Daniel Cane, Co-CEO et Co-Fondateur de ModMed – Série d’entretiens

Daniel Cane est co-CEO et co-fondateur de ModMed^®, une entreprise de technologie de la santé basée en Floride du Sud, qui transforme la santé grâce à des plateformes intelligentes spécifiques aux spécialités médicales pour augmenter l’efficacité des pratiques et améliorer les résultats pour les patients.

Fondée en février 2010, ModMed compte désormais plus de 1 200 employés et a levé plus de 332 millions de dollars en investissements totaux. Connue pour sa croissance progressive en tant qu’entreprise de technologie médicale, ModMed est fréquemment reconnue à la fois au niveau national et régional pour ses réalisations sous la direction de Daniel. En 2020, l’entreprise a été nommée l’un des meilleurs lieux de travail du pays par le magazine Inc. Entre 2016 et 2018, l’entreprise a été nommée l’une des entreprises à croissance la plus rapide en Amérique du Nord sur la liste Deloitte Technology Fast 500^™. À partir de 2015, l’entreprise a été nommée chaque année à la liste exclusive Inc. 5000, une compilation prestigieuse des entreprises privées à croissance la plus rapide du pays.

Pouvez-vous partager quelques informations sur votre parcours et comment il a influencé votre travail chez ModMed ?

Mon parcours dans la technologie a commencé pendant mes études universitaires à Cornell, lorsque j’ai co-fondé Blackboard. Nous avons transformé l’éducation en numérisant les notes de cours et en créant une plateforme qui offrait aux étudiants et aux enseignants une flexibilité et une interaction sans précédent. Pour moi, le succès de Blackboard a culminé en 2004 avec son introduction en bourse, et même si nos solutions ont été révolutionnaires dans l’éducation, je ne pouvais pas m’empêcher de chercher de nouveaux défis.

L’un de ces défis s’est présenté lorsque je suis allé chez mon dermatologue pour un contrôle de routine. Nous avons eu une conversation incroyable sur les difficultés liées à l’utilisation de systèmes basés sur le papier et sur les moyens de les résoudre. En réalisant le lien entre son expertise médicale et mes compétences techniques, nous avons décidé de nous associer pour créer ModMed, ainsi que notre premier système de dossier médical électronique (DME).

À l’époque, certains DME existaient déjà, mais malheureusement, des études les citaient souvent comme l’une des principales causes de l’épuisement des médecins. Nous avons adopté une approche différente et conçu notre DME pour adapter l’expérience utilisateur aux flux de travail spécifiques d’une spécialité médicale. Notre système de DME basé sur le cloud, EMA, est et continue d’être conçu par des médecins pour des médecins, ce qui nous distingue et définit notre secret sur le marché. Au fil des ans, nous avons élargi nos offres de produits pour inclure une gamme complète de solutions qui aident les prestataires de soins à simplifier et à rationaliser leurs opérations de pratique et à accélérer la prestation de soins.

Comment voyez-vous la bataille pour un AI efficace dans les soins de santé être gagnée ou perdue avec les données ?

Nous commençons à voir une augmentation de l’adoption de la technologie AI dans les pratiques pour rationaliser les flux de travail et maximiser l’efficacité. À mesure que nous entrons dans une ère où l’AI est utilisé pour des tâches plus sophistiquées – telles que la suggestion de traitements ou d’autres recommandations de soutien clinique – il est essentiel d’avoir la bonne stratégie de données et de formation de l’AI en place. L’AI a l’opportunité de considérablement améliorer l’expérience des patients et des prestataires de soins et de créer un changement systémique qui améliorera vraiment les soins de santé, mais la réalisation de cela dépendra de grandes quantités de données de haute qualité utilisées pour former les modèles.

Pourquoi les données sont-elles si critiques pour le développement de l’AI dans l’industrie des soins de santé ?

Les données sont la vie de l’AI, et une mauvaise qualité des données entravera les performances de l’AI, entraînant des résultats sous-optimaux. Cela peut avoir des conséquences graves dans un contexte de soins de santé, car des vies de patients peuvent être en jeu. Mais un scénario plus probable est que ces expériences négatives pourraient miner la confiance des patients et des prestataires de soins en l’AI, ralentissant les progrès et l’impact positif que cette technologie révolutionnaire peut avoir sur les soins de santé.

