제프리 아이스톤, 코그니티브스케일의 헬스케어 AI 고문 – 인터뷰 시리즈

제프리 아이스톤은 코그니티브스케일의 헬스케어 AI 고문입니다. 이 역할에서 제프는 헬스케어 조직(주로 제공자/헬스케어 시스템, 지불자 및 기술 벤더)과 함께 그들의 AI 여정에 대해 작업합니다. 즉, AI 역량과 우수성을 개발하는 방법에 대한 전략적 통찰에서부터 더 전술적인 AI 로드맵 개발 및 AI 솔루션의 제공까지입니다.

헬스케어 산업에서 AI가 इतन 중요하다고 생각하는 이유를 논의해 주시겠습니까?

복잡하고 다양한 분산된 데이터는 헬스케어의 기본적인 임상, 행정 및 재정 프로세스를 구성합니다. 따라서 AI는 헬스케어 정보 기술 가치 사슬 전체에 걸쳐 핵심 능력입니다. 임상 의사와 연구자와 같은 지식 노동자들은 특히 “증강 지능”이라는 AI의 하위 집합에서 상당한 개선을 실현하고 있습니다.

헬스케어에서 AI는巨大한 주제이며 데이터 수집에서洞察을 도출하고 프로세스를 개선하거나 자동화하고 더 나은 환자 참여 및 개인화된 치료 제공에 이르기까지 많은 가치 있는 사용 사례가 있습니다. 임상 결과는 개선되고 효율성이 비용 절감을 주도하며 작업 중인 더 많은 사용 사례가 가치를 창출할 것입니다. 현재의 글로벌 팬데믹은 많은 더 헬스케어 AI 사용 사례를 강조하고 있습니다. 즉, 지능형 개입과 함께 커뮤니티 및 개인 위험 점수와洞察을 결합하여 헬스케어 시스템을 전 세계적으로 개선할 것입니다.

헬스케어 환경에서 증강 지능을 정의해 주시겠습니까?

코그니티브스케일은 주로 증강 지능에 초점을 맞추고 있습니다. 일부 AI 기술은 로봇 프로세스 자동화(RPA) 또는 챗봇과 같이 사람을 대체하려고 합니다. 우리는 헬스케어 조직과 직원이 더智能하고 효율적으로 일할 수 있도록 도와주는 AI 솔루션에 초점을 맞추고 있습니다. 우리는 또한 인지 솔루션, 즉 더 발전된 AI의 하위 집합에 초점을 맞추고 있습니다. 이는 학습 또는 피드백 루프가 있으며 종종 “루프 안의 인간”이 모델을 학습시키기 위한 피드백을 제공할 수 있습니다. 헬스케어에서 증강 지능의 여러 예가 있으며 인상적인 결과를 시작하고 있습니다. 예를 들어, 방사선학과 병리학에서 임상 의사는 기계 학습 모델을 사용하여 이미지와 진단을 더 잘 읽을 수 있으며 더 빠른 발견 또는 더 정확한 진단과 실험실 결과를 가능하게 합니다.

스타트업과 대규모 조직 모두에서 다양한 AI 전략을 구현한 경험에서 가장 흔한 실수는 무엇입니까?

인지 AI 솔루션과 마찬가지로 우리의 이해도 시간이 지남에 따라 성숙하고 있습니다. 데이터에 접근하고 데이터를 준비한 다음 모델을 훈련시키는 데 걸리는 시간은 일반적으로 예상보다 더 오래 걸립니다. 다른 실수는 AI 솔루션의 운영 및 확장과 관련이 있습니다. 즉, 좋은 모델이 쉽게 배포되고 관리될 수 있다는 가정입니다. 그러나 헬스케어 AI와 관련된 가장 큰 도전은 신뢰입니다. 즉, 모델이 신뢰할 수 있는지, 편향되지 않았는지, 공정하고 설명 가능하며 정확한지에 대한 것입니다. 많은 헤드라인에서 AI 솔루션이 편향되어 규제자의 주목을 받거나 블랙박스 솔루션으로 제공자들의 지성을 증강해야 하는데 회의를 받을 수 있습니다. 이것이 최근에 보는 헬스케어 AI와 관련된 가장 큰 도전입니다.

