Daniel Cane, Co-CEO dan Co-Pendiri ModMed – Seri Wawancara

Daniel Cane adalah co-CEO dan co-pendiri ModMed^®, sebuah perusahaan teknologi kesehatan yang berbasis di South Florida, yang mengubah kesehatan melalui platform cerdas khusus spesialisasi untuk meningkatkan efisiensi praktik dan memperbaiki hasil pasien.

Didirikan pada Februari 2010, ModMed telah tumbuh menjadi lebih dari 1.200 karyawan dan telah mengumpulkan lebih dari $332 juta dalam total investasi. Dikenal karena pertumbuhannya yang progresif sebagai perusahaan teknologi medis, ModMed sering diakui baik secara nasional maupun regional untuk prestasinya di bawah kepemimpinan Daniel. Pada tahun 2020, perusahaan ini dinamai salah satu Tempat Kerja Terbaik di Negara ini oleh majalah Inc. Antara 2016 dan 2018, perusahaan ini dinamai salah satu perusahaan dengan pertumbuhan tercepat di Amerika Utara pada daftar Deloitte Technology Fast 500^™. Mulai 2015, perusahaan ini telah dinamai secara tahunan ke daftar eksklusif Inc. 5000, sebuah kompilasi bergengsi dari perusahaan swasta dengan pertumbuhan tercepat di negara ini.

Apakah Anda bisa membagikan beberapa wawasan tentang latar belakang Anda dan bagaimana itu mempengaruhi pekerjaan Anda di ModMed?

Perjalanan saya ke teknologi dimulai selama tahun-tahun sarjana saya di Cornell ketika saya co-mendirikan Blackboard. Kami mengubah pendidikan dengan mendigitalkan catatan kelas dan menciptakan platform yang memberikan siswa dan fakultas fleksibilitas dan interaksi yang belum pernah terjadi sebelumnya. Bagi saya, kesuksesan Blackboard kulminasi pada 2004 dengan IPO-nya, dan meskipun solusi kami merupakan perubahan besar dalam edTech, saya tidak bisa tidak tetap waspada terhadap tantangan baru.

Salah satu tantangan seperti itu muncul ketika saya pergi untuk pemeriksaan rutin dengan dokter kulit saya. Kami memiliki percakapan yang luar biasa tentang perjuangan menggunakan sistem berbasis kertas yang ketinggalan zaman dan cara memperbaikinya. Menyadari jembatan antara keahlian medisnya dan pengetahuan teknis saya, kami memutuskan untuk bergabung dan menciptakan ModMed bersama dengan platform catatan kesehatan elektronik (EHR) pertama kami.

Pada saat itu, beberapa EHR sudah ada, tetapi sayangnya, studi sering menyebutkan mereka sebagai salah satu penyebab utama kelelahan dokter. Kami mengambil pendekatan yang berbeda dan merancang EHR kami untuk menyesuaikan pengalaman pengguna dengan alur kerja khusus spesialisasi medis. EHR awan utama kami, EMA, dirancang oleh dokter, untuk dokter, yang telah membedakan kami di pasar. Selama bertahun-tahun, kami telah memperluas penawaran produk kami untuk mencakup rangkaian solusi lengkap yang membantu penyedia medis menyederhanakan dan mempercepat operasi praktik mereka dan mempercepat pengiriman perawatan.

Bagaimana Anda melihat pertempuran untuk AI yang efektif di kesehatan dimenangkan atau dikalahkan dengan data?

Kami mulai melihat peningkatan adopsi teknologi AI dalam praktik untuk menyederhanakan alur kerja dan memaksimalkan efisiensi. Ketika kami memasuki era menggunakan AI untuk melakukan tugas yang lebih canggih – seperti menyarankan perawatan atau rekomendasi dukungan klinis lainnya – sangat penting untuk memiliki strategi data dan pelatihan AI yang tepat. AI memiliki kesempatan untuk secara signifikan meningkatkan pengalaman bagi pasien dan penyedia, serta menciptakan perubahan sistemik yang akan benar-benar memperbaiki kesehatan, tetapi membuat ini menjadi kenyataan akan bergantung pada sejumlah besar data berkualitas tinggi yang digunakan untuk melatih model.

Mengapa data sangat kritis untuk pengembangan AI di industri kesehatan?

Data adalah darah hidup AI, dan kualitas data yang buruk akan mengganggu kinerja AI, menghasilkan hasil yang suboptimal. Ini dapat memiliki konsekuensi yang sangat serius dalam pengaturan kesehatan karena nyawa pasien mungkin dipertaruhkan. Tetapi skenario yang lebih mungkin adalah bahwa pengalaman negatif ini dapat merusak kepercayaan pasien dan penyedia terhadap AI, memperlambat kemajuan dan dampak positif yang dapat dimiliki teknologi revolusioner ini terhadap kesehatan.

