Jeffrey Eyestone, consilier pentru sănătate AI la CognitiveScale – Seria de interviuri

Jeffrey Eyestone este consilier pentru sănătate AI la CognitiveScale. În acest rol, Jeff lucrează cu organizații de sănătate (în principal furnizori de servicii de sănătate, plătitori și furnizori de tehnologie) pe parcursul călătoriei lor cu IA – de la insight strategic cu privire la modul de a dezvolta competențe și centre de excelență IA la dezvoltarea tactică a drumurilor și livrării de soluții IA

Puteti discuta de ce credeți că IA este atât de importantă pentru industria sănătății?

Cantități masive de date complexe, disparate și distribuite formează baza pentru procesele clinice, administrative și financiare care conduc sănătatea. Prin urmare, IA este acum o capacitate de bază în întregul lanț de valoare al tehnologiei informației pentru sănătate. Lucrătorii din cunoașterea, precum clinicienii și cercetătorii, realizează îmbunătățiri semnificative de la IA – în special subsetul “inteligență augmentată” al IA.

IA în sănătate este un subiect vast și există multe cazuri de utilizare valoroase, de la sursa de date la obținerea de insight, de la îmbunătățirea sau automatizarea proceselor la o mai bună implicare a pacienților și livrarea de îngrijiri personalizate. Rezultatele clinice se îmbunătățesc, eficiența conduce la economii de costuri și există multe alte cazuri de utilizare în lucru care promit să conducă la valoare. Pandemia globală actuală a pus multe alte cazuri de utilizare a IA în sănătate într-o lumină puternică, combinând scoruri și insight comunitare și individuale cu intervenții inteligente, de exemplu – toate acestea vor îmbunătăți sistemele de sănătate din întreaga lume, mult după ce vom fi învins COVID-19.

Cum ați defini inteligența augmentată într-un mediu de sănătate?

CognitiveScale se concentrează în primul rând pe inteligența augmentată. Unele tehnologii IA, cum ar fi automatizarea robotică a proceselor (RPA) sau chatbot-urile, încearcă să înlocuiască oamenii cu mașini (cel mai adesea, oricum). Ne concentrăm, în primul rând, pe soluții IA care ajută organizațiile și personalul din sănătate să lucreze mai inteligent și mai eficient. Suntem, de asemenea, concentrați pe soluții cognitive – subsetul mai avansat al IA care are un buclă de învățare sau de feedback – și adesea “oamenii din buclă” pot furniza feedback pentru modelele de învățare. Există numeroase exemple de inteligență augmentată în sănătate care încep să ofere rezultate impresionante. De exemplu, în radiologie și patologie, clinicienii își pot îmbunătăți capacitatea de a citi imagini și de a face diagnostice cu modele de învățare automată, permițând detectarea mai rapidă sau diagnostice și rezultate de laborator mai precise.

Ați lucrat cu atât startup-uri, cât și cu organizații mari care au implementat diferite strategii IA. Care sunt unele dintre greșelile comune pe care le-ați văzut?

La fel ca soluțiile IA cognitive, care învață și se maturizează în timp, și înțelegerea noastră a puterii IA și a capcanelor sale a evoluat. Timpul necesar pentru a obține acces la date, pentru a pregăti datele și apoi pentru a antrena modele pe un census de date a durat de obicei mai mult decât se așteptau. Alte greșeli se referă la operaționalizarea și scalarea soluțiilor IA – presupunând că un model bun poate fi ușor implementat și gestionat în întregul ecosistem IT al sănătății, când realitatea este că multe modele IA rămân nefolosite. Dar una dintre cele mai semnificative provocări legate de IA în sănătate se referă la încredere: pot fi modelele de încredere, sunt ele biasate, corecte, explicabile și precise? Multe titluri au arătat că soluțiile IA pot fi biasate în moduri care vor atrage atenția regulatorilor – sau pot fi soluții “cutie neagră” care câștigă scepticismul furnizorilor ale căror inteligențe sunt supuse augmentării. Aceasta este cea mai mare provocare – și greșeală – cu IA în sănătate pe care o văd în ultima vreme.

Care sunt opiniile dvs. despre profilarea genomică?

