Дэниел Кейн, со-CEO и сооснователь ModMed – Интервью-серия

Дэниел Кейн является со-CEO и сооснователем компании ModMed^®, базирующейся в Южной Флориде, которая занимается здравоохранением и информационными технологиями, и которая преобразует здравоохранение посредством интеллектуальных платформ, специфичных для каждой медицинской специальности, для увеличения эффективности практики и улучшения результатов лечения пациентов.

Компания ModMed была основана в феврале 2010 года и выросла до более чем 1 200 сотрудников, а также привлекла более 332 миллионов долларов инвестиций. Известная своим прогрессивным ростом в качестве медицинской технологической компании, ModMed часто признана на национальном и региональном уровнях за свои достижения под руководством Дэниела. В 2020 году компания была названа одной из лучших рабочих мест в стране журналом Inc. С 2016 по 2018 год компания была названа одной из самых быстро растущих компаний в Северной Америке в списке Deloitte Technology Fast 500^™. Начиная с 2015 года, компания ежегодно включается в эксклюзивный список Inc. 5000, престижный сборник самых быстро растущих частных компаний в стране.

Можете ли вы поделиться некоторыми идеями о вашем прошлом и о том, как оно повлияло на вашу работу в ModMed?

Мое путешествие в технологии началось во время моих студенческих лет в Корнелле, когда я стал сооснователем Blackboard. Мы преобразили образование, оцифровав классные заметки и создав платформу, которая дала студентам и преподавателям беспрецедентную гибкость и взаимодействие. Для меня успех Blackboard завершился в 2004 году с ее первичным публичным предложением, и хотя наши решения были прорывными в области электронного обучения, я не мог не следить за новыми вызовами.

Одним из таких вызовов стало посещение моего дерматолога на плановом осмотре. У нас был невероятный разговор о трудностях использования устаревших бумажных систем и способах их исправления. Понимая связь между его медицинской экспертизой и моими техническими знаниями, мы решили объединиться и создать ModMed вместе с нашей первой электронной системой записей здоровья (EHR).

В то время уже существовали некоторые системы EHR, но, к сожалению, исследования часто цитировали их как одну из основных причин выгорания врачей. Мы выбрали другой подход и разработали нашу систему EHR так, чтобы она адаптировалась к конкретным рабочим процессам медицинской специальности. Наша флагманская облачная система EHR, EMA, и продолжает проектироваться докторами для докторов, что отличает нас и определяет наш секретный ингредиент на рынке. За годы мы расширили наши предложения продуктов, чтобы включить полный набор решений, которые помогают медицинским поставщикам упростить и оптимизировать операции своей практики и ускорить оказание помощи.

Как вы видите битву за эффективный ИИ в здравоохранении, выигранную или проигранную с данными?

Мы начинаем видеть рост внедрения технологий ИИ в практиках для оптимизации рабочих процессов и максимизации эффективности. Когда мы вступаем в эпоху использования ИИ для более сложных задач – таких как предложение лечения или других клинических рекомендаций – важно иметь правильные данные и стратегию обучения ИИ. ИИ имеет возможность значительно улучшить опыт для пациентов и поставщиков и создать системные изменения, которые действительно улучшат здравоохранение, но сделать это реальностью будет зависеть от больших объемов высококачественных данных, используемых для обучения моделей.

Почему данные так критичны для разработки ИИ в здравоохранении?

Данные являются жизненной кровью ИИ, и плохое качество данных будет препятствовать производительности ИИ, что приведет к субоптимальным результатам. Это может иметь серьезные последствия в медицинской обстановке, где жизнь пациентов может быть под угрозой. Но более вероятный сценарий заключается в том, что эти негативные переживания могут подорвать доверие как пациентов, так и поставщиков к ИИ, что замедлит прогресс и положительное влияние этой революционной технологии на здравоохранение.

