Sean Shoffstall, Responsable de l’IA, de l’innovation et des données chez PaceMate – Série d’entretiens

Sean Shoffstall, Responsable de l’IA, de l’innovation et des données chez PaceMate, est un dirigeant de technologie et de produits avec plus de 20 ans d’expérience dans la création de solutions SaaS innovantes et l’intégration de technologies d’IA qui livrent des résultats commerciaux mesurables et s’alignent sur les objectifs commerciaux stratégiques.

Sean se spécialise dans la normalisation de l’intelligence artificielle, de la technologie de la santé et des plateformes axées sur les données pour les équipes et les clients, améliorant ainsi la productivité et l’efficacité dans les flux de travail cliniques. Son travail précédent sur l’intégration de l’IA dans les systèmes de gestion de la santé a permis d’améliorer considérablement l’efficacité et les résultats des patients grâce à une conception intuitive et à des informations basées sur les données.
En tant que leader de pensée et conférencier sur l’IA pour les dirigeants, Sean comble le fossé entre les capacités techniques et la mise en œuvre commerciale stratégique, en se concentrant sur la gestion de produits et le développement qui répondent à des besoins cliniques réels. Il construit des équipes qui livrent des solutions innovantes qui répondent à des défis de santé réels, plutôt que de simplement suivre les tendances technologiques, en veillant à l’alignement avec l’excellence opérationnelle et l’amélioration des résultats des patients.

PaceMate est une entreprise de technologie de la santé qui propose PaceMateLIVE, une plateforme basée sur le cloud pour la surveillance cardiaque à distance et la gestion des données. Le système intègre des données provenant d’appareils cardiaques implantables, de moniteurs ambulatoires et d’ECG de consommation, en utilisant une priorisation automatisée pour aider les cliniciens à se concentrer sur les alertes les plus critiques. Il prend en charge l’interopérabilité avec les principaux systèmes de dossiers médicaux électroniques tels que Epic, Cerner et athenahealth, en rationalisant les flux de travail cliniques, en améliorant l’efficacité opérationnelle et en renforçant la continuité des soins aux patients dans les pratiques cardiaques.

Vous avez construit des solutions de santé basées sur l’IA pendant plus de 20 ans, notamment le premier outil d’audiogramme compatible HIPAA chez Auditdata et maintenant la plateforme d’intelligence cardiaque chez PaceMate. Qu’est-ce qui a inspiré votre transition vers l’utilisation de l’IA pour transformer les données cliniques en informations exploitables ?

Je suis toujours motivé par les données. Au début de ma carrière dans le marketing numérique, le slogan de mon agence était “Créativité quantifiable” – l’idée que l’on peut stimuler l’émotion et la créativité grâce à ce que l’on apprend des données. Lorsque j’ai fait la transition dans le domaine de la santé, j’ai vu un nouveau moyen d’utiliser les données. Au lieu de simplement rendre compte de ce qui s’était déjà produit pour un patient, je me suis demandé : pouvons-nous utiliser les données pour voir les tendances ? Pouvez-nous prédire ce qui pourrait se produire ensuite ?

Ensuite, l’IA est arrivée et a élargi ces possibilités. Je crois vraiment que si nous pouvons utiliser l’IA de manière intelligente, avec un humain au centre, nous pouvons transformer la santé. Cela peut donner aux médecins plus de temps avec les patients, tandis que les tâches fastidieuses liées aux données sont gérées par l’IA. Nous n’y sommes pas encore, mais les fondations sont en place pour y arriver.

PaceMate gère l’un des plus grands et des plus robustes ensembles de données cardiovasculaires au monde. Comment ces données sont-elles transformées en algorithmes prédictifs qui améliorent à la fois les résultats des patients et l’efficacité clinique ?

Les données sont la clé. Pour obtenir le maximum de puissance de l’IA et du Machine Learning, tout repose sur l’ensemble de formation que vous avez. PaceMate est un leader de l’industrie, non seulement en raison de nos données, mais également parce que notre équipe possède des décennies d’expertise clinique pour interpréter et valider ces données. Lorsque vous combinez les données de formation avec cette expertise, vous commencez à voir comment économiser une minute ici et deux minutes là peut se traduire par d’énormes gains en efficacité.

Ensuite, lorsque vous ajoutez la capacité d’identifier les tendances dans les données des patients sur la durée de vie d’un appareil, vous donnez aux médecins les informations dont ils ont besoin pour prendre les meilleures décisions pour leurs patients – étayées par les données les plus complètes possibles.

Les cadres réglementaires comme le HIPAA et les approbations de la FDA ralentissent souvent l’adoption de l’IA dans le domaine de la santé. Quelles sont les mesures pratiques que les organisations peuvent prendre pour innover de manière responsable dans ces contraintes ?

Chez PaceMate, nous croyons fortement dans la philosophie de l’humain au centre de l’IA. Nous ne déchargeons pas les décisions sur l’IA, ce qui est exactement pourquoi la FDA exige une surveillance sérieuse. Au lieu de cela, les organisations peuvent utiliser l’IA pour extraire, organiser et présenter les données tout en continuant à s’appuyer sur l’expertise clinique pour déterminer ce qui est juste pour chaque patient.

