Tim Vasil, yksi perustajista ja teknologiajohtaja, Hospital IQ – haastattelusarja

Tim Vasil on yrityksen perustaja ja teknologiajohtaja Sairaalan IQ, toiminnanhallintaalusta, joka käyttää dataa toimittamaan avaimet käteen -periaatteella koneoppimiseen perustuvia tekoälyratkaisuja nopeiden ja kestävien toimintojen parantamiseksi.

Mikä alun perin houkutteli sinua tietojenkäsittelytieteeseen?

Vauvan kirjoja. Koska olin ala-asteella epävarma siitä, mihin uraan ryhtyisin, tutkin osa-aikaista web-kehittäjäpaikkaa BabyZone.comissa. Kokemus oli uskomaton! Yksi ensimmäisistä projekteistani oli ottaa fyysinen väline, vauvakirjat, ja viedä se digitaaliseen aikakauteen äänien, siirtymätehosteiden ja interaktiivisen vieraskirjan kanssa. Kirjoitin koodia, napsautin painiketta ladataksesi sen verkkosivustolle, ja yhtäkkiä tuhansilla vanhemmilla oli tapa pitää yhteyttä kaukaisiin ystäviin ja sukulaisiin.

Tuo e-baby Book -sovellus paljasti tietojenkäsittelytieteen alana, jolla voisin olla taiteilija, insinööri ja ehkä jopa taikuri ja käyttää näitä taitoja monien ihmisten elämän parantamiseen. Näin, että voin kirjoittaa koodin kerran ja vaikuttaa pysyvästi kaikkialla. Vau!

Voitko kertoa meille sairaalan älykkyysosamäärän taustalla olevan tarinan?

Perustaja Rich Krueger ja minä ryhdyimme tutkimaan alueita, jotka teknologian laiminlyönnit ovat olleet. Luulisi, että sairaalat eivät kuuluisi näihin alueisiin, kun otetaan huomioon miljardeja dollareita, jotka ne käyttävät vuosittain lääketieteellisiin laitteisiin, sähköisiin potilastietoihin ja vastaaviin. Nämä alueet ovat varmasti hyvin katettuja. Näimme kuitenkin sairaaloiden aivan toisen puolen, operatiivisen puolen. Tällä puolella on kyse sen selvittämisestä, milloin leikkaukset ajoitetaan, mihin potilaat siirretään, mitkä testit priorisoidaan, miten huomista suunnitellaan parhaiten ja niin edelleen. Nämä ovat erityisen haastavia ongelmia, ja perinteiset lääketieteelliset ohjelmistot eivät vain kosketa niitä.

Tutkiaksemme mahdollisuutta tapasimme sairaalan johtajia ja etulinjan henkilökuntaa. Näimme sankareita joka päivä. Näimme sairaanhoitajan soittavan keskeytyksettä puheluita ja esittävän kysymyksiä lähettääkseen henkilökuntaa eniten tarvittaviin paikkoihin. Näimme OR-johtajien tarralapuilla ja tauluilla yrittävän parhaansa mukaan jakaa leikkaussalin ajan kirurgien kesken. Näimme operatiivisen huippuosaamisen johtajia massiivisten laskentataulukoiden avulla, jotka yrittivät simulaatioita selvittääkseen, kuinka monta sairaalan sänkyä on jaettava uudelleen. Lyhyesti sanottuna näimme niin paljon manuaalista työtä ongelmien ratkaisemiseksi, koska ohjelmistotyökalut olivat puutteellisia, ja halusimme auttaa.

Kuten monet startupit, tuotekehitysmatkamme ei ollut suora tie. Varhainen "apumme" tuli strategisten työkalujen muodossa, joiden uskoimme ratkaisevan vaikeimmatkin ongelmat, mutta ne vaativat paljon dataa ja paljon matematiikkaa. Sen mekaniikka vaikuttaa vaikuttavalta: voisimme koota malleja automaattisesti simuloimaan sairaalan sisäistä toimintaa ja tehdä suosituksia siitä, pitäisikö leikkausaikataulua muuttaa vai pitäisikö uusi siipi rakentaa. Vaikka kysymykset, joihin he vastasivat, olivat suuria, niitä kysyttiin myös harvoin.

