Daniel Cane, Co-CEO en Co-Founder van ModMed – Interview Serie

Daniel Cane is co-CEO en cofounder van het in Zuid-Florida gevestigde ModMed^®, een healthcare IT-bedrijf dat de zorg transformeert door middel van specialiteitsspecifieke, intelligente platforms om de efficiëntie van de praktijk te verhogen en de resultaten voor patiënten te verbeteren.

Opgericht in februari 2010, is ModMed uitgegroeid tot meer dan 1.200 medewerkers en heeft meer dan $332 miljoen aan totale investeringen ontvangen. Het bedrijf staat bekend om zijn progressieve groei als medische technologiebedrijf en wordt vaak zowel nationaal als regionaal erkend voor zijn prestaties onder het leiderschap van Daniel. In 2020 werd het bedrijf door Inc. magazine uitgeroepen tot een van de beste werkplekken in het land. Tussen 2016 en 2018 stond het bedrijf op de Deloitte Technology Fast 500^™-lijst als een van de snelst groeiende bedrijven in Noord-Amerika. Sinds 2015 wordt het bedrijf jaarlijks opgenomen in de exclusieve Inc. 5000-lijst, een prestigieuze compilatie van de snelst groeiende particuliere bedrijven in het land.

Kunt u enkele inzichten delen over uw achtergrond en hoe deze uw werk bij ModMed heeft beïnvloed?

Mijn reis naar de technologie begon tijdens mijn undergraduate-jaren aan Cornell, toen ik Blackboard mede-oprichtte. We transformeerden het onderwijs door college-aantekeningen te digitaliseren en een platform te creëren dat studenten en docenten ongekende flexibiliteit en interactie bood. Voor mij culmineerde het succes van Blackboard in 2004 met de beursgang, en hoewel onze oplossingen baanbrekend waren in edTech, kon ik niet helpen maar uit te kijken naar nieuwe uitdagingen.

Een van die uitdagingen deed zich voor toen ik voor een routine-controle bij mijn dermatoloog ging. We hadden een geweldig gesprek over de problemen van het gebruik van verouderde papieren systemen en manieren om ze te verhelpen. Toen ik besefte dat er een brug was tussen zijn medische expertise en mijn technische kennis, besloten we om samen te werken en ModMed op te richten, samen met onze eerste elektronische gezondheidsdossier (EHR)-platform.

Op dat moment bestonden er al enkele EHR’s, maar helaas werden ze vaak genoemd als een van de belangrijkste oorzaken van artsvermoeidheid. We namen een andere aanpak en ontwierpen onze EHR om de gebruikerservaring aan te passen aan de specifieke workflows van een medische specialiteit. Ons vlaggenschip cloud-gebaseerde EHR, EMA, is en blijft ontworpen door artsen, voor artsen, wat ons onderscheidt en onze geheime saus op de markt definieert. In de loop der jaren hebben we onze productaanbod uitgebreid met een volledig pakket aan oplossingen die medische zorgverleners helpen om hun praktijkoperaties te vereenvoudigen en de zorgverlening te versnellen.

Hoe ziet u de strijd voor effectieve AI in de zorg zich ontwikkelen met data?

We zien een toename in de adoptie van AI-technologie binnen praktijken om workflows te stroomlijnen en de efficiëntie te maximaliseren. Naarmate we een tijdperk ingaan waarin we AI gebruiken voor meer geavanceerde taken – zoals het voorstellen van behandeling of andere klinische ondersteuningsaanbevelingen – is het van cruciaal belang om de juiste data en AI-trainingsstrategie te hebben. AI heeft de mogelijkheid om de ervaring voor patiënten en zorgverleners aanzienlijk te verbeteren en systemische veranderingen te creëren die de zorg echt zullen verbeteren, maar het maken van deze realiteit zal afhankelijk zijn van grote hoeveelheden hoge kwaliteit data die worden gebruikt om de modellen te trainen.

Waarom is data zo kritisch voor AI-ontwikkeling in de zorg?

Data is de levensader van AI, en slechte datakwaliteit zal de prestaties van een AI beïnvloeden, waardoor suboptimale resultaten ontstaan. Dit kan verstrekkende gevolgen hebben in een zorginstelling, omdat het leven van patiënten op het spel staat. Maar een waarschijnlijker scenario is dat deze negatieve ervaringen zowel bij patiënten als zorgverleners het vertrouwen in AI kunnen ondermijnen, waardoor de vooruitgang en het positieve effect van deze revolutionaire technologie op de zorg worden vertraagd.

