Daniel Cane, współzałożyciel i współprezes ModMed – seria wywiadów

Daniel Cane jest współzałożycielem i współprezesem ModMed^®, firmy z siedzibą w południowej Florydzie, która zajmuje się technologiami informacyjnymi w ochronie zdrowia i przekształca tę branżę poprzez inteligentne platformy specyficzne dla poszczególnych specjalności, zwiększając efektywność praktyk i poprawiając wyniki leczenia pacjentów.

ModMed została założona w lutym 2010 roku i od tego czasu rozrosła się do ponad 1200 pracowników, a także zebrała ponad 332 miliony dolarów inwestycji. Jako firma technologiczna znaną z postępowego wzrostu, ModMed jest często wyróżniana na poziomie krajowym i regionalnym za swoje osiągnięcia pod kierownictwem Daniela. W 2020 roku firma została uznana za jedno z najlepszych miejsc pracy w kraju przez magazyn Inc. W latach 2016-2018 firma została uznana za jedną z najszybciej rozwijających się firm w Ameryce Północnej na liście Deloitte Technology Fast 500^™. Od 2015 roku firma jest co roku umieszczana na ekskluzywnej liście Inc. 5000, która jest prestiżowym zestawieniem najszybciej rozwijających się prywatnych firm w kraju.

Czy mógłbyś podzielić się niektórymi spostrzeżeniami na temat swojego tła i tego, jak wpłynęło ono na Twoją pracę w ModMed?

Moja podróż w branży technologicznej rozpoczęła się podczas moich studiów licencjackich na Uniwersytecie Cornella, kiedy współzałożyłem Blackboard. Przekształciliśmy edukację, cyfryzując notatki z lekcji i tworząc platformę, która dała studentom i wykładowcom bezprecedensową elastyczność i interakcję. Dla mnie sukces Blackboard kulminował w 2004 roku, kiedy to nasza firma została przejęta, a nasze rozwiązania były przełomowe w edukacji, jednak nie mogłem powstrzymać się od szukania nowych wyzwań.

Jednym z takich wyzwań było spotkanie z moim dermatologiem na rutynowym badaniu. Mieliśmy niesamowitą rozmowę o trudnościach związanych z używaniem przestarzałych systemów opartych na papierze i sposobach ich rozwiązania. Zrozumieliśmy mostek między jego ekspertyzą medyczną a moimi umiejętnościami technicznymi, więc postanowiliśmy współpracować i stworzyć ModMed wraz z naszą pierwszą platformą elektronicznej dokumentacji medycznej (EHR).

W tym czasie istniały już niektóre systemy EHR, ale niestety, wiele badań wskazywało, że są one jedną z głównych przyczyn wypalenia zawodowego lekarzy. Zastosowaliśmy inny podejście i zaprojektowaliśmy nasz system EHR tak, aby dostosować się do specyficznych workflowów poszczególnych specjalności medycznych. Nasza flagowa, oparta na chmurze platforma EHR, EMA, jest i nadal jest projektowana przez lekarzy dla lekarzy, co odróżnia nas na rynku. Z biegiem lat rozszerzyliśmy nasze oferty produktowe, aby obejmowały pełny zestaw rozwiązań, które pomagają dostawcom usług medycznych uprościć i przyspieszyć operacje swoich praktyk.

Jak widzisz bitwę o skuteczne AI w ochronie zdrowia, biorąc pod uwagę dane?

Rozpoczynamy obserwację wzrostu wdrażania technologii AI w praktykach w celu usprawnienia workflow i maksymalizacji wydajności. W miarę wprowadzania AI do bardziej złożonych zadań, takich jak sugerowanie leczenia lub innych zaleceń wsparcia klinicznego, jest niezwykle ważne, aby mieć odpowiednią strategię danych i szkolenia AI. AI ma szansę znacznie poprawić doświadczenie pacjentów i dostawców oraz stworzyć systemową zmianę, która naprawdę poprawi opiekę zdrowotną, ale uczynienie tego rzeczywistością będzie zależało od dużych ilości wysokiej jakości danych wykorzystywanych do szkolenia modeli.

Dlaczego dane są tak krytyczne dla rozwoju AI w branży opieki zdrowotnej?

Dane są życiodajne dla AI, a słaba jakość danych pogorszy wydajność AI, prowadząc do nieoptymalnych wyników. Może to mieć poważne konsekwencje w środowisku opieki zdrowotnej, gdzie życie pacjentów może być zagrożone. Ale bardziej prawdopodobny scenariusz to, że te negatywne doświadczenia mogą podważyć zaufanie pacjentów i dostawców do AI, spowalniając postęp i pozytywny wpływ, jaki ta rewolucyjna technologia może mieć na opiekę zdrowotną.

