Sean Shoffstall, Dyrektor ds. Sztucznej Inteligencji, Innowacji i Danych w PaceMate – Wywiad

Sean Shoffstall, Dyrektor ds. Sztucznej Inteligencji, Innowacji i Danych w PaceMate, jest ekspertem w dziedzinie technologii i produktów z ponad 20-letnim doświadczeniem w tworzeniu innowacyjnych rozwiązań SaaS i integrowaniu technologii sztucznej inteligencji, które dostarczają mierne wyniki biznesowe i są zgodne z celami strategicznymi.

Sean specjalizuje się w normalizowaniu sztucznej inteligencji, technologii opieki zdrowotnej i platform opartych na danych dla zespołów i klientów, zwiększając produktywność i efektywność w procesach klinicznych. Jego poprzednia praca nad wdrożeniem sztucznej inteligencji w systemach zarządzania opieką zdrowotną przyniosła znaczne poprawy efektywności i wyników pacjentów dzięki intuicyjnym projektom i wnioskom opartym na danych.
Jako lider myśli i prelegent na temat sztucznej inteligencji dla menedżerów, Sean mostkuje lukę między możliwościami technicznymi a wdrożeniem strategicznym, koncentrując się na zarządzaniu produktem i rozwoju, które służą prawdziwym potrzebom klinicznym. Buduje zespoły, które dostarczają innowacyjne rozwiązania, które rozwiązują prawdziwe wyzwania opieki zdrowotnej, a nie tylko śledzą trendy technologiczne, zapewniając zgodność z doskonałością operacyjną i poprawą wyników pacjentów.

PaceMate to firma technologiczna opieki zdrowotnej, która oferuje PaceMateLIVE, platformę opartą na chmurze do zdalnego monitorowania i zarządzania danymi kardiologicznymi. System integruje dane z urządzeń wszczepialnych, monitorów ambulatoryjnych i EKG konsumentów, wykorzystując automatyczną priorytetyzację, aby pomóc klinicystom w koncentrowaniu się na najbardziej krytycznych alertach. Wspiera interoperacyjność z głównymi systemami elektronicznych kart zdrowia, takimi jak Epic, Cerner i athenahealth, usprawniając procesy kliniczne, poprawiając efektywność operacyjną i zwiększając ciągłość opieki nad pacjentami w praktykach kardiologicznych.

Zbudowałeś rozwiązania oparte na sztucznej inteligencji dla opieki zdrowotnej przez ponad 20 lat, w tym pierwsze narzędzie audiogramu zgodne z HIPAA w Auditdata, a teraz platformę inteligencji kardiologicznej w PaceMate. Co zainspirowało Twoją decyzję o przejściu do wykorzystania sztucznej inteligencji do transformacji danych klinicznych w wglądy działania?

Zawsze byłem zmotywowany danymi. Na początku mojej kariery w marketingu cyfrowym, nasza agencja miała slogan “Kreatywność ilościowa” – idea, że możesz napędzać emocje i kreatywność przez to, czego się uczysz z danych. Gdy przeszedłem do opieki zdrowotnej, zobaczyłem nowy sposób wykorzystania danych. Zamiast po prostu raportować, co już się wydarzyło u pacjenta, zacząłem się zastanawiać: czy możemy użyć danych, aby zobaczyć trendy? Czy możemy przewidzieć, co może się wydarzyć następnie?

Potem pojawiła się sztuczna inteligencja i rozszerzyła te możliwości. Naprawdę wierzę, że jeśli możemy użyć sztucznej inteligencji w sposób inteligentny, z ludźmi w środku, możemy przekształcić opiekę zdrowotną. Może dać lekarzom więcej czasu z pacjentami, podczas gdy zadania związane z danymi są obsługiwane przez sztuczną inteligencję. Jeszcze nie jesteśmy tam, ale fundamenty są budowane, aby nas tam doprowadzić.

PaceMate zarządza jednym z największych i najbardziej zaawansowanych zbiorów danych kardiologicznych na świecie. Jak te dane są przekształcane w algorytmy predykcyjne, które poprawiają wyniki pacjentów i efektywność kliniczną?

