Daniel Cane, Co-CEO y Co-Fundador de ModMed – Serie de Entrevistas

Daniel Cane es co-CEO y cofundador de ModMed^®, una empresa de tecnología de la información sanitaria con sede en el sur de Florida, que está transformando la atención sanitaria a través de plataformas inteligentes específicas de especialidad para aumentar la eficiencia de la práctica y mejorar los resultados de los pacientes.

Fundada en febrero de 2010, ModMed ha crecido hasta tener más de 1.200 empleados y ha recaudado más de 332 millones de dólares en inversión total. Conocida por su crecimiento progresivo como empresa de tecnología médica, ModMed es frecuentemente reconocida a nivel nacional y regional por sus logros bajo el liderazgo de Daniel. En 2020, la empresa fue nombrada una de las Mejores Lugares de Trabajo en el País por la revista Inc. Entre 2016 y 2018, la empresa fue nombrada una de las empresas de más rápido crecimiento en Norteamérica en la lista Deloitte Technology Fast 500^™. A partir de 2015, la empresa ha sido nombrada anualmente en la lista exclusiva Inc. 5000, una prestigiosa recopilación de las empresas privadas de más rápido crecimiento en el país.

¿Puede compartir algunos conocimientos sobre su trasfondo y cómo ha influido en su trabajo en ModMed?

Mi viaje en tecnología comenzó durante mis años de pregrado en Cornell cuando co-fundé Blackboard. Transformamos la educación al digitalizar las notas de clase y crear una plataforma que dio a los estudiantes y profesores una flexibilidad y interacción sin precedentes. Para mí, el éxito de Blackboard se culminó en 2004 con su IPO, y aunque nuestras soluciones fueron innovadoras en edTech, no pude evitar buscar nuevos desafíos.

Uno de esos desafíos se presentó cuando fui a una revisión de rutina con mi dermatólogo. Tuve una conversación increíble sobre las luchas de usar sistemas basados en papel obsoletos y formas de solucionarlos. Al darme cuenta del puente entre su experiencia médica y mi conocimiento técnico, decidimos unirnos y crear ModMed junto con nuestra primera plataforma de registro de salud electrónica (EHR).

En ese momento, ya existían algunas EHR, pero desafortunadamente, los estudios las citaban como una de las principales causas de agotamiento de los médicos. Tomamos un enfoque diferente y diseñamos nuestra EHR para adaptar la experiencia del usuario a los flujos de trabajo específicos de una especialidad médica. Nuestra EHR basada en la nube, EMA, está y sigue siendo diseñada por médicos, para médicos, lo que nos ha distinguido y define nuestra fórmula secreta en el mercado. A lo largo de los años, hemos ampliado nuestras ofertas de productos para incluir una suite completa de soluciones que ayudan a los proveedores médicos a simplificar y agilizar las operaciones de su práctica y acelerar la entrega de atención.

¿Cómo ve la batalla por un AI efectivo en la atención sanitaria siendo ganada o perdida con los datos?

Estamos empezando a ver un aumento en la adopción de tecnología de AI dentro de las prácticas para agilizar los flujos de trabajo y maximizar la eficiencia. A medida que nos movemos hacia una era de usar AI para realizar tareas más sofisticadas, como sugerir tratamientos u otras recomendaciones de apoyo clínico, es fundamental tener la estrategia de datos y capacitación de AI adecuada en su lugar. El AI tiene la oportunidad de mejorar significativamente la experiencia para los pacientes y los proveedores y crear un cambio sistémico que realmente mejorará la atención sanitaria, pero hacer que esto sea una realidad dependerá de grandes cantidades de datos de alta calidad utilizados para entrenar los modelos.

¿Por qué los datos son tan críticos para el desarrollo de AI en la industria de la atención sanitaria?

Los datos son la savia de la vida del AI, y la mala calidad de los datos afectará el rendimiento de un AI, lo que llevará a resultados subóptimos. Esto puede tener consecuencias graves en un entorno de atención sanitaria, ya que las vidas de los pacientes pueden estar en juego. Pero un escenario más probable es que estas experiencias negativas puedan socavar la confianza de los pacientes y los proveedores en el AI, lo que ralentizará el progreso y el impacto positivo que esta tecnología revolucionaria puede tener en la atención sanitaria.