Misalnya, di ruang pemeriksaan, alat mendengar ambient yang diaktifkan AI dirancang untuk menyarankan konten untuk catatan klinis bagi penyedia untuk meninjau dan menyetujui. Idealnya, ini seharusnya mengurangi waktu yang dihabiskan penyedia dalam mendokumentasikan dalam EHR dan memungkinkan lebih banyak waktu berkualitas dengan pasien. Namun, sumber data yang buruk dan alat AI yang tidak terlatih dengan baik dapat memiliki efek sebaliknya, meninggalkan penyedia untuk menghabiskan waktu yang tidak proporsional untuk memperbaiki kesalahan dan menulis ulang catatan.

Selain itu, bias adalah risiko signifikan yang terkait dengan algoritma AI, dan data berkualitas dapat memainkan peran kunci dalam mitigasi disparitas kesehatan. Model AI dapat mempelajari pola yang secara efektif mengobati satu populasi pasien secara preferensial dibandingkan dengan populasi lain, termasuk kelompok yang dilindungi hukum. Dengan memantau input data dan melatih pada data yang robust dan representatif, output AI dapat lebih inklusif dan akurat.

Dapatkah Anda menjelaskan jenis data yang digunakan ModMed untuk melatih model AI dan bagaimana data ini disumber dan dikelola?

Di ModMed, kami menggunakan data khusus spesialisasi yang komprehensif untuk membantu melatih model AI kami dengan presisi. Selama 14 tahun terakhir, kami telah menciptakan set data terstruktur khusus spesialisasi yang de-identifikasi yang konsisten dengan hukum privasi dan sekarang menggunakan data ini untuk melatih model AI kami. Misalnya, alat mendengar ambient kami ModMed Scribe telah dilatih untuk dermatologi, peluncuran spesialisasi pertama kami, pada jutaan parameter terstruktur dari catatan pasien yang de-identifikasi yang diambil dari koleksi 500 juta pertemuan pasien.

Bagaimana ModMed mendefinisikan “AI etis” dalam konteks kesehatan?

Potensi AI untuk memiliki bias atau menyediakan informasi yang tidak akurat dalam bentuk “halusinasi” atau penghilangan dapat memengaruhi nyawa pasien. Oleh karena itu, AI etis dalam kesehatan adalah tentang menetapkan standar tinggi untuk akurasi dan presisi. Ini berarti mengembangkan algoritma dengan hati-hati dan bertanggung jawab serta menggunakan data berkualitas tinggi dan beragam untuk membantu memungkinkan prediksi yang lebih akurat untuk setiap pengguna.

AI etis juga tentang memastikan bahwa manusia tetap dalam persamaan. AI seharusnya tidak “mengalahkan dokter” tetapi sebaliknya mengurangi beban administratif yang dihadapi dokter dan staf mereka sehingga mereka dapat fokus lebih banyak pada membantu pasien.

Apa langkah-langkah yang ada di ModMed untuk memungkinkan teknologi AI dikembangkan dan diterapkan secara etis?

Pendekatan data terstruktur kami—mengkurasi set data pelatihan berkualitas tinggi dan representatif—membantu kami membuat AI yang bertanggung jawab menjadi kenyataan. Data yang relevan dan de-identifikasi yang dikumpulkan dari sistem EHR kami dari berbagai praktik menyediakan kami dengan set data pelatihan yang beragam yang mencerminkan berbagai populasi pasien.

Selain itu, tim pengembangan kami mengadopsi pembersihan data untuk memfasilitasi pengumpulan dan penggunaan data berkualitas tinggi. Proses ini memungkinkan tim kami untuk mengidentifikasi, memperbaiki, dan menghapus inkonsistensi, kesalahan, dan nilai yang hilang dari set data. Melalui pemeliharaan reguler ini, kami dapat secara konsisten memperbarui AI berdasarkan data kinerja, terutama data klinis, di mana hasil pasien dapat dipengaruhi.

Dapatkah Anda membahas pentingnya transparansi dan akuntabilitas dalam pengembangan AI, terutama di kesehatan?

Transparansi membuat akuntabilitas menjadi mungkin, yang mengapa ini sangat penting untuk setiap solusi AI di kesehatan. Prioritas utama dokter adalah perawatan pasien dan keselamatan, sehingga tidak mengherankan bahwa 80% dari dokter ingin tahu karakteristik dan fitur desain, pengembangan, dan penerapan alat AI.

Selain itu, tidak semua data diciptakan sama. Penting untuk mengetahui dari mana dan bagaimana data disimpan dan disumber serta seberapa sering data diperbarui. Kami beruntung bahwa sejak ModMed didirikan, kami telah berkomitmen pada strategi data yang memprioritaskan transparansi dan akurasi. Kami memiliki pemahaman yang menyeluruh tentang sumber dan kualitas data kami dan yakin bahwa integrasi AI kami akan memberikan nilai yang signifikan kepada klien kami.