Dane są kluczem. Aby uzyskać największą moc z sztucznej inteligencji i uczenia maszynowego, wszystko sprowadza się do zestawu danych szkoleniowych, który posiadasz. PaceMate jest liderem branży nie tylko ze względu na nasze dane, ale także dlatego, że nasz zespół ma dziesiątki lat doświadczenia klinicznego w interpretowaniu i walidacji danych. Gdy łączymy dane szkoleniowe z tym doświadczeniem, zaczynamy widzieć, jak oszczędność jednej minuty tutaj i dwóch minut tam może przynieść ogromne korzyści w efektywności.

Następnie, gdy warstwujemy możliwość identyfikacji trendów w danych pacjentów w czasie, dajemy lekarzom wglądy, których potrzebują, aby podejmować najlepsze decyzje dla swoich pacjentów – poparte najbardziej kompletnymi danymi możliwymi.

Ramy regulacyjne, takie jak HIPAA i zatwierdzenia FDA, często spowalniają wdrożenie sztucznej inteligencji w opiece zdrowotnej. Jakie praktyczne kroki mogą podjąć organizacje, aby innowować odpowiedzialnie w ramach tych ograniczeń?

W PaceMate mocno wierzymy w filozofię “człowiek w środku” wokół sztucznej inteligencji. Nie przenosimy decyzji na sztuczną inteligencję, co jest dokładnie tym, czego wymaga FDA. Zamiast tego organizacje mogą użyć sztucznej inteligencji do wydobywania, organizowania i prezentowania danych, podczas gdy nadal polegają na ekspertyzie klinicznej, aby określić, co jest najlepsze dla każdego pacjenta.

Jeśli chodzi o HIPAA, prywatność pacjentów jest poważną troską w opiece zdrowotnej, i powinniśmy zawsze stawiać ją na pierwszym miejscu. To jest to, co jest wspaniałe w naszym podejściu ludziocentrycznym – sztuczna inteligencja nie musi wiedzieć nic o danych osobowych pacjentów (PII). Możemy deidentyfikować dane i analizować je w ten sposób. Ale nawet z najlepszą filozofią, używanie odpowiednich narzędzi zgodnych z HIPAA – które pojawiły się na rynku w ciągu ostatnich kilku lat – jest również niezwykle ważne.

Prywatność danych jest zawsze wielowarstwowym podejściem, a prywatność pacjentów powinna zawsze być stawiana na pierwszym miejscu, nawet przed innowacjami.

Czułość danych jest poważną troską w opiece kardiologicznej. Jak PaceMate zapewnia, że rozwój sztucznej inteligencji utrzymuje najwyższe poziomy prywatności i zaufania pacjentów?

Prywatność pacjentów zawsze była kamieniem węgielnym PaceMate, a pojawienie się sztucznej inteligencji tylko wzmacnia, dlaczego to zobowiązanie jest takie ważne. Podejmiemy rozwój sztucznej inteligencji z filozofią “prywatność przez projektowanie”, co oznacza, że ochrona danych nie jest późniejszym myśleniem, ale jest wbudowana w każdym etapie.

Wszystkie dane pacjentów wykorzystywane w szkoleniu sztucznej inteligencji są rygorystycznie deidentyfikowane i szyfrowane, zgodnie z protokołami, które przekraczają wymagania HIPAA. Ściśle przestrzegamy również zasad minimalizacji danych, gromadząc i przetwarzając tylko to, co jest absolutnie niezbędne do wartości klinicznej.

W opiece kardiologicznej jesteśmy powierzani niektórymi z najbardziej intymnych danych zdrowotnych wyobrażalnych. Dlatego przeprowadzamy regularne oceny wpływu na prywatność i audyty bezpieczeństwa trzeciej strony, ponieważ zdobywanie i utrzymywanie zaufania nie jest jednorazowym wysiłkiem – jest to codzienna odpowiedzialność.

Automatyzacja w opiece zdrowotnej może być obosiecznym mieczem. Jak sztuczna inteligencja w PaceMate jest zaprojektowana, aby uzupełniać – a nie zastępować – ekspertyzę klinicystów?

Nasza filozofia “człowiek w środku” oznacza, że sztuczna inteligencja jest używana jako komplementarne narzędzie, nigdy nie zastępując ekspertyzy. Nasze zaangażowanie w wykorzystanie wewnętrznej ekspertyzy klinicznej i współpracę z klinicystami w szpitalach w celu kierowania naszym rozwojem produktu bezpośrednio kształtuje naszą praktykę sztucznej inteligencji.