Na przykład, w pokoju egzaminacyjnym, narzędzia do nasłuchiwania ambientalnego z AI są zaprojektowane tak, aby sugerować treść notatek klinicznych do przeglądu i zatwierdzenia przez dostawcę. Idealnie, to powinno zmniejszyć czas, jaki dostawca spędza na dokumentowaniu w systemie EHR, pozwalając na więcej czasu jakościowego z pacjentem. Jednak słaba jakość danych i słabo wyszkolone narzędzia AI mogą mieć odwrotny skutek, zmuszając dostawców do spędzania nadmiernego czasu na poprawianiu błędów i ponownym pisaniu notatek.

Dodatkowo, istnieje znaczące ryzyko związane z algorytmami AI, a jakość danych może odegrać kluczową rolę w łagodzeniu dysproporcji w opiece zdrowotnej. Modele AI mogą nauczyć się wzorców, które skutecznie leczą jedną populację pacjentów w porównaniu z innymi, w tym grupami chronionymi prawnie. Monitorując dane wejściowe i szkoląc na danych reprezentatywnych i wszechstronnych, wyjścia AI mogą być bardziej inkluzywne i dokładne.

Czy możesz wyjaśnić, jakie typy danych ModMed wykorzystuje do szkolenia swoich modeli AI i jak te dane są pozyskiwane i zarządzane?

W ModMed wykorzystujemy kompleksowe, specyficzne dla poszczególnych specjalności dane, aby pomóc w szkoleniu naszych modeli AI z precyzją. Przez ostatnie 14 lat stworzyliśmy zestawy danych specyficznych dla poszczególnych specjalności, zanonimizowanych i zgodnych z przepisami dotyczącymi ochrony prywatności, i teraz wykorzystujemy te wewnętrzne dane do szkolenia naszych modeli AI. Na przykład, nasze narzędzie do nasłuchiwania ambientalnego ModMed Scribe zostało wyszkolone w dermatologii, naszej pierwszej specjalności, na milionach parametrów strukturalnych z zanonimizowanych rekordów pacjentów, pobranych z kolekcji 500 milionów spotkań z pacjentami.

Jak ModMed definiuje “etyczne AI” w kontekście opieki zdrowotnej?

Potencjał AI do posiadania uprzedzeń lub dostarczania nieprecyzyjnych informacji w postaci “halucynacji” lub pomijania może wpłynąć na życie pacjentów. Dlatego etyczne AI w opiece zdrowotnej dotyczy ustanowienia wysokiego standardu dokładności i precyzji. Oznacza to rozwijanie algorytmów starannie i odpowiedzialnie oraz wykorzystywanie wysokiej jakości i różnorodnych danych, aby umożliwić bardziej dokładne przewidywania dla każdego użytkownika.

Etyczne AI dotyczy również zapewnienia, że ludzie pozostają w równaniu. AI nie powinno “przewyższać lekarza”, ale raczej zmniejszać biurokratyczne obciążenie, z którym mierzą się lekarze i ich personel, aby mogli skoncentrować się bardziej na pomocy pacjentom.

Jakie środki są wdrożone w ModMed, aby umożliwić rozwój i wdrożenie technologii AI w sposób etyczny?

Nasze podejście do danych strukturalnych – kuracja wysokiej jakości, reprezentatywnych zestawów danych szkoleniowych – pomaga nam uczynić odpowiedzialne AI rzeczywistością. Relevantne i zanonimizowane dane zebrane z naszych systemów EHR z różnych praktyk dostarczają nam różnorodnego zestawu danych szkoleniowych, który odzwierciedla różne populacje pacjentów.

Dodatkowo, nasz zespół developerski przyjmuje podejście do czyszczenia danych, aby ułatwić zbieranie i wykorzystywanie wysokiej jakości danych. Ten proces pozwala naszym zespołom na identyfikację, sprostowanie i usunięcie niekonsekwencji, błędów i brakujących wartości z zestawu danych. Przez regularne utrzymanie możemy nieustannie aktualizować AI na podstawie danych wydajności, szczególnie danych klinicznych, gdzie wyniki pacjentów mogą być wpływane.

Czy możesz omówić znaczenie przejrzystości i odpowiedzialności w rozwoju AI, szczególnie w opiece zdrowotnej?

Przejrzystość umożliwia odpowiedzialność, dlatego jest tak ważnym elementem każdego rozwiązania AI w opiece zdrowotnej. Głównymi priorytetami lekarzy są opieka nad pacjentem i bezpieczeństwo, więc nie jest zaskakujące, że 80% lekarzy chce wiedzieć o cechach i funkcjach projektowania, rozwoju i wdrożenia narzędzi AI.

Dodatkowo, nie wszystkie dane są równie ważne. Ważne jest, aby wiedzieć, skąd pochodzą dane i jak są przechowywane oraz jak często są aktualizowane. Mamy szczęście, że od powstania ModMed, byliśmy zaangażowani w strategię danych, która priorytetem jest przejrzystość i dokładność. Mamy gruntowne zrozumienie źródeł i jakości naszych danych i jesteśmy pewni, że nasze integracje AI dostarczą znaczącą wartość naszym klientom.