Profilarea genomică este un subset de tehnologii promițătoare concepute pentru a oferi insight personalizat despre o persoană, de obicei în scopul sănătății sale (în contrast cu genealogia sau, ocazional, vedem povești despre dispute de paternitate sau chiar investigații criminale care folosesc această tehnologie). Personalizarea este un subiect major de cazuri de utilizare a IA în sănătate – cum să implicați mai bine pacienții sau să augmentați inteligența furnizorilor cu insight mai personalizate și direcționate. În măsura în care profilarea genomică poate ajuta la livrarea de personalizare mai bună. Și, atâta timp cât datele și utilizarea lor sunt de încredere (nebiasate, corecte, explicabile, precise, etc.), atunci va fi un component important al medicinei personalizate – și un element fundamental al soluțiilor IA hiper-personalizate care folosesc informații genetice.

Personalizarea sănătății pare a fi valul viitorului; în ce moduri credeți că va avea cel mai mare impact pozitiv?

La CognitiveScale, livrăm soluții de sănătate personalizate, predictive și prescriptive. Două exemple includ intervenții inteligente pentru managerii de îngrijire (caz de utilizare clinică) și prezicerea solicitărilor de servicii (caz de utilizare administrativ/operativ). Soluțiile de intervenție inteligentă livrează inferențe personalizate, predicții și scoruri de risc (printre alte ieșiri ale modelului) care augmentează munca celor care gestionează pacienții prin intermediul unui program de management al îngrijirii. De asemenea, folosim aceste capacități pentru autoritățile de sănătate publică, furnizorii și planurile de sănătate care încearcă să gestioneze cetățenii/pacienții/membrii prin criza COVID-19. Prin prezicerea solicitărilor de servicii, ajutăm organizațiile de sănătate să știe momentul în care un membru sau furnizor sună despre revendicări, beneficii, etc., motivul exact al apelului și cum să rezolve mai eficient, reducând astfel costurile și impactând satisfacția și retenția. Există multe alte cazuri de utilizare a IA în sănătate care se concentrează pe soluții personalizate. Am putea scrie o carte despre acest subiect singur.

Puteți vorbi despre provocările agregării datelor din surse disparate, cum ar fi EMR, ERP, date de pacient, surse de date externe, etc., într-un sistem de date coerent?

Tehnologia informației pentru sănătate (HCIT) este aproape întotdeauna un ecosistem: o rețea distribuită de sisteme disparate. Un exemplu comun este dosarul medical personal (PHR) – setul complet de date al unui dosar medical al unui pacient. Chiar și atunci când un sistem de sănătate mare este pe un sistem de informații spitalicești omogene, pacienții lor vor avea, probabil, și alți furnizori de îngrijire, pot avea asigurări care reprezintă o altă sursă de date și datele lor de laborator și farmacie pot fi răspândite în mai multe clinici și companii. Deși există seturi de tranzacții standard pentru schimbul de date de sănătate, modele de date clinice comune pentru stocarea datelor (și scheme de date pentru membri, pacienți, clienți și furnizori), furnizorii de soluții IA pentru sănătate trebuie adesea să demonstreze modul în care soluțiile pot utiliza mai multe dintre acestea în același timp – date interne și externe, conectivitate de date și scheme de date. Evident, baza soluțiilor IA pentru sănătate este datele. Prin urmare, capacitățile de agregare a datelor trebuie să fie o competență de bază a oricărui furnizor de IA pentru sănătate.

Care sunt unele dintre considerațiile necesare pentru urmărirea datelor?

Urmărirea datelor este o componentă a unor probleme mai largi și mai presante în IA pentru sănătate. În primul rând, urmărirea datelor este una dintre problemele legate de confidențialitate, utilizarea datelor și schimbul de date. De exemplu, unde merge datele clinice sau informațiile de sănătate personală (PHI) și cum sunt utilizate? Aceste probleme se referă la aspectele regulatorii și juridice ale securității și confidențialității datelor de sănătate. Aceste probleme, la rândul lor, sunt un subset al IA etică și de încredere. IA etică ar trebui să țină cont de utilizarea datelor, confidențialitatea, reglementările și aspectele juridice, etc., abordând în mod specific utilizarea etică a datelor. IA de încredere include aspecte ale explicabilității și utilizării datelor.

