Tim Vasil, Co-Founder & Chief Technology Officer di Hospital IQ – Seri Wawancara

Tim Vasil adalah Co-Founder & Chief Technology Officer di Hospital IQ, sebuah platform manajemen operasional yang menggunakan data untuk menyediakan solusi berbasis kecerdasan buatan (AI) yang dapat diandalkan untuk perbaikan operasional yang cepat dan berkelanjutan.

Apa yang awalnya menarik Anda ke ilmu komputer?

Buku bayi. Ketika saya masih mahasiswa yang belum yakin tentang karir yang ingin saya jalani, saya menjelajahi posisi pengembang web paruh waktu di BabyZone.com. Pengalaman itu luar biasa! Salah satu proyek pertama saya adalah mengambil media fisik, buku bayi, dan membawanya ke era digital, lengkap dengan suara, efek transisi, dan buku tamu interaktif. Saya menulis beberapa kode, mengklik tombol untuk mengunggahnya ke situs web, dan tiba-tiba ribuan orang tua memiliki cara untuk terhubung dengan teman dan kerabat yang jauh.

Aplikasi buku bayi digital itu mengungkapkan ilmu komputer sebagai bidang di mana saya bisa sedikit menjadi seniman, insinyur, dan bahkan pesulap, dan menggunakan keterampilan tersebut untuk memperbaiki kehidupan banyak orang. Saya melihat bahwa saya bisa menulis kode sekali dan memiliki dampak yang langgeng di mana-mana. Wow!

Bagaimana cerita di balik Hospital IQ?

Co-founder Rich Krueger dan saya bergabung untuk menjelajahi area yang diabaikan oleh teknologi. Anda mungkin berpikir bahwa rumah sakit tidak akan menjadi salah satu area tersebut, mengingat milyaran dolar yang mereka belanjakan setiap tahun untuk peralatan medis, catatan medis elektronik, dan lain-lain. Area-area tersebut sudah tercakup dengan baik. Namun, apa yang kami lihat adalah sisi lain dari rumah sakit, yaitu sisi operasional. Sisi ini tentang menentukan kapan harus menjadwalkan operasi, di mana harus memindahkan pasien, tes mana yang harus diprioritaskan, bagaimana merencanakan untuk hari esok, dan seterusnya. Ini adalah masalah yang sangat menantang dan perangkat lunak medis tradisional tidak menyentuhnya.

Untuk menjelajahi kesempatan ini, kami bertemu dengan pemimpin rumah sakit dan staf garis depan. Kami melihat keberanian setiap hari. Kami melihat penjadwalan perawat yang membuat panggilan tanpa henti dan mengatur pertanyaan untuk mengirim staf ke lokasi yang paling dibutuhkan. Kami melihat manajer ruang operasi dengan catatan dan papan tulis yang berusaha membagi waktu operasi di antara para ahli bedah. Kami melihat pemimpin keunggulan operasional dengan spreadsheet besar yang mencoba simulasi untuk menentukan berapa banyak tempat tidur rumah sakit yang harus dialokasikan. Singkatnya, kami melihat banyak upaya manual yang diterapkan pada masalah karena perangkat lunak tidak memadai, dan kami ingin membantu.

Seperti banyak perusahaan rintisan, perjalanan pengembangan produk kami tidaklah lurus. “Bantuan” kami awalnya datang dalam bentuk alat strategis yang kami pikir akan menyelesaikan masalah terbesar, tetapi mereka memerlukan banyak data dan banyak matematika. Mekaniknya tampak mengesankan: kami bisa mengumpulkan model secara otomatis untuk mensimulasikan kerja internal rumah sakit dan membuat rekomendasi tentang apakah jadwal operasi harus diubah, atau apakah sayap baru harus dibangun. Namun, meskipun pertanyaan yang mereka jawab besar, mereka juga jarang diajukan.

