Tim Vasil, Hospital IQ의 공동 창립자 및 최고 기술 책임자 – 인터뷰 시리즈

Tim Vasil은 Hospital IQ의 공동 창립자 및 최고 기술 책임자입니다. Hospital IQ는 데이터를 사용하여 빠르고 지속 가능한 운영 개선에 대한 머신 러닝 기반 AI 솔루션을 제공하는 운영 관리 플랫폼입니다.

컴퓨터 과학에 처음 관심을 가지게 된 것은 무엇인가?

아기 책입니다. 대학에서 무엇을 공부할지 결정하지 못한 채로, BabyZone.com에서 파트타임 웹 개발자로 일했습니다. 그 경험은 믿을 수 없을 정도로 좋았습니다! 처음 프로젝트 중 하나는 아기 책을 디지털화하여 소리, 전환 효과, 상호 작용 게스트 북을 추가하는 것이었습니다. 코드를 작성하고 웹 사이트에 업로드하기 위해 버튼을 클릭했을 때, 수천 명의 부모가 친구와 친척과 연결되는 방법을 찾을 수 있었습니다.

그 아기 책 앱은 컴퓨터 과학이 예술, 엔지니어링, 마술을 모두 할 수 있는 분야임을 보여주었습니다. 코드를 한 번 작성하면 모든 곳에서 지속적인 영향을 미칠 수 있었습니다. 와우!

Hospital IQ의 기원 이야기를 들려줄 수 있나요?

공동 창립자 Rich Krueger와 나는 기술이 간과하는 영역을 탐색하기 위해 팀을組었습니다. 병원이 기술이 간과하는 영역 중 하나가 아니라고 생각할 수 있습니다. 하지만 우리는 병원의 운영 측면을 보았습니다. 이는 수술을 언제 예약할지, 환자를 어디로 옮길지, 어떤 검사를 우선적으로 할지, 내일을 위해 어떻게 계획할지 등에 관한 것입니다. 이러한 문제는 특히 어려운 문제이며 전통적인 의료 소프트웨어는 이를 다루지 않습니다.

기회를 탐색하기 위해, 우리는 병원 리더와 현장 직원과 만났습니다. 우리는 매일 영웅적인 일을 보았습니다. 우리는 스케줄러가 끊임없이 전화를 걸고 질문을 받으며 직원을 가장 필요한 위치로 배치하는 것을 보았습니다. 우리는 수술실 관리자가 스티키 노트와 화이트보드를 사용하여 수술실 시간을 분할하는 것을 보았습니다. 우리는 운영 우수성 리더가 대규모 스프레드시트를 사용하여 시뮬레이션을 수행하여 병원 침대 몇 개를 재할당할지 결정하는 것을 보았습니다. 간단히 말해, 우리는 소프트웨어 도구가 부족하여 수동 노력이 많이 필요한 문제를 보았고, 우리는 도와주고 싶었습니다.

많은 스타트업과 마찬가지로, 우리의 제품 개발 여정은 직선적이지 않았습니다. 초기에 우리는 전략적 도구를 개발하여 가장 어려운 문제를 해결하려고 했습니다. 하지만 이러한 도구는 많은 데이터와 수학이 필요했습니다. 자동으로 모델을 조립하여 병원의 내부 작동을 시뮬레이션하고 수술 예약을 변경해야 하는지, 새로운 병동을 건설해야 하는지에 대한 추천을 제공할 수 있었습니다. 그러나 이러한 질문은 큰 질문이지만 빈번하게 묻지 않는 질문이었습니다.

Hospital IQ의 실제 기원은 리치나 나의 영감된 길이 아니며, 우리의 팀이 고객과 함께 실제로 일하면서 우리의 가장 중요한 역할은 병원에서 큰 질문에 대한 답변을 제공하는 것이 아니라, 작은 질문에 대한 답변을 제공하는 것임을 깨달았을 때부터 시작되었습니다. 이러한 질문은 환자와 간호 팀의 경험을 결정합니다.

소프트웨어가 어떻게 의료 시스템이 최고의 운영 성능을 달성하고 유지할 수 있도록 도와주는지 설명해 주세요.

우리의 소프트웨어는 의료 종사자들이 현재 있는 워크플로에서 그들을 만나는 것입니다. 그들에게 심각한 변화를 요구하지 않고, 예를 들어 시뮬레이션을 실행하거나 예측을 해석하거나 직원 스케줄을 처음부터 최적화하는 대신, 우리는 그들이 매일 하는 친숙한 단계를 두 가지 방법으로 수용합니다. 우리는 그것을 디지털화하여 그들이 더 효율적으로 서로와 의사소통할 수 있도록 하며, 예측과 추천을 추가합니다. 이렇게 하면 의료 종사자가 더 효율적으로 일할 수 있으며, 더 효과적으로 일할 수 있습니다. 가장 좋은 것은, 그것이 환자 치료에 더 많은 시간을 보낼 수 있도록 해줍니다.

