Пол Роско, генеральный директор CLEW Medical – Интервью

Пол Роско является генеральным директором CLEW Medical.

До того, как присоединиться к CLEW, г-н Роско был генеральным директором Trinda Health и был ответственным за установление компании в качестве лидера в области ориентированных на качество клинических документационных решений.

CLEW Medical предлагает больницам, системам здравоохранения и отделениям интенсивной терапии передовые клинические знания и диагностику пациентов с помощью аналитических инструментов, работающих на основе искусственного интеллекта и предсказательных моделей, одобренных FDA.

Можете ли вы рассказать нам немного больше о платформе CLEW Medical, оснащенной искусственным интеллектом, и ее уникальных возможностях в сфере MedTech?

Основание CLEW было основано на предположении, что анализ данных и искусственный интеллект могут значительно улучшить результаты лечения пациентов и опыт работы медицинских работников в условиях высокого риска. Платформа клинического наблюдения, которую мы построили, является первой, получившей одобрение FDA для предсказательных моделей, работающих на основе искусственного интеллекта, для критической помощи. Наша система получает данные, интегрируясь со всеми источниками клинических данных в больнице, и создает gần реальное физиологическое описание каждого пациента для постоянного мониторинга его состояния. Затем она использует эти данные для предоставления предсказательных сведений для выявления пациентов, которые могут иметь неблагоприятное событие, например, дыхательную недостаточность, и предупреждения медицинских работников о необходимости вмешаться за 8 часов до ожидаемого события. Высокая степень точности платформы также снижает избыточное количество ложных сигналов, позволяя медицинским работникам работать на высшем уровне своей компетенции и сосредоточиться на пациентах, которым наиболее необходимо немедленное вмешательство.

Какие ключевые факторы способствовали получению разрешения FDA на предсказательные модели, работающие на основе искусственного интеллекта, CLEW?

CLEW с самого начала ориентировалась на искусственный интеллект. Наши основатели и лидеры разработки признали важность создания доверия с медицинскими работниками, которые используют нашу технологию для ухода за своими наиболее уязвимыми пациентами. Было важно, чтобы наша технология прошла тот же уровень проверки и тщательности при проектировании, разработке, тестировании и проверке, что и устройства, уже используемые нашими пользователями. Чтобы поощрить принятие решения на основе искусственного интеллекта для критических условий, наша команда понимала необходимость создания моделей с тщательным развитием продукта и систем качества. В результате наше развитие моделей искусственного интеллекта использует надежную инфраструктуру MLOPS (операции машинного обучения) для соответствия требованиям регулирования, таким как руководство PCCP (предварительно одобренный план контроля изменений) от FDA. Наши модели искусственного интеллекта методически спроектированы и проходят все необходимые эксперименты для медицинского устройства разрешения.

Робастность моделей и наших внутренних процессов привела к тому, что FDA классифицировала наше решение как устройство класса II в начале 2021 года, что стало знаковым, беспрецедентным достижением. Разрешение FDA на медицинское устройство служит свидетельством качества нашего процесса разработки от начала до конца, который включает клинические проверки, проведенные в реальных популяциях пациентов.

Недавнее исследование, опубликованное в журнале CHEST®, подчеркнуло предсказательную точность ваших моделей искусственного интеллекта. Можете ли вы обсудить методологию и конкретные результаты этого исследования?

Алгоритм машинного обучения CLEW был развернут в 14 отделениях интенсивной терапии (ОИТ) в двух крупных системах здравоохранения для предсказания событий интубации и начала применения вазопрессоров – то есть событий, требующих спасения жизни – среди критически больных взрослых пациентов. Его производительность была измерена по сравнению с существующими сигналами мониторинга и предсказательной эффективностью сигналов телемедицинской системы.

Исследование, предназначенное для оценки точности и полезности сигналов в ОИТ, показало, что модели CLEW для предсказания ухудшения состояния пациентов были в 5 раз более точными и производили в 50 раз меньше сигналов, чем ведущая телемедицинская система. Результаты также показывают, что модель машинного обучения имеет более высокую точность по сравнению с традиционными системами мониторинга и значительно снижает ненужные прерывания в работе медицинских работников.

