Sean Shoffstall, Hoofd AI, Innovatie en Data bij PaceMate – Interviewreeks

Sean Shoffstall, Hoofd AI, Innovatie en Data bij PaceMate, is een technologie- en productexecutive met meer dan 20 jaar ervaring in het bouwen van innovatieve SaaS-oplossingen en het integreren van AI-technologieën die meetbare bedrijfsresultaten opleveren en aansluiten bij strategische bedrijfsdoelstellingen.

Sean specialiseert zich in het normaliseren van kunstmatige intelligentie, gezondheidstechnologie en datagedreven platforms voor teams en klanten, waardoor de productiviteit en efficiëntie in klinische workflows worden verbeterd. Zijn eerdere werk bij het pionieren van AI-integratie in gezondheidsbeheersystemen leverde aanzienlijke efficiencyverbeteringen op en verbeterde patiëntresultaten door intuïtief ontwerp en datagedreven inzichten.
Als thought leader en publiekspreker over AI voor executives, brugt Sean de kloof tussen technische mogelijkheden en strategische bedrijfsimplementatie, met een focus op productbeheer en ontwikkeling die reële klinische behoeften dient. Hij bouwt teams die innovatieve oplossingen leveren die echte gezondheidsuitdagingen aanpakken, in plaats van alleen technologische trends na te jagen, waardoor de uitlijning met operationele excellentie en verbeterde patiëntresultaten wordt gewaarborgd.

PaceMate is een gezondheidstechnologiebedrijf dat PaceMateLIVE aanbiedt, een cloudgebaseerd platform voor remote cardiac monitoring en databeheer. Het systeem integreert gegevens van implanteerbare cardiale apparaten, ambulante monitoren en consumenten-ECG’s, met behulp van geautomatiseerde prioritering om clinici te helpen zich te concentreren op de meest kritieke waarschuwingen. Het ondersteunt interoperabiliteit met grote elektronische gezondheidsrecordsystemen zoals Epic, Cerner en athenahealth, waardoor klinische workflows worden gestroomlijnd, operationele efficiëntie wordt verbeterd en de continuïteit van patiëntenzorg in cardiale praktijken wordt verbeterd.

U heeft meer dan 20 jaar AI-gedreven gezondheidsoplossingen gebouwd, waaronder het eerste HIPAA-complianterende AI-audiogramtool bij Auditdata en nu het cardiale intelligentieplatform bij PaceMate. Wat inspireerde uw overgang naar het gebruik van AI om klinische gegevens om te zetten in actiegerichte inzichten?

Ik ben altijd gedreven door gegevens. In mijn vroege carrière in digitale marketing was het motto van mijn agentschap “Kwantificeerbare creativiteit” – het idee dat je emotie en creativiteit kunt aandrijven door wat je leert van gegevens. Toen ik de overstap maakte naar de gezondheidszorg, zag ik een hele nieuwe manier om gegevens te gebruiken. In plaats van alleen te rapporteren wat er al was gebeurd met een patiënt, begon ik me af te vragen: kunnen we gegevens gebruiken om trends te zien? Kunnen we voorspellen wat er daarna kan gebeuren?

Toen kwam AI op en breidde die mogelijkheden uit. Ik geloof echt dat als we AI op een slimme, Human-in-the-Middle-manier kunnen gebruiken, we de gezondheidszorg kunnen transformeren. Het kan artsen meer tijd met patiënten geven, terwijl de saaie taken rondom gegevens door AI worden afgehandeld. We zijn daar nog niet, maar de basis wordt gelegd om daar te komen.

PaceMate beheert een van de grootste en meest robuuste cardiovasculaire datasets ter wereld. Hoe wordt deze data omgezet in voorspellende algoritmes die zowel patiëntresultaten als klinische efficiëntie verbeteren?

Gegevens zijn de sleutel. Om het meeste uit AI en Machine Learning te halen, komt het allemaal neer op de trainingsset die je hebt. PaceMate is een industrieleider, niet alleen vanwege onze gegevens, maar omdat ons team decennialange klinische expertise heeft om deze te interpreteren en valideren. Wanneer je de trainingsgegevens combineert met die expertise, begin je te zien hoe het besparen van een minuut hier en twee minuten daar kan leiden tot enorme efficiencywinsten.

Vervolgens, wanneer je de mogelijkheid toevoegt om trends in patiëntgegevens over de levensduur van een apparaat te identificeren, geeft u artsen de inzichten die ze nodig hebben om de beste beslissingen voor hun patiënten te nemen – ondersteund door de meest complete gegevens mogelijk.

Regelgevingskaders zoals HIPAA en FDA-goedkeuringen vertragen vaak de adoptie van AI in de gezondheidszorg. Welke praktische stappen kunnen organisaties nemen om verantwoordelijk te innoveren binnen deze beperkingen?

Bij PaceMate geloven we sterk in de Human-in-the-Middle-filosofie rond AI. We laden geen beslissingen over aan AI, wat precies is waarom de FDA serieus toezicht vereist. In plaats daarvan kunnen organisaties AI gebruiken om gegevens te delven, organiseren en presenteren, terwijl ze nog steeds klinische expertise gebruiken om te bepalen wat het beste is voor elke individuele patiënt.

