Sean Shoffstall, Kepala AI, Inovasi dan Data di PaceMate – Seri Wawancara

Sean Shoffstall, Kepala AI, Inovasi dan Data di PaceMate, adalah eksekutif teknologi dan produk dengan 20+ tahun pengalaman membangun solusi SaaS inovatif dan mengintegrasikan teknologi AI yang memberikan hasil bisnis yang terukur dan selaras dengan tujuan bisnis strategis.

Sean berspesialisasi dalam menormalisasi kecerdasan buatan, teknologi kesehatan, dan platform berbasis data untuk tim dan pelanggan, meningkatkan produktivitas dan efisiensi dalam alur kerja klinis. Pekerjaannya sebelumnya dalam mempelopori integrasi AI dalam sistem manajemen kesehatan memberikan peningkatan efisiensi yang signifikan dan hasil pasien yang ditingkatkan melalui desain yang intuitif dan wawasan berbasis data.

Sebagai pemimpin pemikiran dan pembicara publik tentang AI untuk eksekutif, Sean menjembatani kesenjangan antara kemampuan teknis dan implementasi bisnis strategis, fokus pada manajemen produk dan pengembangan yang melayani kebutuhan klinis nyata. Ia membangun tim yang menghasilkan solusi inovatif yang menangani tantangan kesehatan yang nyata, bukan hanya mengejar tren teknologi, memastikan keselarasan dengan keunggulan operasional dan hasil pasien yang ditingkatkan.

PaceMate adalah perusahaan teknologi kesehatan yang menawarkan PaceMateLIVE, platform berbasis cloud untuk pemantauan jantung jarak jauh dan manajemen data. Sistem ini mengintegrasikan data dari perangkat jantung yang dapat ditanam, monitor ambulatori, dan ECG konsumen, menggunakan prioritas otomatis untuk membantu klinisi fokus pada peringatan yang paling kritis. Ini mendukung interoperabilitas dengan sistem catatan kesehatan elektronik utama seperti Epic, Cerner, dan athenahealth, mempermudah alur kerja klinis, meningkatkan efisiensi operasional, dan meningkatkan kelangsungan perawatan pasien di praktik jantung.

Anda telah membangun solusi kesehatan yang didorong AI selama lebih dari 20 tahun, termasuk alat audiogram AI yang sesuai dengan HIPAA pertama di Auditdata dan sekarang platform kecerdasan jantung di PaceMate. Apa yang menginspirasi transisi Anda untuk menggunakan AI untuk mengubah data klinis menjadi wawasan yang dapat ditindaklanjuti?

Saya selalu didorong oleh data. Di awal karir saya di pemasaran digital, slogan agensi saya adalah “Kreativitas yang Dapat Diukur” – ide bahwa Anda dapat mengarahkan emosi dan kreativitas melalui apa yang Anda pelajari dari data. Ketika saya beralih ke kesehatan, saya melihat cara baru untuk menggunakan data. Alih-alih hanya melaporkan apa yang telah terjadi pada pasien, saya mulai bertanya-tanya: bisakah kita menggunakan data untuk melihat tren? Bisakah kita memprediksi apa yang mungkin terjadi selanjutnya?

Kemudian AI datang dan memperluas kemungkinan tersebut. Saya benar-benar percaya bahwa jika kita dapat menggunakan AI dengan cara yang cerdas, Human-in-the-Middle, kita dapat mengubah kesehatan. Ini dapat memberi dokter lebih banyak waktu dengan pasien sementara tugas-tugas yang membosankan di sekitar data ditangani oleh AI. Kami belum sepenuhnya mencapai titik itu, tetapi fondasi sedang dibangun untuk mencapainya.

PaceMate mengelola salah satu dataset kardiovaskuler terbesar dan paling kuat di dunia. Bagaimana data ini diubah menjadi algoritma prediktif yang meningkatkan hasil pasien dan efisiensi klinis?