Jak AI jest integrowane z systemami EHR ModMed, takimi jak EMA i gGastro?

Przez cały nasz portfel, wykorzystujemy uczenie maszynowe od pewnego czasu i wzmacniamy nasze inwestycje w zaawansowane i generatywne AI, aby uprościć biznes medycyny i przyspieszyć opiekę zdrowotną. Budujemy całe doświadczenie praktyki zasilanej AI, które zaczyna się przed wejściem pacjenta do gabinetu, rozciąga się przez pokój egzaminacyjny, aż do działu rozliczeń.

W środowisku klinicznym znajdujemy się w końcowej fazie naszego pilotażowego programu nasłuchiwania ambientalnego AI dla EMA, który uważamy za przełomowy ze względu na jego funkcjonalność i sugerowaną treść strukturalną. Nasze rozwiązanie do dokumentacji zasilanej AI jest zaprojektowane tak, aby uprościć proces opieki, wykraczając poza samą transkrypcję lub tworzenie notatki SOAP. Wykorzystując ogromne ilości danych strukturalnych, szkolimy nasze modele AI, aby przechwytywać istotne informacje z rozmów lekarz-pacjent i, pracując wraz z naszym systemem EHR, sugerować istotną treść dla notatek odwiedzin, w tym kodów ICD-10, kodów chirurgicznych i recept. To oszczędza lekarzom cenny czas i pozwala im spędzać więcej czasu jakościowego z pacjentami.

Jakie konkretnie korzyści zapewniają specyficzne dla poszczególnych specjalności rozwiązania AI dostawcom usług zdrowotnych i pacjentom?

Żadne dwie specjalności medyczne nie są takie same. Różnią się one znacznie pod względem pacjentów, których obsługują, stanów, które leczą, oraz kodów medycznych wykorzystywanych do rozliczeń. Rozwiązania AI muszą być dostosowane do tych różnic, aby być skuteczne w jakikolwiek znaczący sposób.

Na przykład, systemy EHR i narzędzia do nasłuchiwania ambientalnego ModMed są dostosowane wyraźnie do każdej specjalności medycznej, zapewniając wysoko istotne i precyzyjne wsparcie klinicznemu personelowi. Proces dokumentacji każdej specjalności wymaga różnych składników w notatce danych strukturalnych, w tym unikalnych kodów medycznych i terminologii. To specjalizacja pozwala AI lepiej zrozumieć i przewidzieć unikalne potrzeby i workflowy różnych specjalności, co – jak wierzymy – skutkuje bardziej efektywnym wdrożeniem, szybszym przyjęciem i większą ogólną skutecznością w poprawie efektywności operacyjnej.

Gdzie widzisz największe możliwości dla AI w opiece zdrowotnej w ciągu najbliższych pięciu do dziesięciu lat?

W przyszłości AI bez wątpienia przeniknie niemal każdy aspekt opieki zdrowotnej w sposób, którego nie możemy sobie wyobrazić. Już teraz AI jest wykorzystywana do zadań administracyjnych, a w najbliższej przyszłości ten trend prawdopodobnie przyśpieszy, gdy wartość AI stanie się bardziej oczywista.

Widzę także przyszłość, w której AI będzie bezproblemowo integrowane w interakcje między lekarzem a pacjentem, gdzie “interfejs użytkownika” jest praktycznie niewidoczny. Zamiast dzisiejszych interakcji opartych na ekranie, AI mogłoby oferować połączenie rzeczywistości i rzeczywistości rozszerzonej. Ten stan przyszłości AI mógłby analizować rekordy zdrowia, aby zidentyfikować kluczowe spostrzeżenia, przewidując ryzyko pacjenta dla różnych chorób. Ogromna ilość danych w rekordach medycznych prezentuje okazję dla AI, aby przewidzieć przyszłe potrzeby opieki i tworzyć oraz pomagać w planach leczenia prewencyjnego.

To doświadczenie mogłoby sięgać poza środowisko praktyki i stać się integralną częścią codziennego życia pacjenta. Urządzenia noszone z AI mogłyby zapewnić personalizowane wsparcie, odpowiedzi na pytania i umawiać wizyty, wśród innych rzeczy. AI mogłoby również monitorować parametry życiowe na odległość, wykrywając i alarmując dostawców o potencjalnych problemach zdrowotnych. Personalizowane plany leczenia, dostosowane do indywidualnych pacjentów na podstawie danych i preferencji, mogłyby stać się normą.

To naprawdę ekscytujący czas dla opieki zdrowotnej. Najbliższe pięć do dziesięciu lat jest pełne możliwości dalszej transformacji branży i poprawy doświadczenia pacjenta.

Dziękujemy za wspaniały wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić ModMed.