Sean Shoffstall, Leiter von KI, Innovation und Daten bei PaceMate – Interview-Serie

Sean Shoffstall, Leiter von KI, Innovation und Daten bei PaceMate, ist ein Technologie- und Produkt-Executive mit über 20 Jahren Erfahrung im Bau innovativer SaaS-Lösungen und der Integration von KI-Technologien, die messbare Geschäftsergebnisse liefern und strategische Geschäftsziele erfüllen.

Sean spezialisiert sich auf die Normalisierung von künstlicher Intelligenz, Gesundheitstechnologie und datengetriebenen Plattformen für Teams und Kunden, um die Produktivität und Effizienz in klinischen Workflows zu verbessern. Seine vorherige Arbeit bei der Integration von KI in Gesundheitsmanagementsysteme hat erhebliche Effizienzverbesserungen und verbesserte Patientenergebnisse durch intuitive Design und datengetriebene Erkenntnisse geliefert.

Als Thought Leader und öffentlicher Redner über KI für Führungskräfte verbindet Sean die Lücke zwischen technischen Fähigkeiten und strategischer Geschäftsimplementierung, indem er sich auf Produktmanagement und -entwicklung konzentriert, die reale klinische Bedürfnisse erfüllt. Er baut Teams auf, die innovative Lösungen liefern, die echte Gesundheitsherausforderungen angehen, anstatt nur technische Trends zu verfolgen, und stellt sicher, dass sie mit operativer Exzellenz und verbesserten Patientenergebnissen übereinstimmen.

PaceMate ist ein Gesundheitstechnologie-Unternehmen, das PaceMateLIVE anbietet, eine cloudbasierte Plattform für Remote-Cardiomonitoring und Datenmanagement. Das System integriert Daten von implantierbaren kardialen Geräten, ambulanten Monitoren und Consumer-ECGs, indem es automatisierte Priorisierung verwendet, um Kliniker auf die kritischsten Alarme zu konzentrieren. Es unterstützt die Interoperabilität mit großen elektronischen Gesundheitsakten-Systemen wie Epic, Cerner und athenahealth, um klinische Workflows zu straffen, die operative Effizienz zu verbessern und die Kontinuität der Patientenversorgung in kardialen Praxen zu erhöhen.

Sie haben über 20 Jahre lang KI-getriebene Gesundheitslösungen aufgebaut, einschließlich des ersten HIPAA-konformen KI-Audiogramm-Tools bei Auditdata und jetzt der kardialen Intelligenzplattform bei PaceMate. Was hat Ihre Umstellung auf die Verwendung von KI zur Umwandlung klinischer Daten in handhabbare Erkenntnisse inspiriert?

Ich wurde immer von Daten angetrieben. In meiner frühen Karriere im digitalen Marketing war das Motto meiner Agentur “Quantifiable Creativity” – die Idee, dass man Emotionen und Kreativität durch das erlernen von Daten vorantreiben kann. Als ich den Übergang in die Gesundheitsbranche machte, sah ich eine ganz neue Möglichkeit, Daten zu nutzen. Anstatt einfach nur zu berichten, was bereits mit einem Patienten passiert war, fragte ich mich: Können wir Daten nutzen, um Trends zu erkennen? Können wir vorhersagen, was als Nächstes passieren könnte?

Dann kam KI und erweiterte diese Möglichkeiten. Ich glaube wirklich, dass wir, wenn wir KI auf eine intelligente, menschliche Weise nutzen, die Gesundheitsversorgung transformieren können. Es kann Ärzten mehr Zeit mit Patienten geben, während die alltäglichen Aufgaben rund um Daten von KI übernommen werden. Wir sind noch nicht ganz dort, aber die Grundlage wird gelegt, um dorthin zu gelangen.

PaceMate verwaltet eine der größten und umfassendsten kardiovaskulären Datensätze der Welt. Wie werden diese Daten in prädiktive Algorithmen umgewandelt, die sowohl Patientenergebnisse als auch klinische Effizienz verbessern?

Daten sind der Schlüssel. Um das meiste aus KI und Machine Learning herauszuholen, kommt es letztendlich auf den Trainingsdatensatz an, den man hat. PaceMate ist nicht nur wegen unserer Daten, sondern auch wegen des klinischen Fachwissens unseres Teams, das diese Daten interpretiert und validiert, ein Branchenführer. Wenn man diese Trainingsdaten mit diesem Fachwissen kombiniert, beginnt man zu sehen, wie das Einsparen von einer Minute hier und zwei Minuten dort zu enormen Effizienzgewinnen führen kann.

