Ο Daniel Cane, Συν-Διευθύνων και Συν-Ιδρυτής της ModMed – Σειρά Συνεντεύξεων

Ο Daniel Cane είναι συν-Διευθύνων και συν-ιδρυτής της ModMed^®, μια εταιρεία τεχνολογίας υγείας με έδρα τη Νότια Φλόριντα, η οποία μεταμορφώνει την υγεία μέσω ειδικών, έξυπνων πλατφορμών για την αύξηση της αποδοτικότητας των ιατρείων και τη βελτίωση των αποτελεσμάτων των ασθενών.

Η ModMed ιδρύθηκε τον Φεβρουάριο του 2010 και έχει μεγαλώσει σε περισσότερους από 1.200 υπαλλήλους, έχοντας συλλέξει πάνω από 332 εκατομμύρια δολάρια σε συνολικές επενδύσεις. Γνωστή για την προοδευτική της ανάπτυξη ως εταιρεία ιατρικής τεχνολογίας, η ModMed αναγνωρίζεται συχνά σε εθνικό και περιφερειακό επίπεδο για τις επιτεύξεις της υπό την ηγεσία του Daniel. Το 2020, η εταιρεία ονομάστηκε μια από τις Καλύτερες Εργασιακές Περιοχές στη Χώρα από το περιοδικό Inc. Μεταξύ του 2016 και του 2018, η εταιρεία ονομάστηκε μια από τις ταχύτερα αναπτυσσόμενες εταιρείες στη Βόρεια Αμερική στη λίστα Deloitte Technology Fast 500^™. Από το 2015, η εταιρεία έχει ονομαστεί ετησίως στη λίστα Inc. 5000, μια prestigιακή συλλογή των ταχύτερα αναπτυσσόμενων ιδιωτικών εταιρειών στη χώρα.

Μπορείτε να μοιραστείτε κάποιες γνώσεις σχετικά με το υπόβαθρό σας και πώς έχει επηρεάσει τη δουλειά σας στη ModMed;

Η πορεία μου στη τεχνολογία ξεκίνησε κατά τα χρόνια των σπουδών μου στο Cornell, όταν συν-ίδρυσα την Blackboard. Μεταμορφώσαμε την εκπαίδευση ψηφιοποιώντας τις σημειώσεις των μαθημάτων και δημιουργώντας μια πλατφόρμα που έδωσε στους μαθητές και τους καθηγητές μια άνευ προηγουμένου ευελιξία και αλληλεπίδραση. Για μένα, η επιτυχία της Blackboard κλιμάκωσε το 2004 με την εισαγωγή της στο χρηματιστήριο, και ενώ οι λύσεις μας ήταν επαναστατικές στην εκπαίδευση, δεν μπορούσα να μην κοιτάζω για νέες προκλήσεις.

Μια τέτοια πρόκληση παρουσιάστηκε όταν πήγα για μια ρουτίνα ιατρική εξέταση με τον δερματολόγο μου. Μιλήσαμε για τις δυσκολίες της χρήσης παλαιών συστημάτων με χαρτί και τρόπους για να τις διορθώσουμε. Κατανοώντας τη γέφυρα μεταξύ της ιατρικής του εξειδίκευσης και της τεχνικής μου γνώσης, αποφασίσαμε να συνεργαστούμε και να δημιουργήσουμε τη ModMed μαζί με την πρώτη μας ηλεκτρονική ιατρική καταγραφή (EHR) πλατφόρμα.

Την εποχή εκείνη, einige EHR ήδη υπήρχαν, αλλά δυστυχώς, μελέτες συχνά τις ανέφεραν ως одну από τις κύριες αιτίες της εξουθένωσης των ιατρών. Λαμβάναμε μια διαφορετική προσέγγιση και σχεδιάσαμε την EHR μας να προσαρμόζεται την εμπειρία του χρήστη στις συγκεκριμένες ροές εργασίας μιας ιατρικής ειδικότητας. Η σημαδιακή μας cloud- आधική EHR, EMA, σχεδιάζεται από γιατρούς, για γιατρούς, και αυτό μας έχει ξεχωρίσει και ορίζει το μυστικό μας στην αγορά. Με τα χρόνια, έχουμε επεκτείνει τις προσφερόμενες λύσεις μας για να περιλαμβάνουν μια πλήρη σειρά λύσεων που βοηθούν τους ιατρικούς παρόχους να απλοποιήσουν και να ρυθμίσουν τις επιχειρήσεις τους και να επιταχύνουν την παροχή φροντίδας.

