Paul Roscoe, Chief Executive Officer, CLEW Medical – Interview-Serie

Paul Roscoe ist der Chief Executive Officer von CLEW Medical.

Vor seinem Eintritt bei Clew war Herr Roscoe CEO von Trinda Health und verantwortlich für die Etablierung des Unternehmens als Branchenführer im Bereich qualitätsorientierter klinischer Dokumentationslösungen.

CLEW Medical bietet Krankenhäusern, Gesundheitssystemen und Intensivstationen fortschrittliche klinische Intelligenz und Patientendiagnostik mit Hilfe von AI-gesteuerten, FDA-zugelassenen Vorhersagemodellen und proprietären kritischen Pflegemodellen.

Können Sie uns ein bisschen mehr über CLEW Medicals AI-Plattform und ihre einzigartigen Fähigkeiten im MedTech-Bereich erzählen?

Die Gründung von CLEW basierte auf der Prämisse, dass Datenanalyse und KI die Patientenergebnisse und die Erfahrung der Kliniker in hochakuten Versorgungseinrichtungen erheblich verbessern können. Die klinische Überwachungsplattform, die wir entwickelt haben, ist die erste, die FDA-zugelassene AI-gesteuerte Vorhersagemodelle für kritische Pflege hat. Unser System erhält Daten durch die Integration mit allen klinischen Datenquellen innerhalb eines Krankenhauses und erstellt ein nahezu Echtzeit-physiologisches Profil jedes Patienten, um dessen Zustand kontinuierlich zu überwachen. Es verwendet dann diese Daten, um Vorhersagen zu liefern, um Patienten zu identifizieren, die wahrscheinlich ein ungünstiges Ereignis erleben werden – wie z.B. Atemversagen – und Kliniker zu warnen, um innerhalb von bis zu acht Stunden vor dem erwarteten Ereignis einzugreifen. Die hohe Genauigkeit der Plattform reduziert auch die übermäßige Anzahl von Falschalarmen, ermöglicht es Klinikern, an der Spitze ihres Fachwissens zu arbeiten und sich auf Patienten zu konzentrieren, die einer sofortigen Intervention bedürfen.

Welche Faktoren trugen maßgeblich zur FDA-Zulassung von CLEWs AI-gesteuerten Modellen bei?

CLEW hat seit seiner Gründung KI eingesetzt. Unsere Gründer und Entwicklungsleiter erkannten die Bedeutung darin, Vertrauen bei den Pflegern zu fördern, die für die Nutzung unserer Technologie zur Versorgung ihrer Patienten verantwortlich sind. Es war von entscheidender Bedeutung, dass unsere Technologie der gleichen Prüfung und Sorgfalt bei Design, Entwicklung, Test und Validierung unterzogen wird wie die Geräte, die bereits von unseren Nutzern verwendet werden. Um die Einführung einer KI-Lösung für kritische Pflegeeinrichtungen zu fördern, verstand unser Team die Notwendigkeit, Modelle mit sorgfältiger Produktentwicklung und Qualitätsystemen zu erstellen. Als Ergebnis nutzen unsere AI-Modellentwicklungen eine robuste MLOPS-Infrastruktur (Machine Learning Operations), um die regulatorischen Erwartungen zu erfüllen, wie z.B. die PCCP-Richtlinie (Pre-authorized Change Control Plan) der FDA. Unsere AI-Modelle werden methodisch entworfen und unterziehen sich allen notwendigen Experimenten für die Zulassung von Medizinprodukten.

Die Robustheit der Modelle und unsere internen Prozesse führten dazu, dass die FDA unsere Lösung als Klasse-II-Medizinprodukt einstuft, was Anfang 2021 eine bahnbrechende, erstmalige Leistung darstellte. Die FDA-Zulassung von Medizinprodukten ist ein Zeichen für die Qualität unseres End-to-End-Entwicklungsprozesses, der klinische Validierungsstudien in realen Patientenpopulationen umfasst.