En ce qui concerne le HIPAA, la confidentialité des patients est une préoccupation majeure dans le domaine de la santé, et nous devrions toujours la mettre en premier. C’est ce qui est formidable dans notre approche centrée sur l’humain – l’IA n’a pas besoin de savoir quoi que ce soit sur les informations personnelles des patients (PII). Nous pouvons désidentifier les données et les analyser à partir de là. Mais même avec la meilleure philosophie, utiliser les bons outils compatibles HIPAA – qui sont arrivés sur le marché au cours des dernières années – est essentiel.

La confidentialité des données est toujours une approche multiforme, et la confidentialité des patients doit toujours être mise en premier, même avant l’innovation.

La sensibilité des données est une préoccupation majeure dans les soins cardiaques. Comment PaceMate assure-t-il que le développement de l’IA maintient les niveaux les plus élevés de confidentialité et de confiance des patients ?

La confidentialité des patients a toujours été un élément fondamental de PaceMate, et l’émergence de l’IA ne fait que renforcer pourquoi cet engagement est important. Nous abordons le développement de l’IA avec une philosophie de “confidentialité par conception”, ce qui signifie que la protection des données n’est pas une après-pensée, mais qu’elle est intégrée à chaque étape.

Toutes les données de patients utilisées pour la formation de l’IA sont rigoureusement désidentifiées et chiffrées, en suivant des protocoles qui dépassent les exigences du HIPAA. Nous suivons également des principes de minimisation des données stricts, en ne collectant et en traitant que ce qui est absolument nécessaire pour la valeur clinique.

Dans les soins cardiaques, nous sommes chargés de certaines des données de santé les plus intimes imaginables. C’est pourquoi nous effectuons des évaluations régulières d’impact sur la confidentialité et des audits de sécurité tiers, car gagner et maintenir la confiance n’est pas un effort unique – c’est une responsabilité quotidienne.

L’automatisation dans le domaine de la santé peut être un double tranchant. Comment l’IA chez PaceMate est-elle conçue pour compléter – plutôt que remplacer – l’expertise des cliniciens ?

Notre philosophie de l’humain au centre signifie que l’IA est utilisée comme un outil complémentaire, jamais pour remplacer l’expertise. Notre engagement à utiliser l’expertise clinique interne et à travailler avec des cliniciens dans les hôpitaux pour guider notre développement de produits donne directement forme à notre pratique de l’IA.

Nous posons des questions comme : “Qu’est-ce qui vous rendrait plus efficace ?”, “Quelles données vous aideraient à prendre de meilleures décisions ?” et “Qu’est-ce qui manque à votre flux de travail actuel ?” Nous utilisons ensuite ces informations pour guider la manière dont nous mettons en œuvre l’automatisation et l’IA sans nous mettre en travers de leur chemin.

De nombreux systèmes de santé ont du mal avec des données fragmentées sur les appareils, les dossiers médicaux électroniques et les outils de surveillance. Comment votre équipe aborde-t-elle l’unification de ces sources pour fournir des informations en temps réel qui comptent vraiment au point de soins ?

Au cours des 10 dernières années, nous sommes devenus le hub pour les données de surveillance à distance, et nous comprenons le flux de données des patients de l’intérieur. Vous pouvez le considérer comme un graphique d’identité où les données sont collectées et servies dans les incréments nécessaires à ce moment-là. Nous avons construit les infrastructures pour puiser dans les plateformes de surveillance à distance de plusieurs fabricants d’appareils, ainsi que dans les systèmes de dossiers médicaux électroniques, puis normaliser et contextualiser ces données afin qu’elles soient vraiment utiles au point de soins.

La clé est de comprendre non seulement comment collecter les données, mais également quand et comment les présenter. Nous sommes également devenus des experts dans l’agrégation de données larges et désidentifiées pour valider les tendances et assurer la qualité lorsque nous intégrons de nouvelles sources de données. Cette double capacité – fournir des informations personnalisées en temps réel tout en maintenant une vue d’ensemble – est ce qui nous permet de transformer des données fragmentées en intelligence actionnable.

Avec votre expérience dans plusieurs startups de technologie de la santé, quels sont les défis les plus négligés lors de l’intégration de l’IA dans les flux de travail cliniques à grande échelle ?

La confidentialité et la sécurité sont intimidantes pour de nombreuses petites entreprises de technologie de la santé. Mais il existe de bonnes pratiques et des outils disponibles, et tous les principaux fournisseurs de cloud – AWS, Azure et Google Cloud – ont des conseillers avec des guides et des listes de contrôle pour aider les startups et les entreprises à relever ces défis.

