Tim Vasil, Hospital IQ’nun Kurucu Ortağı ve Baş Teknoloji Sorumlusu – Röportaj Serisi

Tim Vasil, Hospital IQ’nun Kurucu Ortağı ve Baş Teknoloji Sorumlusudur. Hospital IQ, operasyon yönetim platformu olarak veri kullanarak hızlı ve sürdürülebilir operasyonel iyileştirmeler için makine öğrenimi tabanlı AI çözümleri sunar.

Siz bilgisayar bilimine ilk olarak neler çekti?

Bebek kitapları. Üniversitedeyken kariyer hedefimi belirleyememiştim ve BabyZone.com’da yarı zamanlı web geliştirme pozisyonu araştırdım. Deneyim inanılmazdı! İlk projelerimden biri, fiziksel bir ortamı, bebek kitaplarını dijital ortama taşıyarak, sesler, geçiş efektleri ve etkileşimli bir misafir defteri ekleyerek gerçekleştirdim. Kod yazdım, web sitesine yükledim ve binlerce ebeveyn uzaklardaki arkadaşları ve akrabalarıyla bağlantı kurabildi.

O e-bebek kitabı uygulaması, bilgisayar bilimini, sanat, mühendislik ve belki de sihirbazlık becerilerini birleştirerek insanların hayatlarını iyileştirebileceğim bir alan olarak gördüm. Kod yazıp web sitesine yüklediğimde, binlerce kişi için kalıcı bir etki yaratmıştım. Wow!

Hospital IQ’nun doğuş hikayesini anlatır mısınız?

Kurucu ortak Rich Krueger ile birlikte teknolojinin ihmal ettiği alanları araştırdık. Hastanelerin her yıl milyarlarca dolar harcayarak tıbbi ekipman, elektronik sağlık kayıtları ve benzeri alanlara yatırım yaptıklarını düşündüğünüzde, bu alanların iyi kapsandığını düşünürdünüz. Ancak gördüğümüz şey, hastanelerin operasyonel tarafıydı. Bu taraf, ameliyatlara ne zaman randevu verileceğini, hastaları nereye transfer edeceğini, hangi testleri önceliklendireceğini, ertesi gün için nasıl planlanacağını ve benzeri konuları içerir. Bunlar özellikle zorlu sorunlardır ve geleneksel tıbbi yazılımlar bunları çözmez.

Fırsatı keşfetmek için hastane liderleri ve ön saflardaki personele görüştük. Her gün kahramanlıklar gördük. Nurse schedulersın sürekli arayan ve personeli en çok ihtiyaç duyulan yerlere yönlendiren telefonlara cevap verdiğini gördük. Ameliyathane müdürlerinin ameliyathane zamanını cerrahlar arasında paylaştırmaya çalıştıklarını gördük. Operasyonel mükemmellik liderlerinin hastane yataklarını yeniden atamak için simülasyonlar yapan büyük elektronik tabloları gördük. Kısacası, sorunlara manuel çaba sarf edildiğini gördük çünkü yazılımlar yetersizdi ve yardımcı olmak istedik.

Çoğu startup gibi, ürün geliştirme yolculuğumuz düz bir yol değildi. İlk “yardım”ımız, en zorlu sorunları çözeceğini düşündüğümüz stratejik araçlardan geldi. Ancak bunlar çok veri ve matematik gerektiriyordu. Mekaniği etkileyici görünüyordu: otomatik olarak hastanenin iç işleyişini simüle eden modeller oluşturup, ameliyat randevusunun değiştirilmesi gerekip gerekmediğine veya yeni bir kanadın inşa edilip edilmemesine ilişkin önerilerde bulunabiliyorduk. Ancak bu sorular büyük olsa da, aynı zamanda nadiren soruluyordu.

Hospital IQ’nun günümüzdeki hali, Rich veya benim tarafından ilham verilmiş bir yol değildir. Tamamen ekibimizin müşterilerimizle el ele çalışması ve bizim en önemli rolümüzün, hastanelere büyük, ender soruları cevaplamak değil, küçük, sık soruları cevaplamak olduğu gerçeğinin anlaşılmasıdır. Bunlar, hastanın ameliyata girdiği ve bakım ekibinin onu bu yolculukta yönlendirdiği deneyimi belirleyen sorulardır.

Yazılımın, sağlık sistemlerinin zirve operasyonel performansı elde etmesi ve sürdürmesi konusunda nasıl yardımcı olduğunu açıklayabilir misiniz?

Yazılımımız, sağlık çalışanlarını günlük iş akışlarında bulundukları yerde karşılar. Onlardan radikal bir değişiklik yapmalarını beklemeyiz, örneğin bir simülasyon çalıştırmak, bir tahmini yorumlamak veya personel takvimlerini sıfırdan optimize etmek gibi. Onların her gün aldıkları adımları iki şekilde benimseriz: bunları dijitalleştiririz, böylece birbirleriyle daha verimli bir şekilde iletişim kurabilirler, ve sonra tahminler ve öneriler ekleriz. Bu, sağlık çalışanlarının daha verimli ve daha etkili bir şekilde çalışmasına olanak tanır. En iyisi, onları hasta bakımına daha fazla zaman ayırmaya özgür bırakır.