Die kürzlich im CHEST®-Journal veröffentlichte Studie hob die Vorhersagegenauigkeit Ihrer AI-Modelle hervor. Können Sie die Methodik und die spezifischen Ergebnisse dieser Studie erläutern?

Ein CLEW-Trainings-ML-Algorithmus wurde in 14 Intensivstationen (ICUs) über zwei große Gesundheitssysteme hinweg eingesetzt, um Intubations- und Vasopressor-Initiationsereignisse – also Ereignisse, die lebensrettende Interventionen erfordern – bei kritisch kranken Erwachsenen vorherzusagen. Seine Leistung wurde im Vergleich zu bestehenden Bettseiten-Überwachungsalarmen und den Vorhersageeffekten von Telemedizin-Systemwarnungen gemessen.

Die Studie, die darauf abzielte, die Genauigkeit und Nützlichkeit der Warnungen in ICUs zu bewerten, fand heraus, dass CLEWs Modelle für die Vorhersage von Patientenverschlechterungen fünfmal genauer waren als und 50-mal weniger Alarme als das führende Telemedizin-System produzierten. Die Ergebnisse zeigen auch, dass das ML-Modell eine höhere Genauigkeit im Vergleich zu herkömmlichen Überwachungssystemen aufweist und unnötige Unterbrechungen des Klinikerpersonals drastisch reduziert.

Wie können die von CLEWs Plattform erstellten AI-Vorhersagen die Patientenversorgung in der Intensivstation transformieren? Können Sie erläutern, wie diese Vorhersagen die Ergebnisse verbessern und Komplikationen reduzieren?

CLEWs Plattform bietet Möglichkeiten für frühzeitige Interventionen bei hochriskanten Patienten und unterstützt die Kapazitätsverwaltung, indem sie Patienten identifiziert, die möglicherweise bereit sind, auf eine geringere Versorgungsstufe herabgestuft oder entlassen zu werden. Dies führt zu einer Verringerung der Sterblichkeits- und Wiederaufnahmeraten, reduziert Komplikationen, die durch Patientenverschlechterungen verursacht werden, und minimiert die Aufenthaltsdauer der Patienten.

Beispielsweise konnte unsere Technologie innerhalb der ersten 24 Stunden nach der Implementierung in einem großen Gesundheitssystem eine hämodynamische Instabilität bei einem ICU-Patienten vorhersagen, was zu einer Untersuchung durch einen Anbieter führte. Nach der Untersuchung des Patienten ordnete der Anbieter eine CT-Untersuchung an und entdeckte eine Bauchblutung. Der Patient wurde in den Operationssaal gebracht, um eine Notoperation durchzuführen, und seine Lebensrettung wurde sichergestellt. 24 Stunden später war der Patient in einem stabilen Zustand.

Ihres Systems wurde festgestellt, dass es fünfmal genauer ist als ein führendes Telemedizin-Überwachungssystem. Was macht CLEWs Technologie effektiver bei der Vorhersage kritischer Patientenverschlechterungen?

Im Allgemeinen sind ML-generierte Benachrichtigungen seltener, haben höhere Genauigkeitsgrade und niedrigere Fehlerraten wie Falschpositiven und bieten längere Vorwarnzeiten als andere Telemedizin-Systemwarnungen und Bettseiten-Überwachungsalarme. CLEWs Warnungen sind genauer und funktionaler und bieten Zeit für das Pflegeteam, um Gegenmaßnahmen zu ergreifen, um vorhergesagte Ergebnisse zu verhindern. Die fortschrittliche Intelligenz, die CLEW bietet, wird durch die Fähigkeit ermöglicht, Patientendaten aus dem elektronischen Gesundheitsrecord (EMR) des Gesundheitssystems zu extrahieren, kombiniert mit ML-Modellen, die sorgfältig getestet und validiert wurden.

