Tim Vasil, Hospital IQ:n perustaja ja teknologiajohtaja – Haastattelusarja

Tim Vasil on Hospital IQ:n perustaja ja teknologiajohtaja. Hospital IQ on operatiivisen johtamisen alusta, joka käyttää dataa tarjoamaan avaimet käteen -tyyppisiä koneoppimiseen perustuvia tekoälyratkaisuja nopeisiin ja kestäviin operatiivisiin parannuksiin.

Mikä alun perin houkutteli sinua tietokoneiden pariin?

Vauvakirjat. Ollessani epävarma urasta, jota halusin seurata, tutkin osa-aikaisen web-kehittäjän työtä BabyZone.comissa. Kokemus oli uskomaton! Yksi ensimmäisistä projekteistani oli ottaa fyysinen medium, vauvakirja, ja tuoda se digitaaliseen aikaan, täydellinen äänien, siirtymiseffektien ja interaktiivisen vieraskirjan kanssa. Kirjoitin jonkin verran koodia, napsautin painiketta ladatakseni sen verkkosivustolle, ja yhtäkkiä tuhannet vanhemmat saivat keinon yhdistää etäisiin ystäviin ja sukulaisiin.

Tuo vauvakkirja-sovellus paljasti tietokoneen tiedon alueen, jossa voin olla jonkin verran taiteilija, insinööri ja ehkä jopa taikuri, ja käyttää näitä taitoja parantamaan monien ihmisten elämää. Näin, että voin kirjoittaa koodia kerran ja saada pysyvän vaikutuksen kaikkialla. Vau!

Voitko kertoa Hospital IQ:n syntytarinaa?

Perustaja Rich Krueger ja minä liittyimme yhteen tutkiaksemme alueita, joita teknologia oli laiminlyönyt. Luulisi, ettei sairaalat olisi yksi näistä alueista, kun he viettävät miljardeja dollareita vuosittain lääkintälaitteisiin, sähköisiin potilastietoihin ja muihin. Nämä alueet on varmasti hyvin katettu. Mitä näimme kuitenkin, oli sairaaloiden toiminnallinen puoli. Tämä puoli on kaikenlaisia haasteellisia ongelmia, kuten määrittäminen, milloin leikkauksia tulisi suunnitella, mihin potilaita tulisi siirtää, mitkä testit tulisi priorisoida, miten tulisi parhaiten suunnitella huomiseksi, ja niin edelleen. Nämä ovat erityisen haasteellisia ongelmia, ja perinteinen lääkintäohjelmisto ei koske niihin.

Tutkiaksemme mahdollisuutta, tapasimme sairaalajohtajia ja eturintamahenkilökuntaa. Näimme sankaruutta joka päivä. Näimme hoitajien aikataulun tekevän jatkuvasti puheluita ja kenttäkysymyksiä lähettääkseen henkilökuntaa tarvittaviin paikkoihin. Näimme leikkaussalien johtajat, jotka käyttivät liittymiä ja valkotauluja jakamaan leikkausajan kirurgeille. Näimme toiminnallisen erinomaisuuden johtajat, jotka käyttivät massiivisia taulukoita simuloimaan sairaalasänkyjen uudelleenjakoa. Lyhykäisyydessä näimme paljon manuaalista työtä, jota sovellettiin ongelmien ratkaisemiseksi, koska ohjelmistotyökalut eivät riittäneet, ja halusimme auttaa.

Kuten monilla start-upeilla, tuotteiden kehitysmatka ei ollut suora. Varhainen “apu” tuli strategisten työkalujen muodossa, jotka ajattelimme ratkaisevan haasteellisimmat ongelmat, mutta ne vaativat paljon dataa ja paljon matematiikkaa. Mekaniikka vaikuttaa vaikuttavalta: voimme koota malleja automaattisesti simuloimaan sairaalan sisäistä toimintaa ja antaa suosituksia siitä, tulisiko leikkausajanjakoa muuttaa tai tulisiko uusi siipi rakentaa. Vaikka kysymykset, joita ne vastasivat, olivat suuria, ne olivat myös harvoin kysyttyjä.