Data adalah kunci. Untuk mendapatkan kekuatan paling besar dari AI dan Pembelajaran Mesin, semua itu terkait dengan set pelatihan yang Anda miliki. PaceMate adalah pemimpin industri bukan hanya karena data kami, tetapi karena tim kami memiliki puluhan tahun keahlian klinis untuk menafsirkan dan memvalidasi data. Ketika Anda menggabungkan data pelatihan dengan keahlian tersebut, Anda mulai melihat bagaimana menyelamatkan satu menit di sini dan dua menit di sana dapat menambahkan keuntungan besar dalam efisiensi.

Kemudian, ketika Anda menambahkan kemampuan untuk mengidentifikasi tren dalam data pasien selama masa pakai perangkat, Anda memberdayakan dokter dengan wawasan yang mereka butuhkan untuk membuat keputusan terbaik untuk pasien mereka—didukung oleh data paling komprehensif yang mungkin.

Kerangka kerja regulasi seperti HIPAA dan persetujuan FDA sering memperlambat adopsi AI di kesehatan. Langkah-langkah praktis apa yang dapat diambil organisasi untuk berinovasi secara bertanggung jawab dalam batasan-batasan tersebut?

Di PaceMate, kami sangat percaya pada filosofi Human-in-the-Middle seputar AI. Kami tidak memindahkan keputusan ke AI, yang tepatnya mengapa FDA memerlukan pengawasan serius. Sebaliknya, organisasi dapat menggunakan AI untuk menambang, mengorganisir, dan menyajikan data sambil masih mengandalkan keahlian klinis untuk menentukan apa yang tepat untuk setiap pasien individu.

Mengenai HIPAA, privasi pasien adalah masalah serius dalam kesehatan, dan kami harus selalu memprioritaskannya. Itulah yang hebat tentang pendekatan berbasis manusia kami—AI tidak perlu mengetahui apa pun tentang informasi identitas pribadi (PII) pasien kami. Kami dapat mendekanonisasi data dan menganalisisnya dari sana. Namun, bahkan dengan filosofi terbaik, menggunakan alat yang sesuai dengan HIPAA—yang telah ada di pasar dalam beberapa tahun terakhir—juga sangat penting.

Privasi data selalu merupakan pendekatan multilapis, dan privasi pasien harus selalu ditempatkan di atas inovasi.

Kepekaan data adalah masalah besar dalam perawatan jantung. Bagaimana PaceMate memastikan bahwa pengembangan AI mempertahankan tingkat privasi dan kepercayaan pasien tertinggi?

Privasi pasien selalu menjadi fondasi PaceMate, dan munculnya AI hanya memperkuat mengapa komitmen tersebut penting. Kami mendekati pengembangan AI dengan filosofi “privasi-by-design”, yang berarti perlindungan data bukanlah pemikiran belakangan, tetapi dibangun ke dalam setiap tahap.

Semua data pasien yang digunakan dalam pelatihan AI didekanonisasi dan dienkripsi dengan ketat, mengikuti protokol yang melebihi persyaratan HIPAA. Kami juga mengikuti prinsip minimisasi data yang ketat, hanya mengumpulkan dan memproses apa yang absolut diperlukan untuk nilai klinis.

Dalam perawatan jantung, kami dipercaya dengan beberapa data kesehatan paling intim yang dapat dibayangkan. Itulah mengapa kami melakukan penilaian dampak privasi dan audit keamanan pihak ketiga secara teratur, karena memperoleh dan mempertahankan kepercayaan bukanlah upaya satu kali—melainkan tanggung jawab harian.

Otomatisasi dalam kesehatan dapat menjadi pedang bermata dua. Bagaimana AI di PaceMate dirancang untuk melengkapi—bukan menggantikan—keahlian klinisi?

Filosofi Human-in-the-Middle kami berarti bahwa AI digunakan sebagai alat komplementer, tidak pernah menggantikan keahlian. Komitmen kami untuk menggunakan keahlian klinis internal dan bekerja dengan klinisi di rumah sakit untuk memandu pengembangan produk langsung membentuk praktik AI kami.