Die Studie wies auch auf eine signifikante Reduzierung von Falschalarmen hin. Wie profitiert das Pflegepersonal in der Intensivstation von der Reduzierung von Alarmmüdigkeit, und was ist das Feedback von Gesundheitsfachleuten, die Ihr System verwenden?

98 % der Bettseiten-Überwachungswarnungen sind Falschpositiven, was zu Alarmmüdigkeit und einer Verschlimmerung des historisch hohen Burnouts des Klinikpersonals führt. CLEW geht der Alarmmüdigkeit durch die Reduzierung der Anzahl der akustischen Unterbrechungen, die Erhöhung des Prozentsatzes der handhabbaren Benachrichtigungen für notwendige Eingriffe des Anbieters und die Schaffung einer insgesamt ruhigeren Umgebung in der Intensivstation entgegen. Im Wesentlichen verbessert die Plattform die Genauigkeit und die Fähigkeit, unnötige Arbeitsbelastung durch fortschrittliche ML-Modelle erheblich, was zu einer Verbesserung des Burnouts in der Intensivstation führt. Im Rahmen des Implementierungsprozesses konzentrieren sich die Customer-Success-Teams von CLEW auf die Bedeutung des klinischen Change-Managements, um sicherzustellen, dass die Technologie angemessen in den Gesamtklinischen Entscheidungsprozess integriert wird. Das Feedback von Klinikern ist extrem positiv.

Wie funktioniert die Frühwarnfunktion von CLEWs Plattform, und welche Art von Interventionen hat sie in realen Intensivstationen ermöglicht?

Basierend auf dem eingehenden Informationsstrom von Bettseiten-Überwachungs- und Lebenserhaltungsgeräten sowie dem elektronischen Gesundheitsrecord (EHR) können die CLEW-AI-Modelle Vorhersagen über das Risiko von Patientenverschlechterungen und Tod innerhalb der nächsten acht Stunden treffen. Mit diesen Vorhersagen können erfahrene Kliniker Patienten genauer untersuchen und bestimmen, ob es geeignete Gegenmaßnahmen gibt, um die vorhergesagten Verschlechterungen zu verhindern, anstatt darauf zu reagieren.

Beispielsweise kann die CLEW-Plattform Kliniker warnen, dass ein Patient wahrscheinlich in Atemnot geraten wird, was normalerweise zu einer Intubation und Beatmung führt. Nach Erhalt der Warnung können die Pflegekräfte dann feststellen, dass der Patient einen Flüssigkeitsüberschuss hat, der in die Lungen zurückfließen könnte, und eine Diuretikatherapie einleiten, um die Flüssigkeitsmenge zu reduzieren und so eine Intubation später zu verhindern. Unser Modell kann auch vorhersagen, ob ein postoperativer Patient wahrscheinlich hämodynamisch instabil wird und eine vasaktive Medikamentenunterstützung benötigt. Bewaffnet mit diesem Wissen im Fehlen offensichtlicher Symptome bestimmte eine CT-Untersuchung, dass der Patient eine innere Blutung hatte, und er wurde zurück in den Operationssaal gebracht, um die Blutung zu reparieren. Letztendlich führte diese Intervention dazu, dass der Patient stabilisiert wurde.

CLEWs AI-gesteuerte Vorhersagen unterstützen auch Krankenhäuser bei der Kapazitätsverwaltung. Einige Patienten benötigen möglicherweise keine intensivmedizinische Versorgung mehr und können in Einrichtungen mit geringerer Akuität verlegt werden, wodurch Betten für die Versorgung von kritischeren Patienten freigegeben werden. Dies ermöglicht es dem Gesundheitssystem, die Kapazitätsverwaltung zu verbessern und mehr Patienten aufzunehmen. Dies erhöht auch den Beitragssatz für das Gesundheitssystem.

Was sind die nächsten Schritte für CLEW Medical im Hinblick auf die weitere Entwicklung und den Ausbau der Nutzung Ihrer AI-gesteuerten Modelle in verschiedenen Gesundheitseinrichtungen?