Bagaimana AI diintegrasikan ke dalam sistem EHR khusus spesialisasi ModMed seperti EMA dan gGastro?

Di seluruh portofolio kami, kami telah menggunakan pembelajaran mesin selama beberapa waktu dan memperkuat investasi kami dalam AI canggih dan generatif untuk menyederhanakan bisnis kedokteran dan mempercepat perawatan berkualitas. Kami sedang membangun pengalaman praktik yang diaktifkan AI secara keseluruhan yang dimulai sebelum pasien masuk ke ruang pemeriksaan, meluas hingga ke ruang pemeriksaan, hingga ke departemen penagihan.

Di pengaturan klinis, kami sedang dalam tahap akhir program pilot mendengar ambient AI untuk EMA, yang kami percaya akan menjadi perubahan besar bagi fungsionalitas downstream dan konten yang disarankan. Solusi dokumentasi AI kami dirancang untuk menyederhanakan proses perawatan di luar hanya transkripsi atau penyusunan catatan SOAP. Dengan menggunakan sejumlah besar data terstruktur, kami sedang melatih model AI kami untuk menangkap informasi esensial dari percakapan dokter-pasien dan, bekerja bersama dengan EHR kami, untuk menyarankan konten yang relevan untuk catatan kunjungan, termasuk kode ICD-10, kode bedah, dan resep. Ini menyelamatkan dokter dari waktu yang berharga dan memungkinkan mereka untuk menghabiskan lebih banyak waktu berkualitas dengan pasien.

Apa manfaat spesifik yang diberikan oleh solusi AI khusus spesialisasi kepada penyedia kesehatan dan pasien?

Tidak ada dua spesialisasi medis yang sama. Mereka bervariasi secara luas dengan pasien yang mereka lihat, kondisi yang mereka obati, dan kode medis yang digunakan untuk pembayaran. Solusi AI harus disesuaikan untuk mengakomodasi variasi ini untuk menjadi efektif dalam cara yang benar-benar bermakna.

Misalnya, EHR ModMed dan alat mendengar ambient AI kami secara eksplisit disesuaikan untuk setiap spesialisasi medis, memberikan dukungan yang sangat relevan dan presisi kepada klinisi. Proses dokumentasi setiap spesialisasi memerlukan komponen yang berbeda dalam catatan data terstruktur, termasuk kode medis unik dan terminologi. Spesialisasi ini memungkinkan AI untuk lebih baik memahami dan memprediksi kebutuhan dan alur kerja unik dari praktik spesialisasi yang berbeda, yang kami percaya akan menghasilkan implementasi yang lebih efisien, adopsi yang lebih cepat, dan efektivitas yang lebih besar dalam memperbaiki efisiensi operasional.

Di mana Anda melihat peluang terbesar untuk AI di kesehatan dalam lima hingga sepuluh tahun ke depan?

Di masa depan, AI pasti akan memasuki hampir setiap aspek kesehatan dengan cara yang tidak terbayangkan. Sudah, AI sedang digunakan untuk tugas administratif, dan dalam jangka pendek, tren ini kemungkinan akan meningkat karena nilai AI menjadi lebih jelas.

Saya juga melihat masa depan ketika AI diintegrasikan secara lancar ke dalam interaksi dokter-pasien, di mana antarmuka pengguna atau UI hampir tidak terlihat. Sebaliknya, interaksi berbasis layar saat ini, AI dapat menawarkan campuran kenyataan dan realitas yang ditingkatkan. Masa depan AI ini dapat menganalisis catatan kesehatan untuk mengidentifikasi wawasan kritis, memprediksi risiko pasien untuk berbagai penyakit. Jumlah data besar dalam catatan medis menyajikan kesempatan bagi AI untuk memprediksi kebutuhan perawatan preventif dan membantu mengembangkan rencana perawatan preventif.

Pengalaman ini dapat meluas di luar pengaturan praktik dan menjadi integral bagi kehidupan sehari-hari pasien. Perangkat yang diaktifkan AI dapat memberikan dukungan pribadi, menjawab pertanyaan, dan menjadwalkan janji temu di antara hal-hal lain. AI juga dapat memantau tanda-tanda vital secara remote, mendeteksi dan mengingatkan penyedia tentang potensi masalah kesehatan. Rencana perawatan pribadi, disesuaikan dengan pasien individu berdasarkan data dan preferensi, dapat menjadi norma.

Ini benar-benar waktu yang menyenangkan untuk kesehatan. Lima hingga sepuluh tahun ke depan penuh dengan peluang untuk lebih mengubah industri dan memperbaiki pengalaman pasien.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi ModMed.