Πώς βλέπετε τη μάχη για την αποτελεσματική τεχνητή νοημοσύνη στην υγεία να κερδίζεται ή χάνεται με δεδομένα;

Αρχίζουμε να βλέπουμε μια αύξηση στην υιοθέτηση τεχνολογίας AI εντός των ιατρείων για να ροηματοποιήσουν τις ροές εργασίας και να μεγιστοποιήσουν την αποδοτικότητα. Όσο προχωράμε σε μια εποχή που χρησιμοποιούμε την τεχνητή νοημοσύνη για πιο σύνθετα καθήκοντα – όπως η πρόταση θεραπείας ή άλλων κλινικών συστάσεων – είναι απαραίτητο να έχουμε τη σωστή στρατηγική δεδομένων και εκπαίδευσης AI. Η τεχνητή νοημοσύνη έχει την ευκαιρία να βελτιώσει σημαντικά την εμπειρία των ασθενών και των παρόχων και να δημιουργήσει συστηματικές αλλαγές που θα βελτιώσουν πραγματικά την υγεία, αλλά η πραγματοποίηση αυτού θα εξαρτηθεί από μεγάλες ποσότητες υψηλής ποιότητας δεδομένων που χρησιμοποιούνται για την εκπαίδευση των μοντέλων.

Γιατί τα δεδομένα είναι τόσο κρίσιμα για την ανάπτυξη AI στην υγεία;

Τα δεδομένα είναι η ζωτική δύναμη της AI, και η κακή ποιότητα των δεδομένων θα επηρεάσει την απόδοση της AI, οδηγώντας σε υποβελτίωση αποτελεσμάτων. Αυτό μπορεί να έχει σοβαρές συνέπειες σε ένα περιβάλλον υγείας, όπου οι ζωές των ασθενών μπορεί να κινδυνεύουν. Αλλά μια πιο πιθανή περίπτωση είναι ότι αυτές οι αρνητικές εμπειρίες θα υπονομεύσουν την εμπιστοσύνη των ασθενών και των παρόχων στην AI, επιβραδύνοντας την πρόοδο και την θετική επίδραση που αυτή η επαναστατική τεχνολογία μπορεί να έχει στην υγεία.

Για παράδειγμα, στο ιατρείο, τα εργαλεία AI με αμφίβληστη ακρόαση σχεδιάζονται για να προτείνουν περιεχόμενο για κλινικές σημειώσεις για τον παρόχο να αναθεωρήσει και να εγκρίνει. Ιδανικά, αυτό θα πρέπει να μειώσει τον χρόνο που ο παρόχος dànhει στην τεκμηρίωση εντός της EHR και να επιτρέψει περισσότερο ποιοτικό χρόνο με τον ασθενή. Ωστόσο, τα κακά δεδομένα και τα εργαλεία AI που δεν έχουν εκπαιδευτεί σωστά θα μπορούσαν να έχουν την αντίθετη επίδραση, αφήνοντας τους παρόχους να ξοδεύουν υπερβολικό χρόνο για να διορθώσουν λάθη και να ξαναγράψουν σημειώσεις.

Επιπλέον, η προκατάληψη είναι ένα σημαντικό ρίσκο που συνδέεται με τις αλγόριθμους AI, και η ποιότητα των δεδομένων μπορεί να παίξει ένα κρίσιμο ρόλο στην μείωση των ανισοτήτων στην υγεία. Τα μοντέλα AI μπορούν να μάθουν μοτίβα που αντιμετωπίζουν προτιμότερα μια πληθυσμό ασθενών σε σχέση με άλλους πληθυσμούς, συμπεριλαμβανομένων νομικά προστατευόμενων ομάδων. Με την παρακολούθηση των δεδομένων εισαγωγής και την εκπαίδευση σε ρομποτικά και αντιπροσωπευτικά δεδομένα, οι εξαγωγές AI μπορούν να είναι πιο περιεκτικές και ακριβείς.