Hospital IQ:n todellinen syntymä, sellaisena kuin se on tänään, ei ole Richin tai minun inspiroiva polku, vaan koko tiimimme työskenteleminen käsi kädessä asiakkaiden kanssa ja ymmärtäminen, että meidän tärkein roolimme ei ole auttaa sairaaloita vastaamaan suuriin, harvoin kysyttyihin kysymyksiin, vaan näihin näennäisesti pieniin, usein kysyttyihin kysymyksiin. Nämä ovat kysymyksiä, jotka määrittävät, minkälaista kokemus on potilaalle, joka menee leikkaukseen, ja hoitohenkilökunnalle, joka ohjaa heitä matkalla.

Voitko keskustella siitä, miten ohjelmisto mahdollistaa terveydenhuoltojärjestelmien saavuttamisen ja ylläpitämisen huipputason toiminnallista suorituskykyä?

Ohjelmistomme on kaikenlaisesta terveydenhuollon työntekijöiden kohtaamisesta heidän päivittäisissä työprosesseissaan. Sen sijaan, että odotamme heidän tekevän jotain radikaalisti erilaista, kuten suorittamista simulaatiota, tulkintaa ennustetta tai optimointia henkilökunnan aikataulusta alusta, omaksumme heidän tutut vaiheet, joita he tekevät joka päivä kahdella tavalla. Digitoimme ne, jotta he voivat viestiä toistensa kanssa tehokkaammin, ja sitten lisäämme ennusteita ja suosituksia. Tämä mahdollistaa terveydenhuollon henkilökunnan työskentelemisen tehokkaammin ja tehokkaammin. Parasta kaikessa on, että se vapauttaa heidät viettämään enemmän aikaa potilashuolenpidossa.

Otamme yhden esimerkin: henkilökunnan aikataulutus. Määrittäminen, kuinka monta hoitajaa tarvitaan kussakin yksikössä kussakin vuorossa, on haaste. Jotkut henkilökuntaan kuuluvat sairastuvat. Odottamaton kysynnän nousu voi syntyä. Hoitajat, jotka voivat “lentää” yksiköistä toisiin, on jaettava reilusti. Kaikkien taitojen, pätevyyden ja mieltymysten on otettava huomioon. Laittaa kaiken yhteen ja voit nähdä, miksi tyypillisen henkilöstötoimiston puhelin soi jatkuvasti. Kuitenkin samana päivänä, jona Hospital IQ otettiin käyttöön, puhelimet vaikenevat. Suurin osa työstä on samaa, mutta kaikki huomioon otettavat asiat on siirretty taulukoista, valkotauluista ja liittymistä Hospital IQ -alustan viimeisteltyihin viestintätyökaluihin, automaattiseen analyysiin ja ehdotuksiin henkilökunnan tasapainoon. Hoitajien aikataulun teko on tehokkaampaa ja miellyttävämpää kuin koskaan aiemmin. Tämän suorituskyvyn ylläpitäminen on myös helppoa, koska työkalut on suunniteltu tukemaan olemassa olevaa työprosessia. Emme ole konsulttiyhtiö, joka tulee muuttamaan työn tapaa, ainoastaan nähdäkseen sen palautuvan takaisin status quoonsa.

Mitkä ovat erilaiset koneoppimisen teknologiat, joita käytetään?

Tietojen tiede -tiimimme käyttää mitä tahansa menetelmiä, joita tarvitaan saadakseen loistavat tulokset asiakkaiden käyttötarkoituksiin. Olemme käyttäneet tilastollisia analyysejä ymmärtääksemme leikkaussalien käyttöä, ARIMA-malleja ennustamaan kirurgisen tilavuuden, Prophetia ennustamaan potilasmäärää, satunnaisia metsiä luokitellaaksesi sairaalapotilaiden tilan, neuroverkkoja uudelleenotollisten pisteiden laskemiseen ja paljon muuta. Tietojen tiede -tiimimme pysyy ajan tasalla viimeisimmän tutkimuksen, tietolähteiden ja työkalujen kanssa jatkuvasti “tiedelehdistön” tapaamisilla ja innovoi myös itse. Avoin kenttä on niin laaja, että siinä on niin monia houkuttelevia käyttötarkoituksia ja mielenkiintoisia tietojoukkoja, joita voidaan tutkia ja kietoa Hospital IQ -alustaan.