Örneğin, personel takvimini ele alalım. Her vardiyada her birimde kaç hemşirenin olması gerektiğini belirlemek bir zorluktur. Bazı personel hasta olabilir. Beklenmedik bir talep artışı olabilir. Birimler arasında “yüzer” olarak adlandırılan hemşirelerin adil bir şekilde atanması gerekir. Herkesin becerileri, nitelikleri ve tercihleri de dikkate alınmalıdır. Tüm bunları bir araya getirerek, bir personel ofisinin telefonunun neden sürekli çaldığını anlayabilirsiniz. Ancak Hospital IQ ile aynı gün içinde, telefonlar susar. Çalışma aynı olsa da, tüm bilgiler Hospital IQ platformunda merkezi bir şekilde bulunduğundan, tüm考虑ler elektronik tablolardan, beyaz tahtalardan ve post-it notlardan, şık iletişim araçlarına, otomatik analizlere ve personel dengesi önerilerine geçer. Hemşire schedulers işlerini daha verimli ve keyifle yapabilir.

Yazılımda kullanılan farklı makine öğrenimi teknolojileri nelerdir?

Veri bilimcilerimiz, müşterilerimizin kullanım durumları için harika sonuçlar elde etmek için gerekli yöntemleri kullanır. Ameliyathane kullanımını anlamak için istatistiksel analizler, ameliyat hacmini tahmin etmek için ARIMA modelleri, Prophet ile hasta sayısını tahmin etmek, random forests ile hasta durumunu sınıflandırmak, neural networks ile yeniden kabul puanlaması ve daha fazlasını kullanıyoruz. Veri bilimcilerimiz, son araştırmaları, veri kaynaklarını ve araçlarını takip etmek için düzenli “dergi kulübü” toplantıları yapar ve kendi başlarına da yenilikler yapar. Bu kadar açık bir alanda, keşfedilecek ve Hospital IQ platformuna entegre edilecek birçok ilgi çekici kullanım durumu ve veri kümesi vardır.

Bizim için özel bir zorluk, her bir hastane müşterimizin benzersizliğini ele almaktır. Farklı demografilere hizmet ederler. Farklı uzmanlıkları vardır. Her hastanenin klinik ve operasyonel verileri, farklı şekilde yapılandırılmış kendi yazılımından gelir ve kendi eksikliklerine sahiptir. Tüm müşterilerimiz veya tek bir sağlık sisteminin tüm kampüsleri için kapsamlı bir model oluştursak, iyi uymaz. Ancak manuel olarak özelleştirilmiş ve tek seferlik çözümler oluşturmak, ölçeklenebilir veya güçlü bir yaklaşım değildir. Bunun yerine, her bir müşterimizin verilerinin özel özelliklerini anlamaya, genelleştirilebilir modeller geliştirmeye ve bireysel kampüsler için model oluşturma, eğitim ve doğruluk ölçümü ve izleme için araçlar oluşturmaya güveniyoruz.

COVID-19 Bölgesel Tahmin Panosu, 76.000’den fazla kullanıcıya ve yüzlerce hastaneye sahiptir. Bu araç tam olarak nedir?

COVID-19 Bölgesel Tahmin Panosunu ilk olarak Mart 2020’de oluşturduğumuzda, ABD’nin mevcut hastane yataklarının tükenme olasılığından endişe duyuyor ve sadece müşterilerimiz için değil, tüm hastaneler için bir erken uyarı sistemi sağlamak istiyorduk. Bunu gerçekleştirmek için, ilçe başına personel yatak kapasitesi, yaş grubuna göre COVID-19’un muhtemel bulaşma ve ölüm oranları ve diğer birçok şey gibi veri kümeleri aradık. Ayrıca, virüsün ilçe ilçe yolculuğunu tahmin etmek için bir SEIR modeli oluşturduk ve mümkün olduğunca çok bağlam sağlamak istedik, yani ICU ve med/surg kapasitesinin ne zaman aşılacağı, kaç kişinin iyileşeceği ve hatta kaç kişinin öleceği. Amacımız, çeşitli güvenilir veri kaynaklarından ilçe ilçe perspektifi oluşturmaktı.

Hastaneler,我们的 dashboard’u, sürge ünitelerini açma veya elektif ameliyatları azaltma kararı almak için bir araç olarak kullandı. İlginç bir şekilde, evdeki bireyler de bu aracı kullanmış ve hatta bu yeni ve korkutucu küresel salgına biraz açıklık getirmiştir.

Genel bir araç sunarken, verilerin sadık ve sık bir şekilde toplanması ve analiz edilmesi ve en iyi veri kaynaklarının seçilmesi konusunda önemli bir görevimiz olduğunu biliyoruz. Bazen bu, daha iyi modeller ortaya çıktığında bunları takas etmek anlamına gelir. SEIR modelimizin durumunda, Institute for Health Metrics and Evaluation (IHME) tarafından geliştirilen devlet düzeyindeki modeli, Beyaz Saray ve diğer kaynaklar tarafından tanınan bir standart olarak getirerek, bu tahminleri specific counties ve bu counties içindeki specific hastaneler için saat saat COVID-19’un devam eden etkilerine ilişkin rehberlik sağlamak için bir yol bulduk.

