Tim Vasil, Co-Founder & Chief Technology Officer at Hospital IQ – Haastattelu Sarja

Tim Vasil on Co-Founder & Chief Technology Officer Hospital IQ:ssa, joka on operatiivisen johtamisen alusta, joka käyttää dataa toimittamaan valmiita koneoppimiseen perustuvia tekoälyratkaisuja nopeisiin, kestäviin operatiivisiin parannuksiin.

Mikä aluksi veti sinut tietokoneiden pariin?

Vauvakuvauskirjat. Opiskellessani olin epävarma urasta, jonka halusin seurata, ja tutkin osa-aikaisen web-kehittäjän työtä BabyZone.comissa. Kokemus oli uskomaton! Yksi ensimmäisistä projekteistani oli ottaa fyysinen medium, vauvakuvauskirja, ja tuoda se digitaaliaikaan, täydellinen äänitehosteilla, siirtymiseffecteillä ja interaktiivisella vieraskirjalla. Kirjoitin jonkin verran koodia, napsautin painiketta ladatakseni sen verkkosivustolle, ja yhtäkkiä tuhannet vanhemmat saivat tavan olla yhteydessä etäisiin ystäviin ja sukulaisiin.

Se vauvakuvauskirja-sovellus paljasti tietokoneen tieteen alan, jossa voin olla jonkin verran taiteilija, insinööri ja ehkä jopa velho, 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?

Co-perustaja Rich Krueger ja minä liittyimme yhteen tutkimaan alueita, joita teknologia oli laiminlyönyt. Luulisi, että sairaalat eivät olisi yksi näistä alueista, ottaen huomioon miljardit dollarit, joita he viettävät vuosittain lääkinnälliseen laitteistoon, sähköisiin potilastietoihin ja muihin. Nämä alueet ovat varmasti hyvin katettuina. Mitä me kuitenkin näimme, oli sairaaloilla toinen puoli, operatiivinen puoli. Tämä puoli on kaikenlaisista asioista, kuten leikkausten aikatauluttamisesta, potilaiden siirtämisestä, priorisoinnista, mitä tutkimuksia tehdään, miten parhaiten suunnitellaan huomista, ja niin edelleen. Nämä ovat erittäin haasteellisia ongelmia, ja perinteinen lääketieteellinen ohjelmisto ei juuri koske tätä.

Tutkimme tätä mahdollisuutta tapaamalla sairaalajohtajia ja eturintamahenkilöstöä. Näimme sankaruutta joka päivä. Näimme hoitajien aikatauluttajia, jotka tekivät jatkuvasti puheluita ja käsitelivät kysymyksiä, jotta he voisivat lähettää henkilöstöä tarvittaviin paikkoihin. Näimme leikkaussalien johtajia, jotka käyttivät liimakirjaimia ja valkotauluja yrittääkseen jakaa leikkausajan kirurgeille. Näimme operatiivisen erinomaisuuden johtajia, jotka pyrkivät simuloimaan, kuinka monta sairaalasänkyä tulisi uudelleenjakaa. Lyhykäisyydessä, näimme niin paljon manuaalista työtä, jota sovellettiin ongelmien ratkaisemiseksi, koska ohjelmistotyökalut eivät riittäneet, ja halusimme auttaa.

Kuten monilla startup-yrityksillä, tuotteemme kehitysmatka ei ollut suora. Varhainen “apu” tuli strategisten työkalujen muodossa, joita olemme luoneet ratkaisemaan haasteellisimmat ongelmat, mutta ne vaativat paljon dataa ja paljon matematiikkaa. Mekaniikka näyttää vaikuttavalta: voimme koota malleja automaattisesti simuloimaan sairaalan sisäistä toimintaa ja antamaan suosituksia siitä, pitäisikö leikkausaikataulun muuttaa, tai pitäisikö uusi siipi rakentaa. Kuitenkin, 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 innoittama polku, vaan koko tiimimme työskentelee käsi kädessä asiakkaidemme kanssa ja toteaa, että meidän tärkein roolimme ei ole auttamaan sairaaloita vastaamaan suuriin, harvoin kysyttyihin kysymyksiin, vaan näyttää, että meidän roolimme on ratkaista nämä pienet, usein kysytyt kysymykset. Nämä ovat kysymyksiä, jotka määrittävät, minkälainen jokaisen kokemus on, sekä potilaalle, joka menee leikkaukseen, että hoitohenkilöstölle, joka ohjaa heitä matkalla.

