مايك روسيل، المسؤول الأول للذكاء الاصطناعي في OptimizeRx – سلسلة مقابلات

مايك روسيل، المسؤول الأول للذكاء الاصطناعي في OptimizeRx، هو مدير تنفيذي في مجال الذكاء الاصطناعي وتكنولوجيا الرعاية الصحية يمتلك ما يقرب من 15 عامًا من الخبرة في تطبيق الذكاء الاصطناعي لخلق قيمة تجارية. في دوره الحالي، يقود تطوير وتطبيق التقنيات المدفوعة بالذكاء الاصطناعي المصممة لجعل الاتصالات بين شركات العلوم الحياتية والمهنيين الصحيين (HCPs) والمرضى أكثر صلة سريرية وقابلة للتنفيذ. يشمل عمله الذكاء التنبؤي، والإشارات السلوكية والسريرية، واستهداف الجمهور، وأدوات مدعومة بالذكاء الاصطناعي تساعد على تحديد لحظات العلاج والوصف المهمة. قبل انضمامه إلى OptimizeRx، شغل روسيل مناصب في Athenahealth وClarivate وHubSpot، جالبًا خبرة عبر الرعاية الصحية والبيانات وتكنولوجيا المؤسسات. يحمل درجة البكالوريوس في الاقتصاد والمالية من Rochester Institute of Technology.

OptimizeRx هي شركة تكنولوجيا رعاية صحية تربط منظمات العلوم الحياتية بمقدمي الرعاية الصحية والمرضى باستخدام البيانات والذكاء الاصطناعي وتقنيات التفاعل الرقمي. تأسست في عام 2006، ركزت الشركة في البداية على تقديم القسائم ومساعدة الدفع المشترك عبر سجلات الصحة الإلكترونية (EHR) ومنصات الوصفات الإلكترونية، لكنها منذ ذلك الحين توسعت لتصبح منصة أوسع للتسويق في مجال الرعاية الصحية وتفاعل المرضى. تجمع تقنيتها بين إشارات الصحة الواقعية، والذكاء التنبؤي، وتكاملات نقطة الرعاية، وتفعيل متعدد القنوات لمساعدة شركات الأدوية على تحديد الجماهير ذات الصلة من المهنيين الصحيين والمرضى والتفاعل معهم خلال اللحظات الرئيسية في رحلة العلاج. مؤخرًا، وسعت OptimizeRx قدراتها في الذكاء الاصطناعي بأدوات مثل أداة بناء الجمهور بلغة طبيعية (Natural Language Audience Builder)، التي تتيح للمسوقين في مجال الرعاية الصحية إنشاء جماهير من المهنيين الصحيين ومستهلكين آمنين للخصوصية باستخدام أوامر بلغة بسيطة.

قضيت ما يقرب من 15 عامًا في تطبيق الذكاء الاصطناعي على مشكلات الأعمال عبر مؤسسات تشمل Athenahealth وClarivate وHubSpot، وفي OptimizeRx تقدمت من قيادة منتجات البيانات إلى شغل منصب المسؤول الأول للذكاء الاصطناعي. كيف شكلت هذه الرحلة رؤيتك للمناطق التي يمكن للذكاء الاصطناعي أن يخلق فيها قيمة ذات معنى في الرعاية الصحية، مقارنةً بالتطبيقات التي قد تكون مثيرة للإعجاب من الناحية التقنية ولكنها في النهاية سطحية

إحدى الدروس الرئيسية التي تعلمتها خلال مسيرتي هي أنه مهما كان الذكاء الاصطناعي “رائعًا” بالنسبة لي، ومهما كان ممتعًا في الاستخدام، فإن ذلك لا يهم على الإطلاق إذا لم يُستخدم الذكاء الاصطناعي في خدمة مشكلة العميل. الأمر ليس في استخدام الذكاء الاصطناعي كنقطة انطلاق؛ بل في التركيز على التحديات والقصور الملموسة في الرعاية الصحية التي يمكننا تحسينها.

في OptimizeRx، نسعى لحل تحدٍ أساسي واحد: مواءمة معلومات العلامة التجارية والاتصالات بشكل أقