Tim Vasil, Medstifter & Chief Technology Officer hos Hospital IQ – Intervieuserie

Tim Vasil er Medstifter & Chief Technology Officer hos Hospital IQ, en operationsledelsesplatform, der bruger data til at levere nøglefærdige maskinlæringsbaserede AI-løsninger til hurtige, bæredygtige operationelle forbedringer.

Hvad var det, der oprindeligt tiltrak dig til datalogi?

Babybøger. Som en undergrad, der var usikker på, hvilken karrierevej at følge, undersøgte jeg en deltidswebudviklerstilling på BabyZone.com. Oplevelsen var fantastisk! Et af mine første projekter var at tage en fysisk medium, babybøger, og bringe det ind i den digitale tidsalder, komplet med lydeffekter, overgangseffekter og en interaktiv gæstebog. Jeg skrev noget kode, klikkede på en knap for at uploade det til websitet, og pludselig havde tusinder af forældre en måde at forbinde sig med fjerne venner og familiemedlemmer på.

Denne e-babybog-app afslørede datalogi som et felt, hvor jeg kunne være en smule kunstner, ingeniør og måske endda tryllekunstner, og bruge disse færdigheder til at forbedre mange menneskers liv. Jeg så, at jeg kunne skrive kode én gang og have en varig indvirkning overalt. Wow!

Kan du fortælle os om baggrunden for Hospital IQ?

Medstifteren Rich Krueger og jeg dannede et hold for at undersøge områder, der var forsømt af teknologi. Man ville tro, at hospitaler ikke ville være et af disse områder, givet de milliarder af dollars, de bruger hvert år på medicinsk udstyr, elektroniske patientjournaler og lignende. Disse områder er bestemt godt dækket. Men hvad vi så, var en helt anden side af hospitaler, den operationelle side. Denne side handler om at finde ud af, hvornår man skal planlægge operationer, hvor man skal overføre patienter, hvilke tests man skal prioritere, hvordan man bedst planlægger for i morgen, og så videre. Disse er særligt udfordrende problemer, og traditionel medicinsk software rører dem ikke.

For at undersøge muligheden mødtes vi med hospitalsledere og frontlinjepersonale. Vi så helte hver dag. Vi så sygeplejerskeschedulere, der lavede non-stop-opkald og fik spørgsmål for at sende personale til de mest nødvendige steder. Vi så OR-chefer med klistermærker og whiteboards, der prøvede at dele op operationssals-tid blandt kirurger. Vi så operationelle excellence-ledere med massive regneark, der forsøgte at simulere, hvor mange hospitals senge de skulle omfordele. For at sige det kort, vi så så meget manuelt arbejde, der blev anvendt på problemer, fordi softwareværktøjerne ikke var tilstrækkelige, og vi ville gerne hjælpe.

Ligesom mange startups var vores produktudviklingsrejse ikke en lige vej. Vores tidlige “hjælp” kom i form af strategiske værktøjer, som vi troede ville løse de største problemer, men de krævede meget data og meget matematik. Mekanikken synes imponerende: Vi kunne samle modeller automatisk for at simulere det indre arbejde i et hospital og give anbefalinger om, hvorvidt den kirurgiske tidsplan skulle ændres, eller om den nye fløj skulle bygges. Men selv om spørgsmålene de besvarede var store, var de også sjældent stillede.

Den sande baggrund for Hospital IQ, som den eksisterer i dag, er ikke nogen inspireret vej af Rich eller mig, men af vores hele hold, der arbejder hånd i hånd med vores kunder og erkender, at vores vigtigste rol ikke er at hjælpe hospitaler med at besvare store, sjældent stillede spørgsmål, men snarere de små, hyppigt stillede spørgsmål. Disse spørgsmål bestemmer, hvad alle oplever, både patienten, der går i operation, og plejepersonalet, der vejleder dem gennem rejsen.

Kan du diskutere, hvordan softwaren giver sundhedssystemer mulighed for at opnå og fastholde topoperationel præstation?

Vores software handler om at møde sundhedsarbejdere, hvor de er i dag, i deres daglige arbejdsprocesser. I stedet for at forvente, at de skal gøre noget radikalt anderledes, såsom at køre en simulation, eller fortolke en prognose, eller optimere personaleskemaer fra scratch, omfatter vi de velkendte skridt, de tager hver dag på to måder. Vi digitaliserer dem, så de kan kommunikere mere effektivt med hinanden, og så lagrer vi forudsigelser og anbefalinger oveni. Dette giver sundhedsarbejdere mulighed for at arbejde mere effektivt og mere effektivt. Det bedste af alt er, at det frigør dem til at bruge mere tid på patientpleje.

