Tim Vasil, spoluzakladatel a technický ředitel Hospital IQ – rozhovor

Tim Vasil je spoluzakladatel a technický ředitel Hospital IQ, platformy pro řízení operací, která využívá data k poskytování komplexních řešení založených na umělém inteligenci pro rychlé a udržitelné provozní zlepšení.

Co vás původně přitáhlo k informatice?

Dětské knihy. Jako student, který nebyl jistý, jakou kariéru chce sledovat, jsem探il částečný úvazek jako webový vývojář v BabyZone.com. Zažitek byl úžasný! Jedním z mých prvních projektů bylo převést fyzickou média, dětské knihy, do digitální éry, kompletní se zvuky, přechodovými efekty a interaktivní hosteskou knihou. Napsal jsem kód, klikl na tlačítko pro nahrání na web a najednou tisíce rodičů měly způsob, jak se spojit s vzdálenými přáteli a příbuznými.

Ta e-kniha pro děti odhalila informatiku jako obor, ve kterém jsem mohl být trochu umělcem, inženýrem a možná i kouzelníkem, a použít tyto dovednosti ke zlepšení mnoha lidí. Viděl jsem, že mohu napsat kód jednou a mít trvalý dopad všude. Úžas!

Můžete nám říci příběh o vzniku Hospital IQ?

Spoluzakladatel Rich Krueger a já jsme se spojili, abychom prozkoumali oblasti, které byly technologií zanedbány. Mysleli byste si, že nemocnice by nebyly jednou z nich, vzhledem k miliardám dolarů, které každoročně utrácejí za lékařské vybavení, elektronické zdravotnické záznamy a podobně. Tyto oblasti jsou určitě dobře pokryty. Co jsme však viděli, byla celá jiná strana nemocnic, provozní strana. Tato strana se týká určování, kdy naplánovat operace, kam převést pacienty, které testy prioritizovat, jak nejlépe naplánovat na zítřek a podobně. Tyto jsou especialmente náročné problémy a tradiční lékařský software je nedotýká.

Prozkoumali jsme tuto příležitost, setkali jsme se s vedoucími nemocnic a personálem na první linii. Viděli jsme hrdinství každý den. Viděli jsme plánovače sester, kteří dělali neustále telefonáty a zodpovídali otázky, aby vyslali personál do nejpotřebnějších míst. Viděli jsme manažery operačních sálů s poznámkami a bílou tabulí, kteří se snažili rozdělit operační čas mezi chirurgy. Viděli jsme vedoucí provozní excelence s rozsáhlými tabulkami, kteří se snažili simulovat, kolik nemocničních lůžek realokovat. Stručně řečeno, viděli jsme tolik manuálního úsilí, které se aplikovalo na problémy, protože softwarové nástroje nebyly dostatečné, a chtěli jsme pomoci.

Jako mnoho startupů, naše produktová cesta nebyla přímou cestou. Naše raná “pomoc” přišla ve formě strategických nástrojů, které jsme si mysleli, že vyřeší nejtvrdší problémy, ale vyžadovaly mnoho dat a mnoho matematiky. Mechanika toho parece působivá: mohli jsme sestavit modely automaticky, aby simulovaly vnitřní fungování nemocnice a poskytly doporučení, zda změnit chirurgický plán, nebo zda postavit novou křídlo. Avšak zatímco otázky, které zodpovídaly, byly velké, byly také málo kladené.

Skutečný původ Hospital IQ, jak existuje dnes, není nějaká inspirativní cesta, kterou Rich nebo já jsme si vybrali, ale naší celou týmem, který pracoval rukama s našimi zákazníky a uvědomil si, že naše nejdůležitější role není v pomoci nemocnicím zodpovídat velké, málo kladené otázky, ale spíše v těch malých, častých otázkách. Tyto otázky určují, jaký je zkušenost pacienta, který jde na operaci, a týmu, který ho provází touto cestou.

Můžete diskutovat o tom, jak software umožňuje zdravotnickým systémům dosáhnout a udržet špičkový provozní výkon?

Náš software je vše o setkání se zdravotnickými pracovníky tam, kde jsou dnes, ve svých denních pracovních postupech. Místo toho, aby od nich očekávali, že budou dělat něco radikálně jiného, jako spuštění simulace, nebo interpretaci prognózy, nebo optimalizaci personálu, přijímáme známé kroky, které dělají každý den, dvěma způsoby. Digitalizujeme je, aby mohli komunikovat účinněji mezi sebou, a pak přidáváme předpovědi a doporučení. To umožňuje zdravotnickému personálu pracovat účinněji a efektivněji. Nejlepší ze všeho, osvobozuje je, aby mohli trávit více času péčí o pacienty.

