Daniel Cane, współzałożyciel i współprezes ModMed – seria wywiadów

Daniel Cane jest współprezesem i współzałożycielem firmy ModMed^® z siedzibą w południowej Florydzie, która jest firmą zajmującą się technologiami informacyjnymi w ochronie zdrowia i która przekształca opiekę zdrowotną poprzez specjalistyczne, inteligentne platformy, aby zwiększyć wydajność praktyk i poprawić wyniki pacjentów.

Firma 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. ModMed jest znany ze swojego postępu jako firma technologiczna, a także często nagradzany 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. Między 2016 a 2018 rokiem 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 liście Inc. 5000, która jest prestiżowym zbiorem najszybciej rozwijających się prywatnych firm w kraju.

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

Moja podróż do technologii rozpoczęła się podczas moich studiów licencjackich na Cornell, 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, ale nie mogłem powstrzymać się od poszukiwania 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 most 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 już istniały niektóre systemy EHR, ale niestety, studia często cytowały je jako jeden z głównych powodów wypalenia zawodowego lekarzy. Zastosowaliśmy inny podejście i zaprojektowaliśmy nasz system EHR tak, aby dostosować się do specyficznych procesów pracy w poszczególnych specjalnościach medycznych. Nasza flagowa, oparta na chmurze platforma EHR, EMA, jest i nadal jest zaprojektowana przez lekarzy, dla lekarzy, co odróżnia nas na rynku. Przez lata rozszerzyliśmy nasze oferty produktowe, aby obejmowały pełny zestaw rozwiązań, które pomagają świadczeniodawcom uproszczać i przyspieszać operacje swoich praktyk i dostarczać opiekę.

Jak widzisz bitwę o skuteczne AI w ochronie zdrowia, wygraną lub przegraną z danymi?

Zaczynamy widzieć wzrost w przyjęciu technologii AI w praktykach w celu uproszczenia procesów i maksymalizacji wydajności. Gdy wkraczamy w erę korzystania z AI do bardziej złożonych zadań – takich jak sugerowanie leczenia lub innych zaleceń wsparcia klinicznego – jest niezwykle ważne, aby mieć odpowiednie dane i strategię szkolenia AI. AI ma szansę znacznie poprawić doświadczenie pacjentów i świadczeniodawców i 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 życiodajnym elementem 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 świadczeniodawców do AI, spowalniając postęp i pozytywny wpływ, jaki ta rewolucyjna technologia może mieć na opiekę zdrowotną.

Na przykład w gabinecie lekarskim, narzędzia do nasłuchu ambientalnego z AI są zaprojektowane tak, aby sugerować zawartość notatek klinicznych do przeglądu i zatwierdzenia przez świadczeniodawcę. Idealnie, powinno to zmniejszyć czas, jaki świadczeniodawca spędza na dokumentowaniu w systemie EHR, i pozwolić na więcej czasu jakościowego z pacjentem. Jednak słaba jakość danych i słabo wyszkolone narzędzia AI mogą mieć odwrotny skutek, pozostawiając świadczeniodawców, aby spędzali więcej czasu na poprawianiu błędów i ponownym pisaniu notatek.

Ponadto, uprzedzenia są znaczącym ryzykiem związanym z algorytmami AI, a jakość danych może odegrać kluczową rolę w łagodzeniu dysproporcji w ochronie zdrowia. Modele AI mogą nauczyć się wzorców, które skutecznie leczą jedną populację pacjentów w sposób preferencyjny w stosunku do innych populacji, w tym grup chronionych prawem. Poprzez monitorowanie danych wejściowych i szkolenie na danych reprezentatywnych i solidnych, dane wyjściowe AI mogą być bardziej inkluzywne i dokładne.

Czy możesz wyjaśnić rodzaje danych, których ModMed używa do szkolenia swoich modeli AI i jak te dane są pozyskiwane i zarządzane?

W ModMed używamy kompleksowych, specjalistycznych danych, aby pomóc w szkoleniu naszych modeli AI z precyzją. Przez ostatnie 14 lat stworzyliśmy specjalistyczne, zanonimizowane zestawy danych strukturalnych zgodne z przepisami o ochronie prywatności i teraz wykorzystujemy te wewnętrzne dane do szkolenia naszych modeli AI. Na przykład, nasze narzędzie do nasłuchu ambientalnego ModMed Scribe zostało wyszkolone w dermatologii, naszym pierwszym uruchomieniu specjalistycznym, na milionach parametrów strukturalnych z zanonimizowanych rekordów pacjentów, wybranych z kolekcji 500 milionów spotkań pacjentów.

