Dr. Jaime Bland, Aquila Health’in Kurucu Ortağı ve CEO’su – Röportaj Serisi

Dr. Jaime Bland, Aquila Health’in Kurucu Ortağı ve CEO’su, sağlık teknolojisi alanında uzmanlaşmış ve endüstrinin en büyük zorluklarından biri olan parçalı ve erişilemeyen verilere çözüm getirmeyi hedefleyen bir liderdir. Aquila Health’i, sağlık kurumlarının bölünmüş sistemlerin ötesine geçmelerine olanak tanıyan birleşik bir veri altyapısı oluşturmak için kurdu. Makine öğrenimi ve yapılandırılmış analitik kullanarak eyleme geçirilebilir içgörüler üretilmesini sağlarken aynı zamanda klinik denetimi korur. Çalışmaları, interoperabiliteyi iyileştirmeye, nüfus düzeyinde sağlık zekasını mümkün kılmaya ve entegre klinik, talepler ve genetik veri sistemleri aracılığıyla ortaya çıkan sağlık tehditlerinin daha erken tespit edilmesini desteklemeye odaklanmaktadır.

Aquila Health, farklı veri kaynaklarını tek bir sistemde birleştiren ve hem operasyonel verimliliği hem de gelişmiş analitikleri destekleyen bir sağlık veri platformudur. Platform, HL7 ve FHIR gibi yüksek hacimli sağlık veri formatlarını işler ve hastaneler, kamu sağlığı sistemleri ve diğer paydaşlar arasında sorunsuz entegrasyonu sağlar. Yapılandırılmış makine öğrenimi yaklaşımlarını insan-müdahaleli doğrulama modeli ile birleştiren Aquila, population sağlığı yönetimi, anormallik tespiti ve gerçek zamanlı karar verme için güvenilir içgörüler sunar. Bu, şirketin veri altyapısı ve uygulamalı AI’nin kesişme noktasında konumlanmasını sağlar ve burada veri kalitesini ve erişilebilirliğini iyileştirmek, sağlık zekasının tam potansiyelini açığa çıkarmak için temel bir adımdır.

CyncHealth’i büyük bir büyüme ile yönettiniz, milyonlarca hasta kaydını ve birden fazla eyaleti kapsayan bir interoperabilite oluşturdunuz. Bu yolculuk sırasında hangi kilit sınırlamalar veya sistemsel başarısızlıklarla karşılaştınız ve Aquila’yı sıfırdan inşa etmeye sizi ne itti?

CyncHealth’te, Nebraska ve Iowa’daki sağlık kurumları arasında altyapıyı oluşturmak için yıllarca çalıştık. 1.100’den fazla bakım sitesini ve milyonlarca hasta kaydını, beş milyondan fazla kişinin yaşadığı bir nüfusu kapsayacak şekilde bağladık.

Ancak, sistemleri bağlamak ve verilerin gerçekten kullanılabilir hale gelmesi iki farklı sorun olduğunu fark ettik. Örneğin, opioid aşırı dozuna ilişkin bir panoyu oluşturmak için birden fazla kaynaktan aldığımız verileri koordine ettik. Bu tek bir veri noktasını kamu sağlığı ve sağlık hizmetleri bağlamında anlamlı hale getirmek için aylarca süren yüzlerce tam zamanlı çalışma saatine ve birçok paydaş arasındaki koordinasyona ihtiyaç duyuldu. Ve tüm bunlardan sonra, resim hala eksikti.

Bu deneyim, Aquila’nın tohumlarını ekmiştir. Arayüzleri bağlamanın geleneksel yolu, verilerin tamamlanması ve kalitesini anlamadan, son yıllarda gördüğümüz AI ilerlemeleriyle birlikte artık bu ihtiyacı karşılayamaz. AI, eskiden bir ekibin aylarca süren çalışmasını saatler içinde ve daha yüksek kalitede, daha düşük maliyetle yapabilirse, bu bilgiyi kullanarak yeni bir temel üzerinden yeniden inşa etmeniz gerekir. İşte Aquila’yı kurarken yaptığımız budur; modern araçlara odaklanarak bağlantının maliyetini düşürüyoruz, böylece sağlık resminin tamamını, sadece geleneksel EHI kaynaklarından türetilen verilerin tamamını değil, tamamını odaklayabiliyoruz.

Aquila, parçalı sağlık verilerini tek bir AI hazır katmana birleştiren bir platform ile gizlilikten çıktı. Bu şimdi, birkaç yıl öncesine göre mümkün olan temel teknik ilerlemeler nelerdi?

AI yetenekleri bu değişimi neredeyse tamamen sürdüyor.

Yıllarca, yetenekli mühendislerin veri standartlarını elle uzlaştırdığını izledim, bir kaynakta bir kez. Bu, ölçeklenebilir bir model değildi. Hızla artan veri hacmi ve çeşitliliği ile başa çıkmak için yeterli hızlı büyüyemezsiniz.

Şimdi farklı olan şey, AI’nin veri katmanında sürekli olarak veri normalleştirme işini yapabilmesidir. Bu, gece boyunca çalışan bir toplu işlemden ziyade neredeyse gerçek zamanlıdır. Bu, klinik ekipleri ve kamu sağlığı ekipleri için mümkün olanın ne olduğunu değiştirir, çünkü onlara ulaşan veriler, ulaşmadan önce yapılandırılmış ve doğrulanmıştır.

Klinik ekipler, tam resim olmadan kararlar almaya alışkınlar. Kamu sağlığı, programları desteklemek için güncel verilere dayanmak yerine sürüyor. Aquila, bu manzarayı değiştiriyor ve tüm sağlık hizmetleri boyunca etkili, veri odaklı karar almaya olanak tanıyan hızı sağlıyor.