Dann, wenn man die Fähigkeit hinzufügt, Trends in Patientendaten über die Lebensdauer eines Geräts hinweg zu identifizieren, gibt man Ärzten die Erkenntnisse, die sie benötigen, um die besten Entscheidungen für ihre Patienten zu treffen – gestützt auf die umfassendsten Daten, die möglich sind.

Regulierungsrahmen wie HIPAA und FDA-Zulassungen verlangsamen oft die Einführung von KI in der Gesundheitsversorgung. Welche praktischen Schritte können Organisationen unternehmen, um innovativ und verantwortungsvoll innerhalb dieser Einschränkungen zu handeln?

Bei PaceMate glauben wir stark an die menschliche Mitte-Philosophie rund um KI. Wir übertragen keine Entscheidungen auf KI, was genau der Grund ist, warum die FDA eine strenge Überwachung erfordert. Stattdessen können Organisationen KI nutzen, um Daten zu extrahieren, zu organisieren und zu präsentieren, während sie immer noch auf klinisches Fachwissen vertrauen, um zu bestimmen, was für jeden einzelnen Patienten richtig ist.

Was HIPAA betrifft, ist die Privatsphäre der Patienten ein ernstes Anliegen in der Gesundheitsversorgung, und wir sollten sie immer an erste Stelle setzen. Das ist genau, was unsere menschenzentrierte Herangehensweise so großartig macht – KI muss nichts über die persönlich identifizierbaren Informationen (PII) unserer Patienten wissen. Wir können Daten anonymisieren und aus dieser anonymisierten Form analysieren. Aber auch mit der besten Philosophie ist die Verwendung der richtigen HIPAA-konformen Tools – die in den letzten Jahren auf den Markt gekommen sind – unerlässlich.

Datenschutz ist immer ein mehrschichtiger Ansatz, und die Privatsphäre der Patienten sollte immer an erster Stelle stehen, selbst vor der Innovation.

Datensensibilität ist ein großes Anliegen in der kardialen Versorgung. Wie stellt PaceMate sicher, dass die KI-Entwicklung die höchsten Standards für Patientenvertrauen und -privatsphäre einhält?

Die Privatsphäre der Patienten war immer ein Eckpfeiler von PaceMate, und der Aufstieg von KI unterstreicht nur, warum diese Verpflichtung wichtig ist. Wir gehen mit einer “Privatsphäre-durch-Design”-Philosophie an die KI-Entwicklung heran, was bedeutet, dass der Datenschutz nicht nachträglich hinzugefügt wird, sondern in jeder Phase eingebaut ist.

Alle Patientendaten, die für die KI-Schulung verwendet werden, werden streng anonymisiert und verschlüsselt, wobei Protokolle befolgt werden, die die Anforderungen von HIPAA übertreffen. Wir folgen auch strengen Grundsätzen der Datensparsamkeit, indem wir nur das sammeln und verarbeiten, was absolut notwendig ist, um klinischen Wert zu erzielen.

In der kardialen Versorgung sind wir mit einigen der intimsten Gesundheitsdaten betraut, die man sich vorstellen kann. Deshalb führen wir regelmäßige Datenschutz-Folgenabschätzungen und Sicherheitsaudits durch, denn das Gewinnen und Aufrechterhalten von Vertrauen ist nicht nur ein einmaliger Einsatz, sondern eine tägliche Verantwortung.

Automatisierung in der Gesundheitsversorgung kann ein zweischneidiges Schwert sein. Wie ist KI bei PaceMate so konzipiert, dass sie die Expertise von Klinikern ergänzt und nicht ersetzt?

Unsere menschliche Mitte-Philosophie bedeutet, dass KI als ergänzendes Werkzeug verwendet wird, nie als Ersatz für Fachwissen. Unser Engagement für die Verwendung von klinischem Fachwissen und die Zusammenarbeit mit Klinikern in Krankenhäusern, um unsere Produktentwicklung zu leiten, prägt direkt unsere KI-Praxis.

