บทสัมภาษณ์
Paul Roscoe ประธานเจ้าหน้าที่บริหาร CLEW Medical – ซีรี่ส์สัมภาษณ์
Paul Roscoe เป็นประธานเจ้าหน้าที่บริหารของ CLEW Medical
ก่อนที่จะมาร่วมงานกับ Clew คุณ Roscoe ดำรงตำแหน่งซีอีโอของ Trinda Health และรับผิดชอบในการก่อตั้งบริษัทให้เป็นผู้นำอุตสาหกรรมในด้านโซลูชันเอกสารทางคลินิกที่เน้นคุณภาพ
คลีว์ เมดิคอล ให้บริการโรงพยาบาล ระบบการดูแลสุขภาพ และหน่วยดูแลผู้ป่วยหนัก ความฉลาดทางคลินิกขั้นสูงและการวินิจฉัยผู้ป่วยโดยใช้การวิเคราะห์เชิงคาดการณ์ที่ขับเคลื่อนโดย AI และผ่านการรับรองจาก FDA และโมเดลการดูแลผู้ป่วยวิกฤตที่เป็นกรรมสิทธิ์
คุณช่วยเริ่มต้นด้วยการเล่าให้เราฟังเพิ่มเติมอีกเล็กน้อยเกี่ยวกับแพลตฟอร์มที่เปิดใช้งาน AI ของ CLEW Medical และความสามารถเฉพาะตัวในอุตสาหกรรม MedTech ได้ไหม
การก่อตั้ง CLEW ตั้งอยู่บนสมมติฐานที่ว่าการวิเคราะห์ข้อมูลและ AI สามารถปรับปรุงผลลัพธ์ของผู้ป่วยและประสบการณ์ของแพทย์ในสถานพยาบาลที่มีภาวะวิกฤตสูงได้อย่างมีนัยสำคัญ แพลตฟอร์มการเฝ้าระวังทางคลินิกที่เราสร้างขึ้นเป็นแพลตฟอร์มแรกที่มีแบบจำลองการคาดการณ์ที่ขับเคลื่อนด้วย AI ที่ผ่านการรับรองจาก FDA สำหรับการดูแลผู้ป่วยวิกฤต ระบบของเรารับข้อมูลโดยการบูรณาการกับแหล่งข้อมูลทางคลินิกทั้งหมดภายในโรงพยาบาล และสร้างโปรไฟล์ทางสรีรวิทยาที่ใกล้เคียงเรียลไทม์ของผู้ป่วยแต่ละรายเพื่อติดตามสถานะของพวกเขาอย่างต่อเนื่อง จากนั้นจะใช้ข้อมูลนี้เพื่อให้ข้อมูลเชิงลึกเชิงคาดการณ์เพื่อระบุผู้ป่วยที่อาจเกิดเหตุการณ์ไม่พึงประสงค์ เช่น การหายใจล้มเหลว และแจ้งเตือนแพทย์ให้เข้าแทรกแซงนานถึงแปดชั่วโมงก่อนเหตุการณ์ที่คาดการณ์ไว้ ความแม่นยำในระดับสูงของแพลตฟอร์มยังช่วยลดจำนวนการแจ้งเตือนที่ผิดพลาดมากเกินไป ทำให้แพทย์สามารถปฏิบัติงานได้ภายใต้ใบอนุญาตของตน และมุ่งเน้นไปที่ผู้ป่วยที่ต้องการการแทรกแซงทันทีมากที่สุด
อะไรคือปัจจัยสำคัญที่ทำให้ FDA อนุมัติแบบจำลองการคาดการณ์ที่ขับเคลื่อนด้วย AI ของ CLEW
