Paul Roscoe, Prezes Zarządu, CLEW Medical – Seria Wywiadów

Paul Roscoe jest Prezesem Zarządu CLEW Medical.

Przed dołączeniem do Clew, Pan Roscoe był CEO Trinda Health i odpowiadał za ustanowienie firmy jako lidera w branży rozwiązań do dokumentacji klinicznej.

CLEW Medical oferuje szpitalom, systemom opieki zdrowotnej i oddziałom intensywnej terapii zaawansowaną inteligencję kliniczną i diagnostykę pacjentów przy użyciu AI, zatwierdzonych przez FDA, predykcyjnych modeli analitycznych i własnych modeli opieki krytycznej.

Czy mógłby Pan opowiedzieć nam trochę więcej o platformie CLEW Medical z funkcjami AI i jej unikalnych możliwościach w branży MedTech?

Powstanie CLEW opierało się na założeniu, że analiza danych i AI mogą znacznie poprawić wyniki leczenia pacjentów i doświadczenie klinicystów w warunkach opieki wysoko-specjalistycznej. Platforma nadzoru klinicznego, którą zbudowaliśmy, jest pierwszą, która posiada zatwierdzone przez FDA, napędzane przez AI, predykcyjne modele dla opieki krytycznej. Nasz system uzyskuje dane poprzez integrację z wszystkimi źródłami danych klinicznych w szpitalu i tworzy niemal w czasie rzeczywistym fizjologiczny profil każdego pacjenta, aby nieprzerwanie monitorować ich stan. Następnie wykorzystuje te dane, aby zapewnić predykcyjne spostrzeżenia w celu identyfikacji pacjentów, którzy prawdopodobnie doświadczą niepożądanych zdarzeń – takich jak niewydolność oddechowa – i powiadomić klinicystów o interwencji do ośmiu godzin przed przewidywanym zdarzeniem. Duży stopień dokładności platformy również redukuje nadmierną liczbę fałszywych alarmów, umożliwiając klinicystom praktykę na najwyższym poziomie i skupienie się na pacjentach, którzy najbardziej potrzebują natychmiastowej interwencji.

Jakie były kluczowe czynniki, które przyczyniły się do zatwierdzenia przez FDA modeli predykcyjnych CLEW?

CLEW od początku przyjął AI. Nasi założyciele i liderzy rozwoju uznali znaczenie budowania zaufania z opiekunami, osobami odpowiedzialnymi za korzystanie z naszej technologii w celu opieki nad ich najbardziej wrażliwymi pacjentami. Było konieczne, aby nasza technologia przeszła taki sam poziom kontroli i staranności w projekcie, rozwoju, testach i walidacji, jak urządzenia już używane przez naszych użytkowników. Aby zachęcić do przyjęcia rozwiązania AI dla środowisk opieki krytycznej, nasz zespół zrozumiał konieczność budowania modeli z starannym rozwojem produktu i systemami jakości. W rezultacie nasz rozwój modelu AI wykorzystuje solidną infrastrukturę MLOPS (machine learning operations), aby spełnić oczekiwania regulacyjne, takie jak wytyczne PCCP (pre-authorized change control plan) od FDA. Nasze modele AI są metodycznie zaprojektowane, przechodząc wszystkie niezbędne eksperymenty dla zatwierdzenia urządzeń medycznych.

Wytrzymałość modeli i nasze wewnętrzne procesy doprowadziły do tego, że FDA sklasyfikowała nasze rozwiązanie jako urządzenie medyczne klasy II na początku 2021 roku, co było przełomowym, pierwszym w swoim rodzaju osiągnięciem. Zatwierdzenie urządzeń medycznych przez FDA jest dowodem jakości naszego procesu rozwoju od początku do końca, który obejmuje studia walidacji klinicznej przeprowadzane w rzeczywistych populacjach pacjentów.

Niedawno opublikowane badanie w CHEST Journal podkreśliło dokładność predykcyjną waszych modeli AI. Czy mógłby Pan omówić metodologię i konkretnych ustaleń tego badania?

Algorytm ML przeszkolony przez CLEW został wdrożony w 14 oddziałach intensywnej terapii (ICU) w dwóch dużych systemach opieki zdrowotnej, aby przewidzieć intubację i rozpoczęcie leczenia vasopresorem – czyli zdarzenia wymagające interwencji ratującej życie – wśród krytycznie chorych dorosłych pacjentów. Jego wydajność została zmierzona w porównaniu z istniejącymi alarmami monitorowania przy łóżku i skutecznością predykcyjną alertów systemu telemedycyny.

Badanie, zaprojektowane w celu oceny dokładności i przydatności alertów w ICU, wykazało, że modele CLEW do przewidywania pogorszenia stanu pacjenta były pięć razy bardziej dokładne niż i wygenerowały 50 razy mniej alarmów niż wiodący system telemedycyny. Ustalenia również pokazują, że model ML ma wyższą dokładność w porównaniu z tradycyjnymi systemami monitorowania i znacznie redukuje niepotrzebne przerwania w pracy klinicystów.

