ジェフリー・アイストーン、CognitiveScaleのヘルスケアAIアドバイザー – インタビューシリーズ

ジェフリー・アイストーンは、CognitiveScaleのヘルスケアAIアドバイザーです。この役割では、ジェフはヘルスケア組織（主に提供者/ヘルスケアシステム、支払者、テクノロジー・ベンダー）と協力して、AIの戦略的洞察からAIロードマップの開発およびAIソリューションの提供まで、AIの旅を支援しています。

ヘルスケア業界におけるAIの重要性について話してください。

大量の複雑で分散されたデータが、ヘルスケアの基盤となる臨床、行政、財務プロセスを形成しています。したがって、AIはヘルスケア情報技術の全価値チェーンにわたる重要な機能です。臨床医や研究者などの知識労働者は、特に「増強された知能」と呼ばれるAIのサブセットから大きな利益を得ています。

ヘルスケアにおけるAIは広範なテーマであり、データの収集から洞察の導出、プロセスの改善または自動化からより良い患者エンゲージメントやパーソナライズされたケアの提供まで、多くの有価なユースケースがあります。臨床結果は改善され、効率性はコスト削減を促進し、さらに多くのユースケースが価値を生み出すことを約束しています。現在の世界的なパンデミックは、コミュニティと個人のリスクスコアや洞察を組み合わせたインテリジェントな介入など、多くのヘルスケアAIユースケースを強調しています。これらは、COVID-19を克服した後も、世界中のヘルスケアシステムを改善するでしょう。

ヘルスケアの設定における増強された知能を定義してください。

CognitiveScaleは主に増強された知能に焦点を当てています。ロボティック・プロセス・オートメーション（RPA）やチャットボットなどのAIテクノロジーは、人間を機械に置き換えることを目指しています（多くの場合）。私たちは、ヘルスケア組織やスタッフがより賢く、効率的に働くことを助けるAIソリューションに重点を置いています。私たちはまた、学習またはフィードバック・ループを持つより高度なAIのサブセットである認知ソリューションに焦点を当てています。ヘルスケアにおける増強された知能の例は多くあり、放射線科や病理学では、臨床医が画像を読み取り、診断を下す能力をマシン・ラーニング・モデルで増強し、より早期の発見やより正確な診断と検査結果を可能にします。

スタートアップや大規模組織でさまざまなAI戦略を実施した経験から、共通の間違いについて教えてください。

認知AIソリューションが時間の経過とともに学習し、成熟するように、私たちのAIの力と落とし穴に対する理解も成熟してきました。データにアクセスする時間、データを準備する時間、そしてモデルをトレーニングする時間は、通常、予想よりも長くかかります。他の間違いは、AIソリューションの運用とスケールに関連しています。良いモデルがヘルスケアITエコシステム全体で簡単にデプロイされ、管理されるという仮定は、実際には多くのAIモデルが未使用のままであるという現実と相まって、重大な課題となっています。ただし、ヘルスケアAIに関連する最も重大な課題は、信頼です。モデルは信頼できるか、偏りがないか、説明可能か、正確かということが重要です。多くのヘッドラインでは、AIソリューションが規制当局の注意を引くような方法で偏っていることが示されています。ブラックボックス・ソリューションは、増強しようとする提供者の知性から懐疑を招くものです。これは、私が最近見ているヘルスケアAIにおける最大の課題、そして間違いです。

ゲノムプロファイリングについてのご意見を教えてください。

ゲノムプロファイリングは、個人のヘルスケアの目的（遺伝子学や犯罪捜査ではなく）で個人のゲノム情報を提供するテクノロジーのサブセットです。パーソナライゼーションはヘルスケアAIユースケースの大きなテーマです。ゲノムプロファイリングがよりパーソナライズされた洞察を提供することができ、データとその使用が信頼できる（偏りがない、公平、説明可能、正確）場合、パーソナライズされた医療とハイパー・パーソナライズされたAIソリューションの基盤要素となるでしょう。

ヘルスケアのパーソナライゼーションは将来の趨勢のようです。どのようにして最もポジティブな影響を与えることができると考えていますか。

CognitiveScaleでは、パーソナライズされた予測的・指示的ヘルスケアソリューションを提供しています。例として、ケア・マネージャー向けのインテリジェントな介入（臨床ユースケース）やサービス・インクワイリーの予測（行政/運用ユースケース）があります。インテリジェントな介入ソリューションは、ケア・マネージメント・プログラムを通じて患者を管理する人の仕事を増強する、パーソナライズされた推論、予測、リスク・スコア（モデル出力）を提供します。COVID-19危機を管理しようとしている公衆衛生当局、提供者、ヘルスプランにもこれらの機能を提供しています。サービス・インクワイリーの予測により、ヘルスケア組織は、メンバーまたは提供者が請求、福利厚生などについて問い合わせたときに、問い合わせの理由とそれをより効率的に解決する方法を事前に知ることができます。コスト削減と満足度、リテンションに影響を及ぼします。パーソナライズされたヘルスケアソリューションに焦点を当てた多くのヘルスケアAIユースケースがあります。これについてだけでも1冊の本を書くことができます。