CLEW นำ AI มาใช้ตั้งแต่เริ่มก่อตั้ง ผู้ก่อตั้งและผู้นำด้านการพัฒนาของเราตระหนักถึงความสำคัญของการส่งเสริมความไว้วางใจกับผู้ดูแล ซึ่งเป็นบุคคลที่รับผิดชอบในการใช้เทคโนโลยีของเราในการดูแลผู้ป่วยที่อ่อนแอที่สุดของพวกเขา จำเป็นอย่างยิ่งที่เทคโนโลยีของเราจะต้องได้รับการตรวจสอบและความขยันหมั่นเพียรในการออกแบบ การพัฒนา การทดสอบ และการตรวจสอบในระดับเดียวกันกับอุปกรณ์ที่ผู้ใช้ของเราใช้งานอยู่แล้ว เพื่อสนับสนุนการนำโซลูชัน AI มาใช้ในสภาพแวดล้อมการดูแลผู้ป่วยวิกฤต ทีมงานของเราเข้าใจถึงความจำเป็นของการสร้างแบบจำลองด้วยการพัฒนาผลิตภัณฑ์และระบบคุณภาพที่พิถีพิถัน ด้วยเหตุนี้ การพัฒนาโมเดล AI ของเราจึงใช้ประโยชน์จากโครงสร้างพื้นฐาน MLOPS (การดำเนินการเรียนรู้ของเครื่อง) ที่แข็งแกร่งเพื่อตอบสนองความคาดหวังด้านกฎระเบียบ เช่น คำแนะนำ PCCP (แผนควบคุมการเปลี่ยนแปลงที่ได้รับอนุญาตล่วงหน้า) จาก FDA โมเดล AI ของเราได้รับการออกแบบอย่างมีระบบ ในขณะที่อยู่ระหว่างการทดลองที่จำเป็นทั้งหมดเพื่อให้ผ่านการรับรองด้านกฎระเบียบของอุปกรณ์ทางการแพทย์
ความทนทานของแบบจำลองและกระบวนการภายในของเราส่งผลให้ FDA จัดประเภทโซลูชันของเราให้เป็นอุปกรณ์ทางการแพทย์ประเภท II ในต้นปี 2021 ซึ่งเป็นตัวอย่างความสำเร็จครั้งสำคัญและไม่เหมือนใคร การรับรองอุปกรณ์ทางการแพทย์ของ FDA ทำหน้าที่เป็นข้อพิสูจน์ถึงคุณภาพของกระบวนการพัฒนาแบบครบวงจรของเรา ซึ่งรวมถึงการศึกษาการตรวจสอบทางคลินิกที่ดำเนินการในประชากรผู้ป่วยจริง
การศึกษาล่าสุดที่ตีพิมพ์ใน CHEST® Journal เน้นความแม่นยำในการคาดการณ์ของโมเดล AI ของคุณ คุณสามารถหารือเกี่ยวกับระเบียบวิธีและข้อค้นพบเฉพาะของการศึกษานี้ได้หรือไม่
อัลกอริธึม ML ที่ได้รับการฝึกอบรมจาก CLEW ถูกนำไปใช้ในหน่วยดูแลผู้ป่วยหนัก (ICU) 14 หน่วย ทั่วทั้งระบบสุขภาพหลักสองระบบ เพื่อคาดการณ์เหตุการณ์การใส่ท่อช่วยหายใจและการเริ่มต้นของหลอดเลือด หรืออีกนัยหนึ่งคือเหตุการณ์ที่ต้องมีการแทรกแซงช่วยชีวิต ในผู้ป่วยผู้ใหญ่ที่ป่วยหนัก ประสิทธิภาพการทำงานวัดโดยเทียบกับสัญญาณเตือนการติดตามข้างเตียงที่มีอยู่และประสิทธิภาพเชิงคาดการณ์ของการแจ้งเตือนระบบการแพทย์ทางไกล
เหตุการณ์ ศึกษาซึ่งออกแบบมาเพื่อประเมินความแม่นยำและประโยชน์ของเครื่องมือในการแจ้งเตือนในห้องไอซียู พบว่าแบบจำลองของ CLEW สำหรับการทำนายการเสื่อมสภาพของผู้ป่วย มีความแม่นยำมากกว่าถึง 50 เท่า และสร้างการแจ้งเตือนน้อยกว่าระบบการแพทย์ทางไกลชั้นนำถึง XNUMX เท่า ผลการวิจัยยังแสดงให้เห็นว่าโมเดล ML มีความแม่นยำเหนือกว่าเมื่อเปรียบเทียบกับระบบการตรวจสอบแบบเดิมๆ และลดการหยุดชะงักขั้นตอนการทำงานของแพทย์โดยไม่จำเป็นได้อย่างมาก