Jak przewidywania AI generowane przez platformę CLEW mogą potencjalnie przekształcić świadczenie opieki w ICU? Czy mógłby Pan wyjaśnić, jak te przewidywania poprawiają wyniki i redukują powikłania?

Platforma CLEW tworzy możliwości wczesnej interwencji u pacjentów wysokiego ryzyka i wspiera zarządzanie pojemnością przez identyfikację pacjentów niskiego ryzyka, którzy mogą być gotowi do przeniesienia do jednostek o niższej intensywności opieki. To z kolei redukuje wskaźniki śmiertelności i readmisji, obniża liczbę powikłań spowodowanych pogorszeniem stanu pacjenta i minimalizuje czas pobytu pacjentów.

Na przykład, w ciągu pierwszych 24 godzin wdrożenia w dużym systemie opieki zdrowotnej, nasza technologia przewidziała niestabilność hemodynamiczną u pacjenta ICU, co spowodowało ocenę przez lekarza. Po ocenie pacjenta, lekarz zamówił tomografię komputerową i wykrył krwawienie w jamie brzusznej. Pacjent został pilnie przewieziony do sali operacyjnej na pilną operację, został zainfuzowany płynami i krwią, a jego życie zostało ostatecznie uratowane. 24 godziny później pacjent był w stabilnym stanie.

Wasz system został uznany za pięć razy bardziej dokładny niż wiodący system monitorowania telemedycyny. Co sprawia, że technologia CLEW jest bardziej skuteczna w przewidywaniu krytycznych pogorszeń stanu pacjenta?

Ogólnie, powiadomienia generowane przez ML są rzadsze, mają wyższy poziom dokładności i niższy poziom błędów, takich jak fałszywe pozytywy, i tworzą dłuższy czas przed zdarzeniem niż alerty innych systemów telemedycyny i alarmy systemów monitorowania przy łóżku. Alerty CLEW są bardziej dokładne i funkcjonalne, zapewniając czas dla zespołu opieki, aby podjąć przeciwdziałania w celu zapobiegania przewidywanym wynikom. Zaawansowana inteligencja, którą zapewnia CLEW, jest możliwa dzięki jej zdolności do wydobywania danych pacjentów z elektronicznej dokumentacji medycznej (EMR), w połączeniu z modelami ML, które zostały rygorystycznie przetestowane i zwalidowane za pomocą recenzowanych badań i zatwierdzenia FDA.

Badanie również zauważyło znaczne zmniejszenie fałszywych alarmów. Jak redukcja zmęczenia alarmowego korzysta personelowi ICU, a jaki jest feedback od profesjonalistów opieki zdrowotnej korzystających z waszego systemu?

98% powiadomień monitorowania przy łóżku to fałszywe pozytywy, prowadząc do zmęczenia alarmowego i zaostrzając historycznie wysoki poziom wypalenia zawodowego klinicystów. CLEW rozwiązuje zmęczenie alarmowe, redukując liczbę dźwiękowych przerwań, zwiększając procent powiadomień do interwencji dostawców i tworząc ogólnie spokojniejsze środowisko ICU. W istocie, dokładność platformy i zdolność do redukcji niepotrzebnego obciążenia pracy za pomocą zaawansowanych modeli ML znacznie poprawiają wypalenie ICU. W ramach procesu wdrożenia, zespoły sukcesu klienta CLEW koncentrują się na znaczeniu zarządzania zmianą kliniczną, aby upewnić się, że technologia jest odpowiednio włączona do ogólnego procesu decyzji klinicznych. Feedback od klinicystów był niezwykle pozytywny.

Jak działa funkcja wczesnego powiadomienia na platformie CLEW, a jakie interwencje ułatwiła w rzeczywistych środowiskach ICU?

Na podstawie napływających informacji z monitorowania przy łóżku i urządzeń wspomagających życie, a także z elektronicznej dokumentacji medycznej (EHR), modele AI CLEW mogą dokonywać przewidywań dotyczących ryzyka pogorszenia stanu pacjenta i śmierci w ciągu najbliższych ośmiu godzin. Z tymi przewidywaniami, doświadczeni klinicyści mogą ocenić pacjentów bliżej i określić, czy istnieją odpowiednie przeciwdziałania, aby zapobiec przewidywanym pogorszeniom, zamiast reagować na nie w trybie awaryjnym.

Na przykład, platforma CLEW może powiadomić klinicystów, że pacjent jest bardzo prawdopodobnie narażony na niewydolność oddechową, co zwykle prowadzi do intubacji i wentylacji mechanicznej. Po otrzymaniu alertu, opiekunowie mogą zidentyfikować, że pacjent ma nadmiar płynów, które mogą zacząć cofać się do płuc, i zainicjować terapię moczopędną, aby zmniejszyć ilość płynów, tym samym zapobiegając intubacji później. Nasz model może również przewidzieć, czy pacjent pooperacyjny jest prawdopodobnie narażony na niestabilność hemodynamiczną i wymaga wsparcia leków vazopresyjnych. Uzbrojeni w tę wiedzę, w przypadku braku oczywistych objawów, tomografia komputerowa wykazała, że pacjent miał krwawienie wewnętrzne i został ponownie zabrany na salę operacyjną, aby naprawić to. Ostatecznie ta interwencja doprowadziła do stabilizacji pacjenta.