TREUE™ olarak adlandırdığımız çerçeve, EHR türetilen klinik verileri, laboratuvar, kamu sağlığı, talepler ve sosyal verileri birleşik bir yapıya organize ediyor. AI, iyi veri yönetimini değiştirmez; ilk kez ölçeklenebilir hale getirir.

Sağlık AI’sinde gerçek zorluk, modeller değil, verilerdir. Anlamlı sonuçlar üretmek için AI’nin karşılaştığı en kritik veri altyapısı boşlukları nelerdir?

Endüstri, AI modeli hakkında konuşuyor, ancak model zor olan kısmı değil.

Zor olan kısım, bir hastanın aynı gün içinde üç farklı tesiste üç farklı kişi olarak görünmesidir. Laboratuvarlar klinik notlarla eşleşmez. Ödemeci kaydı, hastane kaydından farklı bir tanımlayıcıya sahiptir ve kamu sağlığı tamamen farklı bir tanımlayıcı kullanır. Tüm bunları manuel olarak düzelttiğinizde, klinik pencere kapanmıştır.

Güçlü teknik bağlantılar, eksik veya sıralı olmayan kayıtları düzeltemez. AI, veride olmayan bir modeli tespit edemez ve güvenilir bir öneride bulunamaz, eğer kayıt eksik veya tamamlanmamışsa.

Boşluk, işlem gücü değil, temel verilere güvenmektir. Bu, ilk olarak çözülmesi gereken şeydir ve bunu ölçekte çözmek, AI’nin gerçekten yerini alabileceği yerdir.

Aquila, “veri hazırlama katmanı” olarak konumlandırıyor ve AI alımı öncesi çalışıyor. Özellikle klinik kayıtlar, talepler verileri ve gerçek zamanlı beslemeler gibi yüksek oranda heterojen girişlerle bu katmanın ne yaptığı hakkında bizi bilgilendirin.

Aquila, kamu sağlığı, hükümet sistemleri ve düzenlenmiş endüstrilerde çalışıyor. AI altyapısı gereksinimleri, geleneksel şirket AI dağıtımlarından bu ortamlara nasıl farklılaşıyor?

Tipik bir şirket AI dağıtımı, genellikle bir organizasyonun veri ortamında, bir dizi yönetim kuralı, bir uyumluluk çerçevesi içinde çalışıyorsunuz.

Kamu sağlığı ve hükümet ortamları yapısal olarak farklıdır. Birden fazla yargı yetkisi, birden fazla ajans, birden fazla klinik ortam arasında koordine ediyorsunuz, her biri farklı raporlama zaman çizelgesi ve yasal çerçeveleri altında çalışıyor. Bir devlet hastanesi, bir kamu sağlığı ajansı, federal bir program kendi veri gereksinimlerine sahip. Tüm bunlar, hiçbirinin diğerinin kayıtlarına kontrolsüz erişim sağlamadan veri alışverişi yapmalı ve içgörüler üretmelidir.

Altyapının, yüksek hacimli işleme unterstütülürken, tüm bu sınırlar boyunca sıkı bir denetim izlenebilirliği desteklemesi gerekir. Eski sağlık hizmetleri mesajlaşma formatları ile entegre olmalı, çünkü bu sistemler ortadan kaybolmayacak. Ve çalıştığı ortamlarda, down time sadece bir iş problemi değil, hasta güvenliği problemi olan ortamlarda güvenilir bir şekilde çalışması gerekir.

Bu karmaşıklık, neden geleneksel şirket pazarı yerine bu ortamlarda başladığımızın nedenidir. Burada altyapı çalışırsa, her yerde çalışır.

AI yetenekleri, yönetim çerçevelerinden daha hızlı ilerliyor. Bu sistemlerin etik ve güvenli bir şekilde dağıtılmasından sorumlu olan kurucular ve platform yapımcılarının sorumlulukları nelerdir?

Sorumluluk basittir, karşılanması basittır. Klinik kararları veya kamu sağlığı sonuçlarını etkileyen AI’yi inşa ediyorsanız, yönetişim için ürün yol haritasındaki bir öğe olarak daha sonra ele alabileceğinizi düşünemezsiniz. Tasarım aşamasından itibaren dahil edilmelidir.

Pratikte bunun anlamı, verilere yapılan her eylem izlenebilir olmalıdır. Modeller, bir klinisyenin neden bir sinyalın işaretlendiğini anlamasına yeterli ölçüde yorumlanabilir olmalıdır. Klinik uzmanlar, gözden geçirme sürecinin bir parçası olmalıdır, sonradan düşünülmemelidir. Ve organizasyon, sistemin gerçekten güvenilir bir şekilde yapabileceği ve yapamayacağı şeyleri samimi bir şekilde açıklamalıdır.

Veri başarısızlıklarının gerçek insanların gerçek sonuçları için gerçek sonuçlara sahip olduğu ortamlarda geçirdiğim kariyer, bunu nasıl düşündüğümü şekillendirdi. Yetenekler hızlı bir şekilde ilerliyor ve bunların dağıtımı için sorumluluk, geride kalmaya izin verilemez. Bu sistemleri inşa eden kurucular, kendileri için bu standardı tutmalı, düzenlemenin bunu dayatmasını beklememelidir.

İlginç bir tartışma için teşekkür ederiz. Aquila Health platformunu ve sağlık veri altyapısına yaklaşımını keşfetmek isteyen okuyucular Aquila Health adresini ziyaret edebilirler.