การคาดการณ์ AI ที่สร้างโดยแพลตฟอร์มของ CLEW อาจเปลี่ยนแปลงการส่งมอบการดูแลในห้อง ICU ได้อย่างไร คุณช่วยอธิบายเพิ่มเติมว่าการคาดการณ์เหล่านี้ปรับปรุงผลลัพธ์และลดภาวะแทรกซ้อนได้อย่างไร
แพลตฟอร์มของ CLEW สร้างโอกาสในการให้การแทรกแซงตั้งแต่เนิ่นๆ ในผู้ป่วยที่มีความเสี่ยงสูง และสนับสนุนการจัดการขีดความสามารถด้วยการระบุบุคคลที่มีความเสี่ยงต่ำซึ่งอาจพร้อมสำหรับการลาออกหรือออกจากโรงพยาบาล ซึ่งในทางกลับกันจะช่วยลดอัตราการเสียชีวิตและอัตราการกลับเข้ารับการรักษาซ้ำ ลดภาวะแทรกซ้อนที่เกิดจากการเสื่อมสภาพของผู้ป่วย และลดระยะเวลาการเข้าพักของผู้ป่วยให้เหลือน้อยที่สุด
ตัวอย่างเช่น ภายใน 24 ชั่วโมงแรกของการใช้งานในระบบสุขภาพที่สำคัญ เทคโนโลยีของเราคาดการณ์ความไม่แน่นอนของระบบไหลเวียนโลหิตในผู้ป่วย ICU ซึ่งกระตุ้นให้เกิดการประเมินของผู้ให้บริการ เมื่อประเมินผู้ป่วย ผู้ให้บริการสั่งให้ทำ CT scan และตรวจพบเลือดออกในช่องท้อง ผู้ป่วยถูกนำตัวส่งห้องผ่าตัดเพื่อรับการผ่าตัดฉุกเฉิน โดยได้รับของเหลวและเลือดเต็มไปหมด และในที่สุดพวกเขาก็ช่วยชีวิตพวกเขาได้ 24 ชั่วโมงต่อมา ผู้ป่วยอาการคงที่
พบว่าระบบของคุณมีความแม่นยำมากกว่าระบบติดตามการแพทย์ทางไกลชั้นนำถึงห้าเท่า อะไรทำให้เทคโนโลยีของ CLEW มีประสิทธิภาพมากขึ้นในการทำนายอาการของผู้ป่วยอาการวิกฤต
โดยทั่วไป การแจ้งเตือนที่สร้างโดย ML จะมีความถี่น้อยกว่า มีระดับความแม่นยำที่สูงกว่า และอัตราข้อผิดพลาดที่ต่ำกว่า เช่น ผลบวกลวง และสร้างระยะเวลาก่อนเหตุการณ์ที่นานกว่าการแจ้งเตือนของระบบการแพทย์ทางไกลอื่นๆ และการแจ้งเตือนของระบบติดตามข้างเตียง การแจ้งเตือนของ CLEW มีความแม่นยำและใช้งานได้มากขึ้น ทั้งยังให้เวลาแก่ทีมผู้ดูแลในการปรับใช้มาตรการตอบโต้เพื่อป้องกันผลลัพธ์ที่คาดการณ์ไว้ ข้อมูลอัจฉริยะอันซับซ้อนที่ CLEW มอบให้นั้นเกิดขึ้นได้ด้วยความสามารถในการขุดค้นข้อมูลผู้ป่วยจากเวชระเบียนอิเล็กทรอนิกส์ (EMR) ของระบบสุขภาพ รวมกับโมเดล ML ที่ได้รับการทดสอบและตรวจสอบอย่างเข้มงวดผ่านการวิจัยที่ผ่านการตรวจสอบโดยผู้ทรงคุณวุฒิและการผ่านการรับรองจาก FDA