Une fois cela résolu, les données à grande échelle deviennent le prochain obstacle. Où vous êtes aujourd’hui avec votre ensemble de données sera complètement différent dans six mois. Comprendre comment exploiter les données structurées et non structurées avec un graphique d’identité solide peut être une bonne base pour commencer, et documenter votre approche au fur et à mesure vous aidera à éviter certains cheveux gris plus tard.

Le déploiement éthique et transparent de l’IA devient un facteur déterminant dans l’innovation dans le domaine de la santé. Comment construisez-vous la responsabilité et l’explicabilité dans les systèmes d’IA utilisés pour le soutien de la décision médicale ?

Cela revient à notre philosophie de l’humain au centre. Nous concevons notre IA pour présenter des informations et des modèles, mais le clinicien prend toujours la décision finale. Cela crée une couche de responsabilité naturelle où il y a toujours un professionnel licencié qui examine et valide ce que l’IA suggère.

Nous nous concentrons également sur le fait de montrer le “pourquoi” derrière les recommandations de l’IA. Nos systèmes mettent en évidence les points de données qui ont conduit à une information particulière, de sorte que les médecins peuvent évaluer si cela a un sens clinique pour leur patient spécifique. Nous ne demandons pas aux cliniciens de faire confiance à une boîte noire – nous leur offrons la transparence dans la logique.

Puisque l’apprentissage se fait dans les deux sens, nous avons également mis en place des boucles de rétroaction continues. Lorsqu’un clinicien accepte ou outrepasse une suggestion de l’IA, cela informe l’amélioration de notre modèle. Cela crée de la responsabilité dans les deux sens, et au fil du temps, l’IA apprend de l’expertise clinique tandis que les cliniciens peuvent voir comment leur entrée façonne directement le système.

En fin de compte, l’IA explicative dans le domaine de la santé n’est pas seulement une question de transparence technique, mais également de respect du jugement clinique et de création d’outils qui complètent plutôt que d’obscurcir le processus de prise de décision.

En tant que personne qui conseille régulièrement les dirigeants sur la stratégie d’IA, quels sont les changements de mentalité les plus critiques pour les dirigeants de la santé qui souhaitent passer de l’expérimentation à l’adoption significative ?

Lorsque je parle aux dirigeants d’entreprise de l’IA, j’essaie de les amener à une mentalité “Et si…” ou “Je souhaite…”. L’un des outils les plus puissants de l’IA est la capacité de puiser dans la vision du monde d’un problème plutôt que de simplement considérer les personnes autour de vous ou vos propres préjugés. Donc, chaque fois que vous pensez que quelque chose est difficile ou impossible, utilisez votre IA préférée pour dire “Je souhaite que je puisse…” et décrivez les choses qui vous empêchent. C’est super puissant. Je les guide également pour que leur LLM d’IA soit curieux. Dites-lui votre problème, mais dites-lui également de vous poser des questions détaillées. Parfois, cela seul peut vous amener à des solutions vraiment uniques.

L’IA est également un excellent outil pour la planification. Les dirigeants doivent établir une stratégie tout en créant un plan d’action, en déterminant comment mesurer le succès et en identifiant les pièges avant qu’ils ne se produisent. L’IA est excellente pour aider à élaborer des plans pour commencer.

Enfin, nous lisons toujours sur la façon dont l’IA prend des emplois et que les entreprises licencient des personnes en faveur de l’IA. Je pense que c’est une mauvaise façon de penser à l’IA. Une entreprise qui est basée sur des produits ou des services pour les gens a besoin de personnes pour comprendre ce qu’ils offrent. Au lieu d’utiliser l’IA pour la réduction des coûts, pensez à la façon dont l’IA peut prendre les tâches fastidieuses des gens et devenir un amplificateur. Si vous pouvez réduire les coûts de 15 % ou augmenter la productivité de 200 %, laquelle est la meilleure décision commerciale ?

En regardant cinq ans à l’avance, comment voyez-vous l’IA remodeler le paysage de la surveillance cardiaque et de la médecine préventive – et quels jalons espérez-vous atteindre chez PaceMate pendant cette période ?

Les IA seront de plus en plus présentes dans notre travail et dans notre vie quotidienne au cours des cinq prochaines années. À mesure que nos utilisateurs deviennent plus à l’aise et plus confiants dans la sortie, cela ouvre des possibilités et des partenariats sans fin.

J’aimerais d’abord fournir des outils qui aident les cliniciens à donner la priorité aux soins aux patients qui en ont le plus besoin – ceux qui risquent d’être exposés à un événement indésirable. À partir de là, nous pouvons commencer à utiliser l’IA et les données de tendance pour montrer différents résultats possibles pour les patients individuels, donnant ainsi aux médecins une image plus claire de ce qui les attend.

Enfin, lorsque nous pouvons fournir des informations que tout le monde fait confiance, trouver de grands partenariats avec des hôpitaux de recherche pour les aider à exploiter nos modèles serait un objectif ambitieux. C’est là que nous pourrions vraiment accélérer l’innovation dans l’industrie plus rapidement et avoir un impact significatif sur les soins cardiaques dans leur ensemble.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter PaceMate.