Как предсказания, сделанные платформой CLEW, потенциально могут изменить оказание помощи в отделении интенсивной терапии? Можете ли вы рассказать, как эти предсказания улучшают результаты и снижают осложнения?

Платформа CLEW создает возможности для раннего вмешательства у пациентов с высоким риском и поддерживает управление мощностью путем выявления пациентов с низким риском, которые могут быть готовы к выписке или переводу в отделение с меньшей интенсивностью ухода. Это, в свою очередь, снижает показатели смертности и повторной госпитализации, снижает количество осложнений, вызванных ухудшением состояния пациентов, и минимизирует продолжительность пребывания пациентов в больнице.

Например, в течение первых 24 часов после развертывания в крупной системе здравоохранения наша технология предсказала гемодинамическую нестабильность у пациента в отделении интенсивной терапии, что привело к оценке поставщиком медицинских услуг. После оценки пациента поставщик назначил компьютерную томографию и обнаружил внутреннее кровотечение. Пациента срочно прооперировали, ввели жидкости и кровь, и в конечном итоге спасли его жизнь. Через 24 часа пациент был в стабильном состоянии.

Ваша система была признана в 5 раз более точной, чем ведущая телемедицинская система мониторинга. Что делает технологию CLEW более эффективной в предсказании критических ухудшений состояния пациентов?

В целом, уведомления, сгенерированные машинным обучением, менее частые, имеют более высокую точность и более низкие показатели ошибок, таких как ложные положительные результаты, и создают более длительные временные интервалы до события по сравнению с сигналами телемедицинской системы и сигналами систем мониторинга. Сигналы CLEW более точны и функциональны и предоставляют время для команды медицинских работников принять меры для предотвращения предсказанных результатов. Расширенный интеллект, который предоставляет CLEW, становится возможным благодаря его способности анализировать данные пациентов из электронной медицинской карты (EMR) здравоохранительной системы, в сочетании с моделями машинного обучения, которые были тщательно протестированы и проверены через рецензируемые исследования и разрешение FDA.

Исследование также отметило значительное снижение количества ложных сигналов. Как снижение усталости от сигналов выгодно для персонала отделения интенсивной терапии, и какой отзыв получен от медицинских работников, использующих вашу систему?

98% сигналов мониторинга являются ложными положительными, что приводит к усталости от сигналов и усугубляет исторически высокие показатели выгорания медицинских работников. CLEW решает проблему усталости от сигналов, снижая количество звуковых прерываний, увеличивая процент сигналов, требующих вмешательства поставщиков медицинских услуг, и создавая более спокойную среду в отделении интенсивной терапии. По сути, точность платформы и ее способность снижать ненужную нагрузку на работу медицинских работников посредством моделей машинного обучения значительно улучшают выгорание в отделении интенсивной терапии. В рамках процесса внедрения команда по поддержке клиентов CLEW фокусируется на важности клинического управления изменениями, чтобы обеспечить правильное включение технологии в общий процесс принятия медицинских решений. Отзывы от медицинских работников были чрезвычайно положительными.

Как работает функция раннего уведомления платформы CLEW, и какие вмешательства она облегчила в реальных условиях отделения интенсивной терапии?

На основе входящего потока информации от устройств мониторинга и жизнеобеспечения, а также от электронной медицинской карты (EHR), модели искусственного интеллекта CLEW могут сделать предсказания о риске ухудшения состояния пациента и смерти в течение следующих 8 часов. С этими предсказательными оценками опытные медицинские работники могут оценить пациентов более внимательно и определить, есть ли применимые меры для предотвращения предсказанных ухудшений, вместо того, чтобы реагировать на них в режиме экстренности.

Например, платформа CLEW может уведомить медицинских работников, что пациент с высокой вероятностью вступит в состояние дыхательной недостаточности, что обычно приводит к интубации и механической вентиляции. После получения сигнала медицинские работники могут выявить, что у пациента избыток жидкости, который может начать накапливаться в легких, и инициировать диуретическую терапию для снижения количества жидкости, тем самым предотвращая интубацию позже. Наша модель также может предсказать, станет ли пациент после операции гемодинамически нестабильным и потребует ли поддержки вазоактивных препаратов. Вооруженные этим знанием в отсутствие очевидных симптомов, поставщик назначил компьютерную томографию и обнаружил внутреннее кровотечение, и пациента вернули в операционную для экстренной операции. В конечном итоге, это вмешательство привело к стабилизации пациента.

