Даніель Кейн, співзасновник і співгенеральний директор ModMed – Серія інтерв’ю

Даніель Кейн – співзасновник і співгенеральний директор компанії ModMed^®, яка базується у Південній Флориді та займається розробкою медичної інформаційної технології. Компанія трансформує охорону здоров’я за допомогою інтелектуальних платформ, спеціально розроблених для окремих медичних спеціальностей, щоб підвищити ефективність практики та покращити результати лікування пацієнтів.

Компанія ModMed була заснована у лютому 2010 року та з тих пір виросла до понад 1200 працівників, а також залучила понад 332 мільйони доларів інвестицій. Компанія відома своєю прогресивною ростом як медична технологічна компанія та часто визнається на національному та регіональному рівнях за свої досягнення під керівництвом Даніеля Кейна. У 2020 році компанію було названо однією з найкращих робочих місць у країні за версією журналу Inc. Між 2016 та 2018 роками компанія була названа однією з найшвидше зростаючих компаній у Північній Америці за версією Deloitte Technology Fast 500^™. Починаючи з 2015 року, компанія щорічно потрапляє до ексклюзивного списку Inc. 5000, який є престижним зібранням найшвидше зростаючих приватних компаній у країні.

Чи можете ви поділитися деякими відомостями про свій досвід та те, як він вплинув на вашу роботу у ModMed?

Моя подорож у сфері технологій розпочалася під час навчання у Корнелльському університеті, коли я став співзасновником компанії Blackboard. Ми трансформували освіту, оцифровуючи конспекти лекцій та створюючи платформу, яка надавала студентам та викладачам безпрецедентну гнучкість та взаємодію. Для мене успіх Blackboard знайшов вияв у 2004 році, коли відбулося його первинне публічне розміщення акцій, а наші рішення стали революційними у сфері освіти. Однак я не міг не звернути увагу на нові виклики.

Одним з таких викликів стало відвідування мого дерматолога на звичайному огляді. Ми мали неймовірну розмову про труднощі використання застарілих паперових систем та шляхи їх поліпшення. Розуміючи зв’язок між його медичною експертизою та моїми технічними знаннями, ми вирішили об’єднати зусилля та створити ModMed, а також нашу першу електронну систему медичних записів (EHR).

На той час вже існували деякі системи EHR, однак дослідження часто вказували на них як одну з основних причин вичерпання лікарів. Ми підійшли до цього питання інакше та розробили нашу систему EHR так, щоб вона адаптувалася до конкретних робочих процесів медичної спеціальності. Наша флагманська хмарна система EHR, EMA, була розроблена лікарями для лікарів, що стало нашим секретом у ринку. За роки ми розширили наш спектр рішень, включивши повний набір рішень, які допомагають медичним працівникам спрощувати та оптимізувати роботу своєї практики та прискорювати надання допомоги.

Як ви бачите боротьбу за ефективний штучний інтелект у сфері охорони здоров’я, яка буде виграна чи програна завдяки даних?

Ми починаємо бачити зростання використання технологій штучного інтелекту у практиках для оптимізації робочих процесів та підвищення ефективності. Коли ми переходимо до епохи використання штучного інтелекту для виконання більш складних завдань – таких як рекомендації щодо лікування чи інших клінічних підтримок – вкрай важливо мати правильні дані та стратегію навчання штучного інтелекту. Штучний інтелект має можливість суттєво покращити досвід пацієнтів та медичних працівників та створити системні зміни, які真正 покращать охорону здоров’я, але зробити це реальністю залежатиме від великих обсягів високоякісних даних, використаних для навчання моделей.

Чому дані є так важливі для розвитку штучного інтелекту у сфері охорони здоров’я?

Дані є життєво важливими для штучного інтелекту, а погана якість даних може погіршити його роботу, що призведе до субоптимальних результатів. Це може мати серйозні наслідки у сфері охорони здоров’я, оскільки життя пацієнтів можуть бути під загрозою. Однак більш імовірним сценарієм є те, що ці негативні досвіди можуть підірвати довіру пацієнтів та медичних працівників до штучного інтелекту, що сповільнить прогрес та позитивний вплив цієї революційної технології на охорону здоров’я.