Wir stellen Fragen wie: “Was würde Sie effizienter machen?”, “Welche Daten würden Ihnen helfen, bessere Entscheidungen zu treffen?” und “Was fehlt in Ihrem aktuellen Workflow?” Wir nutzen dann diese Erkenntnisse, um zu leiten, wie wir Automatisierung und KI umsetzen, ohne im Weg zu stehen.

Viele Gesundheitssysteme kämpfen mit fragmentierten Daten über Geräte, EHRs und Überwachungstools hinweg. Wie geht Ihr Team vor, um diese Quellen zu vereinen und Echtzeit-Erkenntnisse zu liefern, die wirklich wichtig sind, wenn es um die Patientenversorgung geht?

In den letzten 10 Jahren sind wir zum Drehpunkt für Daten in der Remote-Überwachung geworden, und wir verstehen den Patientendatenfluss in- und auswendig. Man kann es als eine Identitätsgrafik betrachten, in der Daten gesammelt und in den benötigten Inkrementen bereitgestellt werden. Wir haben die Infrastruktur aufgebaut, um von mehreren Geräteherstellern, ihren Remote-Überwachungsplattformen und EHR-Systemen zu ziehen, und dann diese Daten zu normalisieren und zu kontextualisieren, damit sie am Punkt der Versorgung wirklich nützlich sind.

Der Schlüssel liegt darin, nicht nur zu verstehen, wie man Daten sammelt, sondern auch, wann und wie man sie präsentiert. Wir sind auch Experten darin, breite, anonymisierte Daten zu aggregieren, um Trends zu validieren und die Qualität sicherzustellen, wenn wir neue Datenquellen hinzufügen. Diese doppelte Fähigkeit – die Lieferung personalisierter, Echtzeit-Erkenntnisse, während man gleichzeitig den großen Überblick beibehält – ermöglicht es uns, fragmentierte Daten in handhabbare Erkenntnisse umzuwandeln.

Mit Ihrer Erfahrung in mehreren Gesundheitstechnologie-Startups, was sind einige der am häufigsten übersehenen Herausforderungen bei der Integration von KI in klinische Workflows im großen Maßstab?

Datenschutz und Sicherheit sind für viele kleinere Gesundheitstechnologie-Unternehmen einschüchternd. Aber es gibt großartige Best Practices und Tools, und alle großen Cloud-Anbieter – AWS, Azure und Google Cloud – haben Berater mit Leitfäden und Checklisten, um Startups und Unternehmen bei der Bewältigung dieser Herausforderungen zu unterstützen.

Sobald dies gehandhabt ist, wird Daten im großen Maßstab zum nächsten Hürdenlauf. Wo Sie heute mit Ihrem Datensatz sind, wird in sechs Monaten völlig anders aussehen. Das Verständnis, wie man strukturierte und unstrukturierte Daten mit einem starken Identitätsgrafik nutzen kann, ist eine gute Grundlage, um anzufangen, und die Dokumentation Ihres Ansatzes auf dem Weg hilft, einige graue Haare in Zukunft zu vermeiden.

Ethische und transparente KI-Einführung wird zu einem definierenden Faktor in der Gesundheitsinnovation. Wie bauen Sie Verantwortlichkeit und Erklärbarkeit in KI-Systeme ein, die für die medizinische Entscheidungsfindung verwendet werden?

Das geht zurück zu unserer menschlichen Mitte-Philosophie. Wir entwerfen unsere KI so, dass sie Erkenntnisse und Muster präsentiert, aber der Kliniker trifft immer die endgültige Entscheidung. Das schafft eine natürliche Verantwortlichkeitsebene, bei der es immer einen lizenzierten Fachmann gibt, der die von der KI vorgeschlagenen Vorschläge überprüft und validiert.

Wir konzentrieren uns auch darauf, den “Warum” hinter KI-Empfehlungen zu zeigen. Unsere Systeme heben hervor, welche Datenpunkte eine bestimmte Erkenntnis getrieben haben, damit Ärzte beurteilen können, ob es klinisch Sinn ergibt für ihren spezifischen Patienten. Wir bitten Kliniker nicht, einem schwarzen Kasten zu vertrauen – wir geben ihnen Transparenz in die Logik.

