面试
Kevin Keenahan，Net Health 首席产品官 – 访谈系列
Kevin Keenahan，首席产品官 网络健康 也是 Tissue Analytics, Inc. 的联合创始人，该公司于 2020 年被 Net Health 收购。
Net Health 的使命是利用数据促进人类健康。 他们为医疗专业提供 EHR 软件和预测性、可操作的分析，包括康复治疗、伤口护理、家庭健康和临终关怀以及员工健康。 他们的解决方案受到超过 23,000 个连续护理机构的信赖，包括全国领先的医院、专业护理机构、老年生活机构、家庭健康和临终关怀机构以及门诊诊所。
您能分享一下您是如何参与伤口护理的起源故事，以及您在约翰霍普金斯大学的研究生学习是如何实现这一目标的吗？
早在 2013 年，我就开始在约翰·霍普金斯生物工程创新与设计中心 (CBID) 攻读硕士学位，这是一个令人难以置信的项目，让年轻工程师有机会在约翰·霍普金斯医院的不同临床环境中轮岗。 我很幸运在这些轮换期间看到了慢性和急性伤口护理，并发现这个空间很有趣，这使我在霍普金斯大学的伤口中心度过了更多的时间。
通过这次经历，我意识到伤口护理行业缺乏创新，大多数伤口护理治疗依赖过时的方法和技术来评估疗效。 我认为这是一个机会，可以利用我的工程培训来创建伤口护理管理解决方案，从而促进更好的数据收集并改善慢性伤口结果，这促使我在 2014 年创立了 Tissue Analytics。
Tissue Analytics, Inc. 随后于 2020 年被 Net Health 收购。您能否分享有关这一时刻的一些详细信息以及您选择被收购的原因？
Net Health® 组织分析使用机器学习来分析伤口图像并自动测量愈合情况。此次收购对我们来说具有高度战略意义，因为它为我们提供了扩大业务范围的机会，并为我们提供了访问更大数据集以应用于机器学习方法的机会。除了加强住院伤口护理业务外，与 Net Health 的联手还使我们能够利用他们在市场上的既定地位并进入其医疗保健提供者网络。
Net Health 如何使用机器学习进行伤口追踪？
Net Health 的算法可在几秒钟内分析数百万张图像，以自动测量伤口的大小和比色成分。 它比基于标尺的手动测量准确率高出 90%，而手动测量的错误率为 40%。 这种能力可以带来更客观的治疗故事，从而推动更好的患者护理和结果。 这项技术是我们移动伤口成像和分析解决方案的基础，该解决方案利用人工智能与智能手机相结合，更准确地测量、表征和分析慢性伤口。 利用伤口成像过程中收集的数据，它还可以预测压力性损伤是否有恶化的风险，这对于因医院获得性压力性损伤而受到处罚的医院来说，这是一个特别重要的功能。
为什么精确跟踪伤口大小在医疗保健中如此重要？
有几个原因。 精确的跟踪使临床医生能够监测伤口随时间的愈合进度，做出有效的治疗决策并估计愈合时间。 通过定期测量伤口，提供者可以确定伤口是否按预期愈合，或者是否有任何愈合停滞的迹象。 这有助于提供者就正确的治疗方案做出明智的决定，并根据需要调整这些护理计划。 通过为整个护理团队提供共同的治疗基础，包括患者在内的每个人现在都可以在提供者和护理机构之间共享客观的进展衡量标准。
还可以为伤口护理提供哪些其他类型的分析？
在我们的伤口护理 EHR 产品 Net Health® Wound Care 中，我们可以针对截肢风险和总伤口愈合时间提供强有力的预测。 此外，我们还提供错过就诊预测指标，标记有错过就诊风险的患者。 这使得伤口护理提供者能够进行干预，无论他们是帮助直接与患者沟通还是双重预订，以确保他们不会损失收入或提供护理所花费的时间。
Net Health 不仅提供伤口分析，还提供哪些其他类型的服务？
我们还为全方位的康复专业人员提供电子病历，其中包括物理和职业治疗师以及言语病理学家。 我们的康复治疗 EHR 为私人诊所、医院治疗单位、医院门诊诊所、专业护理机构和辅助生活社区提供服务。 我们的门诊和私人诊所 EHR 配备了患者参与套件，可帮助诊所营销其服务并通过数字交互工具和自动化数字接收流程吸引患者。
您认为，为什么在医疗保健领域采用人工智能如此重要？
人工智能有潜力提高医疗保健运营的准确性和效率，从诊断和治疗到管理任务的自动化。 算法可以分析大量数据并识别人类难以或不可能检测到的模式，从而实现更准确的诊断、更个性化的治疗计划和更好的资源分配。 它甚至可以通过简化流程和减少对体力劳动的需求来帮助降低医疗成本。 它还可以通过实现早期诊断和治疗、降低并发症的风险以及促进更加个性化的护理来帮助改善患者的治疗结果。 例如，人工智能驱动的伤口护理管理平台可以帮助医疗保健提供者更准确地跟踪伤口愈合进度，识别潜在的并发症，并相应地调整治疗计划。 医疗保健提供商可以利用人工智能改善患者治疗效果、降低成本并保持在该领域技术创新的前沿，因此如果您尚未使用它，那么采用它就至关重要。
您认为生成式人工智能在医疗保健领域的前景如何吗？
绝对地。 人工智能可以帮助提高诊断的准确性和速度，为患者带来更好的结果。 生成式人工智能可以分析患者的病史、遗传数据和其他因素，以自动化记录过程，同时预测哪些治疗最有可能对该个体有效。
Tissue Analytics 最初的愿景是将智能手机转变为针对慢性伤口的复杂成像和诊断平台，以重新定义伤口护理的方式。 您能分享一下您的愿景是如何随着时间的推移而演变的吗？
被 Net Health 收购后，Tissue Analytics 继续开发其伤口护理管理平台，同时还将其技术集成到 Net Health 更广泛的医疗保健解决方案套件中。 这使得组织分析能够扩展其功能，包括预测医院环境中压力性损伤恶化的功能以及自动捕获患者四肢周围伤口的功能，我们称之为圆周成像。 展望未来，该产品将继续创新，重点是通过所有护理环境中的先进分析解决方案识别、预防和管理慢性伤口状况。
关于 Net Health 您还有什么想分享的吗？
Net Health 非常关注医疗保健提供者的特殊需求。 这一重点使 Net Health 能够提供专门为满足提供商的独特需求而设计的定制解决方案，而不是提供一刀切的方法。 对专业临床工作流程的了解使我们处于独特的地位，可以无缝收集最具影响力的高质量数据并开发尖端的人工智能工具，最终帮助我们推动整个行业向前发展。
感谢您的精彩采访，想要了解更多信息的读者可以访问 网络健康.