예를 들어, 직원 스케줄링을 고려해 보십시오. 각 유닛과 각 시프트에 필요한 간호사의 수를 결정하는 것은 어려운 문제입니다. 일부 직원이 병이 났을 수 있습니다. 예상치 못한 수요의 급증이 발생할 수 있습니다. 유닛 간에 “부유”할 수 있는 간호사가 공정하게 할당되어야 합니다. 모든 사람의 기술, 자격, 선호도도 고려해야 합니다. 모든 것을 함께하면, 일반적인 직원 사무실에서 전화가 끊임없이 울리는 것을 알 수 있습니다. 그러나 Hospital IQ와 함께 가동되는 동일한 날, 전화는 조용해집니다. 대부분의 작업은 동일하지만, 모든 정보가 Hospital IQ 플랫폼에 중앙화되어 있으므로, 모든 고려 사항이 스프레드시트, 화이트보드, 포스트잇 노트에서 슬림한 통신 도구, 자동 분석, 직원 균형 조정 제안으로 이동했습니다. 간호 스케줄러는 이전과 같은 작업을 하지만, 이전보다 더 효율적이고, 즐겁게 할 수 있습니다. 이러한 성능을 유지하는 것은 쉽습니다. 도구는 기존 워크플로를 지원하도록 설계되었습니다. 우리는 워크플로를 변경하는 컨설팅 회사와 다릅니다. 우리는 워크플로를 변경한 후 상태 quo로 돌아가는 것을 보지 않습니다.

사용되는 다양한 기계 학습 기술은 무엇인가?

우리의 데이터 과학 팀은 고객의 사용 사례에 대한 훌륭한 결과를 얻기 위해 필요한 모든 방법을 사용합니다. 우리는 수술실 사용량을 이해하기 위해 통계 분석을 사용했습니다. 외과 수술 볼륨을 예측하기 위해 ARIMA 모델을 사용했습니다. Prophet를 사용하여 인구를 예측했습니다. 입원 상태를 분류하기 위해 랜덤 포레스트를 사용했습니다. 재입원 점수를 계산하기 위해 신경망을 사용했습니다. 그리고 훨씬 더 많은 것을 사용했습니다. 우리의 데이터 과학 팀은 최신 연구, 데이터 소스, 도구에 대한 지식을 유지하기 위해 정기적으로 “저널 클럽” 회의를 개최하며, 또한 자체적으로 혁신을 진행합니다. 이렇게 넓은 분야에서, 탐색하고 Hospital IQ 플랫폼에 통합할 수 있는 많은 매력적인 사용 사례와 데이터 세트가 있습니다.

우리가 직면한 특별한 도전 중 하나는 각 병원 고객의 고유성을 처리하는 것입니다. 그들은 다른 인구 통계를 서비스합니다. 그들은 다른 전문 분야를 가지고 있습니다. 각 병원의 임상 및 운영 데이터는 서로 다른 소프트웨어로 구성되어 있으며, 각기 다른 단점이 있습니다. 모든 고객에 대한 포괄적인 모델을 구축하거나 단일 의료 시스템 내의 모든 캠퍼스에 대한 모델을 구축하는 것은 잘 맞지 않을 것입니다. 그러나 수동으로 맞춤형 솔루션을 구축하는 것은 확장 가능하지도 않고, 강력하지도 않습니다. 대신, 우리는 각 고객의 데이터의 고유한 특성을 이해하고, 일반화 가능한 모델을 개발하며, 개별 캠퍼스에 대한 모델 구축, 지속적인 교육, 정확도 측정 및 모니터링을 자동화하는 도구를 구축했습니다.

COVID-19 지역 예측 대시보드는 76,000명 이상의 사용자와 수백 개의 병원을 보유하고 있습니다. 이 도구는 정확히 무엇입니까?

우리가 COVID-19 지역 예측 대시보드를 처음 구축했을 때, 우리는 미국이 사용 가능한 병원 침대가 부족할 수 있다고 우려했습니다. 우리는 고객뿐만 아니라 모든 병원에 대한 초기 경고 시스템을 제공하고 싶었습니다. 이를 위해 우리는 데이터 세트를 찾았습니다. 예를 들어, 주당 의사인원 수, 연령별 COVID-19의 전염 및 사망률 등입니다. 우리는 또한县별로 바이러스의 궤적을 예측하기 위해 SEIR 모델을 구축했습니다. 우리는 가능한 한 많은 컨텍스트를 제공하려고 했습니다. 예를 들어, ICU 및 일반 병동의 수용能力이 언제 наруш될지, 얼마나 많은 사람이 회복할지, 얼마나 많은 사람이 죽을지 등입니다. 우리의 목표는 다양한 신뢰할 수 있는 데이터 소스에서县별로 완전한 관점을 조립하는 것이었습니다.

