Даніель Кейн, Ко-Голова та Ко-Засновник ModMed – Серія Інтерв’ю

Даніель Кейн є ко-головою та ко-засновником компанії ModMed^®, яка базується в Південній Флориді, – це компанія з інформаційних технологій у сфері охорони здоров’я, яка трансформує охорону здоров’я за допомогою інтелектуальних платформ, специфічних для окремих спеціальностей, для підвищення ефективності практики та покращення результатів лікування пацієнтів.

Компанія ModMed була заснована у лютому 2010 року, і на сьогодні вона налічує понад 1 200 співробітників та залучила понад 332 мільйони доларів інвестицій. Компанія відома своїм прогресивним зростанням як медична технологічна компанія, і ModMed часто визнається на національному та регіональному рівнях за свої досягнення під керівництвом Даніеля. У 2020 році компанію було названо однією з кращих 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 списком Deloitte Technology Fast 500^™. Починаючи з 2015 року, компанію щорічно включали до ексклюзивного списку Inc. 5000, який є престижним зібранням найшвидше зростаючих приватних компаній у країні.

Чи можете Ви поділитися деякими інсайтами щодо Вашого походження та того, як воно вплинуло на Вашу роботу в ModMed?

Моя подорож у сфері технологій почалася під час навчання у Корнелльському університеті, коли я став співзасновником Blackboard. Ми трансформували освіту, оцифрувавши класні нотатки та створивши платформу, яка надала студентам та викладачам безпрецедентну гнучкість та взаємодію. Для мене успіх Blackboard кульмінувався у 2004 році з виходом компанії на біржу, а наші рішення стали революційними у сфері еду-технологій, проте я не міг не шукати нових викликів.

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. Зрозумівши зв’язок між його медичною експертизою та моїми технічними знаннями, ми вирішили об’єднатися та створити ModMed разом з нашою першою електронною системою медичних записів (EHR).

На той час вже існували деякі системи EHR, проте, на жаль, дослідження часто вказували на них як на одну з основних причин виробничого виснаження 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 й залишається розроблена лікарями для лікарів, що й стало нашим секретом успіху на ринку. За роки ми розширили нашу лінійку продуктів, щоб включити повний набір рішень, які допомагають медичним провайдерам спрощувати та оптимізувати операції своєї практики та прискорювати надання медичної допомоги.

Як Ви бачите боротьбу за ефективний штучний інтелект у сфері охорони здоров’я: як вона виграється чи програється з точки зору даних?

Ми починаємо бачити зростання впровадження технологій штучного інтелекту у практиках для оптимізації робочих процесів та максимізації ефективності. Коли ми переходимо до епохи використання штучного інтелекту для виконання більш складних завдань – таких як пропозиція лікування або інших клінічних рекомендацій – вкрай важливо мати правильні дані та стратегію навчання штучного інтелекту. Штучний інтелект має можливість суттєво покращити досвід пацієнтів та провайдерів і створити системні зміни, які дійсно покращать охорону здоров’я, проте зробити це реальністю залежатиме від великих обсягів високоякісних даних, використаних для навчання моделей.

Чому дані є так критично важливими для розвитку штучного інтелекту в галузі охорони здоров’я?

Дані є життєво важливими для штучного інтелекту, а погана якість даних погіршить його продуктивність, що призведе до субоптимальних результатів. Це може мати катастрофічні наслідки в умовах охорони здоров’я, оскільки життя пацієнтів можуть бути під загрозою. Проте більш імовірний сценарій полягає в тому, що ці негативні досвіди можуть підірвати довіру пацієнтів та провайдерів до штучного інтелекту, сповільнивши прогрес та позитивний вплив цієї революційної технології на охорону здоров’я.

Наприклад, у кабінеті лікаря інструменти штучного інтелекту з амб’єнтним слуханням призначені для пропозиції вмісту клінічних нотаток для перевірки та затвердження лікарем. Ідеально це повинно зменшити час, який лікар витрачає на документацію в системі EHR, та дозволити проводити більше якісного часу з пацієнтом. Проте погана якість джерел даних та погано навчені інструменти штучного інтелекту можуть мати протилежний ефект, залишаючи лікарям величезну кількість часу 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 упереджено порівняно з іншими популяціями, включаючи законодавчно захищені групи. Мониторуючи вхідні дані та тренування 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 джерелуються та керуються?

У ModMed ми використовуємо комплексні дані, специфічні для окремих спеціальностей, для навчання наших моделей штучного інтелекту з точністю. За останні 14 років ми створили набори структурованих даних, специфічних для окремих спеціальностей, де-ідентифікованих у відповідності з законами про конфіденційність, та тепер використовуємо ці внутрішні дані для навчання наших моделей штучного інтелекту. Наприклад, наш інструмент амб’єнтного слухання ModMed Scribe був навчений для дерматології, нашої першої спеціальності, на мільйонах структурованих параметрів з де-ідентифікованих медичних записів, вибраних з колекції 500 мільйонів медичних записів пацієнтів.