Wir haben die CLEW-Plattform bereits außerhalb von Intensivstationen auf Step-Down-Einheiten und Notaufnahmen ausgeweitet und arbeiten derzeit daran, sie auf die verbleibenden akuten Krankenhausbetten auszudehnen, einschließlich postanästhetischer Pflegestationen (PACU) und allgemeiner medizinischer und chirurgischer Betten. Die letztendliche Ubiquität von preiswerten tragbaren Überwachungsgeräten, die häufige Vitalzeicheninformationen liefern, sowie unsere PCCP-Zulassung ermöglichen es CLEW, seine AI-Überwachungsfähigkeiten weiter in akuten Krankenhäusern auszubauen.

Darüber hinaus arbeiten wir daran, unsere Erkenntnisse über die Integration in die bestehenden Werkzeuge des Gesundheitssystems zu liefern. Wir haben uns dem Epic-Entwicklernetzwerk angeschlossen und haben eine erfolgreiche Integration von erweiterten CLEW-Funktionen wie AI-gesteuerten Vorhersagen in die klinische Benutzeroberfläche demonstriert.

CLEW startet auch einen neuen, AI-gesteuerten Ansatz für die Sepsis-Behandlung, eine verheerende und manchmal tödliche Komplikation.

Wo sehen Sie die Zukunft von KI bei der Verbesserung der Intensivversorgung in den nächsten zehn Jahren, und wie plant CLEW, Teil dieser Zukunft zu sein?

Krankenhauspatienten sind kränker als sie es früher waren. Mit zunehmendem Alter und lebensstilbedingten chronischen Krankheiten sowie einem weit verbreiteten Mangel an Pflegekräften wächst der Bedarf an intelligenter klinischer Überwachung. Da viele Patienten in Intensivstationen landen, weil frühere Möglichkeiten zur Intervention im Behandlungsprozess verpasst wurden, konzentriert sich CLEW nicht nur darauf, seine KI zur Verbesserung der Intensivversorgung zu nutzen, sondern auch darauf, mit Gesundheitssystemen und Innovatoren zusammenzuarbeiten, um die gesamte akute Versorgung zu verbessern. Unser programmgemäßer Pipeline für die AI-Entwicklung (MLOPS) wird die Fähigkeiten von Partnern nutzen, um FDA-zugelassene AI-Modelle über das hinaus zu entwickeln, was CLEW selbst entwickelt.

Technologie ist jedoch nur ein Teil der Lösung. Der Einsatz von KI im Gesundheitswesen geht nicht darum, Pflegekräfte zu ersetzen. Tatsächlich kann KI eine bessere Information zur Unterstützung ihrer Entscheidungsfindung zur optimalen klinischen Versorgung bieten, wie z.B. die Reduzierung von lautstarken Alarmen, die ihre Zeit verschwenden. CLEW arbeitet mit Gesundheitssystemen und Partnern zusammen, um von Pflegekräften zu lernen und sie über die effektive Einführung und Akzeptanz von KI-Tools in die klinische Praxis aufzuklären. Forschung, die die Genauigkeit und Wirksamkeit von KI validiert, ist erforderlich, sodass CLEW mit seinen Kunden zusammenarbeitet, um diese Beweise mit ihren eigenen Patientenpopulationen zu erbringen. Diese konzentrierte Forschungsinitiative unterstützt die Implementierung und Akzeptanz durch Pflegekräfte, die ansonsten skeptisch wären.

Um neue klinische Implementierungen zu beschleunigen, haben wir die Fähigkeit, unsere Plattform innerhalb eines Monats mit neuen bewährten Verfahren zu aktualisieren, was normalerweise Jahre dauert. In den nächsten zehn Jahren wird CLEW an der Spitze der Zusammenarbeit mit Gesundheitssystemen stehen, um eine effektive klinische KI zu einem informierten und vorausschauenden Partner der menschlichen Pflegekräfte zu machen, die vielleicht eines Tages für uns oder unsere Angehörigen sorgen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten CLEW Medical besuchen.