유전체 프로파일링에 대한您的 견해는 무엇입니까?

유전체 프로파일링은 개인에 대한 개인화된洞察을 제공하기 위한 기술의 하위 집합입니다. 즉, 일반적으로 그들의 헬스케어(가족 관계 또는 범죄 수사와 같은 경우가 아니라)를 위해입니다. 개인화는 헬스케어 AI 사용 사례의 주요 주제입니다. 즉, 환자를 더 잘 참여시키거나 제공자의 지성을 더 개인화된洞察과 함께 증강하는 방법입니다. 유전체 프로파일링이 더 개인화된洞察을 제공할 수 있다면 중요할 것입니다. 그리고 데이터와その 사용이 신뢰할 수 있다면(편향되지 않으며, 공정하고, 설명 가능하며, 정확한 경우) 개인화된 의료의 중요한 구성 요소이자 유전 정보를 활용하는 초 개인화된 AI 솔루션의 기초가 될 것입니다.

헬스케어를 개인화하는 것이 미래의 물결인 것 같습니다. 가장 긍정적인 영향을 미치는 방식은 무엇입니까?

코그니티브스케일에서 우리는 개인화된 예측 및 처방 헬스케어 솔루션을 제공하고 있습니다. 예를 들어, 케어 매니저를 위한 지능형 개입(임상 사용 사례)과 서비스 문의를 예측하는 것(행정/운영 사용 사례)과 같은 솔루션을 제공하고 있습니다. 지능형 개입 솔루션은 케어 매니저가 환자를 케어 프로그램을 통해 관리할 때 지능형 추론, 예측 및 위험 점수를 제공합니다. 우리는 또한 공중 보건 당국, 제공자 및 헬스케어 계획과 같은 조직이 시민/환자/회원을 COVID-19 위기를 통해 관리하도록 지원하기 위해 이러한 기능을 활용하고 있습니다. 서비스 문의를 예측함으로써 우리는 헬스케어 조직이 회원 또는 제공자가 청구, 혜택 등에 대해 문의할 때 정확한 이유와 더 효율적으로 해결하는 방법을 알 수 있도록 지원하여 비용 절감과 만족도 및 유지에 영향을 미칩니다. 개인화된 솔루션에 중점을 둔 헬스케어 AI 사용 사례가 많습니다. 이 주제만으로도 책을 쓸 수 있습니다.

EMR, ERP, 환자 데이터, 외부 데이터 소스 등 다양한 소스에서 데이터를 집계하여 하나의 일관된 데이터 시스템으로 만드는 도전은 무엇입니까?

헬스케어 정보 기술(HCIT)은 거의 항상 분산된 시스템의 생태계입니다. 개인 헬스 레코드(PHR)와 같은 공통 예가 있습니다. 즉, 환자의 의료 기록의 완전한 데이터 세트입니다. 큰 헬스케어 시스템이 하나의 동질적인 병원 정보 시스템에 있을 때에도 그들의 환자는 다른 치료 제공자가 있을 수 있으며, 보험이 다른 데이터 소스가 될 수 있으며, 그들의 실험실 및 약국 데이터는 여러 클리닉과 회사에 걸쳐 있을 수 있습니다. 헬스케어 데이터 교환을 위한 표준 트랜잭션 세트와 임상 데이터를 저장하기 위한 공통 데이터 모델(및 회원, 환자, 고객 및 제공자 데이터 스키마)이 있지만, 헬스케어 AI 솔루션 제공자는 내부 및 외부 데이터, 데이터 연결 및 데이터 스키마를 동시에 활용하는 방법을 보여주어야 합니다. 데이터 집계 기능은 모든 헬스케어 AI 제공자의 핵심 역량이어야 합니다.

데이터 추적성과 관련된 고려 사항은 무엇입니까?

