Daniel Cane，ModMed联合首席执行官和联合创始人 – 采访系列

Daniel Cane 是南佛罗里达州ModMed^®的联合首席执行官和联合创始人，ModMed是一家医疗保健信息技术公司，通过专业特定的智能平台提高医疗实践效率和改善患者治疗效果。

ModMed成立于2010年2月，已发展到拥有超过1,200名员工，并筹集了超过3.32亿美元的投资。作为一家医疗技术公司，ModMed以其进步性增长而闻名，经常因其在Daniel的领导下取得的成就而在全国和地区范围内受到认可。2020年，该公司被Inc.杂志评为全国最佳工作场所。2016年至2018年间，该公司被列入北美Deloitte Technology Fast 500^™名单上的最快增长的公司。从2015年开始，该公司每年都被列入Inc. 5000名单，这是一个最快增长的私营公司的著名汇编。

您能否分享一些关于您背景的见解以及它如何影响您在ModMed的工作？

我的科技之旅始于我在康奈尔大学的本科时期，当时我联合创立了Blackboard。我们通过数字化课堂笔记和创建一个平台，使学生和教师具有前所未有的灵活性和交互性，从而改变了教育。对于我来说，Blackboard的成功在2004年以其IPO为巅峰，而我们的解决方案在教育技术领域具有开创性，但我无法不寻找新的挑战。

这样的挑战出现在我去看皮肤科医生进行常规检查的时候。我们进行了一次令人难忘的谈话，讨论了使用过时的纸质系统的困难以及如何解决这些问题。意识到他医疗专业知识和我的技术知识之间的桥梁，我们决定联手创建ModMed，并开发我们的第一个电子健康记录（EHR）平台。

当时，已经有一些EHR存在，但不幸的是，研究经常将它们列为导致医生倦怠的主要原因之一。我们采取了不同的方法，设计了我们的EHR，以适应特定医疗专业的工作流程。我们的旗舰云端EHR，EMA，是由医生为医生设计的，这使我们在市场上脱颖而出，并定义了我们的独特之处。多年来，我们扩展了我们的产品系列，包括一系列解决方案，帮助医疗提供者简化和流线化他们的医疗实践运营，并加速医疗服务的提供。

您如何看待医疗保健领域中有效人工智能的战斗是如何赢得或输掉的，数据又如何影响这一过程？

我们开始看到人工智能技术在医疗实践中被采用，以简化工作流程和最大化效率。随着我们进入使用人工智能执行更复杂任务的时代，例如建议治疗或其他临床支持建议，拥有合适的数据和人工智能训练策略至关重要。人工智能有机会显著改善患者和提供者的体验，并创造真正改善医疗保健的系统性变化，但使这一愿景成为现实将取决于大量高质量的数据来训练模型。

为什么数据在医疗保健行业的人工智能开发中如此关键？

数据是人工智能的生命线，数据质量差会损害人工智能的性能，导致次优结果。在医疗保健环境中，这可能会产生严重的后果，因为患者的生命可能处于危险之中。但更可能的情况是，负面的体验可能会破坏患者和提供者对人工智能的信任，减缓进展和人工智能对医疗保健的积极影响。

例如，在检查室中，人工智能启用的环境聆听工具旨在为提供者审查和批准的临床笔记建议内容。理想情况下，这应该减少提供者在EHR中花费的时间，并允许他们与患者共度更多的高质量时间。然而，数据来源差和人工智能工具训练不良可能会产生相反的效果，导致提供者花费大量时间纠正错误和重写笔记。

此外，偏见是人工智能算法相关的重大风险，高质量的数据可以在减轻医疗保健差异方面发挥关键作用。人工智能模型可以学习有效地偏爱某一患者人群而不是其他人群的模式，包括法律保护的群体。通过监控数据输入和在强大和代表性的数据上进行训练，人工智能输出可以更加包容和准确。

您能否详细说明ModMed用于训练其人工智能模型的数据类型以及这些数据的来源和管理方式？

在ModMed，我们使用全面专业特定的数据来帮助训练我们的人工智能模型。过去14年里，我们创建了专业特定的去识别结构化数据集，与隐私法一致，我们现在正在利用这些内部数据来训练我们的人工智能模型。例如，我们的环境聆听工具ModMed Scribe已经针对皮肤科（我们的第一个专业发布）进行了训练，使用了数百万个结构化参数，从5000万患者记录的去识别样本中采集。

ModMed如何在医疗保健的背景下定义“道德人工智能”？

人工智能可能存在偏见或提供不准确信息的可能性，例如“幻觉”或省略，可以影响患者的生命。因此，医疗保健中的道德人工智能是关于为准确性和精度设定高标准。这意味着要小心和负责任地开发算法，并使用高质量和多样化的数据来帮助实现更准确的预测，适用于每个用户。