Sairaalan älykkyysosamäärän todellinen synty sellaisena kuin se nykyään on, ei ole jokin Richin tai minun inspiroima polku, vaan koko tiimimme työskentely asiakkaidemme kanssa ja ymmärtää, että tärkein tehtävämme ei ole auttaa sairaaloita vastaamaan suuriin, harvoin toistuviin kysymyksiin. pikemminkin ne näennäisesti pienet, yleiset. Nämä ovat kysymykset, jotka määrittävät, millainen jokaisen kokemus on, sekä leikkaukseen menevän potilaan että hoitotiimin ohjaamassa häntä tällä matkalla.

Voisitko keskustella siitä, kuinka ohjelmisto mahdollistaa terveydenhuollon järjestelmien saavuttamisen ja ylläpitämisen huipputason toimintakyvyssä?

Ohjelmistomme on tarkoitettu tapaamaan terveydenhuollon työntekijöitä siellä, missä he ovat tänään, heidän päivittäisessä työnkulussaan. Sen sijaan, että odottaisimme heidän tekevän jotain radikaalisti erilaista, kuten suorittavan simulaation tai tulkitsevan ennustetta tai optimoivan henkilöstön aikatauluja tyhjästä, omaksumme heidän tutut askeleet joka päivä kahdella tavalla. Digitalisoimme ne, jotta he voivat kommunikoida tehokkaammin toistensa kanssa, ja sitten kerromme ennusteista ja suosituksista. Tämä mahdollistaa terveydenhuollon henkilöstön työskentelyn tehokkaammin ja tehokkaammin. Mikä parasta, se vapauttaa heidät viettämään enemmän aikaa potilaiden hoitoon.

Otetaan yksi esimerkki: henkilöstön aikataulutus. Haasteena on selvittää, kuinka monta sairaanhoitajaa kussakin yksikössä tulee olla jokaista vuoroa kohden. Osa henkilökunnasta tulee sairaana. Voi syntyä odottamaton kysynnän nousu. Sairaanhoitajat, jotka voivat "kellua" yksiköiden välillä, on jaettava oikeudenmukaisesti. Jokaisen taidot, pätevyys ja mieltymykset on myös otettava huomioon. Yhdistä kaikki ja näet, miksi puhelin soi tyypillisessä henkilöstötoimistossa. Silti samana päivänä kuin sairaalan IQ:n aloituspäivänä puhelimet äänettyvät. Suuri osa työstä on samaa, mutta kaikki tiedot on keskitetty Hospital IQ -alustaan, joten kaikki huomiot ovat siirtyneet laskentataulukoista, tauluista ja post-it-muistiinpanoista tyylikkäisiin viestintätyökaluihin, automaattiseen varianssianalyysiin ja ehdotuksiin henkilöstön tasapainottaminen. Sairaanhoitajat voivat suorittaa työnsä tehokkaammin ja nautinnollisemmin kuin koskaan ennen. Tämän suorituskyvyn ylläpitäminen on myös helppoa, koska työkalut on rakennettu tukemaan olemassa olevaa työnkulkua. Emme ole konsulttiyritys, joka tulee muuttamaan työntekotapaa vain nähdäkseen sen ajautuvan takaisin status quoon.

Mitä erilaisia ​​koneoppimistekniikoita käytetään?

Datatieteen tiimimme käyttää mitä tahansa menetelmiä, joita tarvitsemme saadaksemme loistavia tuloksia asiakkaidemme käyttötapauksiin. Olemme käyttäneet tilastollisia analyyseja ymmärtääksemme OR-käytön, ARIMA-malleja ennustaaksemme leikkauksen määrää, Profeettia laskennan ennustamiseen, satunnaisia ​​metsiä potilastilan luokitteluun, neuroverkkoja takaisinottopisteiden laskemiseen ja paljon muuta. Datatiedetiimimme pysyy ajan tasalla uusimmasta tutkimuksesta, tietolähteistä ja työkaluista jatkuvalla "journal club" -kokouksella ja tekee myös säännöllisesti uusia innovaatioita. Näin laajalla kentällä on niin monia kiinnostavia käyttötapauksia ja mielenkiintoisia tietojoukkoja tutkittavaksi ja yhdistettäväksi Hospital IQ -alustaan.

