In che modo Pieces Technologies utilizza i servizi AWS per prevedere i risultati dei pazienti

Cosa faresti se potessi prevedere il futuro?

Con le avanzate capacità degli strumenti di intelligenza artificiale (IA) predittiva/machine learning (ML), prevedere il futuro, almeno in modo probabilistico, potrebbe essere a portata di mano.

Pieces Technologies, Inc. (Pieces), una startup nel settore sanitario e delle scienze della vita, sta aprendo la strada allo spazio predittivo IA/ML. Pieces è una piattaforma IA basata su software as a service (SaaS) integrata nella cartella clinica elettronica (EHR) ospedaliera. La loro missione è migliorare l'assistenza fornendo approfondimenti clinici durante il percorso del paziente. Offrono previsioni di eventi sanitari come le date di dimissione previste, le barriere cliniche e non cliniche previste alla dimissione e il rischio di riammissione, prima che si verifichino. Pieces fornisce inoltre approfondimenti agli operatori sanitari con un linguaggio naturale e ottimizza la chiarezza complessiva dei problemi clinici del paziente in modo che l'equipe sanitaria possa lavorare in modo più efficiente.

Il CEO e fondatore, il dott. Ruben Amarasingham, ha fondato Pieces per aiutare operatori e pazienti a ottenere risultati migliori. Spiega che "l'assistenza sanitaria è essenziale. Eppure medici, infermieri e altre persone stanno abbandonando la medicina a causa di burnout e impotenza. Vediamo un'enorme sofisticazione tecnologica in altre parti della nostra vita, quindi perché non possiamo applicarla alla medicina?"

Durante i suoi 13 anni come medico ospedaliero, Ruben ha notato che "c'erano un certo numero di pazienti che continuavano a essere ricoverati in ospedale. Arrivavano in ospedale, ricevevano cure e poi una o tre settimane dopo tornavano". Con la formazione post-laurea in informatica biomedica e l'attenzione alla previsione degli eventi clinici, questa tendenza ha ispirato Ruben a fornire il proprio aiuto.

"Ho visto un incrocio tra il mio background di ricerca, la mia pratica clinica e ciò che stava accadendo negli ospedali".

Per applicare la sua teoria a un caso d'uso reale, "abbiamo iniziato a modellare matematicamente, in base alle caratteristiche dei pazienti, quali pazienti sarebbero stati ricoverati nuovamente. Poi abbiamo applicato risorse cliniche e non cliniche al paziente a rischio, compresi i fattori sociali. E abbiamo scoperto che potevamo identificare e prevenire il nuovo ricovero prima che si verificasse".

La capacità di prevedere la riospedalizzazione del paziente ha portato Ruben a fondare Pieces nel 2016. La portata dei servizi di Pieces per operatori sanitari e pazienti è cresciuta rapidamente. Ad oggi, "esaminiamo qualsiasi tipo di evento avverso per i pazienti e ci chiediamo: 'siamo in grado di prevederlo in anticipo?' In tal caso, forniamo in anticipo informazioni alle persone in loco in modo che possano agire di conseguenza".

Per implementare e mantenere il proprio motore di intelligenza artificiale su larga scala, Ruben afferma che Amazon Web Services (AWS) è fondamentale: "Non saremmo in grado di svolgere questo lavoro se non avessimo un cloud assolutamente dinamico e scalabile su cui farlo. Non è possibile farlo in loco. È necessario che questi sistemi di modellazione imparino da set di dati di grandi dimensioni e la capacità di manipolare o modificare le prestazioni dell'IA su larga scala e tra i clienti".

Dopo un breve periodo durante l'inizio in cui Pieces ha utilizzato un ambiente on-premise, "siamo passati ad AWS e non ci siamo più voltati indietro. È stato fantastico. Siamo incredibilmente grati per l'ambiente AWS".

I due servizi AWS più importanti utilizzati da Pieces per eseguire i propri modelli in produzione e su larga scala sono Flusso di lavoro gestito da Amazon per Apache Airflow (Amazon MWAA) e Amazon Elastic Kubernetes Service (Amazon EKS). Ruben spiega: "utilizziamo Amazon EKS per eseguire istanze Kubernetes di Amazon Elastic Compute Cloud (Amazon EC2) e Amazon Relational Database Service (Amazon RDS)". La capacità di monitorare i siti client del sistema sanitario in tempo reale è fondamentale per Pieces, che utilizza Amazon EC2 e il servizio OpenSearch di Amazon per registrare analisi per il monitoraggio delle applicazioni in tempo reale.

A Ruben piace creare previsioni IA/ML pertinenti e accessibili. "Siamo molto entusiasti di incorporare la generazione del linguaggio naturale nel nostro software. Questa capacità è il punto in cui Pieces si trova con l'IA in questo momento". Pieces sfrutta la generazione del linguaggio naturale per fornire agli operatori sanitari previsioni contestualizzate e in un linguaggio semplice. Il linguaggio naturale consente agli operatori sanitari di valutare più facilmente il giudizio dell'IA per le esigenze più critiche dei pazienti, mettendo da parte le previsioni meno importanti. In questo modo è più facile agire sulle informazioni in modo tempestivo e vantaggioso.

"La generazione del linguaggio naturale può aiutare i fornitori e i pazienti traducendo le informazioni, su larga scala, nel modo in cui possono assimilarle al meglio. Che si tratti di un riassunto clinico per un medico o delle istruzioni di dimissione per un familiare con, ad esempio, un livello di istruzione di terza media".

Nel prossimo futuro, ci aspettiamo che Pieces possa avviare un riepilogo di scambio per i medici che consenta loro di passare il paziente a un altro medico, se necessario. Il riepilogo viene generato utilizzando alcuni dei dati clinici che le soluzioni AWS consentono a Pieces di raccogliere. Secondo la Joint Commission, gli scambi tra i medici rappresentano un problema significativo nel settore sanitario perché "circa l'80% degli errori medici gravi comporta problemi di comunicazione tra gli operatori sanitari quando i pazienti vengono trasferiti o passati a un altro medico". Automatizzando questa attività, Pieces spera di migliorare i risultati dei pazienti e allo stesso tempo di "portare gioia alla pratica di medica in un sistema enormemente complicato", spiega Ruben.

Per le startup che vogliono seguire le orme di Pieces, Ruben consiglia: "l'assistenza sanitaria è altamente regolamentata, molto precisa e devi testare le cose in modo più rigido rispetto, ad esempio, a una startup di vendita al dettaglio. Non è un problema seguire un percorso più lento ed è importante trovare investitori e finanziatori che comprendano l'ambiente sanitario e i vantaggi del progresso incrementale".

Il successo ne vale la pena, afferma Ruben, perché "se riesci a seguire tutte le fasi, l'impatto è importante. Stai facendo del bene al mondo".

Risorse correlate:

• AWS Activate: inizia a usare AWS
• Startup nel settore sanitario e scientifico
• Machine learning per startup