Sean Shoffstall, Head of AI, Innovation and Data at PaceMate – Interview Series

Sean Shoffstall, Head of AI, Innovation and Data at PaceMate, è un dirigente tecnologico e di prodotto con oltre 20 anni di esperienza nella costruzione 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’IA nei sistemi di gestione sanitaria ha portato a significativi miglioramenti dell’efficienza e a risultati migliori per i pazienti attraverso la progettazione intuitiva e le informazioni basate sui dati.

In qualità di leader di pensiero e relatore pubblico sull’IA per i dirigenti, Sean colma il divario tra le capacità tecniche e l’implementazione aziendale strategica, concentrandosi sulla gestione e sviluppo del prodotto che serve reali esigenze cliniche. Costruisce team che forniscono soluzioni innovative che affrontano sfide sanitarie genuine anziché inseguire solo tendenze tecnologiche, garantendo 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 basata su 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 elettrocardiogrammi dei consumatori, utilizzando la priorità automatizzata per aiutare i clinici a concentrarsi sulle segnalazioni più critiche. Supporta l’interoperabilità con i principali sistemi di registri elettronici sanitari come Epic, Cerner e athenahealth, semplificando i flussi di lavoro clinici, migliorando l’efficienza operativa e potenziando la continuità delle cure per i pazienti nelle pratiche cardiache.

Hai costruito soluzioni sanitarie guidate dall’IA 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 ha ispirato la tua transizione all’utilizzo dell’IA 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 modo completamente nuovo per utilizzare i dati. Invece di semplicemente segnalare cosa era già successo a un paziente, ho iniziato a chiedermi: possiamo utilizzare i dati per vedere tendenze? Possiamo prevedere cosa potrebbe succedere dopo?

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

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’IA e dal Machine Learning, tutto si riduce al set di addestramento 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 interpretarli e convalidarli. Quando si combina il set di addestramento con quell’esperienza, si inizia a vedere come risparmiare un minuto qui e due minuti lì possa portare a enormi guadagni di efficienza.

Quando si aggiunge la capacità di identificare 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 quadri normativi come HIPAA e le approvazioni FDA spesso rallentano l’adozione dell’IA nella sanità. Quali passi pratici possono intraprendere le organizzazioni per innovare in modo responsabile all’interno di questi vincoli?

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

Per quanto riguarda HIPAA, la privacy dei pazienti è una preoccupazione seria nella sanità, e dovrebbe sempre essere messa al primo posto. Questo è ciò che è grande nella nostra approccio centrata sull’uomo – l’IA non deve sapere nulla delle informazioni personali identificative (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 importante nella cura cardiaca. Come fa PaceMate a garantire che lo sviluppo dell’IA mantenga i più alti livelli di privacy e fiducia dei pazienti?

La privacy dei pazienti è sempre stata un angolo di PaceMate, e l’ascesa dell’IA rafforza solo il motivo per cui questo impegno conta. Affrontiamo lo sviluppo dell’IA 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 nell’addestramento dell’IA vengono rigorosamente de-identificati e crittografati, seguendo protocolli che superano i requisiti 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’IA in PaceMate per complementare – e non sostituire – l’esperienza dei clinici?

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

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

Molti sistemi sanitari lottano con dati frammentati su dispositivi, registri elettronici sanitari e strumenti di monitoraggio. Come fa il tuo team ad unificare 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 del paziente dentro e fuori. Puoi pensarlo come 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 registri elettronici sanitari, 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 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 mentre si mantiene una visione d’insieme – è ciò che ci consente di trasformare dati frammentati in intelligenza azionabile.

Con la tua esperienza in più startup di tecnologia sanitaria, quali sono alcune delle sfide più trascurate nell’integrare l’IA 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 grandi best practice e strumenti disponibili, e tutti i principali fornitori di 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 gestito questo, 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 solido 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.

Il dispiegamento etico e trasparente dell’IA sta diventando un fattore definente nell’innovazione sanitaria. Come costruire la responsabilità e la spiegabilità nei sistemi di IA utilizzati per il supporto alle decisioni mediche?

Questo torna alla nostra filosofia dell’uomo al centro. Progettiamo la nostra IA 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 autorizzato a rivedere e convalidare ciò che l’IA suggerisce.

Ci concentriamo anche nel mostrare il “perché” dietro le raccomandazioni dell’IA. 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 dando loro 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’IA, ciò informa il miglioramento del nostro modello. Ciò crea responsabilità in entrambe le direzioni e, nel tempo, l’IA impara dall’esperienza clinica mentre i clinici possono vedere come il loro input forma direttamente il sistema.

In definitiva, l’IA spiegabile nella sanità non riguarda solo la trasparenza tecnica, ma anche il rispetto del giudizio clinico e la creazione di strumenti che aumentano anziché oscurare il processo decisionale.

Essendo qualcuno che consiglia regolarmente i dirigenti sulla strategia dell’IA, quali sono i cambiamenti di mentalità più critici per i leader sanitari che cercano di passare dall’esperimento all’adozione significativa?

Quando parlo con i leader aziendali dell’IA, cerco di spingerli a una mentalità “E se…” o “Vorrei…”. Uno degli strumenti più potenti nell’IA 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 IA preferita per dire “Vorrei poter…” e descrivere le cose che ti ostacolano. È super potente. Guido anche loro ad avere il loro LLM dell’IA curioso. Racconta il tuo problema, ma anche chiedi loro di farti domande dettagliate. A volte, questo da solo ti porterà a soluzioni veramente uniche.

L’IA 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’IA è grande per aiutare a mettere insieme piani per iniziare.

Infine, leggiamo sempre di come l’IA stia prendendo il posto dei lavori e le aziende stanno licenziando persone in favore dell’IA. Credo che questo sia un modo errato di pensare all’IA. Un’azienda costruita su prodotti o servizi per le persone ha bisogno di persone per capire cosa stanno offrendo. Invece di utilizzare l’IA per la riduzione dei costi, pensa a come l’IA possa prendere le mansioni 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’IA 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’IA sarà sempre più parte del nostro lavoro e della nostra vita quotidiana nei prossimi cinque anni. Man mano che i nostri utenti diventano più a loro agio e fiduciosi nell’output, si aprono possibilità e partnership infinite.

Mi piacerebbe innanzitutto fornire strumenti che aiutino i clinici a dare priorità alle cure per i pazienti che potrebbero essere a maggior rischio di un evento avverso. Da lì, possiamo iniziare a utilizzare l’IA e i dati di tendenza per mostrare risultati possibili diversi per singoli pazienti, dando ai medici un’immagine più chiara di cosa li aspetta.

Infine, quando possiamo fornire informazioni che tutti possono fidarsi, 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 tutta l’industria più velocemente e avere un impatto significativo sulla cura cardiaca nel suo complesso.

Grazie for the great interview, readers who wish to learn more should visit PaceMate.