Par exemple, dans la salle d’examen, les outils d’écoute ambiante basés sur l’AI sont conçus pour suggérer du contenu pour les notes cliniques que le prestataire peut examiner et approuver. Idéalement, cela devrait réduire le temps que le prestataire passe à documenter dans le DME et permettre plus de temps de qualité avec le patient. Cependant, de mauvaises sources de données et des outils d’AI mal formés pourraient avoir l’effet inverse, laissant les prestataires passer un temps considérable à corriger des erreurs et à réécrire des notes.

En outre, les préjugés sont un risque important associé aux algorithmes d’AI, et des données de qualité peuvent jouer un rôle clé dans l’atténuation des disparités en matière de santé. Les modèles d’AI peuvent apprendre des modèles qui traitent efficacement une population de patients de manière préférentielle par rapport à d’autres populations, y compris les groupes légalement protégés. En surveillant les entrées de données et en formant sur des données robustes et représentatives, les sorties d’AI peuvent être plus inclusives et précises.

Pouvez-vous élaborer sur les types de données que ModMed utilise pour former ses modèles d’AI et comment ces données sont sources et gérées ?

Chez ModMed, nous utilisons des données spécifiques aux spécialités pour aider à former nos modèles d’AI avec précision. Au cours des 14 dernières années, nous avons créé des ensembles de données structurés spécifiques aux spécialités, conformes aux lois sur la confidentialité, et nous exploitons désormais ces données internes pour former nos modèles d’AI. Par exemple, notre outil d’écoute ambiante ModMed Scribe a été formé pour la dermatologie, notre premier lancement de spécialité, sur des millions de paramètres structurés à partir de dossiers de patients dépersonnalisés échantillonnés à partir d’une collection de 500 millions de rencontres de patients.

Comment ModMed définit-il l’« AI éthique » dans le contexte des soins de santé ?

Le potentiel de l’AI à avoir des préjugés ou à fournir des informations inexactes sous la forme de « hallucinations » ou d’omissions peut avoir un impact sur la vie des patients. Pour cette raison, l’AI éthique dans les soins de santé consiste à établir un niveau élevé d’exactitude et de précision. Cela signifie développer des algorithmes avec soin et responsabilité et utiliser des données de haute qualité et diversifiées pour permettre des prédictions plus précises pour chaque utilisateur.

L’AI éthique consiste également à s’assurer que les humains restent dans l’équation. Un AI ne doit pas « surpasser le médecin » mais plutôt réduire la charge administrative que les médecins et leur personnel subissent, leur permettant ainsi de se concentrer davantage sur l’aide aux patients.

Quelles mesures sont en place chez ModMed pour permettre aux technologies d’AI d’être développées et déployées de manière éthique ?

<p Notre approche de données structurées – en créant des ensembles de données de formation de haute qualité et représentatifs – nous aide à rendre l'AI responsable une réalité. Les données pertinentes et dépersonnalisées collectées à partir de nos systèmes de DME provenant d'une grande variété de pratiques nous fournissent un ensemble de données de formation diversifié qui reflète différentes populations de patients.

En outre, notre équipe de développement adopte le nettoyage des données pour faciliter la collecte et l’utilisation de données de haute qualité. Ce processus permet à nos équipes d’identifier, de rectifier et de supprimer les incohérences, les erreurs et les valeurs manquantes de l’ensemble de données. Grâce à cette maintenance régulière, nous pouvons mettre à jour l’AI en fonction des données de performance, en particulier les données cliniques, où les résultats pour les patients peuvent être impactés.

Pouvez-vous discuter de l’importance de la transparence et de la responsabilité dans le développement de l’AI, en particulier dans les soins de santé ?

La transparence rend la responsabilité possible, c’est pourquoi elle est une pierre angulaire de toute solution d’AI dans les soins de santé. Les priorités des médecins sont les soins aux patients et la sécurité, il n’est donc pas surprenant que 80 % des médecins veulent connaître les caractéristiques et les fonctionnalités de la conception, du développement et du déploiement des outils d’AI.

En outre, toutes les données ne sont pas créées de manière égale. Il est important de savoir où et comment les données sont stockées et sources, ainsi que comment elles sont mises à jour régulièrement. Nous avons la chance que, depuis la création de ModMed, nous nous sommes engagés dans une stratégie de données qui donne la priorité à la transparence et à l’exactitude. Nous avons une compréhension approfondie des sources et de la qualité de nos données et sommes convaincus que nos intégrations d’AI apporteront une valeur considérable à nos clients.

