Tim Vasil, spoluzakladatel a Chief Technology Officer v Hospital IQ – Rozhovorová série

Tim Vasil je spoluzakladatel a Chief Technology Officer v Hospital IQ, platformě pro řízení operací, která využívá data k dodání kompletních řešení založených na strojovém učení a umělé inteligenci pro rychlá a udržitelná provozní zlepšení.

Co vás původně přitáhlo k počítačovým vědám?

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

Tato e-dětská kniha aplikace odhalila počítačové vědy jako obor, ve kterém jsem mohl být trochu umělcem, inženýrem a možná i kouzelníkem, a použít tyto dovednosti ke zlepšení mnoha lidí života. Viděl jsem, že mohu napsat kód jednou a mít trvalý dopad všude. Úžasně!

Můžete nám říci příběh o vzniku Hospital IQ?

Spoluzakladatel Rich Krueger a já jsme se spojili, abychom prozkoumali oblasti zanedbané technologií. Mysleli byste si, že nemocnice by nebyly jednou z těchto oblastí, vzhledem k miliardám dolarů, které každoročně utrácejí za lékařské vybavení, elektronické zdravotní záznamy a podobně. Tyto oblasti jsou jistě dobře pokryty. Co jsme však viděli, byla celá jiná strana nemocnic, provozní strana. Tato strana se týká určování, kdy naplánovat operace, kam přenést pacienty, které testypriorit, jak nejlépe naplánovat zítřejší den a podobně. Tyto jsou especialmente náročné problémy a tradiční lékařský software je nedotýká.

Abychom prozkoumali tuto příležitost, setkali jsme se s vůdci nemocnic a front-line personálem. Viděli jsme hrdinství každý den. Viděli jsme sestry, které dělaly neustále hovory a zodpovídaly otázky, aby vyslaly personál do nejpotřebnějších míst. Viděli jsme manažery operačních sálů se samolepkami a bílou tabulí, kteří se snažili rozdělit operační čas mezi chirurgy. Viděli jsme vůdce provozní excelence s obrovskými tabulkami, kteří se snažili simulovali, aby zjistili, kolik nemocničních lůžek realokovat. Stručně řečeno, viděli jsme tolik ruční práce aplikované na problémy, protože softwarové nástroje nestačily, a chtěli jsme pomoci.

Jako mnoho startupů, naše produktová vývojová cesta nebyla přímá. 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 operační plán, nebo zda postavit novou křídlo. Yet zatímco otázky, které odpověděli, byly velké, byly také málo kladené.

Skutečný původ Hospital IQ, jak existuje dnes, není nějaká inspirovaná cesta Richem nebo mnou, ale naší celou týmem, který pracoval ručně s našimi zákazníky a uvědomil si, že naše nejdůležitější role není v pomoci nemocnicím odpovědět na velké, málo kladené otázky, ale na zdánlivě malé, časté otázky. Tyto jsou otázky, které určují, jaký je zkušenost každého, ať už pacienta, který jde na operaci, nebo zdravotnického týmu, který ho doprovází na této cestě.

Můžete diskutovat, 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 očekávání, že budou dělat něco radikálně jiného, jako spuštění simulace, nebo interpretace prognózy, nebo optimalizace personálu, jsme přijali známé kroky, které dělají každý den, dvěma způsoby. Digitalizujeme je, aby mohli komunikovat více efektivně mezi sebou, a pak přidáváme předpovědi a doporučení. To umožňuje zdravotnickému personálu pracovat více efektivně a efektivněji. Nejlepší ze všeho, osvobozuje je, aby strávili více času pacientskou péčí.

Vezměme si jeden příklad: personální plánování. Určení, kolik sester potřebuje být v každé jednotce pro každou směnu, je výzvou. Některé personály volají nemocné. Neočekávaný nárůst poptávky může nastat. Sestry, které mohou “plavat” mezi jednotkami, 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. Yet 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 z tabulek, bílé tabule a samolepek na elegantní komunikační nástroje, automatizovanou analýzu variability a návrhy pro personální vyvážení. Sestry-plánovačky mohou vykonávat svou práci více efektivně a příjemně než kdykoli předtím. Udržet tento výkon je snadné, protože nástroje jsou postaveny tak, aby podporovaly stávající pracovní postup. Není jsme poradenská společnost, která přijde, aby změnila způsob, jakým práce probíhá, pouze aby viděla, jak se vrátí do status quo.

Jaké jsou některé z různých technologií strojového učení, které se používají?

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 operační objem, Prophet, aby předpověděli census, náhodné lesy, aby klasifikovali stav pacientů, neuronové sítě pro scoring readmisi a mnoho dalšího. Náš tým datových vědců zůstává v obraze s nejnovějším výzkumem, datovými zdroji a nástroji s pravidelnými setkáními “journal club” a pravidelně inovuje na své vlastní. S tak otevřeným polem, existuje tolik lákavých případů použití a zajímavých datových sad, které prozkoumat a zaplést do platformy Hospital IQ.