Por ejemplo, en la sala de examen, las herramientas de escucha ambiental habilitadas por AI están diseñadas para sugerir contenido para notas clínicas para que el proveedor las revise y apruebe. Idealmente, esto debería reducir la cantidad de tiempo que un proveedor pasa documentando dentro de la EHR y permitir más tiempo de calidad con el paciente. Sin embargo, la mala procedencia de los datos y las herramientas de AI mal entrenadas podrían tener el efecto contrario, lo que haría que los proveedores pasaran una cantidad desproporcionada de tiempo corrigiendo errores y reescribiendo notas.

Además, el sesgo es un riesgo significativo asociado con los algoritmos de AI, y los datos de alta calidad pueden desempeñar un papel clave en la mitigación de las disparidades en la atención sanitaria. Los modelos de AI pueden aprender patrones que tratan preferentemente a una población de pacientes en comparación con otras poblaciones, incluidos grupos legalmente protegidos. Al monitorear las entradas de datos y entrenar con datos robustos y representativos, las salidas de AI pueden ser más inclusivas y precisas.

¿Puede elaborar sobre los tipos de datos que ModMed utiliza para entrenar sus modelos de AI y cómo se obtienen y gestionan estos datos?

En ModMed, utilizamos datos especializados y completos para ayudar a entrenar nuestros modelos de AI con precisión. Durante los últimos 14 años, hemos creado conjuntos de datos estructurados especializados, desidentificados y consistentes con las leyes de privacidad, y ahora estamos aprovechando estos datos internos para entrenar nuestros modelos de AI. Por ejemplo, nuestra herramienta de escucha ambiental ModMed Scribe ha sido entrenada para dermatología, nuestro primer lanzamiento de especialidad, con millones de parámetros estructurados de registros de pacientes desidentificados muestreados de una colección de 500 millones de encuentros de pacientes.

¿Cómo define ModMed el “AI ético” en el contexto de la atención sanitaria?

El potencial del AI para tener sesgos o proporcionar información inexacta en forma de “alucinaciones” u omisiones puede afectar las vidas de los pacientes. Por esta razón, el AI ético en la atención sanitaria se trata de establecer un alto estándar para la precisión y la precisión. Significa desarrollar algoritmos cuidadosa y responsablemente y utilizar datos de alta calidad y diversos para ayudar a permitir predicciones más precisas para cada usuario.

El AI ético también se trata de asegurarse de que los humanos sigan siendo parte de la ecuación. Un AI no debe “superar al médico” sino reducir la carga administrativa que los médicos y su personal experimentan para que puedan centrarse más en ayudar a los pacientes.

¿Qué medidas están en vigor en ModMed para permitir que las tecnologías de AI se desarrollen y desplieguen de manera ética?

Nuestro enfoque de datos estructurados, curando conjuntos de datos de entrenamiento de alta calidad y representativos, nos ayuda a hacer que el AI responsable sea una realidad. Los datos relevantes y desidentificados recopilados de nuestros sistemas de EHR de una amplia variedad de prácticas nos proporcionan un conjunto diverso de datos de entrenamiento que reflejan diferentes poblaciones de pacientes.

Además, nuestro equipo de desarrollo abraza la limpieza de datos para facilitar la recopilación y utilización de datos de alta calidad. Este proceso nos permite a nuestros equipos identificar, rectificar y eliminar inconsistencias, errores y valores perdidos de los conjuntos de datos. A través de este mantenimiento regular, podemos actualizar el AI de manera consistente en función de los datos de rendimiento, especialmente los datos clínicos, donde los resultados de los pacientes pueden verse afectados.

¿Puede discutir la importancia de la transparencia y la rendición de cuentas en el desarrollo de AI, especialmente en la atención sanitaria?

La transparencia hace que la rendición de cuentas sea posible, por lo que es un pilar crucial para cualquier solución de AI en la atención sanitaria. Las principales prioridades de los médicos son la atención y la seguridad del paciente, por lo que no es de extrañar que el 80% de los médicos quieran conocer las características y funciones del diseño, desarrollo y despliegue de las herramientas de AI.

Además, no todos los datos son creados de la misma manera. Es importante saber dónde y cómo se almacenan y obtienen los datos y cómo se actualizan regularmente. Tenemos la suerte de que desde la creación de ModMed, hemos estado comprometidos con una estrategia de datos que prioriza la transparencia y la precisión. Tenemos un conocimiento exhaustivo de las fuentes y la calidad de nuestros datos y estamos seguros de que nuestras integraciones de AI brindarán un valor considerable a nuestros clientes.