Als voorbeeld zijn in de spreekkamer AI-geactiveerde ambient luisterhulpmiddelen ontworpen om inhoud voor klinische notities voor de zorgverlener te suggereren voor controle en goedkeuring. Ideaal gezien zou dit de tijd die een zorgverlener besteedt aan het documenteren in het EHR moeten verminderen en meer kwaliteitstijd met de patiënt mogelijk moeten maken. Echter, slechte datasourcing en slecht getrainde AI-hulpmiddelen kunnen het tegenovergestelde effect hebben, waardoor zorgverleners meer tijd besteden aan het corrigeren van fouten en het herschrijven van notities.

Bovendien is bias een aanzienlijk risico dat verbonden is aan AI-algoritmes, en kan kwaliteitsdata een sleutelrol spelen bij het mitigeren van gezondheidsverschillen. AI-modellen kunnen patronen leren die effectief zijn voor één patiëntpopulatie in vergelijking met andere populaties, waaronder wettelijk beschermde groepen. Door de data-inputs te controleren en te trainen op robuuste en representatieve data, kunnen AI-uitvoer meer inclusief en nauwkeurig zijn.

Kunt u meer vertellen over de soorten data die ModMed gebruikt om zijn AI-modellen te trainen en hoe deze data wordt verzameld en beheerd?

Bij ModMed gebruiken we uitgebreide specialiteitsspecifieke data om onze AI-modellen met precisie te trainen. In de afgelopen 14 jaar hebben we specialiteitsspecifieke, geanonimiseerde gestructureerde datasets gecreëerd die in overeenstemming zijn met de privacywetgeving en zijn we nu deze interne data aan het gebruiken om onze AI-modellen te trainen. Als voorbeeld is onze ambient luisterhulp ModMed Scribe getraind voor dermatologie, onze eerste specialiteit, op miljoenen gestructureerde parameters van geanonimiseerde patiëntrecords die zijn bemonsterd uit een verzameling van 500 miljoen patiëntcontacten.

Hoe definieert ModMed “ethische AI” in de context van de zorg?

Het potentieel van AI om biases te hebben of onnauwkeurige informatie te verstrekken in de vorm van “hallucinaties” of weglatingen kan het leven van patiënten beïnvloeden. Daarom is ethische AI in de zorg gaan om een hoge standaard voor nauwkeurigheid en precisie te stellen. Het houdt in dat algoritmes zorgvuldig en verantwoordelijk worden ontwikkeld en dat hoge kwaliteit en diverse data worden gebruikt om meer nauwkeurige voorspellingen voor elke gebruiker te ermöglichen.

Ethische AI is ook over het ervoor zorgen dat mensen in de vergelijking blijven. Een AI moet de arts niet “overtreffen” maar in plaats daarvan de administratieve last die artsen en hun personeel ervaren, verminderen, zodat ze meer tijd kunnen besteden aan het helpen van patiënten.

Welke maatregelen zijn er bij ModMed genomen om AI-technologieën op een ethische manier te ontwikkelen en in te zetten?

Onze gestructureerde data-aanpak – het verzamelen van hoge kwaliteit, representatieve trainingsdatasets – helpt ons om verantwoorde AI tot werkelijkheid te maken. Relevante en geanonimiseerde data verzameld uit onze EHR-systemen van een grote verscheidenheid aan praktijken, biedt ons een diverse verzameling trainingsdata die verschillende patiëntpopulaties weerspiegelt.

Bovendien omarmt ons ontwikkelteam data-schoonmaak om het verzamelen en gebruiken van hoge kwaliteit data te faciliteren. Dit proces stelt ons in staat om inconsistenties, fouten en ontbrekende waarden in de dataset te identificeren, te corrigeren en te verwijderen. Door deze regelmatige onderhoud kunnen we de AI consistent updaten op basis van prestatiegegevens, met name klinische gegevens, waar patiëntresultaten kunnen worden beïnvloed.

Kunt u de belangrijkheid van transparantie en verantwoordelijkheid in AI-ontwikkeling, vooral in de zorg, bespreken?

Transparantie maakt verantwoordelijkheid mogelijk, wat het zo’n cruciale ondersteuning maakt voor elke AI-oplossing in de zorg. De topprioriteiten van artsen zijn patiëntenzorg en -veiligheid, dus het is geen verrassing dat 80% van artsen de kenmerken en functies van het ontwerp, de ontwikkeling en de inzet van AI-hulpmiddelen willen weten.

Bovendien is niet alle data gelijk. Het is belangrijk om te weten waar en hoe data wordt opgeslagen en verzameld en hoe vaak deze wordt bijgewerkt. We zijn gelukkig dat ModMed sinds zijn oprichting is toegewijd aan een datastrategie die transparantie en nauwkeurigheid prioriteert. We hebben een grondige kennis van de bronnen en kwaliteit van onze data en zijn vertrouwd dat onze AI-integraties aanzienlijke waarde zullen bieden aan onze klanten.