Jednou z našich speciálních výzev je zvládnout jedinečnost, kterou vidíme u každého z našich zákazníků nemocnic. Slouží různé demografické skupiny. Mají různé specializace. Klinické a provozní údaje v každé nemocnici pocházejí z různých softwarů konfigurovaných různými způsoby se svými vlastními nedostatky. Pokud bychom postavili komplexní model napříč všemi našimi zákazníky, nebo dokonce napříč všemi areály v rámci jednoho zdravotního systému, nevyhověl by velmi dobře. Yet postavení ručně přizpůsobených a jednorázových řešení není škálovatelným nebo robustním přístupem. Místo toho se spoléháme na pochopení specifických charakteristik každého zákaznického data, vývoj obecně použitelných modelů a postavení nástrojů pro automatizaci modelování, pokračujícího školení a měření a monitorování přesnosti pro jednotlivé areály.

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 nemocničních lůžek, a chtěli jsme poskytnout systém včasného varování, nejen našim zákazníkům, ale všem nemocnicím. Abychom to udělali, hledali jsme datové sady, jako je kapacita personálu lůžek podle okresu, pravděpodobné přenosové a úmrtnostní sazby COVID-19 podle věkových skupin 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 byla překročena, kolik lidí by se zotavilo a dokonce i kolik by zemřelo. Naším cílem bylo sestavit kompletní okres-za-okresem perspektivu z různých spolehlivých datových zdrojů.

Nemocnice použily náš panel jako nástroj pro přijetí klíčových rozhodnutí, jako je 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一些 použití a dokonce útěchu z 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 získali, s povolením, model státu IHME jako uznávaný standard Bílého domu a dalších zdrojů. Našli jsme způsob, jak umístit tyto předpovědi do kontextu specifických okresů, jakož i specifických nemocnic v těchto okresech, aby poskytly nemocnicím hodinové pokyny o pokračujících dopadech COVID-19.

Hospital IQ datoví vědci a inženýři často účastní hackathonů, co jsou některé z interessantních nápadů nebo projektů, které z nich vyšly?

Každý měsíc, povzbuzujeme členy našeho týmu datových vědců a inženýrů, aby strávili den, aby podpořili jejich profesní rozvoj a zapálili nápady pro inovace, ať už tím, že navštíví průmyslovou konferenci, absolvují online kurz, aby se naučili novou dovednost, nebo jakoukoli jinou činnost, která je profesionálně posiluje.

Jako součást toho, několik inženýrů a datových vědců si zvolilo strávit svůj profesní rozvojový den účastí na hackathonech Hospital IQ. Hackathony vyžadují, aby účastníci byli šikovní, inovativní a v jednom dni, tlačili těžko transformovatelnou myšlenku do fungujícího softwaru. V dnech vedoucích k našemu poslednímu hackathonu v říjnu 2020, účastníci vytvořili tři týmy a crowdsourcovali 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 nemocnic a snažil se postavit řešení, které by mohlo předpovědět, které pacienty jsou v riziku readmise, ještě předtím, než jsou propuštěni z nemocnice. Readmise nemocnic stojí zdravotnický systém miliardy dolarů každý rok, takže prediktivní a proaktivní řešení, jako toto, by poskytlo propouštějícím sestrám a manažerům péče potřebné informace, 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 pacientsky specifického rámce strojového učení, dříve vyvinutého týmem datových vědců, postavil prediktivní model. Pro každého pacienta v nemocnici, model přiřadil skóre, které ukazovalo pravděpodobnost readmise. Předběžné 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 plotovat metriku zájmu uspořádanou podle zeměpisné šířky a délky pomocí knihovny leaflet.js. Pro jejich proof of concept, použili data z transferového centra, aby ukázali, které afiliáty byly zdrojem příjmů a v jakém objemu. Výsledky ukázaly případy transferu v úplně novém světle a vyjasnily, odkud pocházeli většina pacientů, jakož i 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, aby sledoval změny ve finančním zdraví nemocnice v čase. Tyto vizualizace vyprávějí přesvědčivý příběh o tom, jak významně provozní efektivní iniciativy a investice do platformy Hospital IQ, které je umožňují, se vyplácejí.

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

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

Velkým, odvážným a ambiciózním cílem Hospital IQ je zlepšit efektivitu a spokojenost každého zdravotnického pracovníka každý den. Jsme hrdí na dopad, který jsme měli na zdravotnictví dosud, ale naše cesta je teprve na začátku. Pro každého soucitného, misijně orientovaného datového vědce nebo inženýra, který je zájem o řešení jedné z nejtěžších výzev – zlepšení efektivity zdravotnictví – rádi bychom vás pozvali, aby se k nám připojil!

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