Asal-usul Hospital IQ seperti yang ada saat ini bukanlah jalan yang terinspirasi oleh Rich atau saya, tetapi oleh tim kami yang bekerja langsung dengan pelanggan kami dan menyadari bahwa peran kami yang paling penting bukanlah membantu rumah sakit menjawab pertanyaan besar dan jarang, melainkan pertanyaan kecil dan sering. Pertanyaan-pertanyaan itu menentukan apa yang dialami oleh pasien yang menjalani operasi dan tim perawatan yang membimbing mereka dalam perjalanan tersebut.

Bagaimana perangkat lunak ini memungkinkan sistem kesehatan untuk mencapai dan mempertahankan kinerja operasional puncak?

Perangkat lunak kami semua tentang memenuhi pekerja kesehatan di mana mereka berada hari ini, dalam alur kerja harian mereka. Daripada mengharapkan mereka melakukan sesuatu yang radikal berbeda, seperti menjalankan simulasi, atau menafsirkan prakiraan, atau mengoptimalkan jadwal staf dari awal, kami menerima langkah-langkah yang mereka ambil setiap hari dengan dua cara. Kami mendigitalkan mereka, sehingga mereka dapat berkomunikasi lebih efisien satu sama lain, dan kemudian kami menambahkan prediksi dan rekomendasi. Ini memungkinkan staf kesehatan bekerja lebih efisien, dan lebih efektif. Yang terbaik, ini membebaskan mereka untuk menghabiskan lebih banyak waktu untuk perawatan pasien.

Mari kita ambil contoh: penjadwalan staf. Menentukan berapa banyak perawat yang harus ada di setiap unit untuk setiap shift adalah tantangan. Beberapa staf menghubungi sakit. Lonjakan permintaan yang tidak terduga bisa terjadi. Perawat yang bisa “mengapung” di seluruh unit perlu dialokasikan secara adil. Keterampilan, kualifikasi, dan preferensi semua orang juga perlu dipertimbangkan. Letakkan semua ini bersama dan Anda bisa melihat mengapa telepon di kantor penjadwalan staf biasanya berdering tanpa henti. Namun, pada hari yang sama dengan go-live dengan Hospital IQ, telepon menjadi sunyi. Banyak pekerjaan itu sama, tetapi dengan semua informasi yang terpusat di platform Hospital IQ, semua pertimbangan telah berpindah dari spreadsheet, papan tulis, dan catatan, ke alat komunikasi yang ramping, analisis varians yang otomatis, dan saran untuk keseimbangan staf. Penjadwal perawat dapat melakukan pekerjaan mereka lebih efisien, dan lebih menyenangkan, daripada sebelumnya. Mempertahankan kinerja ini juga mudah, karena alat-alat ini dibangun untuk mendukung alur kerja yang ada. Kami bukanlah perusahaan konsultan yang datang untuk mengubah cara kerja, hanya untuk melihatnya kembali ke status quo.

Apa beberapa teknologi pembelajaran mesin yang digunakan?

Tim ilmu data kami menggunakan metode apa pun yang kami butuhkan untuk mendapatkan hasil yang baik untuk kasus penggunaan pelanggan kami. Kami telah menggunakan analisis statistik untuk memahami penggunaan OR, model ARIMA untuk memprediksi volume operasi, Prophet untuk memprediksi sensus, hutan acak untuk mengklasifikasikan status pasien rawat inap, jaringan saraf untuk skoring readmisi, dan banyak lagi. Tim ilmu data kami terus mengikuti penelitian terbaru, sumber data, dan alat dengan pertemuan “journal club” yang berkelanjutan, dan secara teratur berinovasi sendiri. Dengan bidang yang sangat terbuka, ada banyak kasus penggunaan yang menarik dan set data menarik untuk dijelajahi dan ditenun ke dalam platform Hospital IQ.

