Paul Roscoe, director ejecutivo, CLEW Medical - Serie de entrevistas

Paul Roscoe es el director ejecutivo de CLEW Medical.

Antes de unirse a Clew, Roscoe fue director ejecutivo de Trinda Health y fue responsable de establecer la empresa como líder de la industria en soluciones de documentación clínica orientadas a la calidad.

CLEW Médico ofrece a hospitales, sistemas de atención médica y unidades de cuidados intensivos inteligencia clínica avanzada y diagnóstico de pacientes mediante análisis predictivos impulsados ​​por inteligencia artificial y aprobados por la FDA y modelos de cuidados críticos patentados.

¿Podría comenzar contándonos un poco más sobre la plataforma habilitada para IA de CLEW Medical y sus capacidades únicas en la industria MedTech?

La fundación de CLEW se basó en la premisa de que el análisis de datos y la inteligencia artificial pueden mejorar significativamente los resultados de los pacientes y la experiencia de los médicos en entornos de atención de alta gravedad. La plataforma de vigilancia clínica que hemos creado es la primera en tener modelos de predicción basados ​​en IA aprobados por la FDA para cuidados críticos. Nuestro sistema obtiene datos integrándose con todas las fuentes de datos clínicos dentro de un hospital y crea un perfil fisiológico casi en tiempo real de cada paciente para monitorear continuamente su estado. Luego utiliza estos datos para proporcionar información predictiva para identificar a los pacientes que probablemente sufrirán un evento adverso, como insuficiencia respiratoria, y alertar a los médicos para que intervengan hasta ocho horas antes del evento anticipado. El alto grado de precisión de la plataforma también reduce la cantidad excesiva de falsas alarmas, lo que permite a los médicos practicar al máximo de su licencia y centrarse en los pacientes que más necesitan una intervención inmediata.

¿Cuáles fueron los factores clave que contribuyeron a la aprobación de la FDA de los modelos predictivos impulsados ​​por IA de CLEW?

CLEW ha adoptado la IA desde sus inicios. Nuestros fundadores y líderes de desarrollo reconocieron la importancia de fomentar la confianza con los cuidadores, las personas responsables de utilizar nuestra tecnología para cuidar a sus pacientes más vulnerables. Era imperativo que nuestra tecnología se sometiera al mismo nivel de escrutinio y diligencia en el diseño, desarrollo, prueba y validación que los dispositivos que ya utilizan nuestros usuarios. Para fomentar la adopción de una solución de inteligencia artificial para entornos de cuidados críticos, nuestro equipo entendió la necesidad de crear modelos con un desarrollo de productos y sistemas de calidad meticulosos. Como resultado, el desarrollo de nuestro modelo de IA aprovecha una sólida infraestructura MLOPS (operaciones de aprendizaje automático) para cumplir con las expectativas regulatorias, como la guía PCCP (plan de control de cambios preautorizado) de la FDA. Nuestros modelos de IA están diseñados metódicamente y se someten a todos los experimentos necesarios para la aprobación regulatoria de dispositivos médicos.

La solidez de los modelos y nuestros procesos internos dieron como resultado que la FDA clasificara nuestra solución como un dispositivo médico de clase II a principios de 2021, lo que ejemplificó un logro histórico, el primero de su tipo. La aprobación de dispositivos médicos de la FDA sirve como testimonio de la calidad de nuestro proceso de desarrollo de extremo a extremo, que incluye estudios de validación clínica realizados en poblaciones de pacientes reales.

El reciente estudio publicado en CHEST® Journal destacó la precisión predictiva de sus modelos de IA. ¿Puede discutir la metodología y los hallazgos específicos de este estudio?

Se implementó un algoritmo de ML entrenado con CLEW en 14 unidades de cuidados intensivos (UCI) de dos importantes sistemas de salud para predecir eventos de intubación e inicio de vasopresores (en otras palabras, eventos que requieren una intervención para salvar vidas) entre pacientes adultos críticamente enfermos. Su desempeño se midió en comparación con las alarmas de monitoreo de cabecera existentes y la efectividad predictiva de las alertas del sistema de telemedicina.

La Estudio, diseñado para evaluar la precisión de la herramienta y la utilidad de las alertas en las UCI, descubrió que los modelos de CLEW para predecir el deterioro del paciente eran cinco veces más precisos y producían 50 veces menos alarmas que el sistema líder de telemedicina. Los hallazgos también muestran que el modelo ML tiene una precisión superior en comparación con los sistemas de monitoreo tradicionales y reduce drásticamente las interrupciones innecesarias en los flujos de trabajo de los médicos.

