Daniel Cane, Co-CEO e Co-Fundador da ModMed – Série de Entrevistas

Daniel Cane é co-CEO e co-fundador da ModMed^®, uma empresa de tecnologia da informação em saúde com sede na Flórida, que está transformando a saúde por meio de plataformas inteligentes e especializadas para aumentar a eficiência das práticas e melhorar os resultados dos pacientes.

Fundada em fevereiro de 2010, a ModMed cresceu para mais de 1.200 funcionários e arrecadou mais de 332 milhões de dólares em investimentos totais. Conhecida por seu crescimento progressivo como uma empresa de tecnologia médica, a ModMed é frequentemente reconhecida nacional e regionalmente por seus feitos sob a liderança de Daniel. Em 2020, a empresa foi nomeada uma das Melhores Empresas para Trabalhar no País pela revista Inc. Entre 2016 e 2018, a empresa foi nomeada uma das empresas de crescimento mais rápido na América do Norte na lista Deloitte Technology Fast 500^™. A partir de 2015, a empresa tem sido nomeada anualmente para a lista exclusiva Inc. 5000, uma compilação prestigiosa das empresas privadas de crescimento mais rápido do país.

Pode compartilhar algumas informações sobre seu histórico e como ele influenciou seu trabalho na ModMed?

Minha jornada na tecnologia começou durante meus anos de graduação em Cornell, quando co-fundei a Blackboard. Transformamos a educação digitalizando notas de aula e criando uma plataforma que deu aos estudantes e professores flexibilidade e interação sem precedentes. Para mim, o sucesso da Blackboard culminou em 2004 com sua oferta pública inicial, e embora nossas soluções tenham sido inovadoras na educação, não pude deixar de procurar por novos desafios.

Um desses desafios se apresentou quando fui a um check-up de rotina com meu dermatologista. Tivemos uma conversa incrível sobre as lutas de usar sistemas baseados em papel obsoletos e maneiras de resolvê-los. Percebendo a ponte entre sua expertise médica e meu conhecimento técnico, decidimos nos unir e criar a ModMed, juntamente com nossa primeira plataforma de registro eletrônico de saúde (EHR).

Na época, alguns EHRs já existiam, mas infelizmente, estudos frequentemente os citavam como uma das principais causas de queimadura de médicos. Abordamos de uma maneira diferente e projetamos nosso EHR para adaptar a experiência do usuário aos fluxos de trabalho específicos de uma especialidade médica. Nossa plataforma de EHR baseada em nuvem, EMA, é e continua a ser projetada por médicos, para médicos, o que nos distingue e define nosso segredo no mercado. Ao longo dos anos, expandimos nossas ofertas de produtos para incluir uma suíte completa de soluções que ajudam os provedores médicos a simplificar e agilizar suas operações de prática e acelerar a entrega de cuidados.

Como você vê a batalha pela AI eficaz na saúde sendo ganha ou perdida com dados?

Estamos começando a ver um aumento na adoção de tecnologia de AI dentro das práticas para agilizar fluxos de trabalho e maximizar a eficiência. À medida que nos movemos para uma era de usar AI para realizar tarefas mais sofisticadas – como sugerir tratamento ou outras recomendações de suporte clínico – é fundamental ter a estratégia certa de dados e treinamento de AI em vigor. A AI tem a oportunidade de melhorar significativamente a experiência para pacientes e provedores e criar uma mudança sistêmica que realmente melhorará a saúde, mas tornar isso realidade dependerá de grandes quantidades de dados de alta qualidade usados para treinar os modelos.

Por que os dados são tão críticos para o desenvolvimento de AI na indústria da saúde?

Os dados são a vida da AI, e a qualidade ruim dos dados prejudicará o desempenho de uma AI, levando a resultados subótimos. Isso pode ter consequências graves em um ambiente de saúde, pois a vida dos pacientes pode estar em jogo. Mas um cenário mais provável é que essas experiências negativas possam minar a confiança tanto dos pacientes quanto dos provedores na AI, retardando o progresso e o impacto positivo que essa tecnologia revolucionária pode ter na saúde.