Например, в кабинете врача инструменты ИИ с амбиентным прослушиванием предназначены для предложения содержания для клинических заметок для рассмотрения и утверждения поставщиком. Идеально, это должно уменьшить количество времени, которое поставщик тратит на документирование в системе EHR, и позволить больше времени для общения с пациентом. Однако плохое качество данных и неправильно обученные инструменты ИИ могут иметь противоположный эффект, заставляя поставщиков тратить чрезмерное количество времени на исправление ошибок и переписывание заметок.

Кроме того, предвзятость является значительным риском, связанным с алгоритмами ИИ, и качественные данные могут сыграть ключевую роль в смягчении диспропорций в здравоохранении. Модели ИИ могут выучить закономерности, которые эффективно лечат одну популяцию пациентов предпочтительно по сравнению с другими популяциями, включая законно защищенные группы. Отслеживая входные данные и обучаясь на полных и представительных данных, выходные данные ИИ могут быть более инклюзивными и точными.

Можете ли вы подробнее рассказать о типах данных, которые ModMed использует для обучения своих моделей ИИ, и о том, как эти данные собираются и управляются?

В ModMed мы используем комплексные данные, специфичные для каждой медицинской специальности, для обучения наших моделей ИИ с точностью. За последние 14 лет мы создали наборы структурированных данных, специфичных для каждой медицинской специальности, обезличенных и соответствующих законам о конфиденциальности, и теперь используем эти внутренние данные для обучения наших моделей ИИ. Например, наш инструмент ModMed Scribe с амбиентным прослушиванием был обучен для дерматологии, нашей первой специальности, на миллионах структурированных параметров из обезличенных записей пациентов, отобранных из коллекции 500 миллионов встреч с пациентами.

Как ModMed определяет “этичный ИИ” в контексте здравоохранения?

Потенциал ИИ иметь предвзятости или предоставлять неточную информацию в форме “галлюцинаций” или пропусков может повлиять на жизнь пациентов. По этой причине этичный ИИ в здравоохранении заключается в установлении высокого стандарта точности и точности. Это означает разработку алгоритмов тщательно и ответственно и использование высококачественных и разнообразных данных для помощи в более точных прогнозах для каждого пользователя.

Этичный ИИ также заключается в обеспечении того, чтобы люди оставались в уравнении. ИИ не должен “перевосходить доктора” а вместо этого уменьшать административную нагрузку, которую испытывают врачи и их персонал, чтобы они могли сосредоточиться на помощи пациентам.

Какие меры приняты в ModMed для того, чтобы технологии ИИ могли быть разработаны и развернуты этично?

Наш подход к структурированным данным – курирование высококачественных, представительных наборов данных для обучения – помогает нам сделать ответственный ИИ реальностью. Релевантные и обезличенные данные, собранные из наших систем EHR из широкого спектра практик, предоставляют нам разнообразный набор данных для обучения, который отражает различные популяции пациентов.

Кроме того, наша команда разработчиков принимает подход к очистке данных для сбора и использования высококачественных данных. Этот процесс позволяет нашей команде выявлять, исправлять и удалять несоответствия, ошибки и пропущенные значения из набора данных. Через это регулярное обслуживание мы можем постоянно обновлять ИИ на основе данных о производительности, особенно клинических данных, где результаты лечения пациентов могут быть затронуты.

Можете ли вы обсудить важность прозрачности и подотчетности в разработке ИИ, особенно в здравоохранении?

Прозрачность делает возможным подотчетность, что является причиной, по которой она является такой важной основой для любого решения ИИ в здравоохранении. Основными приоритетами врачей являются уход за пациентами и безопасность, поэтому не удивительно, что 80% врачей хотят знать характеристики и особенности конструкции, разработки и развертывания инструментов ИИ.

Кроме того, не все данные созданы равными. Важно знать, где и как хранятся и собираются данные, и как часто они обновляются. Мы счастливы, что с момента основания ModMed мы были привержены стратегии данных, которая ставит во главу угла прозрачность и точность. У нас есть полное понимание источников и качества наших данных, и мы уверены, что наши интеграции ИИ принесут значительную ценность нашим клиентам.

