ドクター ジェイミー ブランド、アクイラ ヘルス共同創設者兼CEO – インタビュー シリーズ

ドクター ジェイミー ブランド、アクイラ ヘルスの共同創設者兼CEOは、ヘルスケア業界で最も根深い課題の1つである断片化されたデータとアクセスできないデータに取り組むヘルスケアテクノロジーのリーダーです。彼女は、アクイラ ヘルスを共同創設し、ヘルスケア組織がシロ化されたシステムを超えて、機械学習と構造化分析を使用してアクション可能な洞察を生成しながら、臨床的管理を維持できる統一されたデータインフラストラクチャを構築しました。彼女の仕事は、相互運用性の向上、人口レベルのヘルスインテリジェンスの実現、統合された臨床、請求、ゲノミクス データシステムを通じて新興のヘルスリスクの早期検出をサポートすることに焦点を当てています。

アクイラ ヘルスは、AI駆動のヘルスケアデータプラットフォームであり、異なるデータソースを1つの相互運用可能なシステムに統合し、運用の効率化と高度な分析の両方をサポートするように設計されています。プラットフォームは、HL7やFHIRなどのヘルスケアデータ形式を大量に取り込み、病院、公衆衛生システム、その他の利害関係者間のシームレスな統合を可能にします。構造化された機械学習アプローチと人間によるバリデーションモデルの組み合わせを使用することで、アクイラは、人口ヘルス管理、異常検出、リアルタイムの意思決定のための信頼性の高い洞察を提供することに重点を置いています。そのため、会社はデータインフラストラクチャと適用されたAIの交差点に位置し、データの品質とアクセス性の向上はヘルスケアインテリジェンスの全潜在能力を解放するために不可欠です。

あなたはCyncHealthを通じて大幅な成長を遂げ、数百万人の患者レコードと複数の州をまたぐ相互運用性を実現しました。その後、アクイラ ヘルスを設立しました。CyncHealthでの経験で、どのような重要な制限やシステム的欠陥に直面しましたか? それがアクイラをゼロから構築するきっかけとなりましたか?

CyncHealthでは、ネブラスカ州とアイオワ州のヘルスケア組織を接続するためのインフラストラクチャを数年間構築しました。1,100以上のケアサイトと数百万人の患者レコードを接続し、500万人以上の人口を網羅しました。

しかし、システムを接続することとデータを利用可能にすることは、まったく異なる問題であることを再三確認しました。たとえば、オピオイド過剰投与ダッシュボードを作成するために、複数のソースからのデータを調整する作業に取り組みました。その作業には数ヶ月かかり、数百の労働時間と多くの利害関係者間の調整が必要でした。しかも、その作業が完了した後も、データの全貌は不完全なままでした。

その経験がアクイラの種となりました。レガシーのインターフェイス接続方法では、データの完全性と品質を理解せずにシステムを接続することは、近年のAIの進歩に伴う需要を満たすことができません。AIが従来数ヶ月かかっていた作業を数時間で高品質で低コストで実行できるようになると、チームは新しい基盤からシステムを再構築する必要があります。那がアクイラで行ったことです。アクイラでは、データの接続コストを削減するためのモダンなツールに焦点を当て、従来のEHIソースからのデータだけでなく、ヘルスの全体像を完成させることに取り組んでいます。

アクイラは最近、断片化されたヘルスケアデータを1つのAI対応レイヤーに統合するプラットフォームに注力してステルスモードから登場しました。どのような主要な技術的ブレークスルーがこれを可能にしましたか? それが数年前では不可能だった理由は何ですか?

AIの能力がこの変化をほぼ完全に推進しています。

私は、熟練したエンジニアが手動でデータ標準を調整するのを何年も見てきました。そうすることで機能しますが、そのモデルはスケーラブルではありません。データの量と種類のスピードでそれに追いつくことはできません。

今と異なるのは、AIがデータの正規化作業を継続的にデータレイヤーで行うことができるということです。バッチプロセスとして夜間に実行されるのではなく、システム内をデータが移動するにつれてほぼリアルタイムで行われます。那により、臨床医と公衆衛生チームにとって、必要なデータが構造化され、検証されてから到着するようになります。

臨床医は、フルピクチャーなしで決定を下すことに慣れています。公衆衛生は、データを裏付けるものなしでプログラムを推進しています。アクイラは、データ駆動の意思決定がヘルスケア全体で可能になるように、風景を変え、スピードをもたらしています。

あなたはヘルスケアAIの真正の課題はモデルではなくデータそのものであると強調しています。今日のヘルスケアデータインフラストラクチャでは、AIが有意義な成果をもたらすことを妨げている最も重要なギャップは何ですか?

