Paul Roscoe, Directeur général, CLEW Medical – Série d’entretiens

Paul Roscoe est le directeur général de CLEW Medical.

Auparavant, M. Roscoe était PDG de Trinda Health et était responsable de l’établissement de l’entreprise en tant que leader de l’industrie dans les solutions de documentation clinique axées sur la qualité.

CLEW Medical offre aux hôpitaux, aux systèmes de santé et aux unités de soins intensifs une intelligence clinique avancée et des diagnostics de patients utilisant des analyses prédictives alimentées par l’IA et des modèles de soins critiques propriétaires.

Pouvez-vous commencer par nous dire un peu plus sur la plate-forme d’IA de CLEW Medical et ses capacités uniques dans l’industrie MedTech ?

La création de CLEW était basée sur le principe que l’analyse de données et l’IA peuvent améliorer considérablement les résultats des patients et l’expérience des cliniciens dans les environnements de soins de haute acuité. La plate-forme de surveillance clinique que nous avons construite est la première à avoir des modèles de prédiction alimentés par l’IA approuvés par la FDA pour les soins critiques. Notre système obtient des données en intégrant toutes les sources de données cliniques au sein d’un hôpital et crée un profil physiologique quasi en temps réel de chaque patient pour surveiller en permanence son état. Il utilise ensuite ces données pour fournir des informations prédictives pour identifier les patients qui risquent probablement de subir un événement indésirable – tel qu’une défaillance respiratoire – et alerter les cliniciens pour intervenir jusqu’à huit heures avant l’événement prévu. Le degré élevé de précision de la plate-forme réduit également le nombre excessif de fausses alarmes, permettant aux cliniciens de pratiquer au sommet de leur licence et de se concentrer sur les patients qui ont le plus besoin d’une intervention immédiate.

Quels étaient les facteurs clés qui ont contribué à l’approbation de la FDA des modèles de prédiction alimentés par l’IA de CLEW ?

CLEW a adopté l’IA depuis sa création. Nos fondateurs et dirigeants de développement ont reconnu l’importance de renforcer la confiance avec les soignants, les personnes responsables de l’utilisation de notre technologie pour soigner leurs patients les plus vulnérables. Il était impératif que notre technologie subisse le même niveau d’examen et de diligence dans la conception, le développement, les tests et la validation que les appareils déjà utilisés par nos utilisateurs. Pour encourager l’adoption d’une solution d’IA pour les environnements de soins critiques, notre équipe a compris la nécessité de construire des modèles avec une mise au point méticuleuse et des systèmes de qualité. En conséquence, notre développement de modèles d’IA utilise une infrastructure robuste de MLOPS (opérations d’apprentissage automatique) pour répondre aux attentes réglementaires, telles que les directives PCCP (plan de contrôle des changements préautorisés) de la FDA. Nos modèles d’IA sont conçus de manière méthodique, subissant toutes les expériences nécessaires pour l’homologation des dispositifs médicaux.

La robustesse des modèles et de nos processus internes a abouti à la classification de notre solution en tant que dispositif médical de classe II par la FDA au début de 2021, ce qui constituait une réalisation sans précédent. L’homologation des dispositifs médicaux de la FDA témoigne de la qualité de notre processus de développement de bout en bout, qui comprend des études de validation clinique menées dans des populations de patients réelles.

Une étude récente publiée dans le Journal CHEST® a mis en évidence la précision prédictive de vos modèles d’IA. Pouvez-vous discuter de la méthodologie et des résultats spécifiques de cette étude ?

Un algorithme d’apprentissage automatique formé par CLEW a été déployé dans 14 unités de soins intensifs (USI) dans deux grands systèmes de santé pour prédire les événements d’intubation et d’initiation de vasopresseurs – en d’autres termes, les événements qui nécessitent une intervention de sauvetage – chez des patients adultes gravement malades. Ses performances ont été mesurées par rapport aux alarmes de surveillance de chevet existantes et à l’efficacité prédictive des alertes des systèmes de télémédecine.

L’étude, conçue pour évaluer l’exactitude et l’utilité des alertes dans les USI, a constaté que les modèles de CLEW pour prédire la détérioration des patients étaient cinq fois plus précis que les systèmes de télémédecine leaders et produisaient 50 fois moins d’alarmes. Les résultats montrent également que le modèle d’apprentissage automatique a une précision supérieure par rapport aux systèmes de surveillance traditionnels et réduit considérablement les interruptions inutiles aux flux de travail des cliniciens.