Przewidywania AI CLEW również wspierają szpitale w zarządzaniu pojemnością. Niektórzy pacjenci nie będą już wymagali opieki krytycznej i mogą być przeniesieni do jednostek o niższej intensywności opieki, zwalniając łóżka, aby zarządzać więcej krytycznie chorych pacjentów. To pozwala systemowi opieki zdrowotnej na poprawę zarządzania pojemnością i tworzenie dostępu dla więcej pacjentów. To również zwiększa marżę dochodową dla systemu opieki zdrowotnej.

Jakie są następne kroki dla CLEW Medical w zakresie dalszego rozwoju i rozszerzania użycia modeli AI w różnych środowiskach opieki zdrowotnej?

Już rozszerzyliśmy platformę CLEW poza środowiska opieki krytycznej, aby objąć jednostki pośrednie i oddziały ratunkowe, i obecnie jesteśmy w trakcie rozszerzania na pozostałe łóżka opieki ostrej w szpitalach, w tym na oddziały poanestezjologiczne (PACU) i ogólne łóżka medyczne i chirurgiczne. Ostateczna powszechność tanich noszących czujników, które dostarczają częste informacje o parametrach życiowych, wraz z naszym zatwierdzeniem PCCP, umożliwia CLEW rozszerzenie swoich możliwości nadzoru AI bardziej szeroko w szpitalach opieki ostrej.

Ponadto, ponieważ przewidywania CLEW są komplementarne do wielu innych systemów HIT, w tym EHR, pracujemy nad dostarczaniem naszych spostrzeżeń za pomocą integracji z istniejącym zestawem narzędzi systemu opieki zdrowotnej. Dołączyliśmy do sieci developerów Epic i wykazaliśmy udane integracje zaawansowanych funkcji CLEW, takich jak przewidywania AI, z doświadczeniem użytkownika klinicznego.

CLEW rozpoczyna również nowatorskie, napędzane przez AI podejście do zarządzania sepsą, groźnym i czasem śmiertelnym powikłaniem.

Gdzie Pan widzi przyszłość AI w poprawie opieki w ICU w ciągu najbliższej dekady, a jak CLEW planuje być częścią tej przyszłości?

Populacja pacjentów szpitalnych jest bardziej chora, niż kiedyś. Wraz ze starzeniem się i chorobami przewlekłymi związanymi ze stylem życia, a także powszechnymi brakami personelu opieki zdrowotnej, potrzeba inteligentnego nadzoru klinicznego nadal rośnie. Ponieważ wielu pacjentów kończy się w ICU z powodu pominiętych możliwości wcześniejszej interwencji w procesie opieki, CLEW nie tylko koncentruje się na wykorzystaniu AI do poprawy opieki w ICU, ale także na współpracy z innowatorami systemów opieki zdrowotnej i przemysłu, aby poprawić całą opiekę ostrą. Nasz program rozwoju AI (MLOPS) wykorzysta możliwości partnerów, aby rozwijać modele AI zatwierdzone przez FDA poza tym, co CLEW rozwija samodzielnie.

Jednak technologia jest tylko częścią rozwiązania. Użycie AI w opiece zdrowotnej nie polega na zastępowaniu opiekunów. W rzeczywistości, AI może zapewnić lepszą informację, aby wspierać ich proces decyzyjny w celu zapewnienia optymalnej opieki klinicznej, takiej jak redukcja hałaśliwych alarmów, które marnują ich czas. CLEW współpracuje z systemami opieki zdrowotnej i partnerami, aby uczyć się od nich i edukować opiekunów na temat skutecznego wdrożenia i akceptacji narzędzi AI w praktyce klinicznej. Badania, które potwierdzają dokładność i skuteczność AI, są wymagane, więc CLEW pracuje z klientami, aby wygenerować ten dowód z ich własnymi populacjami pacjentów. To ukierunkowane wysiłki badawcze wspierają wdrożenie i akceptację przez klinicystów, którzy w przeciwnym razie byliby sceptyczni.

Aby przyspieszyć nowe wdrożenia kliniczne, mamy możliwość aktualizacji naszej platformy, aby uwzględnić nowo odkryte najlepsze praktyki w ciągu miesiąca, co zwykle zajmuje lata. W ciągu najbliższej dekady, CLEW będzie na czele pracy z systemami opieki zdrowotnej, aby uczynić skuteczną AI kliniczną informowanym i przewidującym partnerem ludzkich opiekunów, którzy mogą kiedyś opiekować się nami lub naszymi bliskimi.

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