Por exemplo, no consultório, as ferramentas de escuta ambiental habilitadas por AI são projetadas para sugerir conteúdo para notas clínicas para o provedor revisar e aprovar. Idealmente, isso deve reduzir a quantidade de tempo que um provedor gasta documentando dentro do EHR e permitir mais tempo de qualidade com o paciente. No entanto, a fonte de dados ruim e as ferramentas de AI mal treinadas podem ter o efeito oposto, deixando os provedores a gastar um tempo excessivo corrigindo erros e reescrevendo notas.

Além disso, o viés é um risco significativo associado a algoritmos de AI, e os dados de qualidade podem desempenhar um papel fundamental na mitigação das disparidades de saúde. Os modelos de AI podem aprender padrões que tratam efetivamente uma população de pacientes de forma preferencial em comparação com outras populações, incluindo grupos legalmente protegidos. Ao monitorar as entradas de dados e treinar em dados robustos e representativos, as saídas de AI podem ser mais inclusivas e precisas.

Pode elaborar sobre os tipos de dados que a ModMed usa para treinar seus modelos de AI e como esses dados são fontes e gerenciados?

Na ModMed, usamos dados abrangentes e específicos de especialidade para ajudar a treinar nossos modelos de AI com precisão. Ao longo dos últimos 14 anos, criamos conjuntos de dados estruturados específicos de especialidade, consistentes com as leis de privacidade, e agora estamos aproveitando esses dados internos para treinar nossos modelos de AI. Por exemplo, nossa ferramenta de escuta ambiental ModMed Scribe foi treinada para dermatologia, nosso primeiro lançamento de especialidade, em milhões de parâmetros estruturados de registros de pacientes desidentificados amostrados de uma coleção de 500 milhões de encontros de pacientes.

Como a ModMed define “AI ética” no contexto da saúde?

O potencial de a AI ter vieses ou fornecer informações imprecisas na forma de “alucinações” ou omissões pode impactar a vida dos pacientes. Por esse motivo, a AI ética na saúde é sobre estabelecer um alto padrão de precisão e precisão. Isso significa desenvolver algoritmos cuidadosamente e de forma responsável, e usar dados de alta qualidade e diversificados para ajudar a permitir previsões mais precisas para todos os usuários.

A AI ética também é sobre garantir que os humanos permaneçam na equação. Uma AI não deve “superar o médico” mas, em vez disso, reduzir a carga administrativa que os médicos e sua equipe experimentam, para que eles possam se concentrar mais em ajudar os pacientes.

Quais medidas estão em vigor na ModMed para permitir que as tecnologias de AI sejam desenvolvidas e implantadas de forma ética?

Nossa abordagem de dados estruturados – curando conjuntos de dados de treinamento de alta qualidade e representativos – ajuda a tornar a AI responsável uma realidade. Dados relevantes e desidentificados coletados de nossos sistemas de EHR de uma ampla variedade de práticas nos fornecem um conjunto diversificado de dados de treinamento que refletem diferentes populações de pacientes.

Além disso, nossa equipe de desenvolvimento adota a limpeza de dados para facilitar a coleta e utilização de dados de alta qualidade. Esse processo permite que nossas equipes identifiquem, corrijam e removam inconsistências, erros e valores ausentes do conjunto de dados. Por meio dessa manutenção regular, podemos atualizar consistentemente a AI com base em dados de desempenho, especialmente dados clínicos, onde os resultados dos pacientes podem ser impactados.

Pode discutir a importância da transparência e responsabilidade no desenvolvimento de AI, especialmente na saúde?

A transparência torna a responsabilidade possível, o que é por que é um pilar fundamental para qualquer solução de AI na saúde. Os principais objetivos dos médicos são o cuidado e a segurança do paciente, então não é surpreendente que 80% dos médicos queiram saber as características e recursos do design, desenvolvimento e implantação de ferramentas de AI.