Yksi erityishaasteistamme on käsitellä sitä ainutlaatuisuutta, jonka näemme jokaisen sairaala-asiakkaan kohdalla. Ne palvelevat erilaisia ​​väestöryhmiä. Heillä on erilaisia ​​erikoisaloja. Jokaisen sairaalan kliininen ja toiminnallinen data tulee erilaisista ohjelmistoista, jotka on konfiguroitu eri tavoin omilla puutteillaan. Jos rakentaisimme kattavan mallin kaikille asiakkaillemme tai jopa kaikille kampuksille yhden terveysjärjestelmän sisällä, se ei sopisi kovin hyvin. Manuaalisesti räätälöityjen ja kertaluonteisten ratkaisujen rakentaminen ei kuitenkaan ole skaalautuva tai vankka lähestymistapa. Sen sijaan luotamme kunkin asiakkaan tietojen erillisten ominaisuuksien ymmärtämiseen, yleistettävien mallien kehittämiseen ja olemme rakentaneet työkalut mallinrakennuksen, jatkuvan koulutuksen sekä tarkkuusmittauksen ja -valvonnan automatisoimiseksi yksittäisille kampuksille.

Ilmaisella, julkisesti saatavilla olevalla työkalulla COVID-19 Regional Forecast Dashboard on yli 76,000 XNUMX käyttäjää sadoista sairaaloista. Mikä tämä työkalu oikein on?

Kun rakensimme ensimmäisen kerran COVID-19 Regional Forecast Dashboardin maaliskuussa 2020, olimme huolissamme siitä, että Yhdysvalloissa saattaa loppua saatavilla olevat sairaalasängyt, ja halusimme tarjota varhaisvaroitusjärjestelmän, ei vain asiakkaillemme, vaan kaikille sairaaloille. Jotta tämä tapahtuisi, etsimme tietojoukkoja, kuten henkilökunnan vuodekapasiteetti läänin mukaan, todennäköiset COVID-19-tartunnat ja kuolleisuusluvut ikäryhmittäin ja kymmeniä muita asioita. Rakensimme jopa SEIR-mallin ennustaaksemme viruksen kehityskulkua maakuntakohtaisesti ja yritimme tarjota mahdollisimman paljon kontekstia, mukaan lukien hetki, jolloin teho-osaston ja lääketieteellisen/leikkaushoidon kapasiteetti rikotaan, kuinka monta ihmistä toipua, ja kuinka moni jopa kuolisi. Tavoitteenamme oli koota täydellinen maakuntakohtainen näkökulma useista luotettavista tietolähteistä.

Sairaalat ovat käyttäneet kojelautaamme työkaluna tehdäkseen tärkeitä päätöksiä, kuten milloin avataan ylivirtausyksiköt tai milloin peruutetaan valinnaisia ​​leikkauksia, jotta tuleville tartunnan saaneille potilaille tulee tilaa. Mielenkiintoista on, että jopa kotona olevat ihmiset ovat löytäneet työkalusta käyttöä ja jopa lohtua, koska se lisäsi hieman selkeyttä erittäin pelottavaan ja uuteen maailmanlaajuiseen pandemiaan.

Tarjoamalla julkista työkalua tiedämme, että meillä on tärkeä velvollisuus kerätä ja analysoida tietoja uskollisesti ja usein sekä valita parhaat saatavilla olevat tietolähteet. Joskus tämä tarkoittaa parempien mallien vaihtamista, kun niitä tulee saataville. Oman SEIR-mallimme tapauksessa toimme lopulta luvalla Institute for Health Metrics and Evaluation (IHME) -valtiotason mallin, koska siitä tulee Valkoisen talon ja muiden lähteiden tunnustama standardi. Löysimme tavan laittaa nämä ennusteet tiettyjen läänien ja näiden läänien tiettyjen sairaaloiden kontekstiin, jotta sairaaloita voitaisiin ohjata tunti kerrallaan COVID-19:n jatkuvista vaikutuksista.

Sairaalan IQ-datatutkijat ja -insinöörit osallistuvat usein hackathoneihin, mitä mielenkiintoisia ideoita tai projekteja näistä on syntynyt?

Kannustamme joka kuukausi datatiede- ja suunnittelutiimimme jäseniä pitämään vapaapäivän edistääkseen heidän ammatillista kehitystään ja herättääksemme ideoita innovaatioille, olipa kyse sitten osallistumisesta alan konferenssiin, verkkokurssille uuden taidon oppimiseksi tai mikä tahansa muu toiminta, joka vahvistaa heitä ammatillisesti.

Osana tätä useat insinöörit ja datatutkijat päättävät viettää ammatillisen kehityspäivänsä osallistumalla Hospital IQ:n hackathoneihin. Hackathonit vaativat osallistujilta röyhkeyttä, innovatiivisuutta ja työntää yhdessä päivässä vaikeasti muunnettavissa oleva idea toimivaksi ohjelmistoksi. Viimeisintä hackathoniamme edeltävinä päivinä lokakuussa 2020 osallistujat muodostivat kolme joukkuetta ja keräsivät ideoita koko yrityksestä. Mitään aihetta ei pidetty rajoitusten ulkopuolella; Ideat, jotka eivät liittyneet yrityksen alustaan ​​tai edes terveydenhuoltotilaan, olivat täysin hyväksyttäviä. Kuten käy ilmi, kaikki kolme tiimiä päätyivät kuitenkin valitsemaan ideoita, joita nyt toteutetaan tosielämässä.