Satu tantangan khusus bagi kami adalah menangani keunikan yang kami lihat di setiap pelanggan rumah sakit. Mereka melayani demografi yang berbeda. Mereka memiliki spesialisasi yang berbeda. Data klinis dan operasional di setiap rumah sakit berasal dari perangkat lunak yang dikonfigurasi secara berbeda dengan kelemahan masing-masing. Jika kami membangun model komprehensif di seluruh pelanggan kami, atau bahkan di seluruh kampus dalam satu sistem kesehatan, itu tidak akan pas dengan baik. Namun, membangun solusi yang disesuaikan dan one-off tidaklah scalable atau kuat. Sebagai gantinya, kami mengandalkan pemahaman tentang karakteristik unik dari data pelanggan, mengembangkan model yang dapat digeneralisasi, dan telah membangun alat untuk membangun model, pelatihan berkelanjutan, dan pengukuran akurasi dan pemantauan untuk kampus individu.

Alat gratis dan dapat diakses publik COVID-19 Regional Forecast Dashboard memiliki lebih dari 76.000 pengguna dari ratusan rumah sakit. Apa itu alat ini?

Ketika kami pertama kali membangun COVID-19 Regional Forecast Dashboard pada Maret 2020, kami khawatir bahwa Amerika Serikat mungkin kehabisan tempat tidur rumah sakit yang tersedia, dan ingin menyediakan sistem peringatan dini, tidak hanya untuk pelanggan kami tetapi juga untuk semua rumah sakit. Untuk membuat itu terjadi, kami mencari set data seperti kapasitas tempat tidur yang diperlengkapi per kabupaten, tingkat transmisi dan kematian COVID-19 per kelompok usia, dan banyak hal lain. Kami bahkan membangun model SEIR untuk memprediksi jalur virus per kabupaten, dan berusaha menyediakan konteks sebanyak mungkin, termasuk saat kapasitas ICU dan med/surg akan dilanggar, berapa banyak orang yang akan pulih, dan bahkan berapa banyak yang akan meninggal. Tujuan kami adalah mengumpulkan perspektif kabupaten-per-kabupaten yang lengkap dari berbagai sumber data yang dapat diandalkan.

Rumah sakit telah menggunakan dasbor kami sebagai alat untuk membuat keputusan kunci, seperti kapan harus membuka unit surge atau kapan harus mengurangi operasi elektif untuk memberi ruang bagi gelombang pasien yang terinfeksi. Menariknya, bahkan individu di rumah telah menemukan beberapa kegunaan dan bahkan kenyamanan dari alat ini, karena memberikan sedikit kejelasan pada pandemi global yang sangat menakutkan dan baru.

Dalam menyediakan alat publik, kami tahu bahwa kami memiliki tanggung jawab penting untuk mengumpulkan dan menganalisis data dengan setia dan sering, serta memilih sumber data terbaik yang tersedia. Terkadang itu berarti menggantikan model yang lebih baik saat mereka tersedia. Dalam kasus model SEIR kami sendiri, kami akhirnya membawa, dengan izin, model tingkat negara bagian Institute for Health Metrics and Evaluation (IHME) sebagai standar yang diakui oleh Gedung Putih dan sumber lain. Kami menemukan cara untuk meletakkan prediksi tersebut dalam konteks kabupaten tertentu, serta rumah sakit tertentu dalam kabupaten-kabupaten tersebut, untuk memberikan rumah sakit panduan jam demi jam tentang dampak COVID-19 yang berkelanjutan.

Hospital IQ ilmuwan data dan insinyur sering berpartisipasi dalam hackathon, apa beberapa ide atau proyek menarik yang telah muncul dari ini?

Setiap bulan, kami mendorong anggota tim ilmu data dan teknik kami untuk mengambil satu hari libur untuk memfasilitasi pengembangan profesional mereka dan menyalakan ide-ide inovasi, apakah itu menghadiri konferensi industri, mengambil kursus online untuk mempelajari keterampilan baru, atau kegiatan lain yang meningkatkan mereka secara profesional.