Zadajemy pytania takie jak: “Co sprawiłoby, że byłbyś bardziej wydajny?”, “Jakie dane pomogłyby ci podejmować lepsze decyzje?” i “Co brakuje w twoim obecnym procesie?” Następnie używamy tych wglądów, aby nakierować, jak wdrożymy automatyzację i sztuczną inteligencję bez przeszkadzania.

Wiele systemów opieki zdrowotnej boryka się z fragmentowanymi danymi na urządzeniach, elektronicznych kartach zdrowia i narzędziach monitorowania. Jak Wasz zespół podejmuje wyzwanie ujednolicenia tych źródeł, aby dostarczyć wglądy w czasie rzeczywistym, które naprawdę mają znaczenie w miejscu opieki?

Przez ostatnie 10 lat staliśmy się centrum danych w monitorowaniu zdalnym i rozumiemy przepływ danych pacjentów od środka. Można to uznać za graf tożsamości, w którym dane są gromadzone i obsługiwane w potrzebnych w tym momencie ilościach. Zbudowaliśmy infrastrukturę do pobierania danych z wielu producentów urządzeń, ich platform monitorowania zdalnego i systemów elektronicznych kart zdrowia, a następnie normalizujemy i kontekstualizujemy te dane, aby były naprawdę przydatne w miejscu opieki.

Kluczem jest zrozumienie nie tylko tego, jak gromadzić dane, ale także kiedy i jak je prezentować. Staliśmy się również ekspertami w agregowaniu szerokich, deidentyfikowanych danych w celu walidacji trendów i zapewnienia jakości, gdy wprowadzamy nowe źródła danych. Ta podwójna zdolność – dostarczanie personalizowanych, w czasie rzeczywistym wglądów, jednocześnie utrzymując ogólny widok – pozwala nam przekształcić fragmentowane dane w wglądy działania.

Z Twoim doświadczeniem w wielu startupach opieki zdrowotnej, jakie są najbardziej pomijane wyzwania przy integrowaniu sztucznej inteligencji w procesy kliniczne na dużą skalę?

Prywatność i bezpieczeństwo są zastraszające dla wielu mniejszych firm technologicznych opieki zdrowotnej. Ale istnieją świetne najlepsze praktyki i narzędzia dostępne, a wszystkie główne dostawcy chmury – AWS, Azure i Google Cloud – mają doradców z przewodnikami i listami kontrolnymi, które pomagają startupom i przedsiębiorstwom pokonywać te wyzwania.

Gdy tylko to jest obsłużone, dane na dużą skalę stają się następną przeszkodą. Gdzie jesteś dzisiaj ze swoim zestawem danych, będzie zupełnie inny za sześć miesięcy. Zrozumienie, jak wykorzystać strukturalne i niestrukturalne dane z silnym grafem tożsamości, może być dobrą podstawą do rozpoczęcia, a dokumentowanie podejścia na drodze pomoże uniknąć niektórych siwych włosów w przyszłości.

Wdrożenie sztucznej inteligencji w sposób etyczny i transparentny staje się decydującym czynnikiem w innowacjach opieki zdrowotnej. Jak budujesz odpowiedzialność i wyjaśnialność w systemach sztucznej inteligencji używanych do wspierania decyzji medycznych?

To wraca do naszej filozofii “człowiek w środku”. Projektujemy naszą sztuczną inteligencję, aby prezentować wglądy i wzorce, ale klinicysta zawsze podejmuje ostateczną decyzję. To tworzy naturalną warstwę odpowiedzialności, gdzie zawsze jest licencjonowany profesjonalista, który przegląda i waliduje, co sztuczna inteligencja sugeruje.

Koncentrujemy się również na pokazywaniu “dlaczego” za zaleceniami sztucznej inteligencji. Nasze systemy podkreślają, które punkty danych napędzają konkretny wgląd, aby lekarze mogli ocenić, czy ma to sens kliniczny dla ich konkretnego pacjenta. Nie prosimy klinicystów o zaufanie czarnej skrzynce – dajemy im przejrzystość w logice.