Kami bertanya pertanyaan seperti, “Apa yang membuat Anda lebih efisien?”, “Apa data yang akan membantu Anda membuat keputusan yang lebih baik?” dan “Apa yang kurang dari alur kerja Anda saat ini?” Kami kemudian menggunakan wawasan tersebut untuk memandu bagaimana kami mengimplementasikan otomatisasi dan AI tanpa mengganggu.

Banyak sistem kesehatan yang bergelut dengan data yang terfragmentasi di seluruh perangkat, EHR, dan alat pemantauan. Bagaimana tim Anda mendekati penyatuan sumber-sumber ini untuk memberikan wawasan waktu nyata yang benar-benar berarti pada titik perawatan?

Selama 10 tahun terakhir, kami telah menjadi pusat data untuk pemantauan jarak jauh, dan kami memahami aliran data pasien dari dalam ke luar. Anda dapat memikirkannya sebagai grafik identitas di mana data dikumpulkan dan disajikan dalam inkrement yang diperlukan pada saat itu. Kami telah membangun infrastruktur untuk menarik dari beberapa produsen perangkat, platform pemantauan jarak jauh mereka, dan sistem EHR, kemudian menormalkan dan mengkontekstualisasi data sehingga benar-benar berguna pada titik perawatan.

Kunci dari ini adalah memahami tidak hanya bagaimana mengumpulkan data, tetapi kapan dan bagaimana menyajikannya. Kami juga telah menjadi ahli dalam menggabungkan data yang didekanonisasi yang luas untuk memvalidasi tren dan memastikan kualitas ketika kami membawa sumber data baru. Kemampuan ganda ini—menyajikan wawasan waktu nyata yang dipersonalisasi sambil mempertahankan gambaran besar—memungkinkan kami untuk mengubah data yang terfragmentasi menjadi intelijen yang dapat ditindaklanjuti.

Dengan pengalaman Anda di seluruh beberapa perusahaan rintisan kesehatan, apa saja tantangan yang paling diabaikan ketika mengintegrasikan AI ke dalam alur kerja klinis secara besar-besaran?

Privasi dan keamanan menakutkan bagi banyak perusahaan teknologi kesehatan yang lebih kecil. Namun, ada praktik terbaik dan alat yang tersedia, dan semua penyedia cloud utama—AWS, Azure, dan Google Cloud—memiliki penasihat dengan buku panduan dan daftar periksa untuk membantu perusahaan rintisan dan perusahaan memahami tantangan tersebut.

Setelah itu ditangani, data dalam skala besar menjadi hambatan berikutnya. Di mana Anda berada hari ini dengan dataset Anda akan menjadi sangat berbeda dalam enam bulan. Memahami bagaimana menggunakan data terstruktur dan tidak terstruktur dengan grafik identitas yang kuat dapat menjadi fondasi yang baik untuk memulai, dan mendokumentasikan pendekatan Anda sepanjang jalan akan membantu mencegah beberapa uban di masa depan.

Penyebaran AI yang etis dan transparan menjadi faktor penentu dalam inovasi kesehatan. Bagaimana Anda membangun akuntabilitas dan keterjelasan ke dalam sistem AI yang digunakan untuk dukungan keputusan medis?

Ini kembali ke filosofi Human-in-the-Middle kami. Kami merancang AI kami untuk menyajikan wawasan dan pola, tetapi klinisi selalu membuat keputusan akhir. Itu menciptakan lapisan akuntabilitas alami di mana ada profesional berlisensi yang selalu meninjau dan memvalidasi apa yang AI sarankan.

Kami juga fokus menunjukkan “mengapa” di balik rekomendasi AI. Sistem kami menyoroti poin data mana yang mengarah pada wawasan tertentu, sehingga dokter dapat mengevaluasi apakah itu masuk akal secara klinis untuk pasien tertentu. Kami tidak meminta klinisi untuk mempercayai kotak hitam—kami memberi mereka transparansi ke dalam logika.

Karena pembelajaran berjalan dua arah, kami juga telah membangun loop umpan balik berkelanjutan. Ketika seorang klinisi menerima atau menimpa saran AI, itu memandu perbaikan model kami. Ini menciptakan akuntabilitas dalam kedua arah dan, dari waktu ke waktu, AI belajar dari keahlian klinis sementara klinisi dapat melihat bagaimana input mereka langsung membentuk sistem.

