Paul Roscoe, Director Ejecutivo, CLEW Medical – Serie de Entrevistas

Paul Roscoe es el Director Ejecutivo de CLEW Medical.

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

CLEW Medical ofrece a los hospitales, sistemas de atención médica y unidades de cuidados intensivos inteligencia clínica avanzada y diagnósticos de pacientes utilizando análisis predictivos con capacidad de aprendizaje automático y modelos de cuidados críticos propiedad de la empresa.

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

El fundamento 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 clínicos en entornos de atención de alta intensidad. La plataforma de vigilancia clínica que hemos construido es la primera en tener modelos de predicción con capacidad de aprendizaje automático aprobados por la FDA para cuidados críticos. Nuestro sistema obtiene datos integrándose con todas las fuentes de datos clínicos dentro de un hospital y construye un perfil fisiológico casi en tiempo real de cada paciente para monitorear continuamente su estado. Luego utiliza estos datos para proporcionar perspectivas predictivas para identificar a los pacientes que probablemente experimentarán un evento adverso, como la insuficiencia respiratoria, y alertar a los clínicos para que intervengan hasta ocho horas antes del evento anticipado. El alto grado de precisión de la plataforma también reduce el exceso de alarmas falsas, lo que permite a los clínicos 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 de predicción con capacidad de aprendizaje automático de CLEW?

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

La robustez de los modelos y nuestros procesos internos dio como resultado que la FDA clasificara nuestra solución como un dispositivo médico de clase II a principios de 2021, lo que representó un logro innovador y sin precedentes. La aprobación de la FDA para dispositivos médicos es un 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 estudio reciente publicado en la revista CHEST® destacó la precisión predictiva de sus modelos con capacidad de aprendizaje automático. ¿Podría discutir la metodología y los hallazgos específicos de este estudio?

Un algoritmo de aprendizaje automático entrenado por CLEW se desplegó en 14 unidades de cuidados intensivos (UCI) en dos sistemas de salud importantes para predecir eventos de intubación y la iniciación de vasopresores – en otras palabras, eventos que requieren intervención de salvamento – entre pacientes adultos críticamente enfermos. Su rendimiento se midió en comparación con las alarmas de monitoreo de cabecera existentes y la efectividad predictiva de las alertas del sistema de telemedicina.

El estudio, diseñado para evaluar la precisión y la utilidad de las alertas en las UCI, encontró que los modelos de CLEW para predecir la deterioración del paciente fueron cinco veces más precisos que y produjeron 50 veces menos alarmas que el sistema de telemedicina líder. Los hallazgos también muestran que el modelo de aprendizaje automático 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 clínicos.

¿Cómo pueden las predicciones con capacidad de aprendizaje automático realizadas por la plataforma de CLEW potencialmente transformar la entrega de atención en la UCI? ¿Podría explicar cómo estas predicciones mejoran los resultados y reducen las complicaciones?

La plataforma de CLEW produce oportunidades para intervenciones tempranas en pacientes de alto riesgo y apoya la gestión de capacidad al identificar a los pacientes de bajo riesgo que pueden estar listos para ser trasladados o dados de alta. Esto, a su vez, disminuye las tasas de mortalidad y readmisión, reduce las complicaciones causadas por la deterioración del paciente y minimiza la duración de la estancia en el hospital.

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

Su sistema se encontró que es cinco veces más preciso que un sistema de monitoreo de telemedicina líder. ¿Qué hace que la tecnología de CLEW sea más efectiva para predecir las deterioraciones críticas de los pacientes?

En general, las notificaciones generadas por el aprendizaje automático son menos frecuentes, tienen niveles más altos de precisión y tasas más bajas de errores, como falsos positivos, y crean tiempos de anticipación más largos que las alarmas de los sistemas de telemedicina y los sistemas de monitoreo de cabecera. Las alertas de CLEW son más precisas y funcionales, y proporcionan tiempo para que el equipo de atención adopte contramedidas para prevenir los resultados anticipados. La inteligencia sofisticada que CLEW proporciona es posible gracias a su capacidad para extraer datos de pacientes de los registros médicos electrónicos (EMR) de un sistema de salud, combinados con modelos de aprendizaje automático que han sido rigurosamente probados y validados a través de investigaciones revisadas por pares y la aprobación de la FDA.

El estudio también señaló una reducción significativa en las alarmas falsas. ¿Cómo beneficia la reducción de la fatiga de las alarmas al personal de la UCI, y cuál ha sido la retroalimentación de los profesionales de la salud que utilizan su sistema?

El 98% de las notificaciones de monitoreo de cabecera son falsos positivos, lo que lleva a la fatiga de las alarmas y exacerba los niveles históricamente altos de agotamiento de los clínicos. CLEW aborda la fatiga de las alarmas al reducir el número de interrupciones auditivas, aumentar el porcentaje de notificaciones accionables para la intervención necesaria del proveedor y crear un entorno de UCI más calmado en general. 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 del cambio de gestión clínica para asegurarse de que la tecnología se incorpore adecuadamente en el proceso de toma de decisiones clínicas en general. La retroalimentación de los clínicos ha sido extremadamente positiva.

