Sean Shoffstall, Head of AI, Innovation and Data at PaceMate – Intervista di Serie

Sean Shoffstall, Head of AI, Innovation and Data at PaceMate, è un dirigente tecnologico e di prodotto con oltre 20 anni di esperienza nella creazione di soluzioni SaaS innovative e nell’integrazione di tecnologie di intelligenza artificiale che forniscono risultati aziendali misurabili e allineati con gli obiettivi aziendali strategici.

Sean si specializza nella normalizzazione dell’intelligenza artificiale, della tecnologia sanitaria e delle piattaforme basate sui dati per i team e i clienti, migliorando la produttività e l’efficienza nei flussi di lavoro clinici. Il suo lavoro precedente di pioniere dell’integrazione dell’AI nei sistemi di gestione sanitaria ha fornito miglioramenti significativi dell’efficienza e risultati migliori per i pazienti attraverso la progettazione intuitiva e le informazioni basate sui dati.
Come leader di pensiero e oratore pubblico sull’AI per gli executive, Sean colma il divario tra le capacità tecniche e l’implementazione aziendale strategica, concentrandosi sulla gestione del prodotto e lo sviluppo che serve ai reali bisogni clinici. Costruisce team che forniscono soluzioni innovative che affrontano sfide sanitarie genuine invece di perseguire solo tendenze tecnologiche, assicurando l’allineamento con l’eccellenza operativa e i migliori risultati per i pazienti.

PaceMate è un’azienda di tecnologia sanitaria che offre PaceMateLIVE, una piattaforma cloud per il monitoraggio cardiaco remoto e la gestione dei dati. Il sistema integra i dati dai dispositivi cardiaci impiantabili, dai monitor ambulatoriali e dagli ECG dei consumatori, utilizzando la priorità automatizzata per aiutare i clinici a concentrarsi sulle alert più critiche. Supporta l’interoperabilità con i principali sistemi di cartelle cliniche elettroniche come Epic, Cerner e athenahealth, semplificando i flussi di lavoro clinici, migliorando l’efficienza operativa e migliorando la continuità delle cure per i pazienti cardiologici.

Hai costruito soluzioni di sanità guidate dall’AI per oltre 20 anni, compreso il primo strumento di audiogramma AI conforme a HIPAA in Auditdata e ora la piattaforma di intelligenza cardiaca in PaceMate. Cosa ti ha ispirato a passare all’utilizzo dell’AI per trasformare i dati clinici in informazioni azionabili?

Sono sempre stato guidato dai dati. All’inizio della mia carriera nel marketing digitale, il nostro slogan era “Creatività quantificabile” – l’idea che si possa guidare l’emozione e la creatività attraverso ciò che si apprende dai dati. Quando ho fatto la transizione nel settore sanitario, ho visto un nuovo modo per utilizzare i dati. Invece di semplicemente riportare cosa era già successo a un paziente, ho iniziato a chiedermi: possiamo utilizzare i dati per vedere le tendenze? Possiamo prevedere cosa potrebbe succedere dopo?

Poi è arrivata l’AI e ha ampliato quelle possibilità. Credo veramente che se possiamo utilizzare l’AI in modo intelligente, con l’uomo al centro, possiamo trasformare la sanità. Può dare ai medici più tempo con i pazienti mentre le attività più banali relative ai dati vengono gestite dall’AI. Non siamo ancora lì, ma le fondamenta per arrivarci si stanno costruendo.

PaceMate gestisce uno dei dataset cardiovascolari più grandi e robusti al mondo. Come vengono trasformati questi dati in algoritmi predittivi che migliorano sia i risultati dei pazienti che l’efficienza clinica?

I dati sono la chiave. Per ottenere il massimo potenziale dall’AI e dal Machine Learning, tutto si riduce al set di dati di allenamento che si ha. PaceMate è un leader di settore non solo per i nostri dati, ma perché il nostro team ha decenni di esperienza clinica per interpretare e convalidare i dati. Quando si combina il set di dati di allenamento con quell’esperienza, si inizia a vedere come risparmiare un minuto qui e due minuti lì possa portare a grandi guadagni di efficienza.

Poi, quando si aggiunge la capacità di identificare le tendenze nei dati dei pazienti nel corso della vita di un dispositivo, si forniscono ai medici le informazioni di cui hanno bisogno per prendere le migliori decisioni per i loro pazienti, supportate dai dati più completi possibili.

I framework normativi come HIPAA e le approvazioni FDA spesso rallentano l’adozione dell’AI nella sanità. Quali passi pratici possono intraprendere le organizzazioni per innovare in modo responsabile all’interno di queste limitazioni?

In PaceMate, crediamo fortemente nella filosofia dell’AI con l’uomo al centro. Non scarichiamo le decisioni sull’AI, il che è esattamente il motivo per cui la FDA richiede una seria supervisione. Invece, le organizzazioni possono utilizzare l’AI per estrarre, organizzare e presentare i dati, continuando a fare affidamento sull’esperienza clinica per determinare cosa è giusto per ogni paziente.