Sebagai bagian dari ini, beberapa insinyur dan ilmuwan data memilih untuk menghabiskan hari pengembangan profesional mereka dengan berpartisipasi dalam hackathon Hospital IQ. Hackathon memerlukan peserta untuk menjadi gesit, inovatif, dan dalam satu hari, mendorong ide yang sulit untuk diubah menjadi perangkat lunak yang berfungsi. Dalam beberapa hari sebelum hackathon terbaru kami pada Oktober 2020, peserta membentuk tiga tim dan mengumpulkan ide dari seluruh perusahaan. Tidak ada topik yang dianggap terlarang; ide yang tidak relevan dengan platform perusahaan, atau bahkan ruang kesehatan, sepenuhnya diterima. Namun, ternyata ketiga tim tersebut akhirnya memilih ide yang sekarang sedang diimplementasikan di dunia nyata.

Tim pertama – Tim Cara – fokus pada readmisi rumah sakit dan berusaha membangun solusi yang dapat memprediksi pasien mana yang berisiko readmisi sebelum mereka bahkan dikeluarkan dari rumah sakit. Readmisi rumah sakit menghabiskan biaya milyaran dolar setiap tahun untuk sistem kesehatan, sehingga solusi prediktif dan proaktif, seperti ini, akan memberi perawat dan manajer perawatan dengan wawasan tambahan yang dibutuhkan untuk mengurangi risiko, mengurangi biaya, dan tahu apa yang dibutuhkan setiap pasien untuk tetap di luar rumah sakit. Tim Cara mengambil data dari platform manajemen operasional Hospital IQ, dan, menggunakan kerangka kerja pembelajaran mesin khusus pasien yang sebelumnya dikembangkan oleh tim ilmu data, membangun model prediktif. Untuk setiap pasien di rumah sakit, model tersebut menetapkan skor yang menunjukkan kemungkinan readmisi. Hasil awal dari model menunjukkan tingkat akurasi yang tinggi.

Tim kedua – Tim Burt Reynolds – berusaha membangun solusi pengawasan regional yang memvisualisasikan lapisan data pada peta. Tim tersebut ingin mengintegrasikan peta ke dalam infrastruktur tabel pivot yang ada di platform Hospital IQ, menawarkan cara untuk memplotkan metrik yang menarik yang diatur oleh koordinat garis lintang dan bujur menggunakan perpustakaan leaflet.js. Untuk konsep bukti mereka, mereka menggunakan data pusat transfer rumah sakit untuk menyoroti afiliasi mana yang merupakan sumber admit dan pada volume apa. Hasilnya menunjukkan kasus transfer dalam cahaya yang sama sekali baru dan memperjelas dari mana sebagian besar pasien berasal, serta peluang untuk pertumbuhan.

Tim ketiga – Tim Raptor Strikeforce – berusaha mengembangkan solusi yang menunjukkan return on investment (ROI) yang disediakan oleh platform manajemen operasional Hospital IQ. Tim tersebut membangun antarmuka untuk menyesuaikan berbagai input ke dalam model keuangan, seperti margin rata-rata per prosedur elektif, dan menggunakan input tersebut untuk melacak perubahan dalam kesehatan keuangan rumah sakit dari waktu ke waktu. Visualisasi ini menceritakan kisah yang sangat kuat tentang bagaimana inisiatif efektivitas operasional, dan investasi dalam platform Hospital IQ yang memungkinkannya, sangat membayar.

Ketiga solusi yang dikembangkan untuk hackathon menunjukkan bahwa mereka dapat memberikan nilai yang lebih besar kepada pelanggan kami. Sebagai hasilnya, Hospital IQ telah mengintegrasikan ketiga solusi tersebut ke dalam platform yang ada, dan mereka sedang digunakan oleh rumah sakit hari ini.

Apakah ada yang lain yang ingin Anda bagikan tentang Hospital IQ?

Tujuan besar, berani, dan ambisius Hospital IQ adalah untuk memperbaiki efisiensi dan kebahagiaan setiap pekerja kesehatan setiap hari. Kami bangga dengan dampak yang telah kami capai di bidang kesehatan hingga saat ini, tetapi perjalanan kami baru saja dimulai. Untuk setiap ilmuwan data atau insinyur yang peduli dan berorientasi pada misi yang tertarik untuk menangani salah satu tantangan terbesar di dunia – memperbaiki efisiensi kesehatan – kami akan senang jika Anda bergabung dengan kami!

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