Wie war dieser Inhalt?
So nutzt Pieces Technologies AWS-Services, um Patientenergebnisse vorherzusagen
Was würden Sie tun, wenn du die Zukunft vorhersagen könnten?
Mit den fortschrittlichen Fähigkeiten von Tools für prädiktive künstliche Intelligenz (KI) /Machine Learning (ML) könnte eine Prognose der Zukunft (zumindest probabilistisch) in greifbarer Nähe sein.
Pieces Technologies, Inc. (Pieces), ein Startup aus den Bereichen Gesundheitswesen und Biowissenschaften, beschreitet neue Wege im Bereich prädiktive KI/ML. Pieces ist eine auf Software as a Service (SaaS) basierende KI-Plattform, die in die elektronische Patientenakte (EHR) eines Krankenhauses integriert ist. Die Mission ist es, die Versorgung zu verbessern, indem klinische Erkenntnisse während der gesamten Patientenreise bereitgestellt werden. Sie bieten Prognosen zu Gesundheitsereignissen wie voraussichtlichen Entlassungsterminen, zu erwartenden klinischen und nichtklinischen Entlassungshindernissen und dem Risiko einer erneuten Aufnahme, bevor sie eintreten. Pieces bietet Gesundheitsdienstleistern auch Einblicke in natürlicher Sprache und optimiert die allgemeine Klarheit der klinischen Probleme des Patienten, sodass die Behandlungsteams effizienter arbeiten können.
CEO und Gründer Dr. Ruben Amarasingham gründete Pieces, um Anbietern und Patienten zu helfen, bessere Ergebnisse zu erzielen. Er erklärt: „Arbeit im Gesundheitswesen ist unerlässlich. Doch Ärzte, Krankenpfleger und andere Menschen verlassen die Medizin wegen Burnout und Machtlosigkeit. Wir sehen enorme technologische Raffinesse in anderen Bereichen unseres Lebens – warum können wir das nicht auf die Medizin anwenden?“
Während seiner 13 Jahre als Krankenhausarzt stellte Ruben fest, dass „es eine Reihe von Patienten gab, die immer wieder ins Krankenhaus eingeliefert wurden. Sie kamen ins Krankenhaus, wurden behandelt und kamen ein bis drei Wochen später zurück.“ Mit einer postgradualen Ausbildung in biomedizinischer Informatik und einem Schwerpunkt auf der Vorhersage klinischer Ereignisse inspirierte dieser Trend Ruben, zu helfen.
„Ich sah eine Schnittstelle zwischen meinem Forschungshintergrund, meiner klinischen Praxis und dem, was in den Krankenhäusern geschah.“
Um seine Theorie auf einen realen Anwendungsfall anzuwenden, „begannen wir, anhand der Merkmale der Patienten mathematisch zu modellieren, welche Patienten wieder aufgenommen werden könnten. Anschließend haben wir klinische und nichtklinische Ressourcen auf den Risikopatienten angewendet, einschließlich sozialer Determinanten. Und wir haben festgestellt, dass wir einen erneuten Krankenhausaufenthalt erkennen und verhindern konnten, bevor er eintrat.“
Die Fähigkeit, die Rehospitalisierung von Patienten vorherzusagen, veranlasste Ruben 2016 zur Gründung von Pieces. Der Leistungsumfang von Pieces für Gesundheitsdienstleister und Patienten ist rasant gewachsen. Heute schauen wir uns jede Art von unerwünschtem Ereignis für Patienten an und fragen uns: ‚Können wir es im Voraus vorhersagen?‘ Wenn ja, stellen wir den Mitarbeitern vor Ort im Voraus Erkenntnisse zur Verfügung, sodass sie darauf reagieren können.“
Laut Ruben sind Amazon Web Services (AWS) unverzichtbar, um ihre KI-Engine in großem Maßstab bereitzustellen und zu warten: „Wir könnten diese Arbeit nicht erledigen, wenn wir nicht über eine unglaublich dynamische, skalierbare Cloud verfügen würden, auf der wir das erledigen könnten. Das ist vor Ort nicht möglich. Diese Modellierungssysteme müssen aus großen Datensätzen lernen und die KI-Leistung kundenübergreifend manipulieren oder modifizieren können.“
Nach einer kurzen Phase während ihrer Gründung, in der Pieces eine On-Premises-Umgebung nutzte, „sind wir zu AWS gewechselt und haben nicht zurückgeschaut. Es war großartig. Wir sind unglaublich dankbar für die AWS-Umgebung.“
Die beiden wichtigsten AWS-Services, die Pieces für die Ausführung ihrer Modelle in der Produktion und im großen Maßstab verwendet, sind Amazon Managed Workflows für Apache Airflow (Amazon MWAA) und Amazon Elastic Kubernetes Service (Amazon EKS). Ruben erklärt: „Wir verwenden Amazon EKS, um Kubernetes-Instances von Amazon Elastic Compute Cloud (Amazon EC2) und Amazon Relational Database Service (Amazon RDS) auszuführen.“ Die Fähigkeit, Kundenstandorte von Gesundheitssystemen in Echtzeit zu überwachen, ist für Pieces von entscheidender Bedeutung. Deshalb verwendet man Amazon EC2 und Amazon OpenSearch Service, um Analysen für die Anwendungsüberwachung in Echtzeit zu protokollieren.