Wat betreft HIPAA, is patiëntprivacy een ernstige zorg in de gezondheidszorg, en we moeten dit altijd voorop stellen. Dat is wat zo geweldig is aan onze mensgerichte benadering – AI hoeft niets te weten over de persoonlijk identificeerbare informatie (PII) van onze patiënten. We kunnen gegevens anoniem maken en van daaruit analyseren. Maar zelfs met de beste filosofie is het gebruik van de juiste HIPAA-complianterende tools – die de afgelopen jaren op de markt zijn gekomen – essentieel.

Dataprotectie is altijd een multilayered benadering, en patiëntprivacy moet altijd voorop staan, zelfs vóór innovatie.

Gevoeligheid van gegevens is een groot probleem in cardiale zorg. Hoe zorgt PaceMate ervoor dat de ontwikkeling van AI de hoogste niveaus van patiëntprivacy en vertrouwen behoudt?

Patiëntprivacy is altijd een hoeksteen van PaceMate geweest, en de opkomst van AI versterkt alleen maar waarom die toewijding ertoe doet. We benaderen AI-ontwikkeling met een “privacy-by-design”-filosofie, wat betekent dat gegevensbescherming geen nasleep is, maar ingebouwd in elke fase.

Alle patiëntgegevens die worden gebruikt voor AI-training zijn streng anoniem gemaakt en versleuteld, volgens protocollen die de HIPAA-eisen overtreffen. We volgen ook strikte dataminimale principes, waarbij we alleen verzamelen en verwerken wat absoluut noodzakelijk is voor klinische waarde.

In cardiale zorg zijn we belast met enkele van de meest intieme gezondheidsgegevens denkbare. Dat is waarom we regelmatig privacy-impactbeoordelingen en derdepartijbeveiligingsaudits uitvoeren, omdat het verdienen en behouden van vertrouwen geen eenmalige inspanning is – het is een dagelijkse verantwoordelijkheid.

Automatisering in de gezondheidszorg kan een tweesnijdend zwaard zijn. Hoe is AI bij PaceMate ontworpen om de expertise van clinici te complementeren – in plaats van te vervangen?

Onze Human-in-the-Middle-filosofie betekent dat AI wordt gebruikt als een complementair instrument, nooit als vervanging van expertise. Onze toewijding aan het gebruik van in-house klinische expertise en samenwerking met clinici in ziekenhuizen om onze productontwikkeling te leiden, vormt onze AI-praktijk rechtstreeks.

We stellen vragen als: “Wat zou u efficiënter maken?”, “Welke gegevens zouden u helpen bij het nemen van betere beslissingen?” en “Wat ontbreekt er aan uw huidige workflow?” We gebruiken die inzichten vervolgens om te bepalen hoe we automatisering en AI implementeren zonder in de weg te zitten.

Veel gezondheidssystemen worstelen met gefragmenteerde gegevens over apparaten, EHR’s en monitortools. Hoe benadert uw team de unificatie van deze bronnen om real-time inzichten te leveren die echt van belang zijn op het moment van zorg?

In de afgelopen 10 jaar zijn we het centrum voor gegevens in remote monitoring geworden, en we begrijpen de patiëntgegevensstroom vanbinnen en vanbuiten. U kunt het zien als een identiteitsgrafiek waarin gegevens worden verzameld en geserveerd in de increments die op dat moment nodig zijn. We hebben de infrastructuur gebouwd om gegevens van meerdere apparaatfabrikanten, hun remote monitortools en EHR-systemen te verzamelen, en vervolgens die gegevens te normaliseren en te contextualiseren, zodat ze echt nuttig zijn op het moment van zorg.

De sleutel is niet alleen te begrijpen hoe gegevens te verzamelen, maar wanneer en hoe ze te presenteren. We zijn ook experts geworden in het aggregaat van brede, anonieme gegevens om trends te valideren en kwaliteit te waarborgen wanneer we nieuwe gegevensbronnen toevoegen. Deze dubbele capaciteit – het leveren van persoonlijke, real-time inzichten terwijl het grote plaatje behouden wordt – is wat ons in staat stelt om gefragmenteerde gegevens om te zetten in actiegerichte intelligentie.

Met uw ervaring in meerdere health-tech-startups, wat zijn enkele van de meest over het hoofd gezien uitdagingen bij het integreren van AI in klinische workflows op grote schaal?

Dataprotectie en -beveiliging zijn intimiderend voor veel kleinere gezondheidstechnologiebedrijven. Maar er zijn goede best practices en tools beschikbaar, en alle grote cloudproviders – AWS, Azure en Google Cloud – hebben adviseurs met handleidingen en checklists om startups en ondernemingen te helpen bij het aanpakken van deze uitdagingen.

Zodra dat is afgehandeld, wordt gegevens op grote schaal de volgende hindernis. Waar u vandaag bent met uw dataset, zal over zes maanden heel anders zijn. Het begrijpen van hoe u gestructureerde en ongestructureerde gegevens kunt benutten met een sterke identiteitsgrafiek, kan een goede basis zijn om mee te beginnen, en het documenteren van uw aanpak onderweg zal helpen om enkele grijze haren te voorkomen.

