Тим Васил, соучредитель и главный технический директор Hospital IQ — серия интервью

Тим Васил — соучредитель и главный технический директор в Больничный IQ, платформу управления операциями, которая использует данные для предоставления готовых решений искусственного интеллекта на основе машинного обучения для быстрого и устойчивого улучшения операционной деятельности.

Что изначально привлекло вас в информатике?

Детские книги. Будучи старшекурсником, не зная, какую карьеру выбрать, я изучил позицию веб-разработчика с частичной занятостью в BabyZone.com. Опыт был невероятным! Один из моих первых проектов заключался в том, чтобы взять физический носитель, детские книги и перенести их в цифровую эпоху со звуками, эффектами перехода и интерактивной гостевой книгой. Я написал некоторый код, нажал кнопку, чтобы загрузить его на веб-сайт, и внезапно тысячи родителей получили возможность связаться с дальними друзьями и родственниками.

Это приложение для электронной книги показало информатику как область, в которой я мог бы быть немного художником, инженером и, возможно, даже волшебником, и использовать эти навыки для улучшения жизни многих людей. Я увидел, что могу написать код один раз и оказывать долгосрочное влияние везде. Ух ты!

Не могли бы вы рассказать нам историю возникновения Hospital IQ?

Соучредитель Рич Крюгер и я объединились, чтобы исследовать области, которым технологии пренебрегают. Вы могли бы подумать, что больницы не будут одной из таких областей, учитывая миллиарды долларов, которые они тратят каждый год на медицинское оборудование, электронные медицинские записи и тому подобное. Эти области, безусловно, хорошо защищены. Однако то, что мы увидели, было совершенно другой стороной больниц, операционной стороной. Эта сторона посвящена выяснению того, когда запланировать операции, куда перевести пациентов, каким тестам расставить приоритеты, как лучше спланировать завтрашний день и так далее. Это особенно сложные проблемы, и традиционное медицинское программное обеспечение их просто не касается.

Чтобы изучить эту возможность, мы встретились с руководителями больниц и передовым персоналом. Мы видели героизм каждый день. Мы видели, как планировщики медицинских сестер делали непрерывные звонки и задавали вопросы, чтобы направить персонал в наиболее необходимые места. Мы видели, как руководители операционных с наклейками и досками изо всех сил старались разделить время операционной между хирургами. Мы видели лидеров операционного совершенства с огромными электронными таблицами, пытающимися смоделировать, сколько больничных коек нужно перераспределить. Короче говоря, мы видели, как много ручного труда прикладывалось к проблемам, потому что программные инструменты не справлялись, и мы хотели помочь.

Как и у многих стартапов, наш путь разработки продукта не был прямым. Наша ранняя «помощь» пришла в виде стратегических инструментов, которые, как мы думали, решат самые сложные проблемы, но для этого требовалось много данных и много математики. Механика этого кажется впечатляющей: мы можем автоматически собирать модели для имитации внутренней работы больницы и давать рекомендации относительно того, следует ли изменить этот хирургический график или следует построить новое крыло. Тем не менее, хотя вопросы, на которые они отвечали, были большими, их также задавали нечасто.

Истинное происхождение Hospital IQ в том виде, в каком оно существует сегодня, — это не какой-то вдохновенный путь Рича или меня, а вся наша команда, работающая непосредственно с нашими клиентами и понимающая, что наша самая важная роль заключается не в том, чтобы помогать больницам отвечать на большие, нечастые вопросы, скорее это, казалось бы, маленькие, частые. Это вопросы, которые определяют, на что похож опыт каждого, как пациента, отправляющегося на операцию, так и команды по уходу, направляющей их на этом пути.

Не могли бы вы обсудить, как программное обеспечение позволяет системам здравоохранения достигать и поддерживать максимальную производительность?

Наше программное обеспечение предназначено для того, чтобы встречаться с работниками здравоохранения там, где они находятся сегодня, в своих повседневных рабочих процессах. Вместо того, чтобы ожидать, что они будут делать что-то радикально иное, например, запускать симуляцию, интерпретировать прогноз или оптимизировать расписание персонала с нуля, мы принимаем знакомые шаги, которые они предпринимают каждый день, двумя способами. Мы оцифровываем их, чтобы они могли более эффективно общаться друг с другом, а затем накладываем прогнозы и рекомендации. Это позволяет медицинскому персоналу работать эффективнее и эффективнее. Самое главное, это освобождает их для того, чтобы тратить больше времени на уход за пациентами.