Hoe wordt AI geïntegreerd in ModMed’s specialiteitsspecifieke EHR-systemen zoals EMA en gGastro?

Over ons hele portfolio heen hebben we machine learning al enige tijd gebruikt en onze investering in geavanceerde en generatieve AI versterkt om de zorg te vereenvoudigen en de kwaliteit van de zorg te versnellen. We zijn een complete AI-geactiveerde praktijkervaring aan het opbouwen die begint voordat een patiënt de deur binnenkomt, door de spreekkamer heen, tot aan de facturering.

In de klinische setting zijn we in de laatste fase van ons AI-ambient luisterpilotprogramma voor EMA, wat we geloven een game-changer zal zijn voor zijn downstream-functionaliteit en voorgestelde gestructureerde inhoud. Onze AI-geactiveerde documentatieoplossing is ontworpen om het zorgproces te stroomlijnen, verdergaand dan alleen transcriptie of het opstellen van een SOAP-notitie. Met behulp van uitgebreide gestructureerde data trainen we onze AI-modellen om essentiële informatie uit arts-patiëntgesprekken te verzamelen en, samen met onze EHR, om relevante inhoud voor bezoeknotities te suggereren, waaronder ICD-10-codes, chirurgiecodes en recepten. Dit bespaart artsen waardevolle tijd en stelt hen in staat om meer kwaliteitstijd met hun patiënten door te brengen.

Wat zijn de specifieke voordelen van specialiteitsspecifieke AI-oplossingen voor zorgverleners en patiënten?

Geen twee medische specialiteiten zijn hetzelfde. Ze verschillen sterk in de patiënten die ze zien, de aandoeningen die ze behandelen en de medische codes die ze voor vergoedingen gebruiken. AI-oplossingen moeten worden aangepast om deze variaties te accommoderen om op enige wijze effectief te zijn.

Als voorbeeld zijn ModMed’s EHR’s en AI-ambient luisterhulpmiddelen specifiek ontworpen voor elke medische specialiteit, waardoor ze zeer relevante en precieze ondersteuning bieden aan klinici. Elk specialiteitsdocumentatieproces vereist andere componenten binnen de gestructureerde datanotitie, waaronder unieke medische codes en terminologie. Deze specialisatie stelt de AI in staat om de unieke behoeften en workflows van verschillende specialiteitspraktijken beter te begrijpen en te anticiperen, wat naar onze mening zal resulteren in een meer efficiënte implementatie, snellere adoptie en grotere overall effectiviteit in het verbeteren van de operationele efficiëntie.

Waar ziet u de meeste kansen voor AI in de zorg in de komende vijf tot tien jaar?

In de toekomst zal AI ongetwijfeld doordringen in bijna elk aspect van de zorg op manieren die we ons niet kunnen voorstellen. Al wordt AI nu ingezet voor administratieve taken, en in de nabije toekomst zal deze trend waarschijnlijk toenemen naarmate de waarde van AI meer evident wordt.

Ik zie ook een toekomst waarin AI naadloos geïntegreerd is in arts-patiëntinteracties, waar het ‘gebruikersinterface’ of UI vrijwel onzichtbaar is. In plaats van de huidige schermgebaseerde interacties, kan AI een mengeling van realiteit en augmented reality bieden. Deze toekomstige AI kan potentieel gezondheidsdossiers analyseren om kritische inzichten te identificeren, waardoor het risico voor verschillende ziektes bij patiënten kan worden voorspeld. De enorme hoeveelheid data in medische dossiers biedt een kans voor AI om toekomstige zorgbehoeften te anticiperen en preventieve behandelplannen te helpen maken.

Deze ervaring kan zich uitstrekken tot voorbij de praktijksetting en een integraal onderdeel worden van het dagelijks leven van een patiënt. AI-geactiveerde wearables kunnen persoonlijke ondersteuning bieden, vragen beantwoorden en afspraken plannen, onder andere. AI kan ook vitale tekenen op afstand bewaken, waarschuwingen geven aan zorgverleners over potentiële gezondheidsproblemen. Persoonlijke behandelplannen, aangepast aan individuele patiënten op basis van data en voorkeuren, kunnen de norm worden.

Dit is echt een spannende tijd voor de zorg. De komende vijf tot tien jaar zijn rijk aan kansen om de industrie verder te transformeren en de patiëntenervaring te verbeteren.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen ModMed bezoeken.