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

Potencjał AI do posiadania uprzedzeń lub dostarczania nieprecyzyjnych informacji w postaci “halucynacji” lub pominięć może wpłynąć na życie pacjentów. Dlatego etyczne AI w ochronie zdrowia dotyczy ustanowienia wysokiego standardu dokładności i precyzji. Oznacza to rozwijanie algorytmów starannie i odpowiedzialnie oraz korzystanie z wysokiej jakości i różnorodnych danych, aby umożliwić więcej dokładnych predykcji dla każdego użytkownika.

Etyczne AI dotyczy również zapewnienia, że ludzie pozostają w równaniu. AI nie powinno “przewyższać lekarza”, ale raczej zmniejszyć administracyjne obciążenie, które lekarze i ich personel doświadczają, aby mogli się skoncentrować bardziej na pomocy pacjentom.

Jakie środki są wprowadzane 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 zróżnicowanego zestawu danych szkoleniowych, który odzwierciedla różne populacje pacjentów.

Ponadto, nasz zespół developerski przyjmuje podejście do czyszczenia danych, aby ułatwić zbieranie i wykorzystywanie wysokiej jakości danych. Ten proces pozwala naszym zespołom identyfikować, prostować i usuwać niekonsekwencje, błędy i brakujące wartości z zestawu danych. Przez to 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 ochronie zdrowia?

Przejrzystość sprawia, że odpowiedzialność jest możliwa, dlatego jest tak ważnym elementem każdego rozwiązania AI w ochronie zdrowia. Głównymi priorytetami lekarzy są opieka pacjenta i bezpieczeństwo, więc nie jest zaskakujące, że 80% lekarzy chce wiedzieć o cechach i funkcjach projektowania, rozwoju i wdrożenia narzędzi AI.

Ponadto, nie wszystkie dane są równe. Ważne jest, aby wiedzieć, skąd i jak dane są przechowywane i pozyskiwane 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 naszych danych i ich jakości, i jesteśmy pewni, że nasze integracje AI dostarczą znaczącą wartość naszym klientom.

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

Przez cały nasz portfel, wykorzystujemy uczenie maszynowe od jakiegoś czasu i wzmacniamy nasze inwestycje w zaawansowane i generatywne AI, aby uproszczyć biznes medycyny i przyspieszyć opiekę jakościową. Budujemy całe doświadczenie praktyki AI, które zaczyna się przed wejściem pacjenta do gabinetu, aż do działu rozliczeń.

W środowisku klinicznym, znajdujemy się w końcowych etapach naszego pilotażowego programu nasłuchu ambientalnego AI dla EMA, który uważamy za przełomowy pod względem jego funkcjonalności i sugerowanej zawartości strukturalnej. Nasze rozwiązanie do dokumentacji z AI jest zaprojektowane, aby uproszczyć proces opieki, wykraczając poza transkrypcję lub tworzenie notatek 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 zawartość 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 specjalistyczne rozwiązania AI dla świadczeniodawców i pacjentów?

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

Na przykład, systemy EHR i narzędzia do nasłuchu ambientalnego ModMed są dostosowane wyraźnie do każdej specjalności medycznej, zapewniając wysokiej jakości i precyzyjne wsparcie dla klinicystów. Każdy proces dokumentacji specjalności wymaga innych składników w notatce danych strukturalnych, w tym unikalnych kodów medycznych i terminologii. Ta specjalizacja pozwala AI lepiej zrozumieć i przewidzieć unikalne potrzeby i procesy pracy różnych praktyk specjalistycznych, co – wierzymy – doprowadzi do bardziej efektywnego wdrożenia, szybszego przyjęcia i większej ogólnej skuteczności w poprawie wydajności operacyjnej.

Gdzie widzisz największe możliwości dla AI w ochronie zdrowia 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 wykorzystywany do zadań administracyjnych, a w najbliższej perspektywie, ten trend prawdopodobnie przyśpieszy, gdy wartość AI stanie się bardziej oczywista.

Widzę także przyszłość, w której AI jest bezproblemowo zintegrowany z interakcjami lekarz-pacjent, gdzie “interfejs użytkownika” jest praktycznie niewidoczny. Zamiast dzisiejszych interakcji opartych na ekranie, AI może oferować połączenie rzeczywistości i rzeczywistości rozszerzonej. Ten stan AI w przyszłości może potencjalnie analizować rekordy zdrowia, aby zidentyfikować krytyczne 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 może sięgać poza środowisko praktyki i stać się integralną częścią codziennego życia pacjenta. Urządzenia noszone z AI mogą dostarczać personalizowane wsparcie, odpowiadać na pytania i planować wizyty, wśród innych rzeczy. AI mogą również monitorować znaki życiowe na odległość, wykrywając i alarmując świadczeniodawców o potencjalnych problemach zdrowotnych. Personalizowane plany leczenia, dostosowane do indywidualnych pacjentów na podstawie danych i preferencji, mogą stać się normą.

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

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