Comment les prédictions d’IA faites par la plate-forme de CLEW peuvent-elles potentiellement transformer la prestation de soins dans les unités de soins intensifs ? Pouvez-vous expliquer comment ces prédictions améliorent les résultats et réduisent les complications ?

La plate-forme de CLEW offre des opportunités d’interventions précoces pour les patients à haut risque et soutient la gestion des capacités en identifiant les patients à faible risque qui peuvent être prêts pour une réduction ou une sortie. Cela réduit les taux de mortalité et de réadmission, les complications causées par la détérioration des patients et la durée de séjour des patients.

Par exemple, dans les 24 premières heures du déploiement dans un grand système de santé, notre technologie a prédit une instabilité hémodynamique chez un patient en unité de soins intensifs, ce qui a déclenché une évaluation par un fournisseur de soins. Lors de l’évaluation du patient, le fournisseur de soins a commandé une tomodensitométrie et a détecté une hémorragie abdominale. Le patient a été emmené d’urgence au bloc opératoire pour une intervention chirurgicale, a reçu des fluides et du sang, et sa vie a finalement été sauvée. 24 heures plus tard, le patient était en état stable.

Votre système a été trouvé cinq fois plus précis qu’un système de surveillance de télémédecine de pointe. Qu’est-ce qui rend la technologie de CLEW plus efficace pour prédire les détériorations critiques des patients ?

En général, les notifications générées par l’apprentissage automatique sont moins fréquentes, ont des niveaux d’exactitude plus élevés et des taux d’erreurs plus faibles, tels que les faux positifs, et créent des délais plus longs avant l’événement que les alertes des systèmes de télémédecine et des systèmes de surveillance de chevet. Les alertes de CLEW sont plus précises et fonctionnelles et fournissent le temps nécessaire à l’équipe de soins pour prendre des contre-mesures pour prévenir les résultats prévus. L’intelligence sophistiquée que CLEW fournit est rendue possible par sa capacité à extraire des données de patients à partir du dossier médical électronique (DME) d’un système de santé, combinée à des modèles d’apprentissage automatique qui ont été rigoureusement testés et validés par des recherches examinées par des pairs et une homologation de la FDA.

L’étude a également noté une réduction significative des fausses alarmes. Comment la réduction de la fatigue des alarmes bénéficie-t-elle au personnel des unités de soins intensifs, et quels ont été les commentaires des professionnels de la santé qui utilisent votre système ?

98 % des notifications de surveillance de chevet sont des faux positifs, ce qui entraîne une fatigue des alarmes et aggrave les niveaux historiquement élevés de burn-out des cliniciens. CLEW traite la fatigue des alarmes en réduisant le nombre d’interruptions auditives, en augmentant le pourcentage de notifications actionnables pour l’intervention nécessaire des fournisseurs de soins, et en créant un environnement d’unité de soins intensifs plus calme. En essence, la précision de la plate-forme et sa capacité à réduire la charge de travail inutile par le biais de modèles d’apprentissage automatique améliorés améliorent considérablement le burn-out des unités de soins intensifs. Dans le cadre du processus de mise en œuvre, les équipes de réussite client de CLEW se concentrent sur l’importance de la gestion du changement clinique pour garantir que la technologie est intégrée de manière appropriée dans le processus de prise de décision clinique global. Les commentaires des cliniciens ont été extrêmement positifs.

Comment la fonction de notification précoce de la plate-forme de CLEW fonctionne-t-elle, et quels types d’interventions a-t-elle facilitées dans les unités de soins intensifs réelles ?

Sur la base du flux d’informations entrantes provenant de la surveillance de chevet et des appareils de soutien vital, ainsi que du dossier médical électronique (DME), les modèles d’IA de CLEW peuvent prédire le risque de détérioration et de décès du patient au cours des huit prochaines heures. Avec ces évaluations prédictives, les cliniciens expérimentés peuvent évaluer les patients plus attentivement et déterminer s’il existe des contre-mesures applicables pour prévenir les détériorations prévues, au lieu de réagir à celles-ci en cas d’urgence.

Par exemple, la plate-forme de CLEW peut alerter les cliniciens que le patient est très susceptible d’entrer en défaillance respiratoire, ce qui entraîne généralement une intubation et une ventilation mécanique. Lorsque les soignants reçoivent l’alerte, ils peuvent alors identifier que le patient a un excès de liquide qui pourrait commencer à s’accumuler dans les poumons et initier une thérapie diurétique pour réduire les liquides, empêchant ainsi une intubation plus tard. Notre modèle peut également anticiper si un patient post-chirurgical est susceptible de devenir hémodynamiquement instable et nécessiter un soutien médicamenteux vasactif. Armés de ces connaissances en l’absence de symptômes évidents, une tomodensitométrie a déterminé que le patient avait une hémorragie interne et a été renvoyé au bloc opératoire pour une intervention chirurgicale. Finalement, cette intervention a abouti à la stabilisation du patient.