Podívejme se na jeden příklad: personální plánování. Určování, kolik sester potřebuje být v každém oddělení pro každou směnu, je výzvou. Některý personál volá nemocný. Neočekávaný nárůst poptávky může nastat. Sestry, které mohou “plavat” mezi odděleními, potřebují být přiděleny spravedlivě. Všichni jejich dovednosti, kvalifikace a preference také potřebují být vzaty v úvahu. Dejte to všechno dohromady a můžete vidět, proč telefon v typickém personálním úřadě zvoní neustále. Avšak ve stejný den, kdy Hospital IQ spustí, telefony utichnou. Mucha práce je stejná, ale s veškerou informací centralizovanou v platformě Hospital IQ, všechny úvahy se přesunuly ze sešitů, bílé tabule a poznámek na elegantní komunikační nástroje, automatizovanou analýzu variability a návrhy pro personální vyvážení. Plánovači sester mohou vykonávat svou práci účinněji a příjemněji než dříve. Udržet tento výkon je také snadné, protože nástroje jsou postaveny na podporu stávajících pracovních postupů. Není jsme poradenskou společností, která přichází změnit způsob, jakým práce probíhá, pouze abychom viděli, že se vrátí do původního stavu.

Jaké jsou některé z různých technologií strojového učení, které jsou použity?

Náš tým datových vědců používá jakékoliv metody, které potřebujeme, aby dosáhli skvělých výsledků pro naše zákazníky. Použili jsme statistické analýzy, aby pochopili využití operačních sálů, modely ARIMA, aby předpověděli chirurgické objemy, Prophet, aby předpověděli počet pacientů, náhodné lesy, aby klasifikovaly stav pacientů, neuronové sítě pro skóre readmisi a mnoho dalšího. Náš tým datových vědců je v obraze na nejnovější výzkum, datové zdroje a nástroje s pravidelnými “journal club” setkáními a pravidelně inovuje sám. S tak otevřeným polem je tolik přesvědčivých případů použití a zajímavých datových sad, které prozkoumat a zapracovat do platformy Hospital IQ.

Jedna z speciálních výzev pro nás je zvládnout jedinečnost, kterou vidíme u každého z našich zákazníků. Slouží různé demografické skupiny. Mají různé specializace. Klinické a provozní údaje v každé nemocnici pocházejí z různých softwarových konfigurací s vlastními nedostatky. Pokud bychom postavili komplexní model napříč všemi našimi zákazníky, nebo dokonce napříč všemi kampusy v rámci jednoho zdravotnického systému, nevyhovoval by příliš dobře. Avšak postavení ručně přizpůsobených a jednorázových řešení není škálovatelným nebo robustním přístupem. Místo toho se spoléháme na pochopení specifických charakteristik každého zákazníkova data, vyvíjíme obecně použitelné modely a postavili jsme nástroje pro automatizované sestavení modelů, pokračující školení a měření a monitorování přesnosti pro jednotlivé kampusy.

Volně přístupný nástroj COVID-19 Regionální prognostický panel má více než 76 000 uživatelů z stovek nemocnic. Co přesně je tento nástroj?

Když jsme poprvé postavili COVID-19 Regionální prognostický panel v březnu 2020, báli jsme se, že Spojené státy mohou dojít k dispozici lůžek, a chtěli jsme poskytnout systém včasného varování, nejen našim zákazníkům, ale všem nemocnicím. Abychom to mohli udělat, hledali jsme datové sady, jako je kapacita lůžek s personálem podle okresu, pravděpodobné míry přenosu a úmrtnosti COVID-19 podle věkové skupiny a desítky dalších věcí. Postavili jsme dokonce model SEIR, aby předpověděli trajektorii viru na základě okresu, a snažili se poskytnout co nejvíce kontextu, včetně okamžiku, kdy by kapacita JIP a med/surg mohla být překročena, kolik lidí by se zotavilo a dokonce kolik by zemřelo. Naším cílem bylo sestavit kompletní okres-za-okresem perspektivu z různých spolehlivých datových zdrojů.

Nemocnice použily náš panel jako nástroj pro rozhodování, jako například kdy otevřít jednotky pro náhlé případy nebo kdy zpomalit elektivní operace, aby udělaly místo pro nadcházející vlny infikovaných pacientů. Zajímavě, dokonce i jednotlivci doma našli nějakou užitečnost a dokonce útěchu z tohoto nástroje, protože přidali trochu jasnosti do velmi děsivé a nové globální pandemie.