Voitko keskustella siitä, miten ohjelmisto mahdollistaa terveydenhuollon järjestelmien saavuttamisen ja ylläpitämisen huipputason operatiivisella suorituskyvyllä?

Ohjelmistomme on kaiken aikaa terveydenhuollon työntekijöiden kanssa heidän päivittäisissä työprosesseissaan. Sen sijaan, että odotamme heidän tekevän jotain radikaalisti erilaista, kuten suorittamalla simulaatiota, tulkkaamalla ennustetta tai optimoimalla henkilöstön aikatauluja alusta alkaen, me hyväksymme tutut vaiheet, joita he tekevät joka päivä kahdella tavalla. Me digitalisoimme ne, jotta he voivat viestiä toistensa kanssa tehokkaammin, ja sitten me lisäämme ennusteita ja suosituksia. Tämä antaa terveydenhuollon henkilöstölle mahdollisuuden työskennellä tehokkaammin ja tehokkaammin. Parasta kaikista, se vapauttaa heidät viettämään enemmän aikaa potilashuollossa.

Otamme yhden esimerkin: henkilöstön aikataulutus. Määrittäminen, kuinka monta hoitajaa tarvitaan kussakin yksikössä kussakin vuorossa, on haaste. Jotkut henkilöstö kuuluvat sairaana. Odottamaton kysynnän lisäys voi syntyä. Hoitajat, jotka voivat “lentää” yksiköistä toisiin, on jaettava reilusti. Kaikkien taitojen, pätevyyden ja mieltymysten on otettava huomioon. Laittaessasi kaiken yhteen, voit nähdä, miksi tyypillisen henkilöstötoimiston puhelin soi jatkuvasti. Kuitenkin samana päivänä, kun Hospital IQ:n käyttöönotto toteutuu, puhelimet vaikenevat. Suurin osa työstä on samaa, mutta kaikki tiedot on keskitetty Hospital IQ -alustalle, ja kaikki huomioon otettavat seikat on siirretty taulukoihin, valkotauluihin ja liimakirjaimiin viestintätyökaluihin, automaattiseen analyysiin ja ehdotuksiin henkilöstön tasapainottamiseksi. Hoitajien aikatauluttajat voivat suorittaa työnsä tehokkaammin ja miellyttävämmin kuin koskaan aiemmin. Tämän suorituskyvyn ylläpitäminen on helppoa, koska työkalut on suunniteltu tukemaan olemassa olevaa työprosessia. Emme ole konsulttiyhtiö, joka tulee muuttamaan työn tapaa, vain nähdäksesi sen palautuvan takaisin statukselle.

Mitkä ovat erilaiset koneoppimisen teknologiat, joita käytetään?

Tieteen tilastotutkimusryhmämme käyttää mitä menetelmiä tahansa, joita tarvitaan saadakseen hyvät tulokset asiakkaidemme käyttötapauksissa. Olemme käyttäneet tilastollisia analyysejä ymmärtääksemme leikkaussalien käyttöä, ARIMA-malleja ennustamaan kirurgisen tilavuuden, Prophetia ennustamaan potilaiden määrää, satunnaisia metsiä luokittelemalla sairaalapotilaiden tilaa, neuroverkkoja uudelleenotollisten pisteytyksessä ja paljon muuta. Tieteen tilastotutkimusryhmämme pysyy ajan tasalla viimeisimmän tutkimuksen, tietolähteiden ja työkalujen kanssa jatkuvasti “tutkimusklubin” kokouksilla, ja kehittää säännöllisesti uutta. Avoin kenttä on niin laaja, että siinä on niin monta vaikuttavaa käyttötapauksia ja mielenkiintoisia tietoja, joita voimme tutkia ja kietoa Hospital IQ -alustaan.