Возьмем один пример: штатное расписание. Выяснение того, сколько медсестер должно быть в каждом отделении для каждой смены, является сложной задачей. Некоторые сотрудники заболевают. Может возникнуть неожиданный всплеск спроса. Медсестры, которые могут «плавать» между подразделениями, должны распределяться справедливо. Также необходимо учитывать набор навыков, квалификацию и предпочтения каждого. Сложите все это вместе, и вы поймете, почему телефон в типичном кадровом офисе разрывается. Тем не менее, в тот же день, когда мы запускаем Hospital IQ, телефоны замолкают. Большая часть работы остается прежней, но поскольку вся информация централизована на платформе Hospital IQ, все соображения переместились с электронных таблиц, досок и самоклеящихся заметок на изящные средства коммуникации, автоматизированный анализ отклонений и предложения по балансировка персонала. Медсестры-планировщики могут выполнять свою работу более эффективно и с удовольствием, чем когда-либо прежде. Поддерживать такую ​​производительность также легко, потому что инструменты созданы для поддержки существующего рабочего процесса. Мы не консалтинговая компания, которая приходит, чтобы изменить то, как происходит работа, только для того, чтобы увидеть, как она возвращается к статус-кво.

Какие технологии машинного обучения используются?

Наша команда по обработке и анализу данных применяет любые методы, необходимые для получения отличных результатов в сценариях использования наших клиентов. Мы использовали статистический анализ, чтобы понять использование операционных, модели ARIMA для прогнозирования хирургического объема, Prophet для прогнозирования переписи, случайные леса для классификации стационарного статуса, нейронные сети для оценки повторной госпитализации и многое другое. Наша команда по науке о данных следит за последними исследованиями, источниками данных и инструментами благодаря постоянным встречам «журналистского клуба», а также регулярно вводит новшества самостоятельно. С таким широким полем деятельности существует так много привлекательных вариантов использования и интересных наборов данных для изучения и интеграции в платформу Hospital IQ.

Одна из особых задач для нас — справиться с уникальностью, которую мы видим в каждом из клиентов нашей больницы. Они обслуживают разные демографические группы. У них разные специализации. Клинические и операционные данные в каждой больнице поступают из разных программ, настроенных по-разному со своими недостатками. Если бы нам нужно было построить всеобъемлющую модель для всех наших клиентов или даже для всех кампусов в рамках одной системы здравоохранения, она не очень хорошо подошла бы. Тем не менее, создание индивидуальных и одноразовых решений вручную не является масштабируемым или надежным подходом. Вместо этого мы полагаемся на понимание отличительных характеристик данных каждого клиента, разработку обобщающих моделей и создание инструментов для автоматизации построения моделей, постоянного обучения, измерения и мониторинга точности для отдельных кампусов.

Бесплатный общедоступный инструмент «Панель региональных прогнозов COVID-19» насчитывает более 76,000 XNUMX пользователей из сотен больниц. Что именно представляет собой этот инструмент?

Когда в марте 19 года мы впервые создали панель региональных прогнозов COVID-2020, мы были обеспокоены тем, что в США могут закончиться свободные больничные койки, и хотели предоставить систему раннего предупреждения не только нашим клиентам, но и всем больницам. Чтобы это произошло, мы искали наборы данных, такие как количество укомплектованных коек по округам, вероятные показатели передачи и смертности от COVID-19 по возрастным группам и десятки других вещей. Мы даже построили модель SEIR, чтобы предсказать траекторию распространения вируса в каждом округе, и попытались предоставить как можно больше контекста, в том числе момент, когда пропускная способность отделений интенсивной терапии и медицины/хирургии будет нарушена, сколько людей выздороветь, и еще сколько бы умерло. Нашей целью было собрать полную картину по округам из различных надежных источников данных.

Больницы использовали нашу информационную панель в качестве инструмента для принятия ключевых решений, например, когда открывать приемные отделения или когда приостанавливать плановые операции, чтобы освободить место для предстоящих волн инфицированных пациентов. Интересно, что даже люди дома нашли некоторое применение и даже утешение в этом инструменте, поскольку он внес немного ясности в очень страшную и новую глобальную пандемию.