Při poskytování veřejného nástroje víme, že máme důležitou povinnost shromažďovat a analyzovat data věrně a často, a vybrat nejlepší dostupné datové zdroje. Někdy to znamená vyměnit lepší modely, jakmile jsou k dispozici. V případě našeho vlastního modelu SEIR jsme nakonec přinesli, s povolením, model státu od Institute for Health Metrics and Evaluation (IHME) jako uznávaný standard Bílého domu a dalších zdrojů. Našli jsme způsob, jak umístit tyto předpovědi do kontextu konkrétních okresů, stejně jako konkrétních nemocnic v těchto okresech, aby poskytly nemocnicím hodinové pokyny pro pokračující dopady COVID-19.

Můžete říci něco o účasti datových vědců a inženýrů Hospital IQ v hackathonech?

Každý měsíc, povzbuzujeme členy našeho týmu datových vědců a inženýrů, aby si vzali den volna, aby podpořili svůj profesní rozvoj a zapálili nápady pro inovace, ať už to je účast na konferenci, absolvování online kurzu, aby se naučili novou dovednost, nebo jakoukoli jinou činnost, která je profesionálně posiluje.

Jako součást toho, několik inženýrů a datových vědců si vybralo strávit svůj profesní rozvojový den účastí v hackathonech Hospital IQ. Hackathony vyžadují, aby účastníci byli šikovní, inovativní a během jednoho dne, tlačili těžko transformovatelnou myšlenku do fungujícího softwaru. V předchozích dnech říjnového hackathonu 2020, účastníci vytvořili tři týmy a shromáždili nápady z celé společnosti. Žádné téma nebylo považováno za uzavřené; nápady, které nebyly relevantní pro platformu společnosti, nebo dokonce pro zdravotnický prostor, byly zcela přijatelné. Jak se ukázalo, všechny tři týmy nakonec zvolily nápady, které jsou nyní implementovány v reálném světě.

První tým – Tým Cara – se zaměřil na readmisi pacientů a snažil se postavit řešení, které by mohlo předpovědět, kteří pacienti jsou v riziku readmise, ještě předtím, než jsou propuštěni z nemocnice. Readmise pacientů stojí zdravotnický systém miliardy dolarů ročně, takže předpovědné a proaktivní řešení, jako toto, by poskytlo vyřazeným sestrám a manažerům péče s dalšími informacemi, aby snížili riziko, snížili náklady a věděli, co každý pacient potřebuje, aby zůstal mimo nemocnici. Tým Cara vzal data z operačního managementu Hospital IQ, a pomocí pacientského specifického rámce strojového učení, který byl dříve vyvinut týmem datových vědců, postavil prediktivní model. Pro každého pacienta v nemocnici, model přiřadil skóre, které ukazovalo pravděpodobnost readmise. Počáteční výsledky z modelu ukázaly vysoký stupeň přesnosti.

Druhý tým – Tým Burt Reynolds – se snažil postavit regionální monitoringové řešení, které vizualizovalo vrstvy dat na mapě. Tým chtěl integrovat mapy do stávající infrastruktury pivot tabulky Hospital IQ, nabízející způsob, jak zobraziť metriku zájmu uspořádanou podle zeměpisné šířky a délky pomocí knihovny leaflet.js. Pro jejich koncept, použili data z nemocničního transferového centra, aby zvýraznili, které afiliace byly zdroji příjmů a v jakém objemu. Výsledky ukázaly případy transferu v novém světle a vyjasnily, z cuales geografických oblastí pocházeli meisten pacienti, stejně jako příležitosti pro růst.

Třetí tým – Tým Raptor Strikeforce – se snažil vyvinout řešení, které by ukázalo návratnost investic (ROI) operačního managementu Hospital IQ. Tým postavil rozhraní pro přizpůsobení různých vstupů do finančních modelů, jako je průměrná marže na elektivní proceduru, a použil vstupy pro sledování změn ve finančním zdraví nemocnice v průběhu času. Tyto vizualizace vyprávějí přesvědčivý příběh o tom, jak významně iniciativy provozní efektivity, a investice do platformy Hospital IQ, která je umožňuje, se vyplácejí.

Tři řešení, která byly vyvinuta pro hackathon, ukázala, že mohou poskytnout větší hodnotu našim zákazníkům. Jako výsledek, Hospital IQ zahrnula všechna tři řešení do stávající platformy, a jsou nyní využívána nemocnicemi.

Je něco jiného, co byste rádi sdíleli o Hospital IQ?

Hospital IQ má velké, odvážné a ambiciózní cíle – zlepšit efektivitu a spokojenost každého zdravotnického pracovníka každý den. Jsme pyšní na dopad, který jsme dosud měli na zdravotnictví, ale naše cesta je teprve na začátku. Pro každého soucitného, misijně orientovaného datového vědce nebo inženýra, který je intéressován řešením jednoho z nejtěžších výzev – zlepšením efektivity zdravotnictví – rádi bychom vás pozvali, aby se k nám připojili!

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Hospital IQ.