Sunteți consilier la CognitiveScale, puteți explica ce face CognitiveScale și cum vă sfătuiți?

CognitiveScale este un furnizor de software IA care ajută organizațiile să construiască, să operaționalizeze și să scaleze soluții IA cognitive; să realizeze valoarea IA în întreaga organizație; și să gestioneze încrederea. În sănătate, lucrăm pentru unele dintre cele mai mari organizații de plătitori și furnizori de servicii din țară, pe o gamă largă de cazuri de utilizare a IA, inclusiv munca recentă în domenii precum intervenții inteligente legate de pandemia COVID-19 și modul în care aceste soluții vor îmbunătăți, ulterior, managementul îngrijirii, experiența serviciului și multe altele, odată ce vom fi trecut de această criză. Ca expert principal în domeniul sănătății, ajut clienții și partenerii noștri într-un mod mai strategic în domenii precum construirea de drumuri IA robuste și, în mod mai tactic, în domenii precum realizarea valorii și optimizarea. De asemenea, lucrez pentru a ajuta în domenii precum dezvoltarea de produse (caracteristici și capacități specifice sănătății ale platformei noastre, de exemplu) și conducerea gândirii, cu accent pe cele mai valoroase soluții IA pentru sănătate (dată fiind mărimea oportunității).

Puteti defini pentru noi care sunt cele mai mari probleme cu modul în care IA funcționează uneori ca o “cutie neagră” și soluții potențiale pentru industria sănătății?

Într-adevăr, IA de încredere și etică este o provocare semnificativă – și încrederea este, în mare măsură, datorită “problemei cutiei negre”: o lipsă de explicabilitate sau vizibilitate și scepticism cu privire la aspecte precum bias, corectitudine, acuratețe și robustețe. La CognitiveScale, soluția noastră Certiai abordează în mod specific această provocare și ajută clienții noștri cu un Index de încredere IA și componentele sale (fiecare cu propriul său scor și insight): bias, corectitudine, explicabilitate, robustețe și acuratețe. Sănătatea a avut exemple de modele biasate sau scepticism clinic cu privire la ieșirile modelului datorită lipsei de transparență sau explicabilitate. Există, de asemenea, cerințe regulatorii cu privire la confidențialitate și utilizarea datelor și utilizarea modelelor pentru a livra rezultate corecte sau nebiasate – și acestea au ajuns în știri. Lucrăm cu o serie de organizații de tehnologie și gestionare a riscurilor pentru a dezvolta modalități de a oferi vizibilitate și de a îmbunătăți încrederea în soluțiile IA “cutie neagră”.

Care sunt unele modalități prin care putem reduce suprasolicitarea serviciilor de urgență prin IA predictivă?

Evitarea serviciilor de urgență este, de fapt, un subset al optimizării îngrijirii și al sănătății personalizate – îngrijirea potrivită la momentul potrivit. Acest lucru poate implica, de asemenea, îngrijire de urgență, dar de multe ori nu este cazul. Criza recentă COVID-19 evidențiază un exemplu util în care optimizarea îngrijirii este importantă. De exemplu, îngrijirea potrivită pentru un pacient cu risc ridicat dintr-o comunitate cu risc ridicat poate include intervenții clinice, acces la un centru de testare sau, în unele cazuri, îngrijire de urgență. Pacienții, membrii, furnizorii și plătitorii doresc toți nivelul potrivit de îngrijire la momentul potrivit în această criză, astfel încât o combinație de soluții IA ajută la livrarea de insight, cum ar fi scoruri de risc comunitar și pacient, analiza răspândirii, predicții ale utilizării spitalicești și îndrumări personalizate pentru persoane specifice, printre alte soluții. Evaluăm performanța soluțiilor noastre de management al îngrijirii în funcție de o serie de metrici de performanță, cum ar fi îmbunătățirea rezultatelor, inclusiv evitarea serviciilor de urgență atunci când este cazul.

Mulțumim pentru interviu, cititorii care doresc să afle mai multe pot vizita CognitiveScale.