Paul Roscoe, Chief Executive Officer, CLEW Medical – Seri Wawancara

Paul Roscoe adalah Chief Executive Officer dari CLEW Medical.

Sebelum bergabung dengan Clew, Tn. Roscoe menjabat sebagai CEO Trinda Health dan bertanggung jawab untuk membangun perusahaan sebagai pemimpin industri dalam solusi dokumentasi klinis yang berorientasi pada kualitas.

CLEW Medical menawarkan rumah sakit, sistem kesehatan, dan unit perawatan intensif kecerdasan klinis dan diagnostik pasien yang canggih menggunakan analitik prediktif yang ditenagai AI dan model perawatan kritis yang unik.

Apakah Anda bisa memulai dengan menceritakan sedikit lebih lanjut tentang platform AI yang diaktifkan oleh CLEW Medical dan kemampuan uniknya di industri MedTech?

Pendiri CLEW didasarkan pada premis bahwa analitik data dan AI dapat secara signifikan meningkatkan hasil pasien dan pengalaman klinisi di pengaturan perawatan tinggi. Platform surveilans klinis yang kami bangun adalah yang pertama untuk memiliki model prediksi AI yang disetujui FDA untuk perawatan kritis. Sistem kami memperoleh data dengan mengintegrasikan semua sumber data klinis dalam rumah sakit dan membangun profil fisiologis hampir waktu nyata dari setiap pasien untuk memantau status mereka secara terus-menerus. Kemudian, sistem kami menggunakan data ini untuk memberikan wawasan prediktif untuk mengidentifikasi pasien yang kemungkinan akan mengalami kejadian merugikan – seperti kegagalan pernapasan – dan memberi tahu klinisi untuk melakukan intervensi hingga delapan jam sebelum kejadian yang diantisipasi. Tingkat akurasi platform yang tinggi juga mengurangi jumlah alarm palsu yang berlebihan, memungkinkan klinisi untuk berlatih di puncak lisensi mereka dan fokus pada pasien yang paling membutuhkan intervensi segera.

Apa faktor kunci yang menyebabkan persetujuan FDA dari model prediktif AI yang dikembangkan oleh CLEW?

CLEW telah menerima AI sejak awal. Pendiri dan pemimpin pengembangan kami mengakui pentingnya membangun kepercayaan dengan pengasuh, individu yang bertanggung jawab untuk menggunakan teknologi kami untuk merawat pasien yang paling rentan. Sangat penting bahwa teknologi kami menjalani tingkat skrining dan ketekunan yang sama dalam desain, pengembangan, pengujian, dan validasi seperti perangkat yang sudah digunakan oleh pengguna kami. Untuk mendorong adopsi solusi AI untuk pengaturan perawatan kritis, tim kami memahami kebutuhan untuk membangun model dengan pengembangan produk yang teliti dan sistem kualitas. Sebagai hasilnya, pengembangan model AI kami menggunakan infrastruktur MLOPS (operasi pembelajaran mesin) yang kuat untuk memenuhi harapan regulasi, seperti pedoman PCCP (perencanaan perubahan kontrol sebelumnya) dari FDA. Model AI kami dirancang secara metodis, menjalani semua eksperimen yang diperlukan untuk persetujuan perangkat medis.

Kekuatan model dan proses internal kami menghasilkan FDA mengklasifikasikan solusi kami sebagai perangkat medis kelas II pada awal 2021, yang merupakan pencapaian pertama dan unik. Persetujuan perangkat medis FDA merupakan bukti kualitas proses pengembangan ujung-ke-ujung kami, yang mencakup studi validasi klinis yang dilakukan pada populasi pasien nyata.

Studi terbaru yang diterbitkan di Jurnal CHEST® menyoroti akurasi prediktif dari model AI Anda. Bisakah Anda membahas metodologi dan temuan spesifik dari studi ini?

Algoritma ML yang dilatih oleh CLEW diterapkan di 14 unit perawatan intensif (ICU) di dua sistem kesehatan utama untuk memprediksi kejadian intubasi dan inisiasi vasopressor – dengan kata lain, kejadian yang memerlukan intervensi penyelamatan – di antara pasien dewasa yang sakit parah. Kinerjanya diukur melawan alarm pemantauan tempat tidur yang ada dan efektivitas prediktif sistem telemedicine.

Studi ini, yang dirancang untuk mengevaluasi akurasi alat dan utilitas alarm di ICU, menemukan bahwa model CLEW untuk memprediksi penurunan pasien lima kali lebih akurat daripada dan menghasilkan 50 kali lebih sedikit alarm daripada sistem telemedicine terkemuka. Temuan tersebut juga menunjukkan bahwa model ML memiliki akurasi yang lebih baik dibandingkan dengan sistem pemantauan tradisional dan mengurangi gangguan yang tidak perlu pada alur kerja klinisi.