Da das Lernen in beide Richtungen geht, haben wir auch kontinuierliche Feedback-Schleifen eingebaut. Wenn ein Kliniker eine KI-Empfehlung akzeptiert oder ablehnt, informiert das unsere Modellverbesserung. Das schafft Verantwortlichkeit in beide Richtungen, und im Laufe der Zeit lernt die KI von klinischem Fachwissen, während Kliniker sehen können, wie ihre Eingaben das System direkt prägen.

Letztendlich ist erklärbare KI in der Gesundheitsversorgung nicht nur eine Frage der technischen Transparenz, sondern auch der Achtung klinischen Urteils und der Schaffung von Werkzeugen, die die Entscheidungsfindung unterstützen und nicht verdecken.

Als jemand, der regelmäßig Führungskräften über KI-Strategie berät, welche geistigen Veränderungen sind für Gesundheitsführungskräfte am wichtigsten, die von der Experimentierung zur bedeutungsvollen Einführung übergehen möchten?

Wenn ich mit Führungskräften über KI spreche, versuche ich, sie zu einer “Was-wenn”- oder “Ich-wünsche-mir”-Einstellung zu bringen. Eine der mächtigsten Werkzeuge in KI ist die Fähigkeit, auf die Weltansicht eines Problems zuzugreifen, anstatt nur die Menschen um einen herum oder eigene Vorurteile. Also, wenn Sie denken, dass etwas schwierig oder unmöglich ist, verwenden Sie Ihre bevorzugte KI, um zu sagen: “Ich wünsche, ich könnte…” und beschreiben Sie die Dinge, die Ihnen im Weg stehen. Das ist sehr mächtig. Ich leite sie auch an, ihre KI-LLM neugierig zu machen. Erzählen Sie ihr Ihr Problem, aber sagen Sie ihr auch, dass sie detaillierte Fragen stellen soll. Manchmal führt das allein zu wirklich einzigartigen Lösungen.

KI ist auch ein großartiges Werkzeug für die Planung. Führungskräfte müssen eine Strategie festlegen, während sie auch einen Aktionsplan erstellen, bestimmen, wie sie den Erfolg messen, und potenzielle Fallstricke identifizieren, bevor sie auftreten. KI ist großartig darin, Pläne zu erstellen, um loszulegen.

Zuletzt lesen wir immer darüber, wie KI Jobs und Unternehmen, die Leute entlassen, um KI zu bevorzugen. Ich denke, das ist eine schlechte Art, über KI nachzudenken. Ein Unternehmen, das auf Produkte oder Dienstleistungen für Menschen basiert, benötigt Menschen, um zu verstehen, was sie anbieten. Anstatt KI für Kostenreduzierung zu nutzen, denken Sie darüber nach, wie KI die alltäglichen Aufgaben von Ihren Mitarbeitern übernehmen und zu einem Verstärker werden kann. Wenn Sie Kosten um 15% reduzieren oder die Produktivität um 200% steigern können, welche ist die bessere Geschäftsentscheidung?

Blicken Sie fünf Jahre voraus, wie stellen Sie sich vor, dass KI das Landschaftsbild der kardialen Überwachung und der präventiven Medizin verändern wird – und welche Meilensteine hoffen Sie, bei PaceMate in dieser Zeit zu erreichen?

KI wird in den nächsten fünf Jahren immer mehr Teil unserer Arbeit und unseres täglichen Lebens. Wenn unsere Nutzer mit den Ausgaben von KI vertrauter und vertrauenswürdiger werden, eröffnen sich endlose Möglichkeiten und Partnerschaften.

Ich würde gerne zuerst Werkzeuge bereitstellen, die Klinikern helfen, die Versorgung von Patienten zu priorisieren, die am meisten Hilfe benötigen – diejenigen, die möglicherweise am höchsten Risiko für ein ungünstiges Ereignis sind. Von dort aus können wir beginnen, KI und Trenddaten zu nutzen, um unterschiedliche mögliche Ergebnisse für einzelne Patienten zu zeigen, Ärzten ein klares Bild davon zu geben, was vor ihnen liegt.

Schließlich, wenn wir Erkenntnisse liefern können, die jeder vertraut, finden wir großartige Partnerschaften mit Forschungskrankenhäusern, um ihnen zu helfen, unsere Modelle zu nutzen, wäre ein ambitioniertes Ziel. Dort könnten wir wirklich die Innovation in der Branche vorantreiben und einen bedeutungsvollen Einfluss auf die kardiale Versorgung als Ganzes ausüben.

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