¿Cómo se está integrando el AI en los sistemas de EHR especializados de ModMed, como EMA y gGastro?

En todo nuestro portafolio, hemos estado utilizando el aprendizaje automático durante algún tiempo y estamos fortaleciendo nuestra inversión en AI avanzado y generativo para simplificar el negocio de la medicina y acelerar la atención de calidad. Estamos construyendo una experiencia completa de práctica habilitada por AI que comienza antes de que el paciente llegue a la puerta, se extiende a través de la sala de examen y hasta el departamento de facturación.

En el entorno clínico, estamos en las etapas finales de nuestro programa piloto de escucha ambiental de AI para EMA, que creemos será un cambio de juego por su funcionalidad y contenido sugerido. Nuestra solución de documentación habilitada por AI está diseñada para agilizar el proceso de atención más allá de la transcripción o la redacción de una nota SOAP. Utilizando vastas cantidades de datos estructurados, estamos entrenando nuestros modelos de AI para capturar información esencial de las conversaciones entre médicos y pacientes y, trabajando junto con nuestro EHR, para sugerir contenido relevante para las notas de visita, incluidos códigos ICD-10, códigos quirúrgicos y recetas. Esto ahorra a los médicos un tiempo precioso y les permite pasar más tiempo de calidad con sus pacientes.

¿Qué beneficios específicos brindan las soluciones de AI especializadas a los proveedores de atención sanitaria y a los pacientes?

Ninguna especialidad médica es igual. Varían ampliamente con los pacientes que atienden, las condiciones que tratan y los códigos médicos utilizados para reembolsos. Las soluciones de AI deben adaptarse para acomodar estas variaciones para ser efectivas de una manera verdaderamente significativa.

Por ejemplo, las EHR y las herramientas de escucha ambiental de ModMed están adaptadas explícitamente a cada especialidad médica, brindando apoyo relevante y preciso a los médicos. Cada especialidad requiere componentes diferentes dentro de la nota de datos estructurados, incluidos códigos y terminología médicos únicos. Esta especialización permite que el AI comprenda y anticipe mejor las necesidades y flujos de trabajo únicos de las prácticas de especialidades variadas, lo que creemos resultará en una implementación más eficiente, una adopción más rápida y una mayor efectividad general para mejorar la eficiencia operativa.

¿Dónde ve las oportunidades más significativas para el AI en la atención sanitaria en los próximos cinco a diez años?

En el futuro, el AI sin duda permeará casi todos los aspectos de la atención sanitaria de maneras que no podemos imaginar. Ya se está utilizando el AI para tareas administrativas, y en el corto plazo, esta tendencia probablemente aumentará a medida que el valor del AI se vuelva más aparente.

También veo un futuro en el que el AI se integre de manera invisible en las interacciones entre médicos y pacientes, donde la “interfaz de usuario” o UI es virtualmente invisible. En lugar de las interacciones basadas en pantalla de hoy en día, el AI podría ofrecer una mezcla de realidad y realidad aumentada. Este estado futuro del AI podría analizar los registros de salud para identificar información crítica, prediciendo el riesgo de una paciente para varias enfermedades. La gran cantidad de datos en los registros médicos presenta una oportunidad para que el AI anticipe las necesidades de atención futuras y cree y ayude a gestionar planes de tratamiento preventivo.

Esta experiencia podría extenderse más allá del entorno de la práctica y convertirse en una parte integral de la vida diaria del paciente. Los dispositivos portátiles habilitados por AI podrían brindar apoyo personalizado, responder preguntas y programar citas, entre otras cosas. El AI también podría monitorear los signos vitales de manera remota, detectar y alertar a los proveedores sobre posibles problemas de salud. Los planes de tratamiento personalizados, adaptados a pacientes individuales en función de los datos y las preferencias, podrían convertirse en la norma.

Este es verdaderamente un momento emocionante para la atención sanitaria. Los próximos cinco a diez años están llenos de oportunidades para transformar aún más la industria y mejorar la experiencia del paciente.

Gracias por la gran entrevista, los lectores que deseen obtener más información deben visitar ModMed.