Hospital IQ’nun veri bilimcileri ve mühendisleri genellikle hackathon’lara katılır, bu etkinliklerden çıkan bazı ilginç fikir veya projeler nelerdir?

Her ay, veri bilimcileri ve mühendislerimizin profesyonel gelişimlerini desteklemek ve yenilikçi fikirleri ateşlemek için bir gün izin vermekteyiz. Bu, endüstri konferanslarına katılmak, yeni bir beceri öğrenmek için online bir kurs almak veya profesyonel olarak kendilerini güçlendirecek herhangi bir faaliyet olabilir.

Bu kapsamda, birkaç mühendis ve veri bilimcisi, Hospital IQ’nun hackathon’larına katılmak için profesyonel gelişim günlerini kullanmayı seçer. Hackathon’lar, katılımcıların bir günde zorlu bir fikri çalışır duruma getirmelerini, yenilikçi ve hırslı olmalarını gerektirir. En son hackathon’umuzda, Ekim 2020’de, katılımcılar üç takım oluşturdu ve şirketin tamamından fikir topladı. Hiçbir konu yasak değildi; şirketin platformuna veya sağlık alanına ilişkin olmayan fikirlerin kabul edilebilir olduğu açıktı. Ancak üç takım da sonunda şirketin platformunda uygulanmakta olan fikirleri seçti.

İlk takım – Takım Cara – hastane yeniden kabulü üzerine odaklandı ve hastaların taburcu olmadan önce yeniden kabul riski taşıyıp taşımadığını öngören bir çözüm oluşturmayı amaçladı. Hastane yeniden kabulü, sağlık sistemine her yıl milyarlarca dolar mal oluyor, bu nedenle böyle bir öngörülü ve proaktif bir çözüm, taburcu hemşirelerine ve bakım yöneticilerine riski azaltmak, maliyetleri kesmek ve her hastanın neye ihtiyacı olduğunu bilmelerine yardımcı olabilir. Takım Cara, Hospital IQ’nun operasyon yönetim platformundan verileri aldı ve daha önce veri bilimcileri tarafından geliştirilen bir hasta özel makine öğrenimi çerçevesini kullanarak, her hasta için yeniden kabul olasılığını gösteren bir skor atan bir öngörülü model oluşturdu. Modelin ilk sonuçları yüksek bir doğruluk derecesi gösterdi.

İkinci takım – Takım Burt Reynolds – bir bölgesel gözetim çözümü geliştirmeyi amaçladı ve verileri bir harita üzerinde görselleştirdi. Takım, Hospital IQ’nun mevcut platform altyapısına entegre edilmiş bir şekilde, bir metrici ilgi alanı olarak latitude ve longitude koordinatlarına göre plotlamak istedi. Proof of concept için, hastane transfer merkezi verilerini kullanarak, hangi bağlı kurumların kabul kaynakları olduğunu ve hangi hacimde olduğunu vurguladı. Sonuçlar, transfer vakalarını yeni bir şekilde gösterdi ve hangi coğrafyaların en çok hasta çektiğini ve büyüme fırsatlarını açıkladı.

Üçüncü takım – Takım Raptor Strikeforce – Hospital IQ’nun operasyon yönetim platformunun getirdiği yatırım getirisi (ROI) çözümünü geliştirmeyi amaçladı. Takım, mali modellere çeşitli girişleri özelleştirmek için bir arayüz oluşturdu ve bu girişleri kullanarak hastanenin mali sağlığının zaman içinde değişimini izledi. Bu görselleştirmeler, Hospital IQ platformuna yapılan yatırımın ve operasyonel etkinlik girişimlerinin nasıl önemli ölçüde geri dönüş sağladığını gösteren bir hikaye anlatıyor.

Hackathon’da geliştirilen üç çözüm, müşterilerimize daha fazla değer sağlayabileceğini gösterdi. Sonuç olarak, Hospital IQ tüm üç çözümü mevcut platforma entegre etti ve hastaneler bugün bunları kullanıyor.

Hospital IQ hakkında paylaşmak istediğiniz başka bir şey var mı?

Hospital IQ’nun büyük, iddialı ve cesur hedefi, her gün her sağlık çalışanının verimliliğini ve mutluluğunu artırmaktır. Sağlık alanında şimdiye kadar elde ettiğimiz etkiye gururluyuz, ancak yolculuğumuz daha yeni başlıyor. Compassionate, misyon odaklı bir veri bilimcisi veya mühendisyseniz ve dünyanın en zorlu zorluklarından biri olan sağlık hizmetleri verimliliğini iyileştirmekle ilgileniyorsanız, bize katılmanızı çok isteriz!

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Hospital IQ’nun web sitesini ziyaret edebilir.