Pada akhirnya, AI yang dapat dijelaskan dalam kesehatan bukan hanya tentang transparansi teknis, tetapi juga tentang menghormati penilaian klinis dan menciptakan alat yang melengkapi daripada mengaburkan proses pengambilan keputusan.

Sebagai seseorang yang secara teratur memberi saran kepada eksekutif tentang strategi AI, perubahan pemikiran apa yang paling kritis bagi pemimpin kesehatan yang ingin berpindah dari eksperimen ke adopsi yang bermakna?

Ketika saya berbicara dengan pemimpin bisnis tentang AI, saya mencoba mendorong mereka ke mindset “Apa jika?” atau “Saya berharap…”. Salah satu alat paling kuat dalam AI adalah kemampuan untuk mengetahui pandangan dunia tentang suatu masalah alih-alih hanya orang di sekitar Anda atau bias Anda sendiri. Jadi, setiap kali Anda merasa sesuatu sulit atau mustahil, gunakan AI favorit Anda untuk mengatakan “Saya berharap saya bisa…” dan jelaskan hal-hal yang menghalangi Anda. Itu sangat kuat. Saya juga membimbing mereka untuk memiliki AI LLM yang ingin tahu. Beritahu mereka masalah Anda, tetapi juga beritahu mereka untuk mengajukan pertanyaan rinci kepada Anda. Terkadang, itu saja sudah cukup untuk mengarahkan Anda ke solusi unik.

AI juga merupakan alat yang hebat untuk perencanaan. Eksekutif perlu menetapkan strategi sambil juga membuat rencana tindakan, menentukan bagaimana mengukur keberhasilan, dan mengidentifikasi jebakan sebelum mereka terjadi. AI sangat baik dalam membantu menyusun rencana untuk memulai.

Terakhir, kami selalu membaca tentang bagaimana AI mengambil alih pekerjaan dan perusahaan melakukan pemutusan hubungan kerja demi AI. Saya pikir itu cara berpikir yang buruk tentang AI. Perusahaan yang dibangun atas produk atau layanan untuk orang memerlukan orang untuk memahami apa yang mereka tawarkan. Alih-alih menggunakan AI untuk pengurangan biaya, pikirkan bagaimana AI dapat mengambil tugas-tugas yang membosankan dari orang Anda dan menjadi pengganda. Jika Anda dapat mengurangi biaya sebesar 15% atau Anda dapat meningkatkan produktivitas sebesar 200%, mana yang merupakan keputusan bisnis yang lebih baik?

Melihat lima tahun ke depan, bagaimana Anda membayangkan AI mengubah lanskap pemantauan jantung dan kedokteran pencegahan—dan apa saja yang ingin Anda capai di PaceMate selama waktu itu?

AI akan menjadi lebih dan lebih bagian dari pekerjaan dan kehidupan sehari-hari kita dalam lima tahun ke depan. Ketika pengguna kami menjadi lebih nyaman dan percaya pada output, itu membuka kemungkinan dan kemitraan yang tak terbatas.

Saya sangat ingin memberikan alat yang membantu klinisi untuk memprioritaskan perawatan untuk pasien yang paling membutuhkan—mereka yang mungkin berisiko tertinggi mengalami kejadian yang tidak diinginkan. Dari sana, kami dapat mulai menggunakan AI dan data tren untuk menunjukkan hasil yang mungkin untuk pasien individu, memberi dokter gambaran yang lebih jelas tentang apa yang ada di depan.

Terakhir, ketika kami dapat menyajikan wawasan yang dipercaya semua orang, menemukan kemitraan yang hebat dengan rumah sakit penelitian untuk membantu mereka memanfaatkan model kami akan menjadi tujuan yang mulia. Itulah di mana kami dapat benar-benar mengarahkan inovasi di seluruh industri dengan lebih cepat dan membuat dampak yang signifikan pada perawatan jantung secara keseluruhan.

Terima kasih for wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi PaceMate.