rozhodnutí?” a “Co chybí ve vašem současném pracovním postupu?” Pak používáme tyto informace k vedení toho, jak implementovat automatizaci a AI bez toho, aby nám to překáželo.

Mnohé zdravotnické systémy bojují s fragmentovanými daty napříč zařízeními, EHR a monitorovacími nástroji. Jak váš tým přistupuje ke sjednocování těchto zdrojů, aby dodával reálné přehledy, které skutečně záleží v okamžiku péče?

Za posledních 10 let jsme se stali centrem pro data vzdáleného monitoringu a rozumíme toku pacientských dat uvnitř a ven. Můžete si to představit jako identifikační graf, kde jsou data shromažďována a sloužena v požadovaných intervalech. Vyvinuli jsme infrastrukturu pro sběr dat z více výrobců zařízení, jejich vzdálených monitorovacích platforem a systémů EHR, poté normalizujeme a kontextualizujeme data, aby byla skutečně užitečná v okamžiku péče.

Klíč je pochopit nejen to, jak shromažďovat data, ale kdy a jak je prezentovat. Stali jsme se také experty na agregaci širokých, deidentifikovaných dat k validaci trendů a zajištění kvality, když zavádíme nová data. Tato dvojí schopnost – dodávání personalizovaných, reálných přehledů, zatímco udržujeme přehled o velkém obrazu – je to, co nám umožňuje transformovat fragmentovaná data na akční inteligenci.

S vaší zkušeností napříč několika zdravotnickými startupy, jaké jsou některé z nejvíce přehlížených výzev při integraci AI do klinických postupů ve velkém měřítku?

Soukromí a bezpečnost jsou zastrašující pro mnoho menších zdravotnických technologických společností. Ale existují skvělé osvědčené postupy a nástroje k dispozici a všichni hlavní cloudoví poskytovatelé – AWS, Azure a Google Cloud – mají poradce s průvodci a kontrolními seznamy, které pomáhají startupům a podnikům řešit tyto výzvy.

Jakmile je toto zajištěno, data ve velkém měřítku se stávají další překážkou. Kde jste dnes se svou datovou sadou, bude úplně jiné za šest měsíců. Pochopení, jak využít strukturovaná a nestrukturovaná data se silným identifikačním grafem, může být dobrým základem pro začátek a dokumentování vašeho přístupu po cestě vám pomůže zabránit některým šedivým vlasům na cestě.

Etická a transparentní nasazení AI se stává definujícím faktorem inovací ve zdravotnictví. Jak stavíte odpovědnost a vysvětlitelnost do AI systémů používaných pro lékařskou podporu rozhodování?

To se vrací k naší Human-in-the-Middle filozofii. Navrhujeme naše AI tak, aby prezentovala přehledy a vzory, ale klinický pracovník vždy činí konečná rozhodnutí. To vytváří přirozenou vrstvu odpovědnosti, kde je vždy licencovaný profesionál, který přezkoumává a ověřuje, co AI navrhuje.

Soustředíme se také na to, abychom ukázali “proč” za AI doporučeními. Naše systémy zdůrazňují, welche datové body vedly k bestimmému přehledu, aby lékaři mohli vyhodnotit, zda to má klinický smysl pro jejich konkrétního pacienta. Nežádáme klinické pracovníky, aby důvěřovali černé skříňce – dáváme jim transparentnost do logiky.

Jelikož učení jde oběma směry, jsme také vyvinuli kontinuální zpětné vazby. Když klinický pracovník přijme nebo přepsá AI návrh, to informuje naše modelové vylepšení. To vytváří odpovědnost v obou směrech a v průběhu času se AI učí z klinické odbornosti, zatímco klinici mohou vidět, jak jejich vstup přímo formuje systém.

Nakonec je vysvětlitelná AI ve zdravotnictví nejen o technické transparentnosti, ale také o respektu k klinickému úsudku a vytváření nástrojů, které doplňují, spíše než zastínění, rozhodovací proces.

Jako někdo, kdo pravidelně radí manažerům o AI strategii, jaké jsou nejdůležitější změny myšlení pro zdravotnické lídry, kteří se snaží přesunout od experimentování k významnému přijetí?

Když mluvím s manažery o AI, snažím se je vést k “Co kdyby” nebo “Přeji si…” myšlení. Jedním z nejsilnějších nástrojů v AI je schopnost napojit se na světový pohled na problém, spíše než pouze na lidi kolem vás nebo vaše vlastní předsudky. Takže kdykoli si myslíte, že něco je obtížné nebo nemožné, použijte svou oblíbenou AI, aby řekla “Přeji si, abych mohl…” a popište věci, které vám stojí v cestě. To je super silné. Také je vedu k tomu, aby jejich AI LLM byla zvědavá. Řekněte jí váš problém, ale také řekněte jí, aby vás požádala o podrobné otázky. Někdy to samo o sobě vás může vést k opravdu unikátním řešením.

AI je také skvělým nástrojem pro plánování. Manažeři potřebují stanovit strategii, zatímco také vytvářejí plán akcí, určují, jak měřit úspěch a identifikují pasti, než se stanou. AI je skvělé pro pomoc sestavit plány, jak začít.

Nakonec vždy čteme o tom, jak AI bere práci a společnosti propouští lidi ve prospěch AI. Myslím, že to je špatný způsob, jak myslet na AI. Společnost, která je postavena na produktech nebo službách pro lidi, potřebuje lidi, aby rozuměli, co nabízejí. Místo toho, aby používali AI pro snížení nákladů, přemýšlejte o tom, jak AI může vzít rutinní úkoly od vašich lidí a stát se zesilovačem. Pokud můžete snížit náklady o 15 % nebo zvýšit produktivitu o 200 %, která je lepší obchodní rozhodnutí?

Pohledem pět let dopředu, jak si představujete, že AI přetvoří krajinu kardiologického monitoringu a preventivní medicíny – a jaké milníky doufáte dosáhnout v PaceMate během této doby?

AI bude více a více součástí naší práce a denního života v průběhu příštích pěti let. Jak naši uživatelé budou více komfortní a důvěřiví k výstupu, otevře se nekonečné možnosti a partnerství.

Chtěl bych nejprve poskytnout nástroje, které pomáhají klinickým pracovníkům prioritizovat péči o pacienty, kteří mohou být v největším nebezpečí – těch, kteří mohou být v nejvyšším riziku nepříznivých událostí. Odtud můžeme začít používat AI a trendová data k ukázání různých možných výsledků pro jednotlivé pacienty, poskytující lékařům jasnější obraz toho, co je před nimi.

Nakonec, když budeme moci dodávat přehledy, kterým všichni důvěřují, najít skvělé partnerství s výzkumnými nemocnicemi, aby jim pomohli využít naše modely, by bylo ambiciózním cílem. To je místo, kde bychom mohli skutečně pohánět inovace napříč průmyslem rychleji a mít významný dopad na kardiologickou péči jako celek.

Děkuji for skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit PaceMate.