業界はAIモデルについて話していますが、モデルは難しい部分ではありません。

難しい部分は、患者が1日に3つの異なる施設を訪れ、3つの異なるシステムで3つの異なる人物として現れることができるということです。検査結果は臨床ノートと一致しません。保険者のレコードには病院のレコードや公衆衛生レコードとは異なる識別子があります。すべてを手動で調整するまでに、臨床的時間枠は閉じてしまいます。

アクイラは「データ準備層」として位置付けられ、AIの取り込み前に断片化されたヘルスケアデータを1つのレイヤーに統合します。特に臨床レコード、請求データ、リアルタイムフィードなどの高度にヘテロジニアスな入力に取り組む際に、実践ではこの層が何を実行しますか?

前の例を使用して、患者遭遇がデータを生成するときに何が到着するかを考えてみましょう。病院からHL7メッセージ、保険者から請求レコード、参照ラボから別の識別子を使用した検査結果、そしてまったく別のタイムラインで提出された公衆衛生報告書が到着します。これらは相互に調整されるように設計されていません。

私たちの準備層であるTREUEは、これらの入力と下流の分析またはAIアプリケーションの間に位置します。その役割は、各レコードを評価し、ソース間のIDを一致させ、フォーマットを正規化し、データがさらに進む前に何が欠けているかまたは一貫性がないかをフラグすることです。

相互運用性標準であるFast Healthcare Interoperability Resources (FHIR)とUnited States Core Data for Interoperability (USCDI)は数年前からありますが、断片化は続いています。標準の観点からまだ何が欠けているのでしょうか? アクイラはそれらのギャップをどのように違う方法で対処していますか?

FHIRとUSCDIは、データ交換のための共通言語を業界に提供しました。那は重要な進歩でした。

しかし、データ交換のための共通言語は、データが到着した後に一貫した動作をするデータとは異なります。

アクイラは高結果環境で運用され、失敗は許されません。AIシステムを設計する際に、リアルタイムのパフォーマンスとガバナンス、監査可能性、信頼性の厳格な要件のバランスをとるにはどうすればよいですか?

あなたは、最初のアプリケーションコードを書く前に、ガバナンスをアーキテクチャに組み込む必要があります。それは後に追加する層ではありません。

アクイラは、公衆衛生、政府システム、規制された業界で活動しています。これらの環境におけるAIインフラストラクチャの要件は、従来のエンタープライズAIデプロイと比較してどのように異なりますか?

典型的なエンタープライズAIデプロイでは、通常、1つの組織のデータ環境、1つのガバナンス ルール、1つのコンプライアンス フレームワーク内で作業します。

公衆衛生と政府の環境は、構造的に異なります。複数の管轄区域、複数の機関、複数の臨床環境を調整しており、それぞれが異なるレポートのタイムラインと法的フレームワークで運営されています。1つの州の病院、別の州の公衆衛生機関、独自のデータ要件を持つ連邦プログラムがあります。すべてのエンティティがデータを交換し、データを制御せずに洞察を生成する必要があります。

AIの能力はガバナンス フレームワークよりも速く進化しています。創設者とプラットフォーム ビルダーは、安全に、倫理的にデプロイされるようにこれらのシステムを保証する責任があります。創設者とプラットフォーム ビルダーは、どのような責任がありますか?

私は、責任は簡単です。もし、あなたが臨床的意思決定や公衆衛生の成果に影響を与えるAIを構築している場合、あなたはガバナンスを将来の製品ロードマップ アイテムとして扱うことはできません。それは最初から設計する必要があります。

実際には、データに対するすべてのアクションが監査可能であることを意味します。モデルは、臨床医がなぜ信号がフラグされたのかを理解できる程度に解釈可能である必要があります。臨床の専門家は、レビュー プロセスの一部でなければなりません。組織は、システムが信頼性を持って実行できることとできないことについて正直でなければなりません。

私は、データの失敗が実際の結果をもたらす環境でキャリアを積んできました。那が、私がこれについて考えるやり方を形作っています。能力は急速に進化していますが、どのようにデプロイされるかについての説明責任は後ろ向きに許されるべきではありません。創設者がこれらのシステムを構築する者は、規制がそれを課すのを待たずに、自分自身にその基準を課す必要があります。

感謝を込めて、この洞察に富んだ議論を終えます。アクイラ ヘルスとそのヘルスケア データ インフラストラクチャへのアプローチについてさらに知りたい読者は、アクイラ ヘルスを訪問してください。