保罗·罗斯科，CLEW Medical 首席执行官 – 采访系列

保罗·罗斯科是CLEW Medical的首席执行官。

在加入Clew之前，罗斯科先生是Trinda Health的首席执行官，并负责将该公司确立为质量导向的临床文档解决方案行业领导者。

CLEW Medical 为医院、医疗系统和重症监护室提供使用人工智能驱动的预测分析和专有重症监护模型的临床智能和患者诊断服务。

您能否首先介绍一下CLEW Medical的AI启用平台及其在医疗技术行业的独特能力?

CLEW的成立基于这样的前提：数据分析和人工智能可以显著改善高强度护理环境中的患者结果和临床医生体验。我们构建的临床监测平台是第一个获得FDA批准的AI驱动的预测模型，用于重症监护。我们的系统通过与医院内的所有临床数据源集成来获取数据，并为每个患者建立近实时的生理特征，持续监测他们的状态。然后，它使用这些数据来提供预测见解，以识别可能发生不良事件（例如呼吸衰竭）的患者，并提醒临床医生进行干预，提前8小时预测事件的发生。该平台的高准确度还减少了过多的虚假报警，使临床医生能够专注于最需要立即干预的患者。

是什么因素促成了CLEW的AI驱动预测模型获得FDA批准?

CLEW从成立开始就采用了人工智能。我们的创始人和开发领导者认识到与使用我们技术的护理人员建立信任的重要性。我们的技术必须经过与现有设备相同的严格审查和尽职调查。为了鼓励重症监护环境采用AI解决方案，我们的团队了解到需要建立严格的产品开发和质量体系。因此，我们的AI模型开发利用了强大的MLOPS（机器学习运营）基础设施，以满足监管期望，例如FDA的PCCP（预授权变更控制计划）指导。我们的AI模型经过精心设计，并经过必要的实验以获得医疗设备监管批准。

模型的健壮性和内部流程导致FDA在2021年初将我们的解决方案归类为II类医疗设备，这是一项开创性的成就。FDA医疗设备批准证明了我们从端到端的开发过程的质量，包括在真实患者人群中进行的临床验证研究。

最近在CHEST®期刊上发表的研究强调了您的AI模型的预测准确性。您能否讨论这项研究的方法论和发现?

在两个大型医疗系统的14个重症监护室中部署了CLEW训练的机器学习算法，以预测插管和血管加压剂启动事件——即需要生命支持干预的事件——在重症成年患者中。其性能与现有的床边监测报警和远程医疗系统警报的预测有效性进行了比较。

该研究旨在评估工具的准确性和重症监护室中警报的实用性，发现CLEW的预测患者恶化的模型比领先的远程医疗系统准确五倍，并产生的警报数量少50倍。研究结果还表明，机器学习模型比传统监测系统更准确，并大大减少了对临床医生工作流的不必要干扰。

CLEW平台的AI预测如何可能改变重症监护室的护理服务？您能否详细说明这些预测如何改善结果和减少并发症?

CLEW的平台为高风险患者提供早期干预的机会，并通过识别可能准备好转入下级护理或出院的低风险患者来支持容量管理。这反过来又降低了死亡率和再入院率，减少了由于患者恶化引起的并发症，并最小化了患者的住院时间。

例如，在一个大型医疗系统中，CLEW的技术在部署的前24小时内预测了一名重症监护室患者的血液动力学不稳定，这触发了提供者的评估。在评估患者后，提供者订购了一项CT扫描，并检测到了一次腹部出血。患者被紧急送往手术室进行手术，输注了液体和血液，最终挽救了生命。24小时后，患者的状况稳定了。

您的系统被证明比领先的远程医疗监测系统准确五倍。是什么使CLEW的技术在预测临床患者恶化方面更有效?

一般来说，机器学习生成的通知比其他远程医疗系统警报和床边监测系统报警更少，准确率更高，错误率（如假阳性）更低，预测事件的预警时间更长。CLEW的警报更准确、更实用，并为护理团队提供了采取预防措施的时间，以防止预测结果的发生。CLEW提供的先进智能是通过其从健康系统的电子病历（EMR）中提取患者数据，并利用经过严格测试和验证的机器学习模型来实现的。

该研究还指出虚假报警大大减少。减少报警疲劳如何使重症监护室工作人员受益，您从使用该系统的医疗保健专业人员那里得到了什么反馈?