Bagaimana prediksi AI yang dibuat oleh platform CLEW berpotensi mengubah pengiriman perawatan di ICU? Bisakah Anda menjelaskan bagaimana prediksi ini meningkatkan hasil dan mengurangi komplikasi?

Platform CLEW menghasilkan kesempatan untuk intervensi dini pada pasien berisiko tinggi dan mendukung manajemen kapasitas dengan mengidentifikasi individu berisiko rendah yang mungkin siap untuk penurunan atau pemulangan. Ini, pada gilirannya, menurunkan tingkat mortalitas dan readmisi, mengurangi komplikasi yang disebabkan oleh penurunan pasien, dan meminimalkan lama tinggal pasien.

Sebagai contoh, dalam 24 jam pertama penerapan di sebuah sistem kesehatan utama, teknologi kami memprediksi ketidakstabilan hemodinamik pada pasien ICU, yang memicu evaluasi penyedia. Setelah mengevaluasi pasien, penyedia memesan pemindaian CT dan mendeteksi pendarahan abdominal. Pasien kemudian dibawa ke ruang operasi untuk pembedahan darurat, diinfus dengan cairan dan darah, dan akhirnya diselamatkan. 24 jam kemudian, pasien dalam keadaan stabil.

Sistem Anda ditemukan lima kali lebih akurat daripada sistem pemantauan telemedicine terkemuka. Apa yang membuat teknologi CLEW lebih efektif dalam memprediksi penurunan pasien kritis?

Secara umum, notifikasi yang dihasilkan ML kurang sering, memiliki tingkat akurasi yang lebih tinggi dan laju kesalahan yang lebih rendah, seperti positif palsu, dan menciptakan waktu yang lebih lama sebelum kejadian. Alarm CLEW lebih akurat dan fungsional, memberikan waktu bagi tim perawatan untuk mengadopsi tindakan pencegahan untuk mencegah hasil yang diprediksi. Kecerdasan yang canggih yang disediakan oleh CLEW dimungkinkan oleh kemampuan untuk menambang data pasien dari catatan medis elektronik (EMR) sistem kesehatan, digabungkan dengan model ML yang telah diuji dan divalidasi melalui penelitian yang ditinjau sejawat dan persetujuan FDA.

Studi tersebut juga mencatat penurunan signifikan dalam alarm palsu. Bagaimana mengurangi kelelahan alarm mendukung staf ICU, dan apa yang telah menjadi umpan balik dari profesional kesehatan yang menggunakan sistem Anda?

98% notifikasi pemantauan tempat tidur adalah positif palsu, menyebabkan kelelahan alarm dan memperburuk tingkat kelelahan klinisi yang sudah tinggi sebelumnya. CLEW mengatasi kelelahan alarm dengan mengurangi jumlah gangguan auditori, meningkatkan persentase notifikasi yang dapat digunakan untuk intervensi penyedia yang diperlukan, dan menciptakan lingkungan ICU yang lebih tenang. Pada intinya, akurasi platform dan kemampuan untuk mengurangi beban kerja yang tidak perlu melalui model ML yang canggih secara signifikan meningkatkan kelelahan ICU. Sebagai bagian dari proses implementasi, tim keberhasilan pelanggan CLEW fokus pada pentingnya manajemen perubahan klinis untuk memastikan teknologi tersebut diintegrasikan dengan benar ke dalam proses pengambilan keputusan klinis secara keseluruhan. Umpan balik dari klinisi sangat positif.

Bagaimana fitur notifikasi dini dari platform CLEW bekerja, dan apa jenis intervensi yang telah difasilitasi dalam pengaturan ICU nyata?

Berdasarkan aliran informasi yang masuk dari perangkat pemantauan tempat tidur dan perangkat pendukung kehidupan, serta dari Catatan Kesehatan Elektronik (EHR), model AI CLEW dapat membuat prediksi tentang risiko penurunan pasien dan kematian dalam waktu delapan jam ke depan. Dengan asesmen prediktif ini, klinisi berpengalaman dapat mengevaluasi pasien lebih dekat dan menentukan apakah ada tindakan pencegahan yang dapat diambil untuk mencegah penurunan yang diprediksi, bukan hanya meresponsnya dalam keadaan darurat.

Sebagai contoh, platform CLEW dapat memberi tahu klinisi bahwa pasien kemungkinan akan mengalami kegagalan pernapasan, yang biasanya memerlukan intubasi dan ventilasi mekanis. Setelah menerima peringatan, perawat dapat mengidentifikasi bahwa pasien memiliki kelebihan cairan yang dapat memulai mengalir kembali ke paru-paru, dan memulai terapi diuretik untuk mengurangi cairan, sehingga mencegah intubasi kemudian. Model kami juga dapat memprediksi apakah pasien pasca operasi kemungkinan akan menjadi tidak stabil hemodinamik dan memerlukan dukungan obat vasoaktif. Dengan pengetahuan ini, tanpa gejala yang jelas, pemeriksaan CT menentukan bahwa pasien memiliki pendarahan internal dan dibawa kembali ke ruang operasi untuk memperbaiki. Intervensi ini akhirnya menghasilkan pasien yang stabil.