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

En función de la corriente de información entrante de los dispositivos de monitoreo de cabecera y los dispositivos de soporte vital, así como del Registro de Salud Electrónico (EHR), los modelos de aprendizaje automático de CLEW pueden hacer predicciones sobre el riesgo de deterioración del paciente y muerte en las próximas ocho horas. Con estas evaluaciones predictivas, los clínicos experimentados pueden evaluar a los pacientes más de cerca y determinar si hay contramedidas aplicables para prevenir las deterioraciones anticipadas, en lugar de responder a ellas de emergencia.

Por ejemplo, la plataforma de CLEW puede notificar a los clínicos que un paciente tiene una alta probabilidad de entrar en 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 retroceder hacia los pulmones y pueden iniciar la terapia diurética para reducir los líquidos, evitando así una intubación posterior. Nuestro modelo también puede anticipar si un paciente postquirúrgico es probable que se vuelva hemodinámicamente inestable y requiera apoyo con medicación vasoactiva. Armados con este conocimiento en ausencia de síntomas obvios, una tomografía computarizada determinó que el paciente tenía una hemorragia interna y fue llevado de vuelta al quirófano para repararla. En última instancia, esta intervención resultó en que el paciente se estabilizara.

Las predicciones con capacidad de aprendizaje automático de CLEW también apoyan a los hospitales con necesidades de gestión de capacidad. Algunos pacientes ya no requerirán cuidados críticos y pueden ser trasladados a unidades de cuidados de menor intensidad, lo que libera camas para gestionar a más pacientes críticamente enfermos. Esto permite que el sistema de salud mejore la gestión de capacidad y cree acceso para más pacientes. Esto también aumenta la contribución marginal para el sistema de salud.

¿Cuáles son los próximos pasos para CLEW Medical en términos de desarrollar y expandir aún más el uso de sus modelos con capacidad de aprendizaje automático en diferentes entornos de atención médica?

Ya hemos expandido la plataforma de CLEW fuera de los entornos de cuidados críticos para incluir unidades de descenso y departamentos de emergencia, y actualmente estamos en el proceso de expandirnos a través de las camas de cuidados agudos restantes de los hospitales, incluyendo unidades de cuidados postanestésicos (PACU) y camas médicas y quirúrgicas generales y especializadas. La eventual omnipresencia de monitores portátiles baratos que proporcionan información de signos vitales con frecuencia, junto con nuestra aprobación de PCCP, permite que CLEW expanda sus capacidades de vigilancia con capacidad de aprendizaje automático más ampliamente a lo largo de los hospitales de cuidados agudos.

Además, como las predicciones de CLEW son complementarias de muchos otros sistemas de tecnología de la información en salud (HIT), estamos trabajando en la entrega de nuestras perspectivas a través de la integración en la herramienta 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 predicciones con capacidad de aprendizaje automático, en la experiencia del usuario clínico.

CLEW también está emprendiendo un enfoque innovador y con capacidad de aprendizaje automático para el manejo de la sepsis, una complicación devastadora y sometimes mortal.

¿Dónde ve el futuro de la inteligencia artificial en la mejora de la atención en la UCI en la próxima década, y cómo planea CLEW ser parte de este futuro?

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

Sin embargo, la tecnología es solo una parte de la solución. El uso de la inteligencia artificial en la atención médica no se trata de reemplazar a los cuidadores. De hecho, la inteligencia artificial puede ofrecer información superior para apoyar su toma de decisiones y proporcionar atención clínica óptima, como reducir las alarmas ruidosas que desperdician su tiempo. CLEW está trabajando con sistemas de salud y socios para aprender de y educar a los cuidadores sobre cómo las herramientas con capacidad de aprendizaje automático pueden ser adoptadas y aceptadas de manera efectiva en la práctica clínica. La investigación que valida la precisión y la eficacia de la inteligencia artificial es necesaria, por lo que CLEW trabaja con sus clientes para generar esta prueba con sus propias poblaciones de pacientes. Este esfuerzo de investigación enfocado apoya la implementación y la adopción por parte de los cuidadores de cabecera que de otro modo serían escépticos.

Para agilizar las nuevas implementaciones clínicas, tenemos la capacidad de actualizar nuestra plataforma para incluir las mejores prácticas recientemente descubiertas dentro de un mes, algo que normalmente lleva años. En la próxima década, CLEW estará a la vanguardia de trabajar con sistemas de salud para hacer que la inteligencia artificial clínica efectiva sea la pareja informada y previdente de los cuidadores humanos que pueden cuidar de nosotros o de nuestros seres queridos en el futuro.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar CLEW Medical.