การศึกษายังพบการลดลงอย่างมีนัยสำคัญของการแจ้งเตือนที่ผิดพลาด การลดความเหนื่อยล้าของสัญญาณเตือนมีประโยชน์ต่อเจ้าหน้าที่ ICU อย่างไร และข้อเสนอแนะจากผู้เชี่ยวชาญด้านสุขภาพที่ใช้ระบบของคุณเป็นอย่างไร
98% ของการแจ้งเตือนการติดตามข้างเตียงเป็นผลบวกลวง ซึ่งนำไปสู่ความเมื่อยล้าของสัญญาณเตือน และทำให้ระดับความเหนื่อยหน่ายของแพทย์ในระดับสูงรุนแรงขึ้นเป็นประวัติการณ์ CLEW จัดการกับความเมื่อยล้าของสัญญาณเตือนโดยการลดจำนวนการรบกวนของเสียง เพิ่มเปอร์เซ็นต์ของการแจ้งเตือนที่ดำเนินการได้สำหรับการแทรกแซงของผู้ให้บริการที่จำเป็น และสร้างสภาพแวดล้อม ICU โดยรวมที่สงบมากขึ้น โดยพื้นฐานแล้ว ความแม่นยำและความสามารถของแพลตฟอร์มในการลดภาระงานที่ไม่จำเป็นผ่านโมเดล ML ขั้นสูง ช่วยปรับปรุงความเหนื่อยหน่ายของ ICU ได้อย่างมาก ทีมที่ประสบความสำเร็จของลูกค้าของ CLEW ซึ่งเป็นส่วนหนึ่งของกระบวนการดำเนินการมุ่งเน้นไปที่ความสำคัญของการจัดการการเปลี่ยนแปลงทางคลินิก เพื่อให้แน่ใจว่าเทคโนโลยีจะถูกรวมเข้ากับกระบวนการตัดสินใจทางคลินิกโดยรวมอย่างเหมาะสม ผลตอบรับจากแพทย์เป็นไปในเชิงบวกอย่างมาก
ฟีเจอร์การแจ้งเตือนล่วงหน้าของแพลตฟอร์มของ CLEW ทำงานอย่างไร และฟีเจอร์การแจ้งเตือนแบบใดที่อำนวยความสะดวกในการตั้งค่า ICU ในโลกแห่งความเป็นจริง
จากกระแสข้อมูลที่เข้ามาจากอุปกรณ์ติดตามข้างเตียงและอุปกรณ์ช่วยชีวิต รวมถึงจากบันทึกสุขภาพอิเล็กทรอนิกส์ (EHR) โมเดล CLEW AI สามารถคาดการณ์เกี่ยวกับความเสี่ยงที่ผู้ป่วยจะทรุดลงและเสียชีวิตในอีกแปดชั่วโมงข้างหน้า ด้วยการประเมินเชิงคาดการณ์เหล่านี้ แพทย์ที่มีประสบการณ์สามารถประเมินผู้ป่วยได้อย่างใกล้ชิดยิ่งขึ้น และพิจารณาว่ามีมาตรการรับมือที่เกี่ยวข้องเพื่อป้องกันการเสื่อมสภาพที่คาดการณ์ไว้หรือไม่ แทนที่จะตอบสนองต่อสิ่งเหล่านั้นในกรณีฉุกเฉิน
ตัวอย่างเช่น แพลตฟอร์ม CLEW สามารถแจ้งแพทย์ได้ว่าผู้ป่วยมีแนวโน้มสูงที่จะเข้าสู่ภาวะหายใจล้มเหลว ซึ่งโดยทั่วไปจะนำไปสู่การใส่ท่อช่วยหายใจและเครื่องช่วยหายใจ เมื่อได้รับการแจ้งเตือน ผู้ดูแลสามารถระบุได้ว่าผู้ป่วยมีของเหลวส่วนเกินซึ่งสามารถเริ่มสำรองเข้าสู่ปอด และเริ่มการรักษาด้วยยาขับปัสสาวะเพื่อลดของเหลว จึงป้องกันการใส่ท่อช่วยหายใจในภายหลัง