Tim Vasil, medgrundare och teknisk chef på Hospital IQ – Intervjuer

Tim Vasil är medgrundare och teknisk chef på Hospital IQ, en plattform för verksamhetsledning som använder data för att leverera nyckelfärdiga maskinlärningsbaserade AI-lösningar för snabba, hållbara operativa förbättringar.

Vad var det som initialt drog dig till datavetenskap?

Bebisböcker. Som en undergrad som var osäker på vilken karriär att följa, utforskade jag en deltid webbutvecklare på BabyZone.com. Upplevelsen var otrolig! Ett av mina första projekt var att ta en fysisk medium, bebisböcker, och föra det in i den digitala åldern, komplett med ljud, övergångseffekter och en interaktiv gästbok. Jag skrev några kod, klickade på en knapp för att ladda upp det till webbplatsen, och plötsligt hade tusentals föräldrar ett sätt att ansluta till avlägsna vänner och släktingar.

Den digitala bebisboken avslöjade datavetenskap som ett område där jag kunde vara en sorts konstnär, ingenjör och kanske till och med trollkarl, och använda dessa färdigheter för att förbättra mångas liv. Jag såg att jag kunde skriva kod en gång och ha en varaktig inverkan överallt. Wow!

Kan du berätta om ursprunget till Hospital IQ?

Medgrundaren Rich Krueger och jag samarbetade för att utforska områden som försummats av tekniken. Du skulle tro att sjukhus inte skulle vara ett av dessa områden, med tanke på de miljarder dollar de spenderar varje år på medicinsk utrustning, elektroniska journaler och liknande. Dessa områden är säkerligen väl täckta. Men vad vi såg var en helt annan sida av sjukhusen, den operativa sidan. Den handlar om att ta reda på när man ska schemalägga operationer, var man ska överföra patienter, vilka tester man ska prioritera, hur man bäst planerar för morgondagen och så vidare. Dessa är särskilt utmanande problem, och traditionell medicinsk programvara berör dem inte.

För att utforska möjligheten träffade vi sjukhusledare och personal på golvet. Vi såg hjältedåd varje dag. Vi såg sjuksköterskeschemaläggare som gjorde oavbrutna samtal och hanterade frågor för att skicka personal till de mest behövda platserna. Vi såg operationschefer med klisterlappar och whiteboards som försökte dela upp operationstiden bland kirurger. Vi såg operativa excellensledare med stora kalkylblad som försökte simulera för att ta reda på hur många sjukhusbäddar som skulle omfördelas. Kort sagt, vi såg så mycket manuellt arbete som applicerades på problem eftersom programvaruverktygen inte räckte till, och vi ville hjälpa.

Vi utvecklade vår produkt, men vår resa var inte en rak linje. Vår tidiga “hjälp” kom i form av strategiska verktyg som vi trodde skulle lösa de tuffaste problemen, men de krävde mycket data och mycket matematik. Mekanikerna verkar imponerande: vi kunde montera modeller automatiskt för att simulera sjukhusets inre arbete och ge rekommendationer om huruvida den kirurgiska schemaläggningen borde ändras eller om den nya flygeln borde byggas. Men medan frågorna de besvarade var stora, var de också sällan ställda.

Det sanna ursprunget till Hospital IQ, som det finns idag, är inte någon inspirerad väg av Rich eller mig, utan av hela vårt team som arbetar hands-on med våra kunder och inser att vår viktigaste roll inte är att hjälpa sjukhus att besvara stora, sällan ställda frågor, utan att det är de små, frekventa frågorna som bestämmer vad allas upplevelse är, både patienten som går in på operation och vårdteamet som guidar dem genom resan.

Kan du diskutera hur programvaran möjliggör för hälsovårdssystem att uppnå och upprätthålla toppoperativ prestanda?