道德人工智能也是关于确保人类仍然参与其中。人工智能不应该“超过医生”，而应该减少医生和他们的工作人员经历的行政负担，以便他们可以专注于帮助患者。

ModMed有什么措施来确保人工智能技术的开发和部署是道德的？

我们的结构化数据方法——策划高质量、代表性的训练数据集——帮助我们使负责任的人工智能成为现实。从我们广泛的医疗实践中收集的相关和去识别的数据，为我们提供了多样化的训练数据集，反映了不同的患者人群。

此外，我们的开发团队致力于数据清理，以便收集和利用高质量的数据。这个过程使我们的团队能够识别、纠正和从数据集中删除不一致性、错误和缺失值。通过这种定期维护，我们可以根据性能数据（尤其是临床数据）持续更新人工智能，临床数据可能会影响患者的结果。

您能否讨论医疗保健中人工智能开发的透明度和问责制的重要性？

透明度使问责制成为可能，这就是为什么它是医疗保健中任何人工智能解决方案的基本支柱。医生的首要任务是患者护理和安全，因此没有什么比80%的医生希望了解人工智能工具的特征和特点更令人惊讶了。

此外，并非所有数据都是一样的。了解数据的存储和来源以及更新的频率至关重要。我们很幸运，从ModMed成立之初，我们就致力于一个优先考虑透明度和准确性的数据战略。我们对我们的数据来源和质量有着深刻的理解，并且我们相信我们的人工智能集成将为我们的客户带来巨大的价值。

ModMed如何将人工智能集成到其专业特定的EHR系统中，例如EMA和gGastro？

在我们的整个产品线中，我们已经利用机器学习有一段时间了，并且正在加强我们在高级和生成人工智能方面的投资，以简化医疗业务并加速高质量的护理。我们正在建立一个完整的人工智能驱动的医疗实践体验，从患者进入门诊之前开始，延伸到检查室，并一直延伸到计费部门。

在临床环境中，我们的AI环境聆听试点计划的EMA即将完成，我们相信这将是一个游戏规则的改变者。我们的AI驱动的文档解决方案旨在简化护理流程，超越简单的转录或草拟SOAP笔记。利用大量结构化数据，我们正在训练我们的AI模型来捕获医生与患者对话中的基本信息，并与我们的EHR一起，建议相关的访问笔记内容，包括ICD-10代码、手术代码和处方。这为医生节省了宝贵的时间，并允许他们与患者共度更多的高质量时间。

专业特定的AI解决方案为医疗保健提供者和患者带来哪些具体的好处？

没有两个医学专业是相同的。它们在看到的患者、治疗的病症和用于报销的医疗代码方面差异很大。AI解决方案必须针对这些差异进行量身定制，才能以真正有意义的方式发挥作用。

例如，ModMed的EHR和AI环境聆听工具专门针对每个医学专业量身定制，提供高度相关和精确的支持给临床医生。每个专业的文档流程需要结构化笔记中的不同组件，包括唯一的医疗代码和术语。这种专业化使AI能够更好地理解和预测不同专业实践的独特需求和工作流程，我们相信这将带来更高效的实施、更快的采用和更大的整体有效性，以提高运营效率。

您在未来五到十年内看到了医疗保健领域中人工智能最重要的机会在哪里？

在未来，人工智能无疑将渗透到医疗保健的几乎每个方面，以我们无法想象的方式。已经，人工智能正在被利用执行行政任务，并且在近期内，这种趋势可能会激增，因为人工智能的价值变得更加明显。

我还看到一个未来，人工智能将无缝地集成到医生与患者的互动中，用户界面或UI几乎是不可见的。与其像今天一样进行基于屏幕的交互，人工智能可以提供现实和增强现实的融合。这种未来状态的人工智能可以分析健康记录，以识别患者患各种疾病的风险。医疗记录中的大量数据为人工智能提供了预测未来护理需求和创建预防性护理治疗计划的机会。

这种体验可以超出医疗实践环境，成为患者日常生活的一部分。人工智能驱动的可穿戴设备可以提供个性化的支持，回答问题，并安排预约等。人工智能还可以远程监测生命体征，检测和提醒提供者注意潜在的健康问题。根据数据和偏好量身定制的个性化治疗计划可以成为常态。

这是医疗保健领域令人兴奋的时期。未来五到十年充满了进一步转变该行业和改善患者体验的机会。

感谢这次精彩的采访，希望了解更多的读者可以访问ModMed。