Les prédictions d’IA de CLEW soutiennent également les hôpitaux dans leurs besoins de gestion des capacités. Certains patients n’auront plus besoin de soins critiques et pourront être transférés dans des unités de soins de basse acuité, libérant ainsi des lits pour gérer des patients plus gravement malades. Cela permet au système de santé d’améliorer la gestion des capacités et de créer un accès pour plus de patients. Cela augmente également la marge de contribution pour le système de santé.

Quels sont les prochains pas pour CLEW Medical en termes de développement et d’expansion de l’utilisation de vos modèles d’IA dans différents environnements de soins de santé ?

Nous avons déjà étendu la plate-forme de CLEW en dehors des environnements de soins critiques pour inclure les unités de réduction et les services d’urgence, et nous sommes actuellement en train d’étendre la plate-forme à l’ensemble des lits de soins aigus des hôpitaux, y compris les unités de soins post-anesthésiques (PACU) et les lits médicaux et chirurgicaux généraux et spécialisés. L’ubiquité future de moniteurs portables peu coûteux fournissant des informations de signes vitaux fréquentes, ainsi que notre approbation PCCP, permet à CLEW d’étendre ses capacités de surveillance d’IA plus largement dans les hôpitaux de soins aigus.

En outre, dans la mesure où les prédictions de CLEW sont complémentaires de nombreux autres systèmes HIT, notamment le DME, nous travaillons à la fourniture de nos connaissances via une intégration dans l’ensemble d’outils existant d’un système de santé. Nous nous sommes joints au réseau de développeurs Epic et avons démontré une intégration réussie des capacités avancées de CLEW, telles que les prédictions d’IA, dans l’expérience utilisateur clinique.

CLEW entreprend également une approche innovante d’IA pour la gestion de la septicémie, une complication parfois mortelle.

Où voyez-vous l’avenir de l’IA dans l’amélioration des soins aux unités de soins intensifs au cours de la prochaine décennie, et comment CLEW prévoit-il de faire partie de cet avenir ?

Les populations de patients hospitalisés sont plus malades qu’autrefois. Avec l’augmentation de l’âge et des maladies chroniques liées au mode de vie, ainsi que les pénuries de soignants, le besoin d’une surveillance clinique intelligente continue de croître. Puisque de nombreux patients se retrouvent dans les unités de soins intensifs en raison de possibilités manquées d’intervention plus tôt dans le processus de soins, CLEW ne se concentre pas seulement sur l’utilisation de son IA pour améliorer les soins aux unités de soins intensifs, mais également sur le partenariat avec les innovateurs des systèmes de santé et de l’industrie pour améliorer l’ensemble des soins aigus. Notre pipeline de développement d’IA (MLOPS) exploitera les capacités des partenaires pour développer des modèles d’IA approuvés par la FDA au-delà de ce que CLEW développe lui-même.

Cependant, la technologie n’est qu’une partie de la solution. L’utilisation de l’IA dans les soins de santé n’est pas à propos de remplacer les soignants. En fait, l’IA peut offrir des informations supérieures pour soutenir leur processus de prise de décision pour fournir des soins cliniques optimaux, tels que la réduction des alarmes bruyantes qui gaspillent leur temps. CLEW travaille avec les systèmes de santé et les partenaires pour apprendre des soignants et les éduquer sur la façon dont les outils d’IA peuvent être adoptés et acceptés de manière efficace dans la pratique clinique. La recherche qui valide l’exactitude et l’efficacité de l’IA est requise, CLEW travaille donc avec ses clients pour générer ces preuves avec leurs propres populations de patients. Cet effort de recherche ciblé soutient la mise en œuvre et l’adoption par les soignants de chevet qui seraient sinon sceptiques.

Pour accélérer les nouvelles mises en œuvre cliniques, nous avons la capacité de mettre à jour notre plate-forme pour inclure les meilleures pratiques nouvellement découvertes dans un délai d’un mois, ce qui prend généralement des années. Au cours de la prochaine décennie, CLEW sera à la pointe du travail avec les systèmes de santé pour faire de l’IA clinique efficace le partenaire éclairé et prévoyant des soignants humains qui pourraient un jour prendre soin de nous ou de nos proches.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter CLEW Medical.