Vår programvara handlar om att möta hälsovårdspersonal där de är idag, i deras dagliga arbetsflöden. Istället för att förvänta sig att de ska göra något radikalt annorlunda, som att köra en simulering, eller tolka en prognos, eller optimera personal scheman från scratch, omfamnar vi de bekanta steg de tar varje dag på två sätt. Vi digitaliserar dem, så att de kan kommunicera mer effektivt med varandra, och sedan lägger vi på förutsägelser och rekommendationer. Detta låter hälsovårdspersonal arbeta mer effektivt och mer effektivt. Bäst av allt, det frigör dem att spendera mer tid på patientvård.

Låt oss ta ett exempel: personalschemaläggning. Att ta reda på hur många sjuksköterskor som behövs i varje enhet för varje skift är en utmaning. Vissa personal kan ringa in sjuka. En oväntad ökning av efterfrågan kan uppstå. Sjuksköterskor som kan “flyta” över enheter måste allokeras rättvist. Alla färdigheter, kvalifikationer och preferenser måste också beaktas. Sätt allt sammen och du kan se varför telefonen i en typisk personalavdelning ringer av sig. Men på samma dag som en lansering av Hospital IQ, blir telefonerna tysta. Mycket av arbetet är detsamma, men med all information centraliserad i Hospital IQ-plattformen, har alla överväganden flyttats från kalkylblad, whiteboards och klisterlappar till snygga kommunikationsverktyg, automatiserad analys av varians och förslag för personalbalans. Sjuksköterskeschemaläggare kan utföra sina jobb mer effektivt och njutbart än någonsin tidigare. Att upprätthålla denna prestanda är lätt, eftersom verktygen är utformade för att stödja den befintliga arbetsflödet. Vi är inte ett konsultföretag som kommer in för att ändra sättet att arbeta, bara för att se det återgå till status quo.

Vilka är några av de olika maskinlärningsteknikerna som används?

Vår datavetenskapliga team använder vilka metoder som helst för att få bra resultat för våra kunders användningsfall. Vi har använt statistiska analyser för att förstå OR-användning, ARIMA-modeller för att förutsäga kirurgisk volym, Prophet för att förutsäga folkräkning, slumpmässiga skogar för att klassificera inpatient-status, neuronnät för återinläsningspoäng och mycket mer. Vårt datavetenskapliga team håller sig uppdaterat om den senaste forskningen, datakällor och verktyg med pågående “journalklubbsmöten” och innovativa på egen hand också. Med ett sådant öppet fält finns det så många intressanta användningsfall och datauppsättningar att utforska och väva in i Hospital IQ-plattformen.

Den kostnadsfria, offentligt tillgängliga verktyget COVID-19 Regional Forecast Dashboard har mer än 76 000 användare från hundratals sjukhus. Vad är exakt detta verktyg?

När vi först byggde COVID-19 Regional Forecast Dashboard i mars 2020, var vi oroliga för att USA kanske skulle ta slut på tillgängliga sjukhusbäddar, och ville ge ett tidigt varningssystem, inte bara till våra kunder, utan till alla sjukhus. För att göra detta letade vi efter datauppsättningar som personalbäddskapacitet per län, sannolik transmission och dödlighet av COVID-19 per åldersgrupp och dussintals andra saker. Vi byggde till och med en SEIR-modell för att förutsäga virusets bana på län-nivå, och försökte ge så mycket sammanhang som möjligt, inklusive ögonblicket då intensivvårds- och med/surg-kapacitet skulle brytas, hur många som skulle återhämta sig och till och med hur många som skulle dö. Vårt mål var att montera en komplett län-för-län-perspektiv från olika tillförlitliga datakällor.

Sjukhus har använt vår instrumentpanel som ett verktyg för att fatta viktiga beslut, som när man ska öppna överbeläggningsenheter eller när man ska bromsa elektiva kirurgi för att göra plats för kommande vågor av infekterade patienter. Intressant nog har även individer hemma funnit någon användning och till och med tröst från verktyget, eftersom det tillförde en viss tydlighet till en mycket skrämmande och ny global pandemi.

Hospital IQ:s datavetare och ingenjörer deltar ofta i hackathons, vad är några av de intressanta idéerna eller projekten som har kommit från dessa?