แบบจำลองของเรายังสามารถคาดการณ์ได้ว่าผู้ป่วยหลังการผ่าตัดมีแนวโน้มที่จะไม่เสถียรทางระบบไหลเวียนโลหิตและต้องการการสนับสนุนจากยาที่ออกฤทธิ์ต่อหลอดเลือดหรือไม่ ด้วยความรู้นี้หากไม่มีอาการชัดเจน CT-scan ระบุว่าผู้ป่วยมีเลือดออกภายใน และถูกนำกลับไปผ่าตัดเพื่อซ่อมแซม ท้ายที่สุด การแทรกแซงนี้ส่งผลให้ผู้ป่วยทรงตัวได้
การคาดการณ์ที่ใช้ AI ของ CLEW ยังสนับสนุนโรงพยาบาลที่มีความต้องการการจัดการความจุอีกด้วย ผู้ป่วยบางรายไม่จำเป็นต้องได้รับการดูแลแบบวิกฤตอีกต่อไป และสามารถย้ายไปยังหน่วยดูแลที่มีความรุนแรงต่ำได้ ซึ่งจะทำให้มีเตียงว่างสำหรับจัดการผู้ป่วยที่อาการหนักมากขึ้น ช่วยให้ระบบสุขภาพสามารถปรับปรุงการจัดการขีดความสามารถและสร้างการเข้าถึงสำหรับผู้ป่วยได้มากขึ้น นอกจากนี้ยังเพิ่มส่วนต่างส่วนต่างให้กับระบบสุขภาพด้วย
ขั้นตอนต่อไปสำหรับ CLEW Medical ในแง่ของการพัฒนาและขยายการใช้โมเดลที่ขับเคลื่อนด้วย AI ของคุณในสถานพยาบาลต่างๆ มีอะไรบ้าง
เราได้ขยายแพลตฟอร์ม CLEW นอกเหนือจากการตั้งค่าการดูแลผู้ป่วยวิกฤต เพื่อรวมหน่วยลดขั้นตอนและแผนกฉุกเฉินแล้ว และขณะนี้ เรากำลังอยู่ในกระบวนการขยายเตียงผู้ป่วยเฉียบพลันที่เหลืออยู่ในโรงพยาบาล รวมถึงหน่วยดูแลหลังดมยาสลบ (PACU) และ เตียงทางการแพทย์/ศัลยกรรมทั่วไป และเตียงพิเศษ ในที่สุดการแพร่หลายของจอภาพแบบสวมใส่ราคาไม่แพงที่ให้ข้อมูลสัญญาณชีพบ่อยครั้ง ควบคู่ไปกับการรับรอง PCCP ของเรา ทำให้ CLEW สามารถขยายขีดความสามารถด้านการเฝ้าระวัง AI ในวงกว้างมากขึ้นทั่วทั้งโรงพยาบาลที่มีผู้ป่วยวิกฤต
นอกจากนี้ เนื่องจากการคาดการณ์ของ CLEW เป็นส่วนเสริมของระบบ HIT อื่นๆ รวมถึง EHR เราจึงทำงานเพื่อส่งมอบข้อมูลเชิงลึกผ่านการบูรณาการเข้ากับชุดเครื่องมือที่มีอยู่ของระบบสุขภาพ เราได้เข้าร่วมเครือข่ายของนักพัฒนา Epic และได้แสดงให้เห็นถึงความสำเร็จในการบูรณาการความสามารถขั้นสูงของ CLEW เช่น การคาดการณ์ที่ขับเคลื่อนด้วย AI เข้ากับประสบการณ์ผู้ใช้ทางคลินิก
นอกจากนี้ CLEW กำลังเริ่มใช้แนวทางใหม่ที่ใช้ AI ในการจัดการภาวะติดเชื้อในกระแสเลือด ซึ่งเป็นภาวะแทรกซ้อนร้ายแรงและบางครั้งก็ถึงขั้นเสียชีวิต
คุณมองเห็นอนาคตของ AI ในการปรับปรุงการดูแล ICU ในทศวรรษหน้าอย่างไร และ CLEW วางแผนที่จะเป็นส่วนหนึ่งของอนาคตนี้อย่างไร