Lad os tage et eksempel: Personaleskema. At finde ud af, hvor mange sygeplejersker der skal være i hver afdeling for hver vagt er en udfordring. Nogle medarbejdere ringer syge. En uventet stigning i efterspørgsel kan opstå. Sygeplejersker, der kan “flyde” over afdelinger, skal allokeres retfærdigt. Alle deres kompetencer, kvalifikationer og præferencer skal også tages i betragtning. Sæt det hele sammen, og du kan se, hvorfor telefonen i en typisk personaleskontor ringer af og til. Men på samme dag som en go-live med Hospital IQ, stopper telefonerne med at ringe. Meget af arbejdet er det samme, men med alle overvejelserne flyttet fra regneark, whiteboards og klistermærker til elegante kommunikationsværktøjer, automatiseret analyse af variation og forslag til personalebalance. Sygeplejerskeschedulere kan udføre deres job mere effektivt og behageligt end nogensinde før. At fastholde denne præstation er let, fordi værktøjerne er bygget til at støtte den eksisterende arbejdsproces. Vi er ikke et rådgivningsfirma, der kommer ind for at ændre måden, arbejdet foregår på, kun for at se det glide tilbage til status quo.

Hvad er nogle af de forskellige maskinlærings-teknologier, der bruges?

Vores data science-team anvender de metoder, vi har brug for for at få gode resultater for vores kunders brugstilfælde. Vi har brugt statistiske analyser for at forstå OR-brug, ARIMA-modeller til at forudsige kirurgisk volumen, Prophet til at forudsige census, tilfældige skove til at klassificere indlæggelsesstatus, neurale netværk til readmission scoring og meget mere. Vores data science-team holder sig opdateret om den seneste forskning, datakilder og værktøjer med løbende “journal club”-møder og innovere selv også. Med så åbent felt er der så mange overbevisende brugstilfælde og interessante data sæt at udforske og væve ind i Hospital IQ-platformen.

En af de særlige udfordringer for os er at håndtere den unikhed, vi ser hos hver af vores hospitalskunder. De serverer forskellige demografier. De har forskellige specialiseringer. De kliniske og operationelle data på hvert hospital kommer fra forskellige software konfigureret på forskellige måder med deres egne mangler. Hvis vi skulle bygge en komprehensiv model på tværs af alle vores kunder, eller blot på tværs af alle campusser inden for et enkelt sundhedssystem, ville det ikke passe så godt. Men at bygge manuelt tilpassede og one-off-løsninger er ikke en skalerbar eller robust tilgang. I stedet baserer vi os på at forstå de distinkte karakteristika af hver kundes data, udvikle generaliserbare modeller og har bygget værktøjer til at automatisere modelbygning, fortsat træning og nøjagtighedsmåling og overvågning for enkeltstående campusser.

Det gratis, offentligt tilgængelige værktøj COVID-19 Regional Forecast Dashboard har mere end 76.000 brugere fra hundredvis af hospitaler. Hvad er dette værktøj præcis?

Da vi først byggede COVID-19 Regional Forecast Dashboard i marts 2020, var vi bekymrede for, at USA måske ville løbe tør for tilgængelige hospitals senge, og ville gerne give en tidlig advarselssystem, ikke kun til vores kunder, men til alle hospitaler. For at gøre det muligt, ledte vi efter data sæt som sygehusets kapacitet efter county, sandsynlige overførsels- og dødelighedsrater for COVID-19 efter aldersgruppe og dusinvis af andre ting. Vi byggede endda en SEIR-model til at forudsige virusens trajektori på county-niveau og prøvede at give så megen kontekst som muligt, herunder det øjeblik, hvor intensivkapacitet og med/surg-kapacitet ville blive overtrådt, hvor mange mennesker ville blive helbredt og endda hvor mange ville dø. Vores mål var at samle en komplet county-for-county-perspektiv fra forskellige pålidelige datakilder.

Hospitaler har brugt vores dashboard som et værktøj til at træffe vigtige beslutninger, som hvornår at åbne surge-enheder eller hvornår at reducere valgfrie operationer for at give plads til kommende bølger af inficerede patienter. Interessant nok har selv personer hjemme fundet nogen brug og endda trøst fra værktøjet, da det tilføjede en smule klarhed til en meget skræmmende og ny global pandemi.