EMR、ERP、患者データ、外部データソースなどの異なるソースからのデータを1つのまとまりのあるデータシステムに集約する課題について話してください。

ヘルスケア情報技術（HCIT）は、ほぼ常にエコシステムです。分布されたシステムのネットワークです。一般的な例は、個人のヘルスレコード（PHR）です。患者全体の医療レコードの完全なデータセットです。ヘルスケアシステムが1つの統一された病院情報システム上にある場合でも、その患者は他のケア提供者を持っている可能性があり、保険が別のデータソースとなり、ラボと薬剤データは複数のクリニックや企業に分散している可能性があります。ヘルスケアデータ交換の標準トランザクションセット、臨床データの保存に使用される共通データモデル（メンバー、患者、顧客、提供者データスキーマ）がありますが、ヘルスケアAIソリューション・ベンダーは、内部データと外部データ、データ接続、データスキーマの複数を同時に活用できることを実証する必要があります。明らかに、ヘルスケアAIソリューションの基盤はデータです。したがって、データ集約機能は、ヘルスケアAIプロバイダーの重要な能力でなければなりません。

データの追跡可能性に関する考慮事項について教えてください。

データの追跡可能性は、ヘルスケアAIにおけるより大きな課題の1つです。データのプライバシー、使用、交換に関する問題です。たとえば、臨床データや個人健康情報（PHI）はどこに行き、どのように使用されるのでしょうか。これらの問題は、ヘルスケアデータのセキュリティとプライバシーの規制および法的側面に関連しています。これらの問題は、信頼できるAIと倫理的なAIのサブセットです。倫理的なAIには、データの使用、プライバシー、規制、法的側面などを考慮する必要があります。信頼できるAIには、説明可能性とデータの使用に関する側面が含まれます。

CognitiveScaleについて説明してください。また、あなたが彼らにアドバイスする方法についても教えてください。

CognitiveScaleは、組織が認知AIソリューションを構築、運用化、スケール化し、組織全体でAIの価値を実現し、信頼を管理するのに役立つAIソフトウェアの提供者です。ヘルスケアでは、国最大のペイアーとプロバイダー組織と協力し、COVID-19パンデミックに関連するインテリジェントな介入などの幅広いAIユースケースに取り組んでいます。ヘルスケアの主なサブジェクト・マター・エキスパートとして、私はクライアントとパートナーに、ロードマップの構築や価値の実現と最適化などの戦略的な分野で支援しています。また、製品開発（プラットフォームのヘルスケア特有の機能や能力）や、ヘルスケアAIソリューションの最も価値の高い分野へのフォーカスを持つサブジェクト・リーダーシップにも取り組んでいます。

「ブラックボックス」として機能するAIの最大の問題と、ヘルスケア業界への潜在的な解決策について説明してください。

信頼できる、倫理的なAIは大きな課題であり、信頼は主に「ブラックボックス」問題により低下しています。説明可能性や透明性の欠如、偏り、公平性、精度、頑健性に関する懐疑です。CognitiveScaleのCertiaiソリューションは、この課題に対処し、クライアントにAIトラスト・インデックスとそのコンポーネント（それぞれにスコアと洞察）を提供します。ヘルスケアでは、偏ったモデルや、透明性や説明可能性の欠如により臨床医がモデル出力に懐疑的になる例があります。規制上の要件もあり、プライバシーとデータの使用に関するものや、公平で偏りのない結果を提供するモデルを使用することに関するものがあります。私たちは、テクノロジーとリスク管理の組織と協力して、「ブラックボックス」AIソリューションに透明性を提供し、信頼を高める方法を開発しています。

予測AIを使用してER過負荷を減らす方法について説明してください。

ER回避は、ケアの最適化とパーソナライズされたヘルスケアのサブセットです。適切なケアを適切なタイミングで提供することです。COVID-19の最近の危機は、ケアの最適化の有用な例を示しています。たとえば、高リスク患者に対するケアは、臨床医のアウトリーチ、検査センターへのアクセス、または場合によっては緊急ケアを含むことがあります。患者、メンバー、提供者、支払者はすべて、この危機において適切なケアを適切なタイミングで望んでいます。コミュニティと患者リスクスコアの分析、病院利用の予測、パーソナライズされたガイダンスなどの洞察を提供するAIソリューションが役立ちます。ケアマネジメントソリューションのパフォーマンスは、適切なER回避を含む改善された結果などのパフォーマンスメトリクスに対して評価されます。

インタビューありがとうございます。詳しく知りたい読者は、CognitiveScaleを訪問してください。