Ruben ist begeistert davon, relevante und zugängliche KI/ML-Vorhersagen zu erstellen. „Wir freuen uns sehr, die Generierung natürlicher Sprache in unsere Software zu integrieren. Diese Fähigkeit ist der Punkt, an dem Pieces derzeit mit KI arbeitet.“ Pieces nutzt die Generierung natürlicher Sprache, um Gesundheitsdienstleistern kontextbezogene und verständliche Prognosen zu geben. Natürliche Sprache erleichtert es Gesundheitsdienstleistern, das Urteilsvermögen der KI für die kritischsten Patientenbedürfnisse zu bewerten und gleichzeitig weniger kritische Vorhersagen außer Acht zu lassen. Dies macht es einfacher, rechtzeitig und nutzbringend auf Informationen zu reagieren.
„Die Generierung natürlicher Sprache kann Anbietern und Patienten dabei helfen, indem Informationen (in großem Maßstab) so übersetzt werden, dass sie sie am besten aufnehmen können. Sei es eine klinische Zusammenfassung für einen Arzt oder eine Entlassungsanleitung für ein Familienmitglied mit beispielsweise einem Bildungsniveau der siebten Klasse.“
In naher Zukunft können wir davon ausgehen, dass Pieces eine Überweisungszusammenfassung für Ärzte herausgeben wird, die es ihnen ermöglicht, ihren Patienten bei Bedarf an einen anderen Arzt weiterzuleiten. Die Zusammenfassung wird anhand einiger klinischer Daten generiert, die Pieces mithilfe von AWS-Lösungen sammeln kann. Laut der gemeinsamen Kommission stellen Arztüberweisungen im Gesundheitswesen ein erhebliches Problem dar, da „schätzungsweise 80 % der schwerwiegenden medizinischen Fehler auf Missverständnisse zwischen den Pflegekräften zurückzuführen sind, wenn Patienten verlegt oder überwiesen werden“. Durch die Automatisierung dieser Aufgabe hofft Pieces, die Behandlungsergebnisse für die Patienten zu verbessern und gleichzeitig „Freude an der medizinischen Praxis in ein enorm kompliziertes System zu bringen“, erklärt Ruben.
Für Startups, die in die Fußstapfen von Pieces treten wollen, rät Ruben: „Das Gesundheitswesen ist streng reguliert, sehr präzise, und man muss die Dinge strenger testen als beispielsweise ein Einzelhandelsunternehmen. Es ist in Ordnung, einen langsameren Kurs einzuschlagen, und es ist wichtig, Investoren und Geldgeber zu finden, die das Gesundheitsumfeld und die Vorteile schrittweiser Fortschritte verstehen.“
Der Erfolg lohnt sich, sagt Ruben, denn: „Wenn Sie alle Schritte ausführen können, ist die Wirkung tiefgreifend. Du tust der Welt etwas Gutes.“
Ähnliche Ressourcen:
Dr. Ruben Amarasingham
Ruben Amarasingham, MD, MBA, ist der Gründer und CEO von Pieces, einem KI-Unternehmen im Gesundheitswesen, das sich auf klinische Entscheidungswissenschaften spezialisiert hat. Er ist auch Gründer und ehemaliger President von PCCI, einem wissenschaftlichen Forschungsinstitut mit Sitz in Dallas, Texas, das sich auf klinische Studien und biomedizinische Informatik konzentriert und aus dem Pieces hervorgegangen ist. Dr. Amarasingham ist ein nationaler Experte für die Entwicklung von KI-Produkten für das Gesundheitswesen und die öffentliche Gesundheit. Vor seiner Tätigkeit als CEO von Pieces war er Associate Chief of Medicine am Parkland Health & Hospital System und Professor an den Abteilungen für Allgemeine Innere Medizin und Klinische Wissenschaften des University of Texas Southwestern (UTSW) Medical Center, wo er auch als Director of the Biomedical Informatics Program für den NIH Clinical and Translational Science Award tätig war. Ruben ist ein ehemaliges Mitglied des nationalen Verwaltungsrates von HIMSS.
Megan Crowley
Megan Crowley ist Senior Technical Writer im Startup Content Team bei AWS. Nach einer früheren Karriere als Englischlehrerin an einer High School wird sie von einer unermüdlichen Begeisterung angetrieben, zu Inhalten beizutragen, die zu gleichen Teilen lehrreich und inspirierend sind. Die Geschichten von Startups mit der Welt zu teilen, ist der bereicherndste Teil ihrer Rolle bei AWS. In ihrer Freizeit findet man Megan bei der Holzbearbeitung, im Garten und auf Antiquitätenmärkten.
Wie war dieser Inhalt?