Comment l’AI est-il intégré dans les systèmes de DME spécifiques aux spécialités de ModMed, comme EMA et gGastro ?

À travers notre portefeuille, nous utilisons l’apprentissage automatique depuis un certain temps et renforçons notre investissement dans l’AI avancé et génératif pour simplifier les affaires de la médecine et accélérer les soins de qualité. Nous construisons une expérience de pratique complète alimentée par l’AI qui commence avant que le patient n’entre dans la salle d’examen, s’étend à travers la salle d’examen et jusqu’au département de facturation.

Dans le contexte clinique, nous sommes dans les dernières étapes de notre programme pilote d’écoute ambiante basé sur l’AI pour EMA, que nous croyons sera un facteur de changement pour sa fonctionnalité en aval et son contenu suggéré. Notre solution de documentation basée sur l’AI est conçue pour rationaliser le processus de soins au-delà de la simple transcription ou de la rédaction d’une note SOAP. En utilisant de vastes quantités de données structurées, nous formons nos modèles d’AI pour capturer les informations essentielles des conversations médecin-patient et, en travaillant aux côtés de notre DME, pour suggérer du contenu pertinent pour les notes de visite, y compris les codes ICD-10, les codes chirurgicaux et les ordonnances. Cela économise aux médecins un temps précieux et leur permet de passer plus de temps de qualité avec leurs patients.

Quels sont les avantages spécifiques que les solutions d’AI spécifiques aux spécialités offrent aux prestataires de soins et aux patients ?

Aucune spécialité médicale n’est identique. Elles varient considérablement en termes de patients qu’elles voient, des affections qu’elles traitent et des codes médicaux utilisés pour les remboursements. Les solutions d’AI doivent être adaptées pour accommoder ces variations pour être efficaces de manière significative.

Par exemple, les DME et les outils d’écoute ambiante basés sur l’AI de ModMed sont conçus explicitement pour chaque spécialité médicale, offrant un soutien hautement pertinent et précis aux cliniciens. Le processus de documentation de chaque spécialité nécessite des composants différents dans la note de données structurée, y compris des codes médicaux et une terminologie uniques. Cette spécialisation permet à l’AI de mieux comprendre et d’anticiper les besoins et les flux de travail uniques des pratiques de spécialités diverses, ce que nous croyons entraînera une mise en œuvre plus efficace, une adoption plus rapide et une efficacité globale plus grande pour améliorer l’efficacité opérationnelle.

Où voyez-vous les plus grandes opportunités pour l’AI dans les soins de santé au cours des cinq à dix prochaines années ?

À l’avenir, l’AI perdra probablement son ubiquité dans presque tous les aspects des soins de santé de manière que nous ne pouvons pas imaginer. Déjà, l’AI est utilisé pour des tâches administratives, et à court terme, cette tendance devrait probablement s’accélérer à mesure que la valeur de l’AI deviendra plus évidente.

Je vois également un avenir où l’AI est intégré de manière transparente dans les interactions médecin-patient, où l’interface utilisateur ou l’UI est virtuellement invisible. Au lieu des interactions basées sur l’écran d’aujourd’hui, l’AI pourrait offrir un mélange de réalité et de réalité augmentée. Cet état futur de l’AI pourrait potentiellement analyser les dossiers médicaux pour identifier des informations essentielles, prédire le risque qu’un patient présente pour diverses maladies. La grande quantité de données dans les dossiers médicaux présente une opportunité pour l’AI d’anticiper les besoins de soins futurs et de créer et d’aider à gérer des plans de traitement préventif.

Cette expérience pourrait s’étendre au-delà du cadre de la pratique et devenir intégrale à la vie quotidienne d’un patient. Les accessoires basés sur l’AI pourraient fournir un soutien personnalisé, répondre à des questions et planifier des rendez-vous, entre autres choses. L’AI pourrait également surveiller les signes vitaux à distance, détecter et alerter les prestataires de soins sur les problèmes de santé potentiels. Des plans de traitement personnalisés, adaptés à des patients individuels en fonction des données et des préférences, pourraient devenir la norme.

C’est vraiment un moment passionnant pour les soins de santé. Les cinq à dix prochaines années regorgent d’opportunités pour transformer davantage l’industrie et améliorer l’expérience des patients.

Je vous remercie pour cette grande interview. Les lecteurs qui souhaitent en savoir plus peuvent visiter ModMed.