Sean Shoffstall，PaceMate 人工智能、创新和数据负责人 – 采访系列

Sean Shoffstall，PaceMate 人工智能、创新和数据负责人，是一位拥有20多年经验的技术和产品高管，专注于构建创新SaaS解决方案和集成人工智能技术，能够带来可衡量的商业成果，并与战略业务目标保持一致。

Sean 专注于使人工智能、医疗技术和数据驱动平台正常化，以提高团队和客户的生产力和效率，特别是在临床工作流程中。他的前期工作在医疗管理系统中开创了人工智能集成，通过直观的设计和数据驱动的洞察力实现了显著的效率改进和患者结果的提高。
作为人工智能高管的思想领袖和公共演讲者，Sean弥合了技术能力和战略业务实施之间的差距，专注于满足真正临床需求的产品管理和开发。他建立了团队，致力于提供创新解决方案，以解决真正的医疗保健挑战，而不是仅仅追求技术趋势，确保与业务卓越和改善患者结果保持一致。

PaceMate是一家医疗技术公司，提供PaceMateLIVE，一种基于云的远程心脏监测和数据管理平台。该系统集成了来自可植入式心脏设备、 ambulatory 监测器和消费者ECG的数据，使用自动优先级来帮助临床医生关注最关键的警报。它支持与主要电子健康记录系统（如Epic、Cerner和athenahealth）进行互操作，简化临床工作流程，提高运营效率，并在心脏病诊所中增强患者护理连续性。

您已经构建了超过20年的AI驱动的医疗保健解决方案，包括Auditdata的第一个HIPAA合规的AI听力图工具和现在PaceMate的心脏智能平台。是什么激发了您将临床数据转化为可行见解的AI转变?

我一直被数据驱动。早期在数字营销领域，我的机构的口号是“可量化的创造力”——即通过数据学习来驱动情感和创造力。当我转入医疗保健领域时，我看到了使用数据的新方式。与其仅仅报告已经发生的事情，我开始思考：我们能否使用数据来预测趋势？我们能否预测接下来会发生什么？

然后，人工智能出现了，并扩大了这些可能性。我真的相信，如果我们以智能的方式使用人工智能，我们可以改变医疗保健。它可以让医生有更多时间与患者相处，同时人工智能处理数据的平凡任务。我们还没有完全实现这一点，但基础正在被建立，以实现这一目标。

PaceMate管理着世界上最大的和最强大的心血管数据集之一。这些数据如何被转化为预测算法，以提高患者结果和临床效率?

数据是关键。要充分发挥人工智能和机器学习的力量，所有这一切都取决于您拥有的训练数据集。PaceMate不仅因为我们的数据而成为行业领先者，而且因为我们的团队拥有数十年的临床专长来解释和验证数据。当您将训练数据与专长结合起来时，您开始看到节省一分钟或两分钟如何累积起来，带来巨大的效率提升。

然后，当您添加识别患者数据中趋势的能力时，您将使医生能够获得他们为患者做出最佳决策所需的洞察力——这些洞察力是基于最全面的数据可能的。

像HIPAA和FDA批准这样的监管框架经常减缓医疗保健中的人工智能采用。组织可以采取什么实际步骤来在这些约束下负责任地创新?

在PaceMate，我们坚信人工智能的“人在中间”的理念。我们不会将决策外包给人工智能，这也是FDA要求严格监督的原因。相反，组织可以使用人工智能来挖掘、组织和呈现数据，同时仍然依赖临床专长来确定对每个个体患者来说什么是正确的。

至于HIPAA，患者隐私是医疗保健中的一个严重问题，我们应该始终将其放在首位。这就是为什么我们的人性化方法很好——人工智能不需要知道我们的患者的个人身份信息（PII）。我们可以去识别数据并从那里分析。但即使有最好的理念，使用正确的HIPAA合规工具——这些工具在过去几年中已经问世——也是至关重要的。

数据隐私始终是一个多层次的方法，患者的隐私应该始终放在首位，甚至优先于创新。

数据敏感性是心脏护理中的一个主要问题。PaceMate如何确保人工智能开发维持最高水平的患者隐私和信任?

患者隐私一直是PaceMate的基石，人工智能的兴起只会加强这一承诺。我们以“隐私设计”理念来开发人工智能，即数据保护不是事后补充，而是从每个阶段开始就考虑的。

所有用于人工智能训练的患者数据都经过严格的去识别和加密，遵循超过HIPAA要求的协议。我们还遵循严格的数据最小化原则，只收集和处理对临床价值绝对必要的数据。

在心脏护理中，我们被委托处理最亲密的健康数据。因此，我们定期进行隐私影响评估和第三方安全审计，因为赢得和维持信任不是一次性的努力，而是一项日常责任。

医疗保健中的自动化可能是一把双刃剑。PaceMate如何设计人工智能以补充——而不是取代——临床医生的专业知识?