Yksi erityinen haaste meillä on käsitellä ainutlaatuisuutta, jonka näemme jokaisessa sairaala-asiakkaassamme. He palvelevat erilaisia demografioita. Heillä on erilaiset erikoistumiset. Klininen ja operatiivinen data kussakin sairaalassa tulee erilaisista ohjelmistoista, jotka on määritetty eri tavoilla omilla puutteillaan. Jos rakentaisimme kattavan mallin kaikille asiakkaillemme, tai jopa kaikille kampuksille yhdessä terveydenhuollon järjestelmässä, se ei sopisi hyvin. Kuitenkin manuaalisten, yksilöllisten ratkaisujen rakentaminen ei ole skaalautuva tai vankka lähestymistapa. Sen sijaan, me luotamme ymmärtämään kunkin asiakkaan datan erityispiirteitä, kehittämään yleistettäviä malleja, ja olemme rakentaneet työkaluja automatisoida mallin rakentamista, jatkuvaan koulutukseen ja tarkin luotettavuuden mittaamiseen ja seurantaan kunkin kampuksen osalta.

Ilmainen, julkisesti saatavilla oleva työkalu COVID-19 Regional Forecast Dashboard on yli 76 000 käyttäjää sadoista sairaaloista. Mitä tämä työkalu on tarkalleen?

Kun ensin rakensimme COVID-19 Regional Forecast Dashboardin maaliskuussa 2020, olimme huolissamme, että Yhdysvallat saattaa loppua saatavilla olevista sairaalasängyistä, ja halusimme tarjota varhaisen varoitusjärjestelmän, ei vain asiakkaillemme, vaan kaikille sairaaloille. Tehdäksemme tämän, etsimme tietoja, kuten henkilöstöiden sairaalasänkyjen kapasiteetin piirikunnittain, todennäköisen COVID-19:n siirtymis- ja kuolemanriskin ikäryhmittäin, ja kymmeniä muita asioita. Rakensimme jopa SEIR-mallin ennustamaan viruksen traektoria piirikunnittain, ja yritimme antaa mahdollisimman paljon kontekstia, mukaan lukien hetken, jolloin tehohoito- ja sairaalakapasiteetti menee rikki, kuinka monta henkilöä toipuu, ja jopa kuinka monta kuolee. Tavoitteemme oli koota täydellinen piirikunnittain näkemys eri luotettavista tietolähteistä.

Sairaalat ovat käyttäneet meidän dashboardia työkaluna tehdäkseen tärkeitä päätöksiä, kuten milloin avata lisäyksiköitä tai milloin hillitä sähköisiä kirurgioita, jotta he voivat tehdä tilaa tuleville aaltoille tartunnan saaneita potilaita. Mielenkiintoista kyllä, jopa yksityishenkilöt kotona ovat löytäneet jonkin verran hyötyä 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 se tarkoittaa parempien mallien vaihtamista, kun ne ovat saatavilla. COVID-19:n tapauksessa me lopulta otimme, luvalla, Institute for Health Metrics and Evaluation (IHME) osavaltiotason mallin, koska se on tunnustettu standardi Valkoisen talon ja muiden lähteiden toimesta. Löysimme tavan asettaa nämä ennusteet tiettyjen piirikuntien, sekä niihin kuuluvien sairaaloiden kontekstiin, jotta sairaalat saavat ohjeita COVID-19:n jatkuvaan vaikutukseen tuntia tunnilta.

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

Joka kuussa, kannustamme data-tieteilijöitä ja insinöörejä viettämään päivän kehittämään ammattitaitojaan ja sytyttämään innovaatioita, olipa se osallistuminen alan konferenssiin, suorittaminen verkkokurssia uuden taidon oppimiseksi tai mikä tahansa toiminta, joka vahvistaa heitä ammatillisesti.

Osana tätä, useat insinöörit ja data-tieteilijät valitsevat viettääksesi ammattikehityspäivää osallistumalla Hospital IQ:n hackathoneihin. Hackathoneissa vaaditaan osallistujilta olla rohkeita, innovatiivisia ja yhden päivän aikana työntää haastava muodonmuutos toimivaan ohjelmistoon. Päivien aikana 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 terveydenhuollon alaan liittyviä, olivat täysin hyväksyttäviä. Kuitenkin kaikki kolme joukkuetta päättivät valita ideat, jotka ovat nyt toteutusvaiheessa.