Μπορείτε να εξηγήσετε τους τύπους δεδομένων που χρησιμοποιεί η ModMed για την εκπαίδευση των μοντέλων AI και πώς αυτά τα δεδομένα συλλέγονται και διαχειρίζονται;

Στη ModMed, χρησιμοποιούμε綜合적인 ειδικές δεδομένα για να βοηθήσουμε στην εκπαίδευση των μοντέλων AI μας με ακρίβεια. Τα τελευταία 14 χρόνια, έχουμε δημιουργήσει ειδικές, ανωνυμοποιημένες δομημένες συνόλους δεδομένων που συμμορφώνονται με τους νόμους περί προστασίας δεδομένων και τώρα αξιοποιούμε αυτά τα εσωτερικά δεδομένα για την εκπαίδευση των μοντέλων AI μας. Για παράδειγμα, το εργαλείο αμφίβληστης ακρόασης ModMed Scribe έχει εκπαιδευτεί για την δερματολογία, την πρώτη μας ειδικότητα, σε εκατομμύρια δομημένα παραμέτρους από ανωνυμοποιημένα ιατρικά αρχεία που δείχθηκαν από μια συλλογή 500 εκατομμυρίων επαφών ασθενών.

Πώς ορίζει η ModMed την “ηθική AI” στο контέκστ της υγείας;

Η πιθανότητα η AI να έχει προκαταλήψεις ή να παρέχει ανακριβείς πληροφορίες με τη μορφή “hallucinations” ή παραλείψεων μπορεί να επηρεάσει τις ζωές των ασθενών. Για αυτόν τον λόγο, η ηθική AI στην υγεία είναι για να ορίσουμε ένα υψηλό πρότυπο για ακρίβεια και ακρίβεια. Αυτό σημαίνει την ανάπτυξη αλγορίθμων με προσοχή και ευθύνη και την χρήση υψηλής ποιότητας και ποικίλων δεδομένων για να βοηθήσουμε στην ενεργοποίηση πιο ακριβών προβλέψεων για κάθε χρήστη.

Η ηθική AI είναι επίσης για να διασφαλίσουμε ότι οι άνθρωποι παραμένουν στην εξίσωση. Một AI δεν πρέπει να “ξεπεράσει τον γιατρό” αλλά αντίθετα να μειώσει το διοικητικό βάρος που οι γιατροί και το προσωπικό τους αντιμετωπίζουν, ώστε να μπορέσουν να εστιάσουν περισσότερο στην βοήθεια των ασθενών.

Ποια μέτρα υπάρχουν στη ModMed για να επιτρέψουν την ανάπτυξη και την ανάπτυξη τεχνολογιών AI με ηθική;

Η δομημένη προσέγγισή μας για δεδομένα—συντηρώντας υψηλής ποιότητας, αντιπροσωπευτικά συνόλους δεδομένων εκπαίδευσης—μας βοηθά να κάνουμε την υπεύθυνη AI πραγματικότητα. Σχετικά και ανωνυμοποιημένα δεδομένα που συλλέγονται από τα συστήματα EHR μας από μια ποικιλία ιατρείων μας παρέχουν ένα διαφορετικό σύνολο δεδομένων εκπαίδευσης που αντανακλά διαφορετικούς πληθυσμούς ασθενών.

Επιπλέον, η ομάδα ανάπτυξής μας αγκαλιάζει την καθαρισμό δεδομένων για να διευκολύνει τη συλλογή και τη χρήση υψηλής ποιότητας δεδομένων. Αυτή η διαδικασία μας επιτρέπει να αναγνωρίσουμε, να διορθώσουμε και να αφαιρέσουμε ασυνεπότητες, λάθη και λείψανα από το σύνολο δεδομένων. Μέσω αυτής της τακτικής συντήρησης, μπορούμε να ενημερώσουμε συνεχώς την AI με βάση τα δεδομένα απόδοσης, ιδιαίτερα κλινικά δεδομένα, όπου τα αποτελέσματα των ασθενών μπορούν να επηρεαστούν.