Hospital IQ’s data scientists og ingeniører deltager ofte i hackathons, hvad er nogle af de interessante idéer eller projekter, der er kommet ud af disse?

Hver måned opmuntrer vi medlemmer af vores data science- og ingeniørteam til at tage en dag fri for at fremme deres professionelle udvikling og antænde idéer til innovation, enten det er at deltage i en branchekonference, tage en online-kursus for at lære en ny færdighed eller noget andet, der støtter dem professionelt.

Som en del af dette vælger flere ingeniører og data scientists at bruge deres professionelle udviklingsdag på at deltage i Hospital IQ’s hackathons. Hackathons kræver, at deltagere er rapkæftede, innovative og i en enkelt dag kan presse en sværtilgængelig idé ind i arbejdende software. I dagene op til vores seneste hackathon i oktober 2020 dannede deltagere tre hold og crowdsourcede idéer fra hele virksomheden. Ingen emne var forbudt; idéer, der ikke var relevante for virksomhedens platform, eller endda sundhedsrummet, var fuldstændig acceptabelt. Det viser sig, at alle tre hold valgte idéer, der nu implementeres i den virkelige verden.

Det første hold – Team Cara – fokuserede på hospitals readmission og satte sig for at bygge en løsning, der kunne forudsige, hvilke patienter der var i risiko for readmission, før de blev udskrevet fra hospitalet. Hospitals readmission koster sundhedssystemet milliarder af dollars hvert år, så en forudsigelig og proaktiv løsning som denne ville arme udskrivnings sygeplejersker og plejepersonale med den ekstra indsigt, der er nødvendig for at reducere risikoen, skære omkostninger og vide, hvad hver patient har brug for for at blive uden for hospitalet. Team Cara tog data fra Hospital IQ’s operationsledelsesplatform og byggede en forudsigelsesmodel ved hjælp af et patient-specifikt maskinlæringsrammeværk, der tidligere var udviklet af data science-teamet. For hver patient på hospitalet tildeler modellen en score, der angiver sandsynligheden for readmission. De første resultater fra modellen viste en høj grad af nøjagtighed.

Det andet hold – Team Burt Reynolds – satte sig for at bygge en regional overvågningsløsning, der visualiserer lag af data på en kort. Holdet ville integrere kort i Hospital IQ’s eksisterende platform-pivottabel-infrastruktur, hvilket giver en måde at plotte en måling af interesse arrangeret efter bredde- og længdekoordinater ved hjælp af leaflet.js-biblioteket. Til deres bevis koncept brugte de hospitals overførselscenterdata til at højligte, hvilke affiliates var indtægtskilder og i hvilke volumener. Resultaterne viste overførsels tilfælde i et helt nyt lys og klargjorde, hvilke geografier de fleste patienter blev trukket fra, samt muligheder for vækst.

Det tredje hold – Team Raptor Strikeforce – så på at udvikle en løsning, der viser avkastningen på investeringen (ROI) i Hospital IQ’s operationsledelsesplatform. Holdet byggede en interface til at tilpasse forskellige indtastninger til finansielle modeller, såsom gennemsnitlig margin pr. valgfri procedure, og brugte indtastningerne til at spore ændringer i hospitalets finansielle sundhed over tid. Disse visualiseringer fortæller en overbevisende historie om, hvor meget operationelle effektivitetsinitiativer og investeringen i Hospital IQ-platformen, der giver det muligt, betaler sig.

De tre løsninger, der blev udviklet til hackathonen, viste, at de kunne give større værdi til vores kunder. Som resultat heraf har Hospital IQ inkorporeret alle tre løsninger inden for den eksisterende platform, og de bliver brugt af hospitaler i dag.

Er der noget andet, du gerne vil dele om Hospital IQ?

Hospital IQ’s store, bolde og ambitiøse mål er at forbedre effektiviteten og lykken for hver sundhedsarbejder hver dag. Vi er stolte af den indvirkning, vi har haft på sundhedssektoren indtil nu, men vores rejse er lige begyndt. For enhver medfølende, mission-dreven data scientist eller ingeniør derude, der er interesseret i at tage en af verdens største udfordringer – at forbedre sundhedssektorens effektivitet – vi ville elske at have dig med os!

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Hospital IQ.