我们的“人在中间”的理念意味着人工智能被用作补充工具，而不是替代专长。我们致力于使用内部临床专长，并与医院的临床医生合作来指导我们的产品开发，这直接塑造了我们的AI实践。

我们提出问题，如“什么能让您更高效？”“什么数据能帮助您做出更好的决定？”以及“您的当前工作流程中缺少什么？”然后，我们利用这些见解来指导如何实施自动化和人工智能，而不会妨碍他们的工作。

许多医疗系统都在努力处理设备、电子健康记录和监测工具中的分散数据。您的团队如何处理这些来源，以提供真正重要的实时洞察?

在过去的10年中，我们已经成为远程监测中的数据中心，我们非常了解患者数据流。您可以将其视为一个身份图表，其中数据被收集和提供以满足特定时间点的需求。我们已经建立了基础设施来从多个设备制造商、远程监测平台和电子健康记录系统中获取数据，然后标准化和上下文化这些数据，使其在临床医生那里真正有用。

关键在于不仅要了解如何收集数据，还要了解何时和如何呈现数据。我们还成为汇总广泛的去识别数据以验证趋势和确保质量的专家，当我们引入新的数据源时。这一双重能力——提供个性化的实时洞察，同时保持大局观——使我们能够将分散的数据转化为可行的智能。

凭借您在多个医疗技术初创公司的经验，您认为在临床工作流程中大规模集成人工智能时，最常被忽视的挑战是什么?

对于许多小型医疗技术公司来说，隐私和安全性是一个令人生畏的挑战。但是，有很好的最佳实践和工具可用，所有主要的云服务提供商（AWS、Azure和Google Cloud）都有提供指南和清单的顾问，以帮助初创公司和企业应对这些挑战。

一旦解决了这些问题，规模化的数据就成为下一个障碍。您当前的数据集将在六个月后完全不同。了解如何利用结构化和非结构化数据以及强大的身份图表，可以成为一个良好的起点，沿途记录您的方法将有助于防止一些灰发的出现。

医疗保健中的道德和透明的AI部署正在成为创新的一个决定性因素。您如何在用于医疗决策支持的AI系统中构建责任感和可解释性?

这归结为我们的“人在中间”的理念。我们设计人工智能以呈现洞察力和模式，但临床医生始终做出最终的决定。这创建了一个自然的责任层，总有一个持牌专业人员审查和验证人工智能的建议。

我们还专注于展示人工智能推荐背后的“为什么”。我们的系统突出了哪些数据点驱动了特定的洞察力，因此医生可以评估它是否在临床上有意义。我们不会要求临床医生相信一个黑盒子——我们为他们提供了对逻辑的透明度。

由于学习是双向的，我们还建立了持续的反馈循环。当临床医生接受或覆盖人工智能建议时，这会告知我们的模型改进。这在两个方向上都创建了责任感，并且随着时间的推移，人工智能会从临床专长中学习，而临床医生可以看到他们的输入如何直接塑造该系统。

最终，医疗保健中的可解释人工智能不仅仅是关于技术透明度，还关于尊重临床判断，并创建增强而不是掩盖决策过程的工具。

作为人工智能策略的常规顾问，您认为医疗保健领导者在从实验到有意义的采用转变时最关键的思维转变是什么?

当我与商业领袖讨论人工智能时，我试图引导他们进入“如果怎么样”或“我希望”的思维模式。人工智能最强大的工具之一是能够利用世界对问题的看法，而不是仅仅依赖周围的人或自己的偏见。所以，每当你认为某事很困难或不可能时，使用你喜欢的人工智能说“我希望我能”并描述你面临的障碍。这非常强大。我还指导他们让他们的人工智能LLM变得好奇。告诉它你的问题，但也告诉它向你提问详细的问题。有时，这 alone 就会带你到一些真正独特的解决方案。

人工智能也是规划的好工具。高管需要制定战略，同时创建行动计划，确定如何衡量成功，并在问题发生之前确定它们。人工智能在帮助制定入门计划方面非常出色。

最后，我们总是听到人工智能如何夺走工作岗位，公司如何因为人工智能而裁员。我认为这是一个错误的思考方式。一个建立在产品或服务上的公司需要人们来理解他们提供的内容。不要使用人工智能来减少成本，而要思考人工智能如何从你的员工中取走平凡的任务，并成为一个放大器。如果你可以通过15％的成本降低或200％的生产力提高来减少成本，那么哪一个是更好的商业决策?

展望未来五年，您如何设想人工智能重塑心脏监测和预防医学的格局——您希望在此期间在PaceMate实现什么里程碑?

人工智能将在未来五年中越来越成为我们工作和日常生活的一部分。随着用户变得更加舒适和信任人工智能的输出，它将打开无尽的可能性和合作。

我希望首先提供帮助临床医生优先照顾最需要的患者的工具——那些可能面临不良事件风险最高的患者。从那里，我们可以开始使用人工智能和趋势数据来展示个别患者的不同可能结果，给临床医生一个更清晰的未来图景。

最后，当我们能够提供可信的洞察时，与研究医院合作帮助他们利用我们的模型将是一个雄心壮志的目标。那里是我们可以真正推动整个行业的创新步伐，并对心脏护理产生有意义的影响的地方。

感谢您接受采访，希望读者能够通过访问PaceMate了解更多信息。