Μπορείτε να συζητήσετε τη σημασία της διαφάνειας και της ευθύνης στην ανάπτυξη AI, ιδιαίτερα στην υγεία;

Η διαφάνεια καθιστά δυνατή την ευθύνη, που είναι γιατί είναι τόσο κρίσιμη για οποιαδήποτε λύση AI στην υγεία. Οι γιατροί έχουν ως πρώτη προτεραιότητα την φροντίδα και την ασφάλεια των ασθενών, γι’ αυτό δεν είναι έκπληξη ότι 80% των ιατρών θέλουν να γνωρίζουν τις ιδιότητες και τα χαρακτηριστικά του σχεδιασμού, της ανάπτυξης και της ανάπτυξης των εργαλείων AI.

Επιπλέον, όχι όλα τα δεδομένα δημιουργούνται ίσα. Είναι σημαντικό να γνωρίζουμε πού και πώς αποθηκεύονται και συλλέγονται τα δεδομένα και πώς συχνά ενημερώνονται. Είμαστε τυχεροί που από την ίδρυση της ModMed, έχουμε δεσμευτεί σε μια στρατηγική δεδομένων που προτεραιότητα την διαφάνεια και την ακρίβεια. Έχουμε μια πλήρη κατανόηση των πηγών και της ποιότητας των δεδομένων μας και είμαστε βέβαιοι ότι οι ενσωματώσεις AI μας θα προσφέρουν σημαντική αξία στους πελάτες μας.

Πώς η AI ενσωματώνεται στα ειδικά EHR συστήματα της ModMed, όπως η EMA και η gGastro;

Σε όλη τη συλλογή μας, έχουμε χρησιμοποιήσει τη μηχανική μάθηση για κάποιο χρόνο και ενισχύουμε την επένδυσή μας σε προηγμένη και γεννήτρια AI για να απλοποιήσουμε το επιχειρηματικό μέρος της ιατρικής και να επιταχύνουμε την ποιότητα φροντίδας. Κτίζουμε μια ολόκληρη εμπειρία πρακτικής με AI που αρχίζει πριν ο ασθενής μπει στην πόρτα, επεκτείνεται μέσα στο ιατρείο, μέχρι το τμήμα λογιστικής.

Στην κλινική ρύθμιση, βρισκόμαστε στα τελικά στάδια του πιλοτικού προγράμματος αμφίβληστης ακρόασης AI για την EMA, το οποίο πιστεύουμε ότι θα είναι ένας game-changer για τη λειτουργία του και το προτεινόμενο δομημένο περιεχόμενο. Η λύση μας για τεκμηρίωση AI σχεδιάζεται για να απλοποιήσει τη διαδικασία φροντίδας πέρα από τη μεταγραφή ή το γράψιμο μιας σημείωσης SOAP. Χρησιμοποιώντας τεράστιες ποσότητες δομημένων δεδομένων, εκπαιδεύουμε τα μοντέλα AI μας να συλλαμβάνουν τις απαραίτητες πληροφορίες από τις συζητήσεις γιατρού-ασθενούς και, εργαζόμενα μαζί με το EHR μας, να προτείνουν σχετικό περιεχόμενο για τις επισκέψεις, συμπεριλαμβανομένων κωδικών ICD-10, χειρουργικών κωδικών και συνταγών. Αυτό σώζει τους γιατρούς πολύτιμο χρόνο και τους επιτρέπει να περάσουν περισσότερο ποιοτικό χρόνο με τους ασθενείς τους.

Ποια είναι τα συγκεκριμένα οφέλη που παρέχουν οι ειδικές λύσεις AI στους παρόχους υγείας και τους ασθενείς;

Κανένα δύο ιατρικά ειδικά δεν είναι ίδια. Διαφέρουν ευρέως με τους ασθενείς που βλέπουν, τις καταστάσεις που αντιμετωπίζουν και τους ιατρικούς κωδικούς που χρησιμοποιούν για τις αμοιβές. Οι λύσεις AI πρέπει να προσαρμοστούν για να τακτοποιήσουν αυτές τις διαφορές για να είναι αποτελεσματικές σε οποιοδήποτε πραγματικά σημαντικό τρόπο.