Предсказания, сделанные платформой CLEW, также поддерживают больницы в управлении мощностью. Некоторые пациенты больше не требуют критической помощи и могут быть переведены в отделения с меньшей интенсивностью ухода, освобождая места для управления более критически больными пациентами. Это позволяет системе здравоохранения улучшить управление мощностью и создать доступ для более пациентов. Это также увеличивает вкладываемую маржу для системы здравоохранения.

Какие следующие шаги для CLEW Medical в плане дальнейшего развития и расширения использования моделей, работающих на основе искусственного интеллекта, в различных условиях здравоохранения?

Мы уже расширили платформу CLEW за пределы критической помощи, включив в нее отделения после операции и отделения неотложной помощи, и в настоящее время работаем над расширением на остальные места в больницах, включая постанестезиологические отделения (ПАД) и общую медицинскую и хирургическую помощи. Ожидаемое повсеместное внедрение недорогих носимых мониторов, предоставляющих частую информацию о жизненно важных показателях, в сочетании с нашим разрешением PCCP, позволяет CLEW расширить возможности наблюдения на основе искусственного интеллекта более широко по всей помощи в больницах.

Кроме того, поскольку предсказания CLEW являются дополнительными к многим другим системам информационных технологий в здравоохранении (HIT), включая электронную медицинскую карту (EHR), мы работаем над доставкой наших сведений через интеграцию в существующий инструментарий системы здравоохранения. Мы присоединились к сети разработчиков Epic и продемонстрировали успешную интеграцию расширенных возможностей CLEW, таких как предсказания на основе искусственного интеллекта, в опыт пользователя клинического приложения.

CLEW также приступает к новому, основанному на искусственном интеллекте подходу к управлению сепсисом, разрушительному и иногда смертельному осложнению.

Где вы видите будущее искусственного интеллекта в улучшении ухода в отделении интенсивной терапии в течение следующего десятилетия, и как CLEW планирует быть частью этого будущего?

Пациенты в больницах сейчас более тяжелые, чем раньше. С увеличением возраста и связанных с этим хронических заболеваний, а также с распространением нехватки медицинских работников, необходимость в интеллектуальном клиническом наблюдении продолжает расти. Поскольку многие пациенты попадают в отделения интенсивной терапии из-за упущенных возможностей для раннего вмешательства, CLEW не только фокусируется на использовании своего искусственного интеллекта для улучшения ухода в отделении интенсивной терапии, но и на партнерстве с инноваторами системы здравоохранения и промышленности для улучшения всей помощи в больницах. Наша программа разработки искусственного интеллекта (MLOPS) будет использовать возможности партнеров для расширения моделей искусственного интеллекта, одобренных FDA, за пределы того, что CLEW может разработать самостоятельно.

Однако технология является только частью решения. Использование искусственного интеллекта в здравоохранении не означает замену медицинских работников. На самом деле, искусственный интеллект может предложить лучшую информацию для поддержки их процессов принятия решений для предоставления оптимальной клинической помощи, такой как снижение шумных сигналов, которые тратят их время. CLEW работает с системами здравоохранения и партнерами, чтобы узнать от и обучить медицинских работников, как инструменты искусственного интеллекта могут быть эффективно приняты и приняты в клиническую практику. Исследования, которые подтверждают точность и эффективность искусственного интеллекта, необходимы, поэтому CLEW работает с клиентами для генерации этого доказательства с их собственной популяцией пациентов. Это сосредоточенное исследовательское усилие поддерживает внедрение и принятие инструментов искусственного интеллекта медицинскими работниками, которые в противном случае были бы скептичными.

Чтобы ускорить новые клинические внедрения, мы имеем возможность обновлять нашу платформу для включения новых лучших практик в течение месяца, что обычно занимает годы. В течение следующего десятилетия CLEW будет на переднем крае работы с системами здравоохранения для того, чтобы сделать эффективный клинический искусственный интеллект информированным и проницательным партнером человеческих медицинских работников, которые могут когда-нибудь заботиться о нас или наших близких.

Благодарим за отличное интервью, читатели, которые хотят узнать больше, могут посетить CLEW Medical.