Наприклад, у кімнаті для огляду пацієнтів інструменти штучного інтелекту з амб’єнтним прослуховуванням призначені для того, щоб пропонувати вміст клінічних нотаток для затвердження лікарем. Ідеально, це повинно зменшити час, який лікар витрачає на документацію у системі EHR, та дозволити проводити більше часу з пацієнтом. Однак погана якість даних та погано навчені інструменти штучного інтелекту можуть мати протилежний ефект, змушуючи лікарів витрачати надмірний час на виправлення помилок та переписування нотаток.

Крім того, упередженість є суттєвим ризиком, пов’язаним з алгоритмами штучного інтелекту, а якість даних може відігравати ключову роль у пом’якшенні нерівностей у сфері охорони здоров’я. Моделі штучного інтелекту можуть вивчати закономірності, які ефективно лікують одну популяцію пацієнтів порівняно з іншими популяціями, включаючи юридично захищені групи. Мониторуючи дані, що подаються, та навчаючи на надійних та репрезентативних даних, виходи штучного інтелекту можуть бути більш інклюзивними та точними.

Чи можете ви розповісти про типи даних, які ModMed використовує для навчання своїх моделей штучного інтелекту, та як ці дані подаються та керуються?

У ModMed ми використовуємо комплексні дані, специфічні для окремих медичних спеціальностей, для навчання наших моделей штучного інтелекту з точністю. За останні 14 років ми створили набори структурованих даних, специфічних для окремих медичних спеціальностей, які відповідають законам про конфіденційність, та зараз використовуємо ці дані для навчання наших моделей штучного інтелекту. Наприклад, наш інструмент амб’єнтного прослуховування ModMed Scribe був навчений для дерматології, нашої першої спеціальності, на мільйонах структурованих параметрів з анонімізованих записів пацієнтів, вибраних з колекції 500 мільйонів контактів з пацієнтами.

Як ModMed визначає “етичний штучний інтелект” у контексті охорони здоров’я?

Потенціал штучного інтелекту мати упередженість або надавати неточну інформацію у вигляді “галюцинацій” чи пропусків може вплинути на життя пацієнтів. Через це етичний штучний інтелект у сфері охорони здоров’я полягає у встановленні високих стандартів точності та точності. Це означає розробку алгоритмів обережно та відповідально та використання високоякісних та різноманітних даних для забезпечення більш точних прогнозів для кожного користувача.

Етичний штучний інтелект також полягає у тому, щоб люди залишилися у рівнянні. Штучний інтелект не повинен “перевершити лікаря”, а скоріше зменшити адміністративне навантаження на лікарів та їх персонал, щоб вони могли зосередитися на допомозі пацієнтам.

Які заходи прийняті у ModMed для того, щоб технології штучного інтелекту могли бути розроблені та розгорнуті етично?

Наш підхід до структурованих даних – кураторство високоякісних, репрезентативних навчальних наборів даних – допомагає нам зробити відповідальний штучний інтелект реальністю. Релевантні та анонімізовані дані, зібрані з наших систем EHR з великої кількості практик, надають нам різноманітний набір навчальних даних, який відображає різні популяції пацієнтів.

Крім того, наша команда розробників підтримує очистку даних для збору та використання високоякісних даних. Цей процес дозволяє нашим командам визначити, виправити та видалити несумісності, помилки та відсутні значення з набору даних. Через це регулярне обслуговування ми можемо постійно оновлювати штучний інтелект на основі даних про продуктивність, особливо клінічних даних, де результати лікування пацієнтів можуть бути вплинути.

Чи можете ви обговорити важливість прозорості та підзвітності у розробці штучного інтелекту, особливо у сфері охорони здоров’я?

Прозорість робить підзвітність можливою, що робить її такою важливою основою будь-якого рішення штучного інтелекту у сфері охорони здоров’я. Лікарям перш за все важливо забезпечувати безпеку та якість лікування пацієнтів, тому не дивно, що 80% лікарів хочуть знати характеристики та особливості розробки, розгортання та використання інструментів штучного інтелекту.

Крім того, не всі дані створені рівними. Важливо знати, де та як дані зберігаються та подаються, а також як часто вони оновлюються. Ми щасливі, що з моменту заснування ModMed ми дотримувалися стратегії даних, яка优 tiênує прозорість та точність. Ми маємо глибоке розуміння джерел наших даних та їх якості, і ми впевнені, що наші інтеграції штучного інтелекту принесуть значну цінність нашим клієнтам.