Ponieważ uczenie się odbywa się w obie strony, zbudowaliśmy również ciągłe pętle informacji zwrotnej. Gdy klinicysta akceptuje lub anuluje sugestię sztucznej inteligencji, to informuje nasz model o poprawie. To tworzy odpowiedzialność w obie strony i z czasem sztuczna inteligencja uczy się z ekspertyzy klinicznej, podczas gdy klinicyści mogą zobaczyć, jak ich dane wpływają bezpośrednio na system.

Ostatecznie wyjaśnialna sztuczna inteligencja w opiece zdrowotnej nie dotyczy tylko technicznej przejrzystości, ale także szacunku dla osądów klinicznych i tworzenia narzędzi, które uzupełniają, a nie zaciemniają proces decyzyjny.

Jako osoba, która regularnie doradza menedżerom w sprawie strategii sztucznej inteligencji, jakie zmiany myślenia są najbardziej krytyczne dla liderów opieki zdrowotnej, którzy chcą przenieść się z eksperymentowania do znaczącego wdrożenia?

Gdy rozmawiam z liderami biznesu o sztucznej inteligencji, staram się skierować ich do “Co, jeśli…” lub “Żałuję, że…” myślenia. Jednym z najpotężniejszych narzędzi w sztucznej inteligencji jest możliwość dotarcia do światowego spojrzenia na problem, a nie tylko ludzi wokół ciebie lub twoich własnych uprzedzeń. Więc gdy myślisz, że coś jest trudne lub niemożliwe, użyj swojej ulubionej sztucznej inteligencji, aby powiedzieć “Żałuję, że mogę…” i opisz rzeczy, które stoją na twojej drodze. To jest bardzo potężne. Nakierowuję ich również, aby ich język sztucznej inteligencji był ciekawy. Powiedz im o swoim problemie, ale także powiedz im, aby zadawać ci szczegółowe pytania. Czasami to samo może poprowadzić cię do naprawdę unikalnych rozwiązań.

Sztuczna inteligencja jest również wspaniałym narzędziem do planowania. Menedżerowie muszą ustalić strategię, a także stworzyć plan działania, określić, jak mierzyć sukces i zidentyfikować pułapki, zanim się pojawią. Sztuczna inteligencja jest świetna w pomocy w tworzeniu planów, aby rozpocząć.

Na koniec zawsze czytamy o tym, jak sztuczna inteligencja zabiera pracę i firmy zwalniają ludzi na rzecz sztucznej inteligencji. Uważam, że to jest zły sposób myślenia o sztucznej inteligencji. Firma, która jest zbudowana na produktach lub usługach dla ludzi, potrzebuje ludzi, aby zrozumieć, co oferują. Zamiast używać sztucznej inteligencji do redukcji kosztów, pomyśl, jak sztuczna inteligencja może wziąć nudne zadania od twoich ludzi i stać się wzmacniaczem. Jeśli możesz zmniejszyć koszty o 15% lub zwiększyć produktywność o 200%, która jest lepszą decyzją biznesową?

Patrząc pięć lat do przodu, jak wyobrażasz sobie, że sztuczna inteligencja zmieni krajobraz monitorowania kardiologicznego i medycyny prewencyjnej – i jakie kamienie milowe chcesz osiągnąć w PaceMate w tym czasie?

Sztuczna inteligencja będzie coraz bardziej częścią naszej pracy i codziennego życia w ciągu najbliższych pięciu lat. Gdy nasi użytkownicy stają się bardziej komfortowi i ufni w dane wyjściowe, otwiera to niezliczone możliwości i partnerstwa.

Chciałbym najpierw dostarczyć narzędzia, które pomogą klinicystom priorytetyzować opiekę nad pacjentami, którzy mogą być najbardziej narażeni na niekorzystne zdarzenia. Następnie możemy zacząć używać sztucznej inteligencji i danych trendów, aby pokazać różne możliwe wyniki dla poszczególnych pacjentów, dając lekarzom jaśniejszy obraz tego, co jest przed nimi.

Na koniec, gdy będziemy mogli dostarczyć wglądy, którym wszyscy ufają, znalezienie wielkich partnerstw z szpitalami badawczymi, aby pomóc im wykorzystać nasze modele, byłoby ambitnym celem. To jest miejsce, w którym możemy naprawdę przyspieszyć innowacje w całej branży i mieć znaczący wpływ na opiekę kardiologiczną jako całość.

Dziękuję for the great interview, readers who wish to learn more should visit PaceMate.