Per quanto riguarda HIPAA, la privacy dei pazienti è una preoccupazione seria nella sanità, e dovremmo sempre metterla al primo posto. È ciò che è grande nella nostra approccio centrata sull’uomo – l’AI non deve sapere nulla delle informazioni personali identificabili (PII) dei nostri pazienti. Possiamo de-identificare i dati e analizzarli da lì. Ma anche con la migliore filosofia, utilizzare gli strumenti conformi a HIPAA – che sono stati messi sul mercato negli ultimi anni – è essenziale.

La privacy dei dati è sempre un approccio multilivello, e la privacy dei pazienti dovrebbe sempre essere messa al primo posto, anche prima dell’innovazione.

La sensibilità dei dati è una preoccupazione maggiore nella cura cardiaca. Come fa PaceMate a garantire che lo sviluppo dell’AI mantenga i più alti livelli di privacy e fiducia dei pazienti?

La privacy dei pazienti è sempre stata una pietra angolare di PaceMate, e l’ascesa dell’AI rafforza solo il motivo per cui questo impegno è importante. Affrontiamo lo sviluppo dell’AI con una filosofia di “privacy-by-design”, il che significa che la protezione dei dati non è un pensiero successivo, ma è integrata in ogni fase.

Tutti i dati dei pazienti utilizzati per l’allenamento dell’AI sono rigorosamente de-identificati e crittografati, seguendo protocolli che superano i requisiti di HIPAA. Seguiamo anche rigorosi principi di minimizzazione dei dati, raccogliendo e elaborando solo ciò che è assolutamente necessario per il valore clinico.

Nella cura cardiaca, siamo stati affidati con alcuni dei dati sanitari più intimi immaginabili. È per questo che conduciamo valutazioni regolari dell’impatto sulla privacy e audit di sicurezza di terze parti, perché guadagnare e mantenere la fiducia non è uno sforzo una tantum – è una responsabilità quotidiana.

L’automazione nella sanità può essere una spada a doppio taglio. Come viene progettata l’AI in PaceMate per complementare – e non sostituire – l’esperienza dei clinici?

La nostra filosofia dell’AI con l’uomo al centro significa che l’AI viene utilizzata come strumento complementare, mai sostituendo l’esperienza. Il nostro impegno nell’utilizzare l’esperienza clinica interna e nel lavorare con i clinici negli ospedali per guidare lo sviluppo del prodotto forma direttamente la nostra pratica dell’AI.

Chiediamo domande come, “Cosa ti renderebbe più efficiente?”, “Quali dati ti aiuterebbero a prendere decisioni migliori?” e “Cosa manca dal tuo flusso di lavoro attuale?” Utilizziamo poi quelle informazioni per guidare come implementiamo l’automazione e l’AI senza intralciare.

Molti sistemi sanitari lottano con dati frammentati tra dispositivi, cartelle cliniche elettroniche e strumenti di monitoraggio. Come affronta il vostro team l’unificazione di queste fonti per fornire informazioni in tempo reale che contano veramente nel punto di cura?

Negli ultimi 10 anni, siamo diventati il fulcro per i dati nel monitoraggio remoto, e comprendiamo il flusso dei dati dei pazienti dentro e fuori. Puoi pensare a questo come a un grafico di identità in cui i dati vengono raccolti e serviti negli incrementi necessari in quel momento. Abbiamo costruito l’infrastruttura per attingere da più produttori di dispositivi, dalle loro piattaforme di monitoraggio remoto e dai sistemi di cartelle cliniche elettroniche, quindi normalizzare e contestualizzare quei dati in modo che siano veramente utili nel punto di cura.

La chiave è capire non solo come raccogliere i dati, ma anche quando e come presentarli. Siamo anche diventati esperti nell’aggregare dati ampi e de-identificati per convalidare le tendenze e garantire la qualità quando introduciamo nuove fonti di dati. Questa doppia capacità – fornire informazioni personalizzate in tempo reale e mantenere una visione d’insieme – ci consente di trasformare i dati frammentati in intelligenza azionabile.

Con la tua esperienza in più startup di tecnologia sanitaria, quali sono alcune delle sfide più trascurate quando si integra l’AI nei flussi di lavoro clinici su larga scala?

La privacy e la sicurezza sono intimidatori per molte piccole aziende di tecnologia sanitaria. Ma ci sono ottime pratiche e strumenti disponibili, e tutti i principali fornitori di servizi cloud – AWS, Azure e Google Cloud – hanno consulenti con guide e checklist per aiutare le startup e le imprese a superare queste sfide.