Предоставляя общедоступный инструмент, мы понимаем, что наша важная обязанность — собирать и анализировать данные достоверно и часто, а также выбирать наилучшие доступные источники данных. Иногда это означает замену лучших моделей по мере их появления. В случае с нашей собственной моделью SEIR мы в конечном итоге с разрешения внедрили модель уровня штата Института показателей и оценки здоровья (IHME), поскольку она становится признанным стандартом Белого дома и других источников. Мы нашли способ поместить эти прогнозы в контекст конкретных округов, а также конкретных больниц в этих округах, чтобы давать больницам почасовые рекомендации о продолжающемся воздействии COVID-19.

Ученые и инженеры больничных данных IQ часто участвуют в хакатонах. Какие интересные идеи или проекты появились в результате этих хакатонов?

Каждый месяц мы призываем членов наших групп по науке о данных и инженеров взять выходной, чтобы способствовать их профессиональному развитию и зажечь идеи для инноваций, будь то участие в отраслевой конференции, прохождение онлайн-курса для изучения нового навыка или любая другая деятельность, которая поддерживает их профессионально.

В рамках этого несколько инженеров и специалистов по данным решили провести свой день профессионального развития, участвуя в хакатонах Hospital IQ. Хакатоны требуют от участников быть изобретательными, изобретательными и за один день воплотить труднопреобразуемую идею в работающее программное обеспечение. За несколько дней до нашего последнего хакатона в октябре 2020 года участники сформировали три команды и собрали идеи от всей компании. Ни одна тема не считалась закрытой; идеи, которые не имели отношения к платформе компании или даже к сфере здравоохранения, были вполне приемлемы. Однако оказалось, что все три команды выбрали идеи, которые сейчас реализуются в реальном мире.

Первая команда — Team Cara — сосредоточилась на повторных госпитализациях и приступила к созданию решения, которое могло бы предсказать, какие пациенты находятся в группе риска повторной госпитализации, еще до того, как их выпишут из больницы. Повторные госпитализации обходятся системе здравоохранения в миллиарды долларов в год, поэтому прогностическое и упреждающее решение, подобное этому, вооружило бы выписных медсестер и менеджеров по уходу дополнительными знаниями, необходимыми для снижения риска, сокращения расходов и понимания того, что нужно каждому пациенту для пребывания. из больницы. Команда Cara взяла данные с платформы управления операциями Hospital IQ и, используя структуру машинного обучения для конкретного пациента, ранее разработанную командой специалистов по обработке и анализу данных, построила прогностическую модель. Для каждого пациента в больнице модель присваивает балл, указывающий на вероятность повторной госпитализации. Первоначальные результаты модели показали высокую степень точности.

Вторая команда — команда Берта Рейнольдса — приступила к созданию решения для регионального наблюдения, которое визуализировало бы слои данных на карте. Команда хотела интегрировать карты в существующую инфраструктуру сводных таблиц платформы Hospital IQ, предложив способ построить интересующую метрику, организованную по координатам широты и долготы, используя библиотеку leaflet.js. Для подтверждения своей концепции они использовали данные центра перевода в больницу, чтобы указать, какие филиалы были источниками госпитализации и в каких объемах. Результаты показали случаи перевода в совершенно новом свете и прояснили, из каких географических регионов было привлечено большинство пациентов, а также возможности для роста.

Третья команда — Team Raptor Strikeforce — стремилась разработать решение, демонстрирующее окупаемость инвестиций (ROI), которую обеспечивает платформа управления операциями Hospital IQ. Команда создала интерфейс для настройки различных входных данных в финансовые модели, таких как средняя маржа на плановую процедуру, и использовала входные данные для отслеживания изменений в финансовом состоянии больницы с течением времени. Эти визуализации рассказывают убедительную историю о том, как значительно окупаются инициативы по повышению операционной эффективности и инвестиции в платформу Hospital IQ, которая их реализует.

Три решения, разработанные для хакатона, показали, что они могут принести большую пользу нашим клиентам. В результате Hospital IQ включила все три решения в существующую платформу, и сегодня они используются в больницах.

Есть ли что-нибудь еще, что вы хотели бы рассказать о Hospital IQ?

Большая, смелая и дерзкая цель Hospital IQ — ежедневно повышать эффективность и счастье каждого медицинского работника. Мы гордимся своим влиянием на здравоохранение, но наш путь только начинается. Для любого сострадательного, целеустремленного специалиста по данным или инженера, который заинтересован в решении одной из самых сложных задач в мире — повышении эффективности здравоохранения — мы будем рады, если вы присоединитесь к нам!

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Больничный IQ.