데이터 추적성은 헬스케어 AI와 관련된 더 큰 문제 중 일부입니다. 즉, 데이터 개인 정보, 데이터 사용 및 데이터 교환과 관련이 있습니다. 예를 들어, 임상 데이터 또는 개인 헬스 정보(PHI)가 어디로 가고 어떻게 사용되는지에 대한 문제입니다. 이러한 문제는 헬스케어 데이터 보안 및 개인 정보 보호의 규제 및 법적 측면과 관련이 있습니다. 이러한 문제는 윤리적이고 신뢰할 수 있는 AI의 하위 집합입니다. 즉, 데이터 사용, 개인 정보, 규제 및 법적 측면 등을 고려해야 합니다.

코그니티브스케일의 고문으로서 코그니티브스케일이 무엇을 하는지 그리고 어떻게 고문하는지 설명해 주시겠습니까?

코그니티브스케일은 조직이 인지 AI 솔루션을 구축하고 운영하고 확장하며 가치를 실현하고 신뢰를 관리하는 데 도움을 주는 AI 소프트웨어 제공업체입니다. 헬스케어에서 우리는 국가에서 가장 큰 지불자 및 제공자 조직과 함께 작업하며, 최근에는 COVID-19 팬데믹과 관련된 지능형 개입과 같은 다양한 AI 사용 사례에 대해 작업하고 있습니다. 즉, 이러한 솔루션이 케어 관리, 서비스 경험 및 더 나아가 향상될 것입니다. 저는 클라이언트와 파트너를 더 전략적으로 지원하는 역할을 맡고 있으며, 예를 들어 강력한 AI 로드맵을 구축하고 가치 실현 및 최적화를 지원합니다. 저는 또한 제품 개발(예: 플랫폼의 헬스케어 특정 기능 및 능력)과 최고 가치 헬스케어 AI 솔루션에 중점을 둔 사고 지도력에 참여하고 있습니다.

AI가 때때로 블랙박스로 작동하는 문제와 헬스케어 산업에서의 잠재적 해결책을 정의해 주시겠습니까?

신뢰할 수 있는 윤리적 AI는巨大한 도전입니다. 즉, 설명 가능성 또는 가시성의 부족과 편향, 공정성, 정확성 및 강건성과 관련된 회의입니다. 코그니티브스케일의 Certiai 솔루션은 이 도전을 해결하고 클라이언트가 AI 신뢰 지수를 갖도록 지원합니다. 즉, 편향, 공정성, 설명 가능성, 강건성 및 정확성과 같은 구성 요소 각각에 대한 점수와洞察을 제공합니다. 헬스케어에서는 편향된 모델이나 설명 가능성의 부족으로 인한 임상 의사의 회의가 있었습니다. 또한 데이터 사용과 모델이 공정하거나 편향되지 않은 결과를 제공하는 규제 요구 사항이 있었습니다. 우리는 기술 및 위험 관리 조직과 함께 블랙박스 AI 솔루션에 대한 가시성과 신뢰를 제공하는 신뢰할 수 있는 방법을 개발하기 위해 협력하고 있습니다.

예측 AI를 통해 응급실 과포화 줄이는 방법은 무엇입니까?

응급실 회피는 케어 최적화와 개인화된 헬스케어의 하위 집합입니다. 즉, 적절한 케어를 적절한 시기에 제공하는 것입니다. 최근의 COVID-19 위기가 유용한 예입니다. 즉, 케어 최적화가 필요합니다. 예를 들어, 높은 위험 환자에게는 임상 의사의 아웃리치, 테스트 센터에 대한 접근 또는 경우에 따라 응급 치료가 필요할 수 있습니다. 환자, 회원, 제공자 및 지불자는 모두 이 위기에서 적절한 케어를 원합니다. AI 솔루션은 커뮤니티 및 환자 위험 점수, 확산 분석, 병원 이용 예측 및 특정 개인을 위한 개인화된 지침과 같은洞察을 제공하여 도움을 주고 있습니다. 우리는 케어 관리 솔루션의 성능을 평가할 때 적절한 케어를 제공하는 데 필요한 성과 지표를 고려합니다. 즉, 응급실 회피와 같은 개선된 결과를 포함하여 적절한 경우에 케어를 제공하는 것입니다.

인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 코그니티브스케일을 방문할 수 있습니다.