Павло Розко, Головний виконавчий директор, CLEW Medical – Серія інтерв’ю

Павло Розко є Головним виконавчим директором CLEW Medical.

До того, як приєднатися до компанії Clew, пан Розко був генеральним директором Trinda Health і був відповідальним за створення компанії як лідера галузі у сфері клінічної документації, орієнтованої на якість.

CLEW Medical пропонує лікарням, системам охорони здоров’я та відділенням інтенсивної терапії клінічну інтелект та діагностику пацієнтів за допомогою штучного інтелекту, передбачувальної аналітики та власних критичних моделей.

Чи можете ви розповісти нам трохи більше про платформу CLEW Medical, що дозволяє використовувати штучний інтелект, та про її унікальні можливості в галузі MedTech?

Створення компанії CLEW було засновано на припущенні, що аналіз даних та штучний інтелект можуть суттєво покращити результати лікування пацієнтів та досвід клініцистів у високоризикових умовах. Платформа клінічного спостереження, яку ми створили, є першою, що має затверджені FDA штучно-інтелектні моделі прогнозування для критичної допомоги. Наша система одержує дані шляхом інтеграції з усіма клінічними джерелами даних у лікарні та створює майже в реальному часі фізіологічний профіль кожного пацієнта для безперервного моніторингу його стану. Потім вона використовує ці дані для надання передбачуваних знань для ідентифікації пацієнтів, які можуть мати несприятливий результат – такий як респіраторна недостатність – та попередження клініцистів про необхідність втручання за 8 годин до очікуваної події. Високий ступінь точності платформи також зменшує надмірну кількість хибних сигналів, дозволяючи клініцистам практикувати на вищому рівні своєї ліцензії та зосереджуватися на пацієнтах, які найбільш потребують негайного втручання.

Які були ключові чинники, які сприяли затвердженню FDA штучно-інтелектних моделей CLEW?

CLEW прийняла штучний інтелект з самого початку. Наші засновники та керівники розвитку визнали значення створення довіри з доглядальниками, особами, відповідальними за використання нашої технології для догляду за їхніми найбільш уразливими пацієнтами. Було важливо, щоб наша технологія пройшла той же рівень перевірки та ретельності при проектуванні, розробці, тестуванні та валідації, як і пристрої, які вже використовуються нашими користувачами. Для заохочення прийняття рішення про використання рішення штучного інтелекту для критичної допомоги наші команди зрозуміли необхідність створення моделей із ретельним продуктом та системами якості. В результаті нашої розробки моделей штучного інтелекту використовується інфраструктура MLOPS (операції машинного навчання) для задоволення регуляторних очікувань, таких як керівництво PCCP (план контролю змін) від FDA. Наші моделі штучного інтелекту методично розроблені та проходять усі необхідні експерименти для затвердження медичного пристрою.

Робустність моделей та наших внутрішніх процесів призвела до того, що FDA класифікувала нашу систему як клас II медичного пристрою на початку 2021 року, що стало знаковим досягненням. Атестація медичного пристрою FDA є свідченням якості нашого процесу розробки від початку до кінця, який включає клінічні дослідження валідності, проведені в реальних популяціях пацієнтів.

Нещодавнє дослідження, опубліковане в журналі CHEST®, підкреслило передбачувальну точність ваших моделей штучного інтелекту. Чи можете ви обговорити методологію та конкретні висновки цього дослідження?

Алгоритм машинного навчання CLEW був розгорнутий у 14 відділеннях інтенсивної терапії (ІТ) у двох великих системах охорони здоров’я для прогнозування подій інтубації та початку дії вазопресорів – тобто подій, які вимагають втручання для порятунку життя – серед критично хворих дорослих пацієнтів. Його продуктивність була виміряна проти існуючих сигналів моніторингу біля ліжка та передбачувальної ефективності сигналів телемедичної системи.

Дослідження, розроблене для оцінки точності інструменту та корисності сигналів у відділеннях інтенсивної терапії, виявило, що моделі CLEW для прогнозування погіршення стану пацієнтів були в 5 разів точніші та викликали в 50 разів менше сигналів, ніж провідна телемедична система. Висновки також показують, що модель машинного навчання має вищу точність у порівнянні з традиційними системами моніторингу та суттєво зменшує непотрібні переривання роботі клініцистів.