병원은 우리의 대시보드를 사용하여 중요한 결정에 대한 도구로 사용했습니다. 예를 들어, 급성 환자 수용을 위한 서지 유닛을 언제 열어야 하는지 또는 예정된 수술을 언제 줄여야 하는지 결정했습니다. 흥미롭게도, 개인은 또한 도구에서 사용하고 안심했습니다. 이는 매우 무서운 전염병에 대한 약간의 명확성을 제공했습니다.

Hospital IQ의 데이터 과학자와 엔지니어는 종종 해커톤에 참여합니다. 해커톤에서 어떤 interessant한 아이디어나 프로젝트가 나왔나요?

매월, 우리는 데이터 과학 및 엔지니어링 팀의 구성원에게 전문 개발을 위해 하루를 보낼 것을 권장합니다. 이는 새로운 기술을 배우거나 산업 컨퍼런스에 참석하는 등 전문 개발을 위한 활동을 진행할 수 있습니다.

이와 함께, 여러 엔지니어와 데이터 과학자는 Hospital IQ의 해커톤에 참여하기 위해 전문 개발일을 선택했습니다. 해커톤에는 참가자가 한 날에 어려운 아이디어를 실제 작동하는 소프트웨어로 변환해야 합니다. 최근 해커톤인 2020년 10월, 참가자들은 세 팀을 구성하고 회사 전체에서 아이디어를 크라우드소싱했습니다. 주제는 제한되지 않았습니다. 회사 플랫폼이나 의료 분야와 관련이 없는 아이디어도 괜찮았습니다. 하지만 세 팀 모두 실제로 구현 중인 아이디어를 선택했습니다.

첫 번째 팀인 Team Cara는 병원 재입원에 초점을 맞추고 재입원 위험이 높은 환자를 예측할 수 있는 솔루션을 구축하려고 했습니다. 병원 재입원은 의료 시스템에 매년 수십억 달러의 비용을 초래합니다. 이러한 예측 및 예방 솔루션은 방출 간호사와 간호 팀에게 추가적인 통찰력을 제공하여 재입원 위험을 줄이고 비용을 절감하며 각 환자가 병원에 가지 않도록 필요한 것을 알 수 있도록 해줄 것입니다. Team Cara는 Hospital IQ의 운영 관리 플랫폼에서 데이터를 사용하고, 이전에 데이터 과학 팀이 개발한 환자별 머신 러닝 프레임워크를 사용하여 예측 모델을 구축했습니다. 각 환자에게 재입원 가능성을 나타내는 점수를 할당했습니다. 초기 결과는 모델의 높은 정확도를 보여주었습니다.

두 번째 팀인 Team Burt Reynolds는 지역 감시 솔루션을 구축하여 지도에 데이터를 시각화했습니다. 팀은 Hospital IQ의 기존 플랫폼 피벗 테이블 인프라에 지도 통합을 제공하고자 했습니다. leaflet.js 라이브러리를 사용하여 관심 메트릭을 위도와 경도 좌표로 배치했습니다. 증명 개념으로, 팀은 병원 전송 센터 데이터를 사용하여 입원원천과 볼륨을 강조했습니다. 결과는 이전과는 다른 전송 사례를 보여주었으며, 어느 지리적 지역에서 가장 많은 환자가 유래하는지, 그리고 성장 기회를 보여주었습니다.

세 번째 팀인 Team Raptor Strikeforce는 Hospital IQ의 운영 관리 플랫폼이 제공하는 투자 대비 수익률(ROI)을 보여주는 솔루션을 개발하려고 했습니다. 팀은 재무 모델에 다양한 입력을 사용자 지정할 수 있는 인터페이스를 구축하고, 평균 선택적 절차당 평균 마진과 같은 입력을 사용하여 시간이 지남에 따라 병원의 재정 건강을 추적했습니다. 이러한 시각화는 Hospital IQ 플랫폼에 투자하여 운영 효율성과 함께 얼마나 큰 영향을 미치는지에 대한 강력한 이야기를 전달했습니다.

해커톤에서 개발된 세 가지 솔루션은 고객에게 더 큰 가치를 제공할 수 있음을 보여주었습니다. 따라서 Hospital IQ는 세 가지 솔루션을 기존 플랫폼에 통합했으며, 현재 병원에서 사용 중입니다.

Hospital IQ에 대해 더 공유하고 싶은 것이 있나요?

Hospital IQ의 큰, 대담한 목표는 모든 의료 종사자의 효율성과 행복을 향상시키는 것입니다. 우리는 지금까지 의료에 미친 영향을 자랑스럽게 생각합니다. 하지만 우리의 여정은 이제 시작된 것입니다. 어떤 자비로운, 임무 주도적인 데이터 과학자나 엔지니어가 의료 효율성을 개선하는 세계에서 가장 어려운 도전 중 하나를 해결하고 싶다면, 우리와 함께 합류하기를 바랍니다!

이번 인터뷰에 감사드립니다. 더 많은 정보를 배우고 싶은 독자는 Hospital IQ를 방문하십시오.