Prediksi AI CLEW juga mendukung rumah sakit dengan kebutuhan manajemen kapasitas. Beberapa pasien tidak lagi memerlukan perawatan kritis dan dapat dipindahkan ke unit perawatan dengan akuitas yang lebih rendah, membebaskan tempat tidur untuk mengelola pasien yang lebih sakit parah. Ini memungkinkan sistem kesehatan untuk meningkatkan manajemen kapasitas dan menciptakan akses untuk lebih banyak pasien. Ini juga meningkatkan margin kontribusi untuk sistem kesehatan.

Apa langkah selanjutnya untuk CLEW Medical dalam mengembangkan dan memperluas penggunaan model AI yang dikembangkan dalam berbagai pengaturan kesehatan?

Kami telah memperluas platform CLEW di luar pengaturan perawatan kritis untuk mencakup unit penurunan dan departemen emergensi, dan kami saat ini dalam proses memperluas ke seluruh tempat tidur perawatan akut rumah sakit, termasuk unit perawatan pasca-anestesi (PACU) dan tempat tidur medis/bedah dan khusus. Kemudian, universalitas monitor wearable yang murah yang menyediakan informasi tanda vital yang sering, bersama dengan persetujuan PCCP kami, memungkinkan CLEW untuk memperluas kemampuan pengawasan AI lebih luas di seluruh perawatan akut rumah sakit.

Selain itu, karena prediksi CLEW komplementer dengan banyak sistem HIT lainnya, termasuk EHR, kami bekerja pada pengiriman wawasan kami melalui integrasi ke dalam toolkit yang ada sistem kesehatan. Kami telah bergabung dengan jaringan pengembang Epic dan telah mendemonstrasikan integrasi yang sukses dari kemampuan CLEW yang canggih, seperti prediksi AI, ke dalam pengalaman pengguna klinis.

CLEW juga memulai pendekatan AI yang baru untuk manajemen sepsis, komplikasi yang menghancurkan dan kadang-kadang mematikan.

Di mana Anda melihat masa depan AI dalam meningkatkan perawatan ICU selama dekade mendatang, dan bagaimana CLEW berencana untuk menjadi bagian dari masa depan ini?

Populasi pasien rumah sakit lebih sakit daripada sebelumnya. Dengan usia yang meningkat dan penyakit kronis yang terkait gaya hidup, bersama dengan kekurangan pengasuh yang meluas, kebutuhan akan pengawasan klinis cerdas terus tumbuh. Karena banyak pasien berakhir di ICU karena kesempatan yang terlewatkan untuk melakukan intervensi lebih awal dalam proses perawatan, CLEW tidak hanya fokus pada menggunakan AI untuk meningkatkan perawatan ICU, tetapi juga bermitra dengan inovator sistem kesehatan dan industri untuk meningkatkan semua perawatan akut. Pipa pengembangan AI kami (MLOPS) akan memanfaatkan kemampuan mitra untuk tumbuh model AI yang disetujui FDA di luar apa yang dikembangkan oleh CLEW sendiri.

Namun, teknologi hanyalah sebagian dari solusi. Penggunaan AI dalam kesehatan bukan tentang menggantikan pengasuh. Sebenarnya, AI dapat menawarkan informasi yang lebih baik untuk mendukung pengambilan keputusan mereka untuk memberikan perawatan klinis yang optimal, seperti mengurangi alarm yang berisik yang membuang waktu mereka. CLEW bekerja dengan sistem kesehatan dan mitra untuk belajar dari dan mendidik pengasuh tentang bagaimana alat AI dapat diadopsi dan diterima ke dalam praktik klinis secara efektif. Penelitian yang memvalidasi akurasi dan efikasi AI diperlukan, sehingga CLEW bekerja dengan pelanggan untuk menghasilkan bukti ini dengan populasi pasien mereka sendiri. Upaya penelitian yang terfokus ini mendukung implementasi dan adopsi oleh pengasuh tempat tidur yang akan skeptis jika tidak demikian.

Untuk mempercepat implementasi klinis baru, kami memiliki kemampuan untuk memperbarui platform kami untuk memasukkan praktik terbaik yang baru ditemukan dalam waktu sebulan, sesuatu yang biasanya membutuhkan waktu tahunan. Selama dekade mendatang, CLEW akan berada di garis depan bekerja dengan sistem kesehatan untuk membuat AI klinis yang efektif menjadi mitra yang terinformasi dan presien dari pengasuh manusia yang mungkin suatu hari nanti merawat kita atau orang yang kita cintai.

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