Як передбачення штучного інтелекту, зроблені платформою CLEW, потенційно трансформують надання допомоги в відділенні інтенсивної терапії? Чи можете ви роз’яснити, як ці передбачення покращують результати та зменшують ускладнення?

Платформа CLEW створює можливості для раннього втручання у високоризикових пацієнтів та підтримує управління потужністю шляхом ідентифікації пацієнтів з низьким ризиком, які можуть бути готові до виписки або переведення до відділення з меншою інтенсивністю лікування. Це, в свою чергу, зменшує показники смертності та повторної госпіталізації, зменшує кількість ускладнень, викликаних погіршенням стану пацієнтів, та мінімізує тривалість перебування пацієнтів у лікарні.

Наприклад, протягом перших 24 годин розгортання нашої технології в великій системі охорони здоров’я, наша технологія передбачила гемодинамічну нестабільність у пацієнта в відділенні інтенсивної терапії, що спровокувало оцінку провідником. Після оцінки пацієнта провідник призначив комп’ютерну томографію та виявив внутрішню кровотечу. Пацієнта терміново доставили до операційної для проведення екстреної операції, йому були введені рідини та кров, і в результаті його життя було врятовано. Через 24 години пацієнт був у стабільному стані.

Ваша система була визнана в 5 разів більш точною, ніж провідна телемедична система моніторингу. Що робить технологію CLEW більш ефективною у прогнозуванні критичних погіршень стану пацієнтів?

Загалом, сповіщення, згенеровані машинним навчанням, є менш частими, мають вищу точність та нижчі показники помилок, таких як хибні позитиви, та створюють довші періоди часу до події, ніж інші сигнали телемедичної системи та сигнали моніторингу біля ліжка. Сповіщення CLEW є більш точними та функціональними та надають час для команди доглядальників采 прийняти заходи для запобігання передбачуваним результатам. Розібрана інтелект CLEW є можливою завдяки її здатності видобувати дані пацієнтів із електронної медичної карти (EMR) системи охорони здоров’я, разом із моделями машинного навчання, які були ретельно протестовані та валідовані через рецензовані дослідження та затвердження FDA.

Дослідження також відзначило суттєве зменшення кількості хибних сигналів. Як зменшення втоми від сигналів телемедичної системи вигідно для персоналу відділення інтенсивної терапії, та яку відгуку отримали від фахівців охорони здоров’я, які використовують вашу систему?

98% сигналів моніторингу біля ліжка є хибними позитивами, що призводить до втоми від сигналів та посилює історично високий рівень втоми клініцистів. CLEW вирішує проблему втоми від сигналів, зменшуючи кількість аудіо-перервань, збільшуючи кількість корисних сповіщень для необхідного втручання провідника, та створюючи загалом більш спокійну атмосферу в відділенні інтенсивної терапії. По суті, точність платформи та її здатність зменшити непотрібну роботу завдяки моделям машинного навчання суттєво покращують втому персоналу відділення інтенсивної терапії. Під час процесу впровадження команди успіху CLEW зосереджуються на важливості клінічної зміни для забезпечення того, щоб технологія була належним чином інтегрована до клінічного процесу прийняття рішень. Відгуки клініцистів були надзвичайно позитивними.

Як працює функція раннього сповіщення платформи CLEW, та які заходи вона сприяла у реальних умовах відділення інтенсивної терапії?

На основі потоку інформації від пристроїв моніторингу біля ліжка та пристроїв життєво-важливої підтримки, а також з електронної медичної карти (EHR), моделі штучного інтелекту CLEW можуть робити передбачення про ризик погіршення стану пацієнта та смерті протягом наступних 8 годин. З цими передбачувальними оцінками досвідчені клініцисти можуть оцінити пацієнтів ближче та визначити, чи є можливі заходи для запобігання передбачуваним погіршенням, замість того, щоб реагувати на них в умовах надзвичайної ситуації.

Наприклад, платформа CLEW може сповістити клініцистів про те, що пацієнт має високий ризик входження у респіраторну недостатність, яка зазвичай призводить до інтубації та механічної вентиляції. Після отримання сповіщення доглядальники можуть визначити, що у пацієнта є надлишок рідини, який може почати накопичуватися в легенях, та призначити діуретикову терапію для зменшення рідини, тим самим запобігши інтубації пізніше. Наша модель також може передбачити, чи стане пацієнт після операції гемодинамічно нестабільним та потребуватиме підтримки вазоактивних препаратів. Знаючи про це в відсутності очевидних симптомів, комп’ютерна томографія визначила, що у пацієнта є внутрішня кровотеча, і його терміново доставили до операційної для проведення операції. В результаті пацієнт був стабілізований.