ประชากรผู้ป่วยในโรงพยาบาลป่วยมากขึ้นกว่าเดิม เนื่องจากอายุและการเจ็บป่วยเรื้อรังที่เกี่ยวข้องกับวิถีชีวิตที่เพิ่มขึ้น ควบคู่ไปกับการขาดแคลนผู้ดูแลอย่างกว้างขวาง ความต้องการการเฝ้าระวังทางคลินิกที่ชาญฉลาดยังคงเพิ่มขึ้นอย่างต่อเนื่อง เนื่องจากผู้ป่วยจำนวนมากต้องอยู่ในห้อง ICU เนื่องจากพลาดโอกาสที่จะเข้าไปแทรกแซงกระบวนการดูแลตั้งแต่เนิ่นๆ CLEW ไม่เพียงแต่มุ่งเน้นไปที่การใช้ AI เพื่อปรับปรุงการดูแลใน ICU เท่านั้น แต่ยังรวมถึงการร่วมมือกับระบบสุขภาพและนักนวัตกรรมในอุตสาหกรรมเพื่อปรับปรุงการดูแลแบบเฉียบพลันทั้งหมดด้วย ไปป์ไลน์เชิงโปรแกรมสำหรับการพัฒนา AI (MLOPS) ของเราจะใช้ความสามารถของพันธมิตรเพื่อสร้างโมเดล AI ที่ได้รับการรับรองจาก FDA นอกเหนือจากที่ CLEW พัฒนาด้วยตัวเอง
อย่างไรก็ตาม เทคโนโลยีเป็นเพียงส่วนหนึ่งของการแก้ปัญหาเท่านั้น การใช้ AI ในการดูแลสุขภาพไม่ได้เกี่ยวกับการเปลี่ยนผู้ดูแล ในความเป็นจริง AI สามารถนำเสนอข้อมูลที่เหนือกว่าเพื่อสนับสนุนการตัดสินใจเพื่อให้การดูแลรักษาทางคลินิกที่เหมาะสมที่สุด เช่น การลดการแจ้งเตือนที่มีเสียงดังซึ่งทำให้เสียเวลา CLEW กำลังทำงานร่วมกับระบบสุขภาพและพันธมิตรเพื่อเรียนรู้และให้ความรู้แก่ผู้ดูแลว่าเครื่องมือ AI สามารถนำไปใช้และยอมรับในการปฏิบัติงานทางคลินิกได้อย่างมีประสิทธิภาพได้อย่างไร จำเป็นต้องมีการวิจัยที่ตรวจสอบความถูกต้องและประสิทธิภาพของ AI ดังนั้น CLEW จึงทำงานร่วมกับลูกค้าเพื่อสร้างข้อพิสูจน์นี้กับประชากรผู้ป่วยของตนเอง ความพยายามในการวิจัยที่มุ่งเน้นนี้สนับสนุนการดำเนินการและการรับเลี้ยงบุตรบุญธรรมโดยผู้ดูแลข้างเตียงที่อาจไม่เชื่อ
เพื่อเร่งการใช้งานทางคลินิกใหม่ๆ เรามีความสามารถในการอัปเดตแพลตฟอร์มของเราเพื่อรวมแนวทางปฏิบัติที่ดีที่สุดที่เพิ่งค้นพบใหม่ภายในหนึ่งเดือน ซึ่งโดยปกติแล้วจะต้องใช้เวลาหลายปี ในทศวรรษหน้า CLEW จะเป็นผู้นำในการทำงานร่วมกับระบบสุขภาพเพื่อสร้าง AI ทางคลินิกที่มีประสิทธิภาพให้เป็นพันธมิตรที่รอบรู้และรอบคอบของผู้ดูแลที่เป็นมนุษย์ ซึ่งสักวันหนึ่งอาจดูแลเราหรือคนที่เรารัก
ขอบคุณสำหรับบทสัมภาษณ์ที่ดี ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม คลีว์ เมดิคอล.