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

Потенціал штучного інтелекту мати упередженість або надавати неточну інформацію у вигляді “галюцинацій” або омісій 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 ретельно 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 “перевершувати лікаря”, а натомість зменшувати адміністративне навантаження на лікарів та їх персонал, щоб вони могли зосередитися більше на допомозі пацієнтам.

Які заходи здійснюються в ModMed для розробки та впровадження штучного інтелекту етично?

Наш підхід до структурованих даних – кураторство високоякісних, репрезентативних навчальних наборів даних – допомагає нам зробити відповідальний штучний інтелект реальністю. Релевантні та де-ідентифіковані 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 ідентифікувати, 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 під впливом.

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

Прозорість робить підзвітність можливою, тому вона є такою важливою основою будь-якого рішення штучного інтелекту у сфері охорони здоров’я. Лікарям перш за все важлива допомога пацієнтам та їх безпека, тому не дивно, що 80% лікарів хочуть знати характеристики та особливості дизайну, розробки та впровадження інструментів штучного інтелекту.

Крім того, не всі дані створені рівними. Важливо знати, де та як дані зберігаються та джерелуються, а також як часто вони оновлюються. Ми щасливі, що з моменту заснування ModMed ми дотримуємося стратегії даних, яка пріоритезує 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?

По всьому нашому портфелю ми вже деякий час використовуємо машинне навчання та посилюємо нашу інвестицію в просунутий та генеративний штучний інтелект для спрощення бізнесу медицини та прискорення надання якісної допомоги. Ми будуємо цілий досвід практики, підтриманий штучним інтелектом, який починається ще до того, як пацієнт прийде до кабінету, продовжується через кабінет та до відділу бухгалтерії.

У клінічному середовищі ми находимося на фінальних етапах нашої пілотної програми амб’єнтного слухання для EMA, яку ми вважаємо революційною за її функціональність та запропонований структурований вміст. Наше рішення документації, підтримане штучним інтелектом, призначене для оптимізації процесу лікування за межами простої транскрипції або складання клінічної нотатки. Використовуючи величезні обсяги структурованих даних, ми тренуємо наші моделі штучного інтелекту для захоплення суттєвої інформації з розмов лікаря та пацієнта та, працюючи поряд з нашою системою EHR, пропонуємо релевантний вміст для нотаток про відвідування, включаючи коди ICD-10, хірургічні коди та рецепти. Це зберігає лікарям дорогоцінний час та дозволяє їм проводити більше якісного часу з пацієнтами.

Які конкретні переваги спеціально-орієнтовані рішення штучного інтелекту надають провайдерам охорони здоров’я та пацієнтам?

Жодна з двох медичних спеціальностей не є однаковими. Вони суттєво відрізняються пацієнтами, яких вони приймають, станами, які вони лікують, та медичними кодами, які використовуються для відшкодування. Рішення штучного інтелекту повинні бути адаптовані до цих відмінностей, щоб бути ефективними якимось суттєвим чином.

Наприклад, системи EHR та інструменти амб’єнтного слухання ModMed розроблені явно для кожної медичної спеціальності, надаючи високо релевантну та точну підтримку клініцистам. Кожна спеціальність потребує різних компонентів у структурованій нотатці даних, 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 адоптації та більшої загальної ефективності у підвищенні операційної ефективності.

Де Ви бачите найбільші можливості для штучного інтелекту у сфері охорони здоров’я за наступні п’ять до десяти років?

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

Я також бачу майбутнє, коли штучний інтелект буде безшовно інтегрований у взаємодію лікаря та пацієнта, де інтерфейс користувача буде практично невидимим. Замість сучасних взаємодій на основі екрана штучний інтелект може пропонувати поєднання реальності та доповненої реальності. Цей майбутній штучний інтелект потенційно може аналізувати медичні записи для ідентифікації критичних інсайтів, передбачення ризику пацієнта для різних захворювань. Величезний обсяг даних у медичних записах представляє можливість для штучного інтелекту передбачати майбутні потреби у лікуванні та допомагати створювати та керувати планами профілактичної допомоги.

Цей досвід може вийти за межі кабінету лікаря та стати невід’ємною частиною щоденного життя пацієнта. Пристрої, підтримувані штучним інтелектом, можуть надавати персоналізовану підтримку, відповідати на питання та планувати відвідування серед іншого. Штучний інтелект також може віддалено моніторити життєво важливі показники, виявляючи та повідомляючи провайдерам про потенційні проблеми зі здоров’ям. Персоналізовані плани лікування, адаптовані до окремих пацієнтів на основі даних та переваг, можуть стати нормою.

Це справді цікавий час для охорони здоров’я. Наступні п’ять до десяти років багаті можливостями для подальшої трансформації галузі та покращення досвіду пацієнтів.

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