Предбачення штучного інтелекту CLEW також підтримують лікарні у питаннях управління потужністю. Деякі пацієнти більше не потребують критичної допомоги та можуть бути переведені до відділень з меншою інтенсивністю лікування, звільняючи ліжка для лікування більш критично хворих пацієнтів. Це дозволяє системі охорони здоров’я покращити управління потужністю та створити можливості для прийому більшого числа пацієнтів. Це також збільшує внесок до маржі системи охорони здоров’я.

Які наступні кроки для CLEW Medical щодо подальшого розвитку та розширення використання моделей штучного інтелекту в різних умовах охорони здоров’я?

Ми вже розширили платформу CLEW за межі критичної допомоги та включили до неї відділення інтенсивної терапії та відділення невідкладної допомоги, та зараз ми працюємо над розширенням платформи на всі інші стаціонарні ліжка лікарень, включаючи відділення післяанестезійної допомоги (ПАД) та загальні хірургічні та спеціалізовані ліжка. Очікувана універсальність дешевих носимих моніторів, які забезпечують часте отримання даних про життєві показники, разом із нашим затвердженням PCCP, дозволяє CLEW розширити свої можливості клінічного спостереження більш широко у стаціонарних лікарнях.

Крім того, оскільки передбачення CLEW є доповненням до багатьох інших систем інформаційних технологій охорони здоров’я (HIT), ми працюємо над доставкою наших знань через інтеграцію до інструментарію системи охорони здоров’я. Ми приєдналися до мережі розробників Epic та продемонстрували успішну інтеграцію розширених можливостей CLEW, таких як передбачення штучного інтелекту, до клінічного досвіду користувача.

CLEW також розпочинає новий підхід до управління сепсисом, який є руйнівним та іноді смертельним ускладненням.

Де ви бачите майбутнє штучного інтелекту в покращенні допомоги в відділенні інтенсивної терапії протягом наступного десятиліття, та як CLEW планує бути частиною цього майбутнього?

Пацієнти лікарень зараз більш хворі, ніж раніше. З підвищенням віку та зростанням хронічних захворювань, пов’язаних із способом життя, разом із поширенням нестачі доглядальників, потреба у клінічному спостереженні продовжує зростати. Оскільки багато пацієнтів потрапляють до відділень інтенсивної терапії через пропущені можливості для раннього втручання у процесі лікування, CLEW зосереджується не тільки на використанні штучного інтелекту для покращення допомоги в відділенні інтенсивної терапії, але також на партнерстві з системами охорони здоров’я та інноваторами галузі для покращення всієї стаціонарної допомоги. Наша програма розвитку штучного інтелекту (MLOPS) буде використовувати можливості партнерів для зростання затверджених FDA моделей штучного інтелекту за межі того, що розробляє сама CLEW.

Однак, технологія є лише частиною рішення. Використання штучного інтелекту в охороні здоров’я не полягає у заміні доглядальників. Насправді, штучний інтелект може пропонувати суперіорну інформацію для підтримки їхніх рішень щодо надання оптимальної клінічної допомоги, наприклад, зменшення шумових сигналів, які марнують їхній час. CLEW працює з системами охорони здоров’я та партнерами для вивчення та освіти доглядальників щодо того, як інструменти штучного інтелекту можуть бути ефективно прийняті та прийняті до клінічної практики. Дослідження, яке підтверджує точність та ефективність штучного інтелекту, є необхідним, тому CLEW працює з клієнтами для генерації цих доказів у їхніх власних популяціях пацієнтів. Ця зосереджена дослідницька робота підтримує впровадження та прийняття доглядальниками, які інакше були б скептичними.

Для прискорення нових клінічних впроваджень ми маємо можливість оновити нашу платформу для включення нових найкращих практик протягом місяця, що зазвичай займає роки. Протягом наступного десятиліття CLEW буде на передовій роботі з системами охорони здоров’я для створення ефективного клінічного штучного інтелекту інформованим та передбачуваним партнером людських доглядальників, які можуть колись доглядати за нами або нашими близькими.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати CLEW Medical.