98%的床边监测通知是假阳性，导致报警疲劳和加剧历史上高水平的临床医生倦怠。CLEW通过减少音频干扰的数量，增加可采取的通知百分比，并创造一个更加平静的重症监护室环境来解决报警疲劳。从本质上讲，平台的准确性和减少不必要工作量的能力通过先进的机器学习模型显著改善了重症监护室的倦怠。作为实施流程的一部分，CLEW的客户成功团队专注于临床变革管理的重要性，以确保技术被适当地纳入整体临床决策过程。临床医生的反馈非常积极。

CLEW平台的早期通知功能如何工作，它在现实世界的重症监护室环境中促进了哪些干预措施?

基于来自床边监测和生命支持设备以及电子健康记录（EHR）的信息流，CLEW的AI模型可以预测患者在未来8小时内恶化和死亡的风险。凭借这些预测评估，经验丰富的临床医生可以更密切地评估患者，并确定是否有可行的对策来防止预测的恶化，而不是在紧急情况下做出反应。

例如，CLEW平台可以通知临床医生，一名患者可能会进入呼吸衰竭，这通常会导致插管和机械通气。收到警报后，护理人员可以识别出患者有过多的液体可能会倒流到肺部，并启动利尿疗法来减少液体，从而防止以后插管。我们的模型还可以预测一名手术后患者是否可能变得血液动力学不稳定并需要血管加压剂支持。在没有明显症状的情况下，通过CT扫描确定患者有内部出血并被送回手术室进行修复。最终，这次干预使患者稳定下来。

CLEW的AI驱动预测还支持医院的容量管理需求。一些患者可能不再需要重症监护，可以转移到下级护理单位，从而腾出床位来管理更危重的患者。这使得医疗系统能够改善容量管理并为更多患者创造机会。这还增加了医疗系统的贡献率。

CLEW Medical在进一步开发和扩展AI驱动模型在不同医疗环境中的使用方面的下一步是什么?

我们已经将CLEW平台扩展到重症监护环境之外，包括下级护理单位和急诊科，我们目前正在将其扩展到医院的剩余急性护理床位，包括麻醉后护理室（PACU）和普通医疗/外科和专科床位。廉价可穿戴监测器提供频繁的生命体征信息的最终普及，以及我们的PCCP批准，使CLEW能够更广泛地扩展其AI监测能力，涵盖整个急性护理医院。

此外，CLEW的预测与许多其他HIT系统（包括EHR）互补，我们正在努力通过将其集成到医疗系统现有的工具包中来提供我们的见解。我们已加入Epic开发者网络，并已成功将CLEW的高级功能（如AI驱动的预测）集成到临床用户体验中。

CLEW还正在开始一项针对脓毒症管理的新型AI驱动方法，脓毒症是一种毁灭性且有时致命的并发症。

您如何看待未来十年AI在改善重症监护室护理方面的发展，以及CLEW如何成为这一未来的组成部分?

医院患者群体比以往任何时候都更为虚弱。随着年龄和生活方式相关的慢性疾病的增加，以及护理人员短缺，智能临床监测的需求不断增长。由于许多患者最终进入重症监护室是因为在护理过程中早期干预的机会被错过，CLEW不仅专注于使用其AI来改善重症监护室护理，还致力于与医疗系统和行业创新者合作，以改善所有急性护理。我们的AI开发计划（MLOPS）将利用合作伙伴的能力来扩展FDA批准的AI模型，超出CLEW自身的开发范围。

然而，技术只是解决方案的一部分。医疗保健中使用人工智能并不是关于取代护理人员。事实上，人工智能可以为临床医生提供更好的信息来支持他们的决策，例如减少浪费他们时间的嘈杂报警。CLEW正在与医疗系统和合作伙伴合作，以了解如何有效地采用和接受AI工具进入临床实践。验证AI的准确性和有效性的研究是必要的，因此CLEW与客户合作，使用他们自己的患者人群生成这些证据。这种专注的研究工作支持床边护理人员的实施和采纳，他们原本会对AI工具持怀疑态度。

为了加快新的临床实施，我们有能力在一个月内更新我们的平台以纳入新发现的最佳实践，这通常需要几年时间。未来十年，CLEW将在与医疗系统合作以使有效的临床AI成为人类护理人员的明智和先见之明的合作伙伴方面处于前沿，人类护理人员可能会在某一天照顾我们或我们的亲人。

感谢您接受这次精彩的采访，希望了解更多的读者可以访问CLEW Medical。