Ensimmäinen tiimi – Team Cara – keskittyi sairaalaan takaisinottoihin ja päätti rakentaa ratkaisun, joka voisi ennustaa, mitkä potilaat ovat vaarassa joutua takaisin ennen kuin he joutuvat kotiutumaan sairaalasta. Sairaalan takaisinotto maksaa terveydenhuoltojärjestelmälle miljardeja dollareita vuosittain, joten tämän kaltainen ennakoiva ja ennakoiva ratkaisu antaisi kotiutettuja sairaanhoitajia ja hoitopäälliköitä saamaan lisätietoa, jota tarvitaan riskien vähentämiseksi, kustannusten leikkaamiseksi ja kunkin potilaan tarpeiden selvittämiseksi. pois sairaalasta. Team Cara otti tiedot Hospital IQ:n toiminnanhallinta-alustalta ja rakensi ennustavan mallin käyttämällä datatieteiden tiimin aiemmin kehittämää potilaskohtaista koneoppimiskehystä. Malli antaa jokaiselle sairaalassa olevalle potilaalle pistemäärän, joka osoittaa takaisinoton todennäköisyyden. Mallin alustavat tulokset osoittivat suurta tarkkuutta.

Toinen tiimi – Team Burt Reynolds – päätti rakentaa alueellisen valvontaratkaisun, joka visualisoi tietokerroksia kartalle. Tiimi halusi integroida karttoja Hospital IQ:n olemassa olevaan alustan pivot table -infrastruktuuriin, mikä tarjosi tavan piirtää kiinnostuksen kohteena olevat metrit leveys- ja pituuskoordinaattien mukaan kirjaston leaflet.js avulla. He käyttivät konseptinsa todisteena sairaalan siirtokeskuksen tietoja korostaakseen, mitkä tytäryhtiöt olivat hyväksyttyjä lähteitä ja missä määrin. Tulokset osoittivat siirtotapaukset aivan uudessa valossa ja selvensivät, miltä maantieteelliseltä alueelta useimmat potilaat olivat peräisin, sekä kasvumahdollisuuksia.

Kolmas tiimi – Team Raptor Strikeforce – pyrki kehittämään ratkaisun, joka esittelee Hospital IQ:n toiminnanhallintaalustan tarjoamaa sijoitetun pääoman tuottoprosenttia. Tiimi rakensi käyttöliittymän mukauttaakseen erilaisia ​​​​syötteitä rahoitusmalleihin, kuten keskimääräisen marginaalin valinnaista toimenpidettä kohti, ja käytti syötteitä seuratakseen muutoksia sairaalan taloudellisessa tilassa ajan myötä. Nämä visualisoinnit kertovat vakuuttavan tarinan siitä, kuinka merkittävästi toiminnan tehostamiseen tähtäävät aloitteet ja investoinnit niitä mahdollistavaan Hospital IQ -alustaan ​​kannattavat.

Hackathonia varten kehitetyt kolme ratkaisua osoittivat, että ne voivat tarjota asiakkaillemme enemmän arvoa. Tämän seurauksena Hospital IQ on sisällyttänyt kaikki kolme ratkaisua olemassa olevaan alustaan, ja ne ovat nykyään sairaaloiden käytössä.

Onko jotain muuta, mitä haluaisit jakaa Hospital IQ:sta?

Hospital IQ:n suuri, rohkea ja rohkea tavoite on parantaa jokaisen terveydenhuollon työntekijän tehokkuutta ja onnellisuutta joka päivä. Olemme ylpeitä vaikutuksesta, joka meillä on tähän mennessä ollut terveydenhuoltoon, mutta matkamme on vasta alussa. Jokaiselle myötätuntoiselle, tehtävälähtöiselle datatieteilijälle tai insinöörille, joka on kiinnostunut vastaamaan yhteen maailman vaikeimmista haasteista – terveydenhuollon tehokkuuden parantamisesta – toivomme sinut joukkoomme!

Kiitos upeasta haastattelusta, lukijoiden, jotka haluavat tietää lisää, kannattaa käydä Sairaalan IQ.