Ensimmäinen joukkue – Tiimi Cara – keskittyi sairaalapalautumisiin ja pyrki rakentamaan ratkaisun, joka voisi ennustaa, mitkä potilaat ovat vaarassa palata sairaalaan, ennen kuin heidät on edes lähetetty sairaalasta. Sairaalapalautumiset maksavat terveydenhuoltojärjestelmälle miljardeja dollareita joka vuosi, joten ennustava ja proaktiivinen ratkaisu, kuten tämä, antaisi potilaiden lähtöselvityksen hoitajille ja hoitohenkilöstölle lisätietoa vähentääksesi riskiä, leikkaa kustannuksia ja tietää, mitä kunkin potilaan tarvitsee pysyäkseen sairaalassa. Tiimi Cara otti datan Hospital IQ:n operatiivisesta johtamisalustasta, ja käytti potilaskohtaista koneoppimisen kehystä, jonka data-tieteilijöiden tiimi oli aikaisemmin kehittänyt, rakentamaan ennustemallin. Jokaiselle potilaalle sairaalassa malli antaa pisteytysluvun, joka osoittaa paluun mahdollisuuden. Alkuvaiheen tulokset mallista osoittivat korkean tason tarkin luotettavuutta.

Toinen joukkue – Tiimi Burt Reynolds – pyrki rakentamaan alueellisen valvontaratkaisun, joka visualisoi tietoja kartalla. Joukkue halusi integroida kartat Hospital IQ:n olemassa olevaan pivot-tauluinfrastruktuuriin, tarjoten tavan piirtää mittarin kiinnostuksen mukaan järjestettyä leveys- ja pituusasteilla käyttäen leaflet.js-kirjastoa. Heidän osoittautumisesta lähtien he käyttivät sairaalan siirtokeskuksen tietoja korostamaan, mitkä liittolaiset olivat ottajalähteitä ja millä volyymeilla. Tulokset osoittivat siirtotapaukset aivan uudessa valossa ja selkiyttivät, mistä geografeista useimmat potilaat tulivat, sekä kasvumahdollisuuksia.

Kolmas joukkue – Tiimi Raptor Strikeforce – pyrki kehittämään ratkaisun, joka esittää Hospital IQ:n operatiivisen johtamisalustan tuottaman tuoton (ROI). Joukkue rakensi käyttöliittymän mukautumaan eri syötteisiin taloudellisiin malleihin, kuten keskimääräiseen marginaaliin elektiivisissä menettelyissä, ja käytti syötteitä seuratakseen sairaalan taloudellisen terveyden muutoksia ajan myötä. Nämä visualisoinnit kertovat vakuuttavan tarinan siitä, kuinka merkittävästi operatiivisen tehokkuuden aloitteet ja Hospital IQ -alustan siihen liittyvä sijoitus maksavat itsensä takaisin.

Kolme ratkaisua, jotka kehitettiin hackathonia varten, osoittivat, että ne voivat tarjota suurempaa arvoa asiakkaillemme. Sen seurauksena Hospital IQ on sisällyttänyt kaikki kolme ratkaisua olemassa olevaan alustaan, ja ne ovat käytössä sairaaloissa tänään.

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

Hospital IQ:n suuri, rohkea, kunnianhimoinen tavoite on parantaa jokaisen terveydenhuollon työntekijän tehokkuutta ja onnellisuutta joka päivä. Olemme ylpeitä vaikuttamisesta, jonka olemme saavuttaneet terveydenhuollossa tähän asti, mutta matkamme on vasta alussa. Kaikille myötätuntoisille, tehtävään omistautuneille data-tieteilijöille ja insinööreille, jotka ovat kiinnostuneita ratkaisemasta yhdestä maailman haasteellisimmista haasteista – terveydenhuollon tehokkuuden parantamisesta – meidän olisi ilo, jos liittyisit meihin!

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Hospital IQ:ssa.