¿Cómo transforman potencialmente las predicciones de IA realizadas por la plataforma de CLEW la prestación de atención en la UCI? ¿Podría explicarnos cómo estas predicciones mejoran los resultados y reducen las complicaciones?

La plataforma de CLEW genera oportunidades para intervenciones tempranas en pacientes de alto riesgo y respalda la gestión de la capacidad mediante la identificación de personas de bajo riesgo que pueden estar listas para retirarse o ser dadas de alta. Esto, a su vez, disminuye las tasas de mortalidad y reingreso, reduce las complicaciones causadas por el deterioro del paciente y minimiza la duración de la estancia de los pacientes.

Por ejemplo, dentro de las primeras 24 horas de implementación en un importante sistema de salud, nuestra tecnología predijo la inestabilidad hemodinámica en un paciente de la UCI, lo que provocó una evaluación del proveedor. Al evaluar al paciente, el proveedor ordenó una tomografía computarizada y detectó un sangrado abdominal. El paciente fue llevado de urgencia al quirófano para una cirugía de emergencia, se le infundieron líquidos y sangre, y finalmente se salvó la vida. 24 horas después el paciente se encontraba estable.

Se descubrió que su sistema es cinco veces más preciso que un sistema líder de monitoreo de telemedicina. ¿Qué hace que la tecnología de CLEW sea más eficaz a la hora de predecir el deterioro de los pacientes críticos?

En general, las notificaciones generadas por ML son menos frecuentes, tienen niveles más altos de precisión y tasas más bajas de errores, como falsos positivos, y crean plazos previos al evento más largos que otras alertas de sistemas de telemedicina y alarmas de sistemas de monitoreo de cabecera. Las alertas de CLEW son más precisas y funcionales y brindan tiempo al equipo de atención para adoptar contramedidas para prevenir los resultados previstos. La inteligencia sofisticada que proporciona CLEW es posible gracias a su capacidad para extraer datos de pacientes de un registro médico electrónico (EMR) de un sistema de salud, combinado con modelos de aprendizaje automático que han sido rigurosamente probados y validados a través de investigaciones revisadas por pares y la autorización de la FDA.

El estudio también observó una reducción significativa de las falsas alarmas. ¿Cómo beneficia la reducción de la fatiga de las alarmas al personal de la UCI y cuál ha sido la respuesta de los profesionales sanitarios que utilizan su sistema?

El 98% de las notificaciones de monitorización a pie de cama son falsos positivos, lo que provoca fatiga por alarmas y exacerba los niveles históricamente altos de agotamiento de los médicos. CLEW aborda la fatiga de las alarmas al reducir la cantidad de interrupciones auditivas, aumentar el porcentaje de notificaciones procesables para la intervención necesaria del proveedor y crear un ambiente general más tranquilo en la UCI. En esencia, la precisión de la plataforma y su capacidad para reducir la carga de trabajo innecesaria a través de modelos de aprendizaje automático avanzados mejoran significativamente el agotamiento de la UCI. Como parte del proceso de implementación, los equipos de éxito del cliente de CLEW se centran en la importancia de la gestión de cambios clínicos para garantizar que la tecnología se incorpore adecuadamente en el proceso general de toma de decisiones clínicas. Los comentarios de los médicos han sido extremadamente positivos.

¿Cómo funciona la función de notificación temprana de la plataforma CLEW y qué tipo de intervenciones ha facilitado en entornos de UCI del mundo real?

Basándose en el flujo entrante de información proveniente de los dispositivos de monitoreo de cabecera y de soporte vital, así como del Registro Médico Electrónico (EHR), los modelos de IA de CLEW pueden hacer predicciones sobre el riesgo de deterioro y muerte del paciente durante las próximas ocho horas. Con estas evaluaciones predictivas, los médicos experimentados pueden evaluar a los pacientes más de cerca y determinar si existen contramedidas aplicables para prevenir los deterioros previstos, en lugar de responder a ellos de forma urgente.

Por ejemplo, la plataforma CLEW puede notificar a los médicos que es muy probable que un paciente sufra insuficiencia respiratoria, lo que normalmente conduce a la intubación y la ventilación mecánica. Al recibir la alerta, los cuidadores pueden identificar que el paciente tiene un exceso de líquido que podría comenzar a regresar a los pulmones e iniciar una terapia diurética para reducir los líquidos, evitando así una intubación posterior. Nuestro modelo también puede anticipar si es probable que un paciente posquirúrgico se vuelva hemodinámicamente inestable y requiera soporte con medicación vasoactiva. Armado con este conocimiento en ausencia de síntomas obvios, una tomografía computarizada determinó que el paciente tenía una hemorragia interna y fue llevado nuevamente a cirugía para repararla. Al final, esta intervención consiguió estabilizar al paciente.