Varje månad uppmuntrar vi medlemmar i vårt datavetenskapliga och ingenjörsteam att ta en dag ledigt för att främja deras professionella utveckling och antända idéer för innovation, antingen genom att delta i en branschkonferens, ta en onlinekurs för att lära sig en ny färdighet eller någon annan aktivitet som stärker dem professionellt.

Som en del av detta väljer flera ingenjörer och datavetare att spendera sin professionella utvecklingsdag på att delta i Hospital IQ:s hackathons. Hackathons kräver att deltagarna är skickliga, innovativa och på en enda dag trycka en svårtransformerad idé in i fungerande programvara. Under dagarna innan vår senaste hackathon i oktober 2020, bildade deltagarna tre lag och crowdsourcade idéer från hela företaget. Inget ämne var förbjudet; idéer som inte var relevanta för företagets plattform eller ens hälsovårdsutrymmet var helt acceptabla. Men som det visade sig valde alla tre lagen idéer som nu implementeras i verkligheten.

Det första laget – Team Cara – fokuserade på sjukhusåterinläggningar och satte upp en lösning som kunde förutsäga vilka patienter som löper risk att återinläggas innan de ens har lämnat sjukhuset. Sjukhusåterinläggningar kostar hälsovårdssystemet miljarder dollar varje år, så en förutsägande och proaktiv lösning som denna skulle ge utskrivningssjuksköterskor och vårdchefer den extra insikten som behövs för att minska risken, skära kostnader och veta vad varje patient behöver för att stanna utanför sjukhuset. Team Cara tog data från Hospital IQ:s plattform för verksamhetsledning och, med hjälp av en patient-specifik maskinlärningsram som tidigare utvecklats av datavetenskapsteamet, byggde en förutsägande modell. För varje patient på sjukhuset tilldelar modellen en poäng som indikerar sannolikheten för återinläggning. De första resultaten från modellen visade en hög grad av noggrannhet.

Det andra laget – Team Burt Reynolds – satte upp en regional övervakningslösning som visualiserade lager av data på en karta. Laget ville integrera kartor i Hospital IQ:s befintliga plattform för pivot-tabellinfrastruktur, och erbjöd ett sätt att plotta en mätning av intresse ordnad efter latitud- och longitudkoordinater med hjälp av leaflet.js-biblioteket. För deras bevis på koncept använde de sjukhusöverföringsdata för att belysa vilka filialer som var inkommande källor och i vilka volymer. Resultaten visade överföringsfall i ett helt nytt ljus och klargjorde vilka geografier som de flesta patienter drogs ifrån, samt möjligheter för tillväxt.

Det tredje laget – Team Raptor Strikeforce – såg till att utveckla en lösning som visade avkastningen på investeringen (ROI) som Hospital IQ:s plattform för verksamhetsledning ger. Laget byggde ett gränssnitt för att anpassa olika indata till finansiella modeller, som genomsnittlig marginal per elektiv procedur, och använde indata för att spåra förändringar i sjukhusets finansiella hälsa över tid. Dessa visualiseringar berättar en övertygande historia om hur betydande operativa effektivitetsinitiativ, och investeringen i Hospital IQ-plattformen som möjliggör dem, betalar sig.

De tre lösningarna som utvecklades för hackathonen visade att de kunde ge mer värde till våra kunder. Som ett resultat har Hospital IQ införlivat alla tre lösningarna inom den befintliga plattformen, och de används av sjukhus idag.

Finns det något annat du vill dela om Hospital IQ?

Hospital IQ:s stora, modiga och djärva mål är att förbättra effektiviteten och lyckan hos varje hälsovårdspersonal varje dag. Vi är stolta över den inverkan vi har haft på hälsovården hittills, men vår resa är just början. För alla medkännande, uppdragsdrivna datavetare och ingenjörer där ute som är intresserade av att tackla en av världens tuffaste utmaningar – att förbättra hälsovårdseffektiviteten – skulle vi älska att ha er med oss!

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Hospital IQ.