Yksi erityinen haaste meillä on käsitellä ainutlaatuisuutta, jonka näemme jokaisessa sairaalakumppanissamme. He palvelevat erilaisia demografioita. Heillä on erilaiset erikoistumiset. Kliininen ja operatiivinen data kussakin sairaalassa tulee erilaisista ohjelmistoista, jotka on määritetty eri tavoilla ja joilla on omat puutteensa. Jos rakentaisimme kattavan mallin kaikille asiakkaillemme tai jopa kaikille kampuksille yhdessä terveydenhuoltojärjestelmässä, se ei sopisi hyvin. Rakentaminen kuitenkin manuaalisesti räätälöityjä ja yksittäisiä ratkaisuja ei ole skaalautuva tai vankka lähestymistapa. Sen sijaan luotamme ymmärtämään kunkin asiakkaan datan erityispiirteitä, kehittämään yleistettäviä malleja ja olemme rakentaneet työkaluja automaattiseen mallinrakentamiseen, jatkuvaan koulutukseen ja tarkin ja seurantaan yksittäisille kampuksille.

Covid-19 Regional Forecast Dashboard -työkalu, joka on ilmainen ja julkisesti saatavilla, on yli 76 000 käyttäjää sadoista sairaaloista. Mitä tämä työkalu on tarkalleen?

Kun ensimmäisen kerran rakensimme Covid-19 Regional Forecast Dashboardin maaliskuussa 2020, olimme huolissamme, että Yhdysvallat saattaa loppua saatavilla olevista sairaalasängyistä, ja halusimme tarjota varhaisen varoitusjärjestelmän, ei ainoastaan asiakkaillemme, vaan kaikille sairaaloille. Tehdäksemme tämän, etsimme tietojoukkoja, kuten henkilöstövarusteiden kapasiteettia piirikunnittain, todennäköisiä siirtymis- ja kuolemanluokkia Covid-19:lle ikäryhmittäin ja kymmeniä muita asioita. Rakensimme jopa SEIR-mallin ennustamaan viruksen traektoria piirikunnittain ja yritimme tarjota mahdollisimman paljon kontekstia, mukaan lukien hetken, jolloin tehohoito- ja medi/surg-kapasiteetti olisi rikkoontunut, kuinka monta henkilöä toipuisi ja kuinka monta kuolisivat. Tavoitteemme oli koota kattava piirikunnittain näkemys eri luotettavista tietolähteistä.

Sairaalat ovat käyttäneet meidän työkalua päätöksenteon välineenä, kuten määrittääkseen, milloin avataan lisäyksiköitä tai milloin vähennetään valinnaisia leikkauksia tehdäkseen tilaa tuleville aalloille tartunnan saaneita potilaita. Mielenkiintoisesti, jopa kotona olevat yksilöt ovat löytäneet jonkin verran käyttöä ja jopa lohdutusta työkalusta, koska se lisäsi hieman selkeyttä hyvin pelottavaan ja uuteen maailmanlaajuiseen pandemiaan.

Tarjoamalla julkisen työkalun, tiedämme, että meillä on tärkeä velvollisuus kerätä ja analysoida dataa uskollisesti ja säännöllisesti, ja valita parhaat saatavilla olevat tietolähteet. Joskus tämä tarkoittaa parempien mallien vaihtamista, kun ne tulevat saataville. Tapauksessamme omassa SEIR-mallissamme otimme luvalla Institute for Health Metrics and Evaluation (IHME) -valtion tason mallin, koska se on tunnustettu standardi Valkoisen talon ja muiden lähteiden mukaan. Löysimme tavan asettaa nämä ennusteet tiettyjen piirikuntien ja niihin kuuluvien sairaaloiden kontekstiin antaakseen sairaaloille tuntien tarkkuuden ohjeita Covid-19:n jatkuvaan vaikutukseen.

Hospital IQ:n data -tutkijat ja insinöörit osallistuvat usein hackathoneihin, mitkä ovat mielenkiintoisia ideoita tai projekteja, jotka ovat tulleet näistä?

Joka kuukausi kannustamme tietojen tiede- ja insinööritiimimme jäseniä ottamaan yhden päivän loma “ammatillisen kehittymisen edistämiseksi” ja innovaatioiden sytyttämiseksi, olipa se osallistuminen alan konferenssiin, verkkokurssin suorittaminen uuden taidon oppimiseksi tai mikä tahansa toiminta, joka vahvistaa heitä ammatillisesti.