Una volta gestite queste sfide, i dati su larga scala diventano l’ostacolo successivo. Dove sei oggi con il tuo set di dati sarà completamente diverso tra sei mesi. Capire come sfruttare i dati strutturati e non strutturati con un forte grafico di identità può essere una buona base per iniziare, e documentare il tuo approccio lungo la strada ti aiuterà a prevenire alcuni capelli grigi in futuro.

L’adozione etica e trasparente dell’AI sta diventando un fattore di definizione dell’innovazione sanitaria. Come costruisce la responsabilità e la spiegabilità nei sistemi di AI utilizzati per il supporto alle decisioni mediche?

Questo ritorna alla nostra filosofia dell’AI con l’uomo al centro. Progettiamo la nostra AI per presentare informazioni e modelli, ma il clinico prende sempre la decisione finale. Ciò crea un livello di responsabilità naturale in cui c’è sempre un professionista abilitato che revisiona e convalida ciò che l’AI suggerisce.

Ci concentriamo anche nel mostrare il “perché” dietro le raccomandazioni dell’AI. I nostri sistemi evidenziano quali punti di dati hanno guidato una particolare informazione, in modo che i medici possano valutare se ha senso clinico per il loro paziente specifico. Non chiediamo ai clinici di fidarsi di una scatola nera – stiamo fornendo trasparenza nella logica.

Poiché l’apprendimento va in entrambe le direzioni, abbiamo anche costruito cicli di feedback continui. Quando un clinico accetta o annulla una suggerimento dell’AI, ciò informa il nostro miglioramento del modello. Ciò crea responsabilità in entrambe le direzioni e, nel tempo, l’AI impara dall’esperienza clinica mentre i clinici possono vedere come il loro input forma direttamente il sistema.

Alla fine, l’AI spiegabile nella sanità non riguarda solo la trasparenza tecnica, ma anche il rispetto del giudizio clinico e la creazione di strumenti che aumentano piuttosto che oscurare il processo decisionale.

Come persona che consiglia regolarmente gli executive sulla strategia dell’AI, quali sono i cambiamenti di mentalità più critici per i leader sanitari che desiderano passare dall’esperimento all’adozione significativa?

Quando parlo con i leader aziendali dell’AI, cerco di spingerli a una mentalità “E se…” o “Vorrei…”. Uno degli strumenti più potenti nell’AI è la capacità di attingere alla visione del mondo di un problema invece di limitarsi alle persone intorno a te o ai tuoi pregiudizi. Quindi, ogni volta che pensi che qualcosa sia difficile o impossibile, usa la tua AI preferita per dire “Vorrei poter…” e descrivere le cose che ti sono d’ostacolo. È super potente. Guido anche loro ad avere il loro LLM AI curioso. Racconta il tuo problema, ma anche chiedi loro di farti domande dettagliate. A volte, ciò da solo ti porterà a soluzioni veramente uniche.

L’AI è anche uno strumento fantastico per la pianificazione. I dirigenti devono stabilire una strategia mentre creano un piano d’azione, determinano come misurare il successo e identificano gli ostacoli prima che si verifichino. L’AI è grande per aiutare a mettere insieme piani per iniziare.

Infine, leggiamo sempre di come l’AI stia sostituendo i lavori e le aziende stiano licenziando le persone a favore dell’AI. Credo che sia un modo sbagliato di pensare all’AI. Un’azienda costruita su prodotti o servizi per le persone ha bisogno di persone per comprendere cosa stanno offrendo. Invece di utilizzare l’AI per la riduzione dei costi, pensa a come l’AI possa prendere le attività più banali dalle tue persone e diventare un amplificatore. Se puoi ridurre i costi del 15% o puoi aumentare la produttività del 200%, quale è la migliore decisione aziendale?

Guardando cinque anni avanti, come immagini che l’AI ridisegni il panorama del monitoraggio cardiaco e della medicina preventiva – e quali sono i risultati che spera di raggiungere in PaceMate durante quel periodo?

L’AI sarà sempre più parte del nostro lavoro e della nostra vita quotidiana nei prossimi cinque anni. Mentre i nostri utenti diventano più a loro agio e fiduciosi nei risultati, si aprono possibilità e partnership infinite.

Mi piacerebbe innanzitutto fornire strumenti che aiutino i clinici a priorizzare le cure per i pazienti più bisognosi – quelli che potrebbero essere a rischio di un evento avverso. Da lì, possiamo iniziare a utilizzare l’AI e i dati delle tendenze per mostrare risultati possibili diversi per i singoli pazienti, fornendo ai medici un’immagine più chiara di cosa li aspetta.

Infine, quando possiamo fornire informazioni che tutti si fidano, trovare grandi partnership con ospedali di ricerca per aiutarli a sfruttare i nostri modelli sarebbe un obiettivo ambizioso. È lì che potremmo veramente guidare l’innovazione in tutto il settore più velocemente e avere un impatto significativo sulla cura cardiaca nel suo complesso.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare PaceMate.