Για παράδειγμα, τα EHR και τα εργαλεία αμφίβληστης ακρόασης της ModMed είναι ειδικά σχεδιασμένα για κάθε ιατρική ειδικότητα, παρέχοντας υψηλά σχετικά και ακριβή υποστήριξη στους κλινικούς. Η διαδικασία τεκμηρίωσης κάθε ειδικότητας απαιτεί διαφορετικά στοιχεία εντός της δομημένης σημείωσης δεδομένων, συμπεριλαμβανομένων μοναδικών ιατρικών κωδικών και ορολογίας. Αυτή η εξειδίκευση επιτρέπει στην AI να κατανοήσει και να προβλέψει καλύτερα τις μοναδικές ανάγκες και τις ροές εργασίας των διαφορετικών ειδικοτήτων, που πιστεύουμε ότι θα οδηγήσει σε πιο αποτελεσματική εφαρμογή, ταχύτερη υιοθέτηση και μεγαλύτερη συνολική αποτελεσματικότητα στην βελτίωση της λειτουργικής αποδοτικότητας.

Πού βλέπετε τις μεγαλύτερες ευκαιρίες για AI στην υγεία τα επόμενα πέντε έως δέκα χρόνια;

Στο μέλλον, η AI θα διεισδύσει σχεδόν σε κάθε аспέκτ της υγείας με τρόπους που δεν μπορούμε να φανταστούμε. Ήδη, η AI αξιοποιείται για διοικητικά καθήκοντα, και στο κοντινό μέλλον, αυτή η τάση πιθανότατα θα αυξηθεί καθώς η αξία της AI γίνεται πιο εμφανής.

Βλέπω επίσης ένα μέλλον όπου η AI θα ενσωματωθεί αβίαστα σε όλες τις αλληλεπιδράσεις γιατρό-ασθενή, όπου το “περιβάλλον χρήστη” ή η διεπαφή θα είναι σχεδόν αόρατη. Αντί των σημερινών οθονών-αλληλεπιδράσεων, η AI θα μπορούσε να προσφέρει μια σύντηξη πραγματικότητας και επαυξημένης πραγματικότητας. Αυτή η μελλοντική κατάσταση AI θα μπορούσε να αναλύσει τα ιατρικά αρχεία για να αναγνωρίσει κρίσιμες πληροφορίες, να προβλέψει τον κίνδυνο για διάφορες ασθένειες. Η τεράστια ποσότητα δεδομένων στα ιατρικά αρχεία παρουσιάζει μια ευκαιρία για την AI να προβλέψει τις μελλοντικές ανάγκες φροντίδας και να δημιουργήσει και να βοηθήσει στη διαχείριση προληπτικών σχεδίων φροντίδας.

Αυτή η εμπειρία θα μπορούσε να επεκταθεί πέρα από το περιβάλλον της πρακτικής και να γίνει ουσιαστική στην καθημερινή ζωή του ασθενή. Τα AI-ενεργοποιημένα wearables θα μπορούσαν να παρέχουν προσωποποιημένη υποστήριξη, να απαντήσουν σε ερωτήσεις και να προγραμματίσουν ραντεβού μεταξύ άλλων. Η AI θα μπορούσε επίσης να παρακολουθήσει τις ζωτικές σημείες από απόσταση, να ανιχνεύσει και να ειδοποιήσει τους παρόχους για πιθανές προβλήματα υγείας. Τα προσωποποιημένα σχέδια θεραπείας, προσαρμοσμένα σε ατομικούς ασθενείς με βάση δεδομένα και προτιμήσεις, θα μπορούσαν να γίνουν η νόρμα.

Αυτή είναι μια πραγματικά συναρπαστική εποχή για την υγεία. Τα επόμενα πέντε έως δέκα χρόνια είναι γεμάτα ευκαιρίες για να μεταμορφώσουμε περαιτέρω την βιομηχανία και να βελτιώσουμε την εμπειρία του ασθενή.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν τη ModMed.