Tämän osana useat insinöörit ja data -tutkijat päättävät viettää ammatillisen kehittymispäiväänsä osallistumalla Hospital IQ:n hackathoneihin. Hackathoneissa vaaditaan osallistujilta olla rohkeita, innovatiivisia ja yhdessä päivässä työntää vaikeasti muutettavaa ideaa toimivaan ohjelmistoon. Päivien ajan ennen viimeisintä hackathonia lokakuussa 2020 osallistujat muodostivat kolme joukkuetta ja keräsivät ideoita koko yrityksestä. Mikään aihe ei ollut kielletty; ideat, jotka eivät olleet yrityksen alustaan tai jopa terveydenhuoltoalan liittyviä, olivat täysin hyväksyttäviä. Vaikuttaa siltä, että kaikki kolme joukkuetta valitsivat kuitenkin ideoita, jotka ovat nyt toteutettavissa.

Ensimmäinen joukkue, Team Cara, keskittyi sairaaloiden uudelleenottoon ja pyrki rakentamaan ratkaisun, joka voisi ennustaa, mitkä potilaat ovat vaarassa uudelleenottoa ennen kuin heidät voidaan kotiuttaa sairaalasta. Sairaaloiden uudelleenotot maksavat terveydenhuoltojärjestelmälle miljardeja dollareita joka vuosi, joten ennustava ja proaktiivinen ratkaisu, kuten tämä, antaisi potilaiden kotiuttamisen hoitajille ja hoitohenkilökunnalle lisätietoa vähentääksesi riskiä, leikkaa kustannuksia ja tietää, mitä jokainen potilas tarvitsee pysyäkseen sairaalassa. Team Cara otti datan Hospital IQ:n operatiivisen johtamisen alustasta ja rakensi ennustavan mallin potilaskohtaisen koneoppimisviitekehyksen avulla, jonka data -tutkijatiimi oli aikaisemmin kehittänyt. Jokaiselle sairaalassa olevalle potilaalle malli antaa pisteytysindikaattorin, joka osoittaa uudelleenotollisen todennäköisyyden. Alkuvaiheen tulokset mallista osoittivat korkean tason tarkkuutta.

Toinen joukkue, Team Burt Reynolds, pyrki rakentamaan alueellisen valvontaratkaisun, joka visualisoi tietojen kerroksia kartalla. Joukkue halusi integroida kartat Hospital IQ:n olemassa olevaan pivot-tauluinfrastruktuuriin, tarjoten tavan piirtää mielenkiintoista mittaria, järjestettyä leveys- ja pituusasteiden mukaan, käyttäen leaflet.js -kirjastoa. Heidän osoitustapauksessaan he käyttivät sairaaloiden siirtokeskuksen tietoja korostamaan, mitkä liittolaiset olivat ottolähteitä ja millaisissa määrin. Tulokset osoittivat siirroskansioita aivan uudessa valossa ja selkiytti, mistä alueista useimmat potilaat olivat peräisin, sekä kasvumahdollisuuksia.

Kolmas joukkue, Team Raptor Strikeforce, pyrki kehittämään ratkaisun, joka esittää Hospital IQ:n operatiivisen johtamisen alustan tuottaman tuoton. Joukkue rakensi käyttöliittymän mukautumaan eri syötteisiin taloudellisiin malleihin, kuten keskimääräiseen marginaaliin valinnaisissa menettelyissä, ja käytti syötteitä seuraamaan sairaalan taloudellisen terveyden muutoksia ajan myötä. Näitä visualisointeja kertoo vakuuttava tarina siitä, miten paljon operatiivisen tehokkuuden aloitteet ja Hospital IQ -alustan siihen liittyvä sijoitus maksavat itsensä takaisin. Hospital IQ on ottanut kaikki kolme ratkaisua osaksi olemassa olevaa alustaa, ja ne ovat sairaaloissa käytössä tänään.

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

Hospital IQ:n suuri, rohkea ja kunnianhimoinen tavoite on parantaa jokaisen terveydenhuollon työntekijän tehokkuutta ja onnellisuutta jokaisena päivänä. Olemme ylpeitä vaikuttamisesta, jonka olemme saavuttaneet terveydenhuoltoon tähän asti, mutta matkamme on vasta aluillaan. Kaikille myötätuntoisille, tehtävään omistautuneille data -tutkijoille ja insinööreille, jotka ovat kiinnostuneita ratkaisemasta yhdestä maailman haasteellisimmista haasteista – terveydenhuollon tehokkuuden parantamisesta – me haluamme, että he liittyvät meihin!

Kiitos haastattelusta, lukijoille, jotka haluavat oppia lisää, on suositeltavaa vierailla Hospital IQ.