Além disso, nem todos os dados são criados igualmente. É importante saber onde e como os dados são armazenados e fontes e como regularmente são atualizados. Temos a sorte de que, desde o início da ModMed, nos comprometemos com uma estratégia de dados que prioriza a transparência e a precisão. Temos um entendimento abrangente das fontes e da qualidade de nossos dados e estamos confiantes de que nossas integrações de AI entregarão um valor considerável para nossos clientes.

Como a AI está sendo integrada nos sistemas de EHR especializados da ModMed, como o EMA e o gGastro?

Em nosso portfólio, temos utilizado aprendizado de máquina por algum tempo e estamos fortalecendo nosso investimento em AI avançada e geradora para simplificar os negócios da medicina e acelerar a qualidade dos cuidados. Estamos construindo uma experiência completa de prática habilitada por AI que começa antes de um paciente entrar no consultório, se estende pelo consultório e até o departamento de cobrança.

No ambiente clínico, estamos nos estágios finais de nosso programa piloto de escuta ambiental habilitada por AI para o EMA, que acreditamos será um divisor de águas para sua funcionalidade downstream e conteúdo sugerido. Nossa solução de documentação habilitada por AI é projetada para agilizar o processo de cuidado além da simples transcrição ou redação de uma nota SOAP. Utilizando vastas quantidades de dados estruturados, estamos treinando nossos modelos de AI para capturar informações essenciais das conversas médico-paciente e, trabalhando ao lado de nosso EHR, para sugerir conteúdo relevante para notas de visita, incluindo códigos ICD-10, códigos cirúrgicos e prescrições. Isso economiza tempo precioso para os médicos e permite que eles passem mais tempo de qualidade com seus pacientes.

Quais são os benefícios específicos que as soluções de AI especializadas fornecem aos provedores de saúde e pacientes?

Nenhuma especialidade médica é igual. Elas variam amplamente com os pacientes que atendem, as condições que tratam e os códigos médicos usados para reembolsos. As soluções de AI devem ser personalizadas para acomodar essas variações para serem eficazes de alguma forma significativa.

Por exemplo, os EHRs e as ferramentas de escuta ambiental da ModMed são personalizados explicitamente para cada especialidade médica, fornecendo suporte relevante e preciso para os clínicos. O processo de documentação de cada especialidade requer componentes diferentes dentro da nota de dados estruturados, incluindo códigos médicos e terminologia únicos. Essa especialização permite que a AI entenda e antecipe melhor as necessidades e fluxos de trabalho únicos de práticas de especialidades variadas, o que acreditamos resultará em implementação mais eficiente, adoção mais rápida e maior eficácia geral na melhoria da eficiência operacional.

Onde você vê as oportunidades mais significativas para a AI na saúde nos próximos cinco a dez anos?

No futuro, a AI permeiará quase todos os aspectos da saúde de maneiras que não podemos imaginar. Já, a AI está sendo utilizada para tarefas administrativas, e no curto prazo, essa tendência provavelmente aumentará à medida que o valor da AI se torna mais aparente.

Também vejo um futuro em que a AI será integrada de forma indistinguível às interações médico-paciente, onde a interface do usuário ou UI é virtualmente invisível. Em vez das interações baseadas em tela de hoje, a AI pode oferecer uma mistura de realidade e realidade aumentada. Esse estado futuro da AI pode analisar registros de saúde para identificar insights críticos, prever o risco de um paciente para várias doenças. A vasta quantidade de dados nos registros médicos apresenta uma oportunidade para a AI antecipar as necessidades de cuidados futuros e criar e ajudar a gerenciar planos de tratamento preventivo.

Essa experiência pode se estender além do ambiente de prática e se tornar integral à vida diária do paciente. Dispositivos portáteis habilitados por AI podem fornecer suporte personalizado, responder a perguntas e agendar consultas, entre outras coisas. A AI também pode monitorar sinais vitais remotamente, detectar e alertar os provedores sobre possíveis problemas de saúde. Planos de tratamento personalizados, adaptados a pacientes individuais com base em dados e preferências, podem se tornar a norma.

Essa é uma época emocionante para a saúde. Os próximos cinco a dez anos estão repletos de oportunidades para transformar ainda mais a indústria e melhorar a experiência do paciente.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar ModMed.