Як штучний інтелект інтегрується до спеціально-орієнтованих систем EHR ModMed, таких як EMA та gGastro?

У нашому портфелі ми вже деякий час використовуємо машинне навчання та посилюємо нашу інвестицію у передові та генеративні технології штучного інтелекту для спрощення бізнесу медицини та прискорення надання якісної допомоги. Ми будемо розгортати цілий досвід практики, який починається до того, як пацієнт увійде до кабінету, продовжується через кімнату для огляду та закінчується відділом бухгалтерії.

У клінічному середовищі ми зараз завершуємо наш пілотний проект з амб’єнтним прослуховуванням для EMA, який, на нашу думку, стане революційним для своєї функціональності та запропонованого структурованого вмісту. Наше рішення для документації, яке працює на основі штучного інтелекту, призначене для спрощення процесу лікування, виходячи за рамки лише транскрипції чи складанняSOAP-нотатки. Використовуючи великі обсяги структурованих даних, ми навчаємо наші моделі штучного інтелекту захоплювати важливу інформацію з розмов лікаря з пацієнтом та, працюючи поряд з нашою системою EHR, пропонувати релевантний вміст для нотаток про відвідування, включаючи коди ICD-10, хірургічні коди та рецепти. Це зберігає лікарям цінний час та дозволяє їм проводити більше часу з пацієнтами.

Які конкретні переваги дають спеціально-орієнтовані рішення штучного інтелекту медичним працівникам та пацієнтам?

Жодна медична спеціальність не є однаковою. Вони різняться широко за пацієнтами, яких вони бачать, умовами, які вони лікують, та медичними кодами, які використовуються для відшкодування. Рішення штучного інтелекту повинні бути адаптовані до цих відмінностей, щоб бути ефективними у будь-якому значимому сенсі.

Наприклад, системи EHR та інструменти амб’єнтного прослуховування ModMed розроблені явно для кожної медичної спеціальності, надаючи високо релевантну та точну підтримку клініцистам. Процес документації кожної спеціальності вимагає різних компонентів у структурованій нотатці, включаючи унікальні медичні коди та термінологію. Ця спеціалізація дозволяє штучному інтелекту краще зрозуміти та передбачити унікальні потреби та робочі процеси різних спеціальностей, що, на нашу думку, призведе до більш ефективної реалізації, швидшої адаптації та більшої загальної ефективності у покращенні оперативної ефективності.

Де ви бачите найбільші можливості для штучного інтелекту у сфері охорони здоров’я за наступні п’ять-десять років?

У майбутньому штучний інтелект, безумовно, проникне майже у кожний аспект охорони здоров’я способами, яких ми ще не можемо уявити. Вже зараз штучний інтелект використовується для адміністративних завдань, а в найближчому майбутньому ця тенденція, ймовірно, посилиться, оскільки значення штучного інтелекту стане ще більш очевидним.

Я також бачу майбутнє, у якому штучний інтелект буде безшовно інтегрований у взаємодію лікаря з пацієнтом, де “інтерфейс користувача” або UI буде практично невидимим. Замість сучасних взаємодій на основі екрана штучний інтелект міг би пропонувати поєднання реальності та доповненої реальності. Цей майбутній штучний інтелект міг би аналізувати медичні записи для ідентифікації критичних знань, передбачення ризику пацієнта для різних захворювань. Великий обсяг даних у медичних записах представляє можливість для штучного інтелекту передбачити майбутні потреби у лікуванні та створити та допомогти керувати планами профілактичного лікування.

Цей досвід міг би розширитися за межі практики та стати частиною щоденного життя пацієнта. Пристрої, які працюють на основі штучного інтелекту, могли б надавати персоналізовану підтримку, відповідати на питання та призначати відвідування серед іншого. Штучний інтелект міг би віддалено контролювати життєво важливі показники, виявляючи та повідомляючи лікарям про потенційні проблеми зі здоров’ям. Персоналізовані плани лікування, розроблені для окремих пацієнтів на основі даних та уподобань, могли б стати нормою.

Це справді цікавий час для охорони здоров’я. Наступні п’ять-десять років будуть багаті на можливості для подальшої трансформації галузі та покращення досвіду пацієнтів.

Дякуємо за велике інтерв’ю. Читачам, які бажають дізнатися більше, рекомендуємо відвідати ModMed.