Как ИИ интегрируется в специфичные для каждой медицинской специальности системы EHR ModMed, такие как EMA и gGastro?

На протяжении всего нашего портфеля мы используем машинное обучение уже некоторое время и укрепляем наши инвестиции в продвинутый и генеративный ИИ для упрощения бизнеса медицины и ускорения качества ухода. Мы строим целый опыт практики, основанный на ИИ, который начинается до того, как пациент войдет в дверь, и распространяется через кабинет врача, вплоть до бухгалтерской части.

В клинической обстановке мы находимся на заключительных этапах нашей пилотной программы ИИ с амбиентным прослушиванием для EMA, которую мы считаем прорывом для ее функциональности и предложенного структурированного контента. Наше решение ИИ для документирования предназначено для упрощения процесса ухода за пределами простой транскрипции или составления заметки SOAP. Используя огромные объемы структурированных данных, мы обучаем наши модели ИИ для захвата важной информации из разговоров между врачом и пациентом и, работая вместе с нашей системой EHR, для предложения релевантного контента для заметок о визите, включая коды ICD-10, хирургические коды и рецепты. Это экономит врачам драгоценное время и позволяет им тратить больше времени на общение с пациентами.

Какие конкретные выгоды предоставляют решения ИИ, специфичные для каждой медицинской специальности, поставщикам медицинских услуг и пациентам?

Ни одна медицинская специальность не похожа на другую. Они сильно различаются пациентами, которых они видят, состояниями, которые они лечат, и медицинскими кодами, используемыми для возмещения. Решения ИИ должны быть адаптированы к этим различиям, чтобы быть эффективными в каком-либо действительно значимом смысле.

Например, системы EHR и инструменты ИИ с амбиентным прослушиванием ModMed предназначены специально для каждой медицинской специальности, предоставляя высокорелевантную и точную поддержку клиницистам. Процесс документирования каждой медицинской специальности требует разных компонентов внутри структурированной заметки, включая уникальные медицинские коды и терминологию. Эта спецификация позволяет ИИ лучше понять и предвидеть уникальные потребности и рабочие процессы различных специальностей, что, по нашему мнению, приведет к более эффективной реализации, более быстрому принятию и большей общей эффективности в улучшении операционной эффективности.

Где вы видите наиболее значительные возможности для ИИ в здравоохранении в течение следующих пяти-десяти лет?

В будущем ИИ, безусловно, проникнет почти в каждый аспект здравоохранения способами, которые мы не можем представить. Уже сейчас ИИ используется для административных задач, и в ближайшем будущем эта тенденция, вероятно, усилится, поскольку ценность ИИ станет более очевидной.

Я также вижу будущее, когда ИИ будет бесшовно интегрирован во взаимодействия между врачом и пациентом, где “интерфейс пользователя” или UI будет практически невидимым. Вместо сегодняшних взаимодействий на основе экрана ИИ может предложить смесь реальности и дополненной реальности. Этот будущий ИИ может потенциально проанализировать медицинские записи для выявления важных выводов, прогнозирования риска пациента для различных заболеваний. Огромное количество данных в медицинских записях представляет собой возможность для ИИ предвидеть будущие потребности в уходе и создать и помочь управлять планами профилактического лечения.

Этот опыт может распространиться за пределы медицинской практики и стать неотъемлемой частью повседневной жизни пациента. Устройства ИИ могут предоставить персонализированную поддержку, отвечать на вопросы и планировать встречи, среди прочего. ИИ также может удаленно контролировать жизненно важные показатели, обнаруживать и предупреждать поставщиков о потенциальных проблемах со здоровьем. Персонализированные планы лечения, адаптированные к индивидуальным пациентам на основе данных и предпочтений, могут стать нормой.

Это действительно интересное время для здравоохранения. Следующие пять-десять лет полны возможностей для дальнейшей трансформации отрасли и улучшения опыта пациентов.

Благодарим за отличное интервью. Читателям, которые хотят узнать больше, следует посетить ModMed.