Ethische en transparante AI-implementatie wordt een bepalende factor in gezondheidsinnovatie. Hoe bouwt u verantwoording en uitlegbaarheid in AI-systemen die voor medische besluitvorming worden gebruikt?

Dit gaat terug naar onze Human-in-the-Middle-filosofie. We ontwerpen onze AI om inzichten en patronen te presenteren, maar de clinici nemen altijd de finale beslissing. Dat creëert een natuurlijke verantwoordingslaag waarin er altijd een bevoegd professional is die de AI-suggesties beoordeelt en valideert.

We focussen ons ook op het laten zien van de “waarom” achter AI-aanbevelingen. Onze systemen benadrukken welke gegevenspunten een bepaald inzicht hebben gegenereerd, zodat artsen kunnen beoordelen of het klinisch zinvol is voor hun specifieke patiënt. We vragen clinici niet om een zwarte doos te vertrouwen – we geven hen transparantie in de logica.

Aangezien leren beide kanten op gaat, hebben we ook continue feedbacklussen ingebouwd. Wanneer een clinici een AI-suggestie accepteert of overschrijft, informeert dat onze modelverbetering. Dit creëert verantwoording in beide richtingen en, met de tijd, leert de AI van klinische expertise, terwijl clinici kunnen zien hoe hun input de systemen rechtstreeks vormt.

Uiteindelijk is uitlegbare AI in de gezondheidszorg niet alleen een kwestie van technische transparantie, maar ook van respect voor klinische oordeel en het creëren van instrumenten die de besluitvormingsprocessen aanvullen in plaats van verduisteren.

Als iemand die executives regelmatig adviseert over AI-strategie, welke mentaliteitsveranderingen zijn het meest kritisch voor gezondheidsleiders die van experimenten naar betekenisvolle adoptie willen gaan?

Wanneer ik met businessleiders over AI praat, probeer ik hen te brengen naar een “Wat als?” of een “Ik wou dat…”-mentaliteit. Een van de meest krachtige instrumenten in AI is de mogelijkheid om inzicht te krijgen in de wereldwijde visie op een probleem, in plaats van alleen de mensen om je heen of je eigen vooroordelen. Dus wanneer je denkt dat iets moeilijk of onmogelijk is, gebruik dan je favoriete AI om te zeggen “Ik wou dat ik kon…” en beschrijf de dingen die in de weg staan. Dat is super krachtig. Ik adviseer hen ook om hun AI LLM nieuwsgierig te maken. Vertel het uw probleem, maar vertel het ook om gedetailleerde vragen te stellen. Soms zal dat alleen al leiden tot echt unieke oplossingen.

AI is ook een geweldig instrument voor planning. Executives moeten een strategie vaststellen, terwijl ze ook een actieplan creëren, bepalen hoe ze succes meten en potentiële valkuilen identificeren voordat ze gebeuren. AI is geweldig in het helpen bij het opstellen van plannen om te beginnen.

Ten slotte lezen we altijd over hoe AI banen overneemt en bedrijven mensen ontslaan ten gunste van AI. Ik denk dat dat een verkeerde manier is om over AI te denken. Een bedrijf dat is gebouwd op producten of diensten voor mensen, heeft mensen nodig om te begrijpen wat ze aanbieden. In plaats van AI te gebruiken voor kostenreductie, denk na over hoe AI de saaie taken van uw mensen kan overnemen en een versterker kan worden. Als u kosten kunt reduceren met 15% of productiviteit kunt verhogen met 200%, welke is de betere zakelijke beslissing?

Kijkend naar de komende vijf jaar, hoe ziet u AI de landschap van cardiale monitoring en preventieve geneeskunde herschappen – en welke mijlpalen hoopt u te bereiken bij PaceMate in die tijd?

AI zal steeds meer deel uitmaken van ons werk en dagelijks leven in de komende vijf jaar. Naarmate onze gebruikers meer vertrouwd raken met en vertrouwen op de output, ontstaan er eindeloze mogelijkheden en partnerschappen.

Ik zou graag eerst tools willen bieden die clinici helpen om zorg te prioriteren voor patiënten die het meest nodig hebben – die wellicht het grootste risico lopen op een ongunstig resultaat. Van daaruit kunnen we beginnen met het gebruik van AI en trendgegevens om verschillende mogelijke resultaten voor individuele patiënten te laten zien, waardoor artsen een duidelijker beeld krijgen van wat er aan zit te komen.

Ten slotte, wanneer we inzichten kunnen leveren die iedereen vertrouwt, het vinden van geweldige partnerships met onderzoeksziekenhuizen om hen te helpen onze modellen te benutten, zou een hooggestemde doelstelling zijn. Dat is waar we echt innovatie in de industrie kunnen versnellen en een significante impact kunnen hebben op cardiale zorg als geheel.

Bedankt for het geweldige interview, lezers die meer willen leren, moeten bezoeken PaceMate.