Las predicciones basadas en IA de CLEW también ayudan a los hospitales con necesidades de gestión de capacidad. Algunos pacientes ya no necesitarán cuidados críticos y podrán ser transferidos a unidades de cuidados de menor gravedad, lo que liberará camas para atender a más pacientes en estado crítico. Esto permite que el sistema de salud mejore la gestión de la capacidad y cree acceso para más pacientes. Esto también aumenta el margen de contribución para el sistema de salud.

¿Cuáles son los próximos pasos de CLEW Medical en términos de seguir desarrollando y ampliando el uso de sus modelos impulsados ​​por IA en diferentes entornos sanitarios?

Ya hemos expandido la plataforma CLEW fuera de los entornos de cuidados críticos para incluir unidades de cuidados intensivos y departamentos de emergencia, y actualmente estamos en el proceso de expandirnos a las camas de cuidados agudos restantes de los hospitales, incluidas las unidades de cuidados postanestésicos (PACU) y camas médicas/quirúrgicas generales y especializadas. La eventual ubicuidad de monitores portátiles económicos que brindan información frecuente sobre los signos vitales, junto con nuestra autorización PCCP, permite a CLEW expandir sus capacidades de vigilancia de IA de manera más amplia en todos los hospitales de cuidados intensivos.

Además, como las predicciones de CLEW son complementarias de muchos otros sistemas HIT, incluido el EHR, estamos trabajando para brindar nuestros conocimientos mediante la integración en el conjunto de herramientas existente de un sistema de salud. Nos hemos unido a la red de desarrolladores de Epic y hemos demostrado una integración exitosa de capacidades avanzadas de CLEW, como las predicciones basadas en IA, en la experiencia del usuario clínico.

CLEW también se está embarcando en un enfoque novedoso, impulsado por inteligencia artificial, para el manejo de la sepsis, una complicación devastadora y a veces mortal.

¿Dónde ve el futuro de la IA en la mejora de la atención en las UCI durante la próxima década y cómo planea CLEW ser parte de este futuro?

Las poblaciones de pacientes hospitalarios están más enfermas que antes. Con el aumento de las enfermedades crónicas relacionadas con la edad y el estilo de vida, junto con la escasez generalizada de cuidadores, la necesidad de una vigilancia clínica inteligente sigue creciendo. Dado que muchos pacientes terminan en las UCI debido a la pérdida de oportunidades de intervenir más temprano en el proceso de atención, CLEW no solo se centra en utilizar su IA para mejorar la atención en la UCI, sino también en asociarse con innovadores del sistema de salud y de la industria para mejorar toda la atención aguda. Nuestro proceso programático para el desarrollo de IA (MLOPS) aprovechará las capacidades de los socios para hacer crecer los modelos de IA aprobados por la FDA más allá de lo que CLEW desarrolla por sí solo.

Sin embargo, la tecnología es sólo una parte de la solución. El uso de la IA en la atención sanitaria no consiste en sustituir a los cuidadores. De hecho, la IA puede ofrecer información superior para respaldar su toma de decisiones y brindar una atención clínica óptima, como reducir las alertas ruidosas que les hacen perder el tiempo. CLEW está trabajando con sistemas de salud y socios para aprender y educar a los cuidadores sobre cómo las herramientas de IA pueden adoptarse y aceptarse de manera efectiva en la práctica clínica. Se requiere una investigación que valide la precisión y eficacia de la IA, por lo que CLEW trabaja con sus clientes para generar esta prueba con sus propias poblaciones de pacientes. Este esfuerzo de investigación enfocado respalda la implementación y adopción por parte de los cuidadores de cabecera que de otro modo se mostrarían escépticos.

Para acelerar nuevas implementaciones clínicas, tenemos la capacidad de actualizar nuestra plataforma para incluir las mejores prácticas recién descubiertas en un mes, algo que normalmente lleva años. Durante la próxima década, CLEW estará a la vanguardia del trabajo con los sistemas de salud para hacer de la IA clínica eficaz el socio informado y profético de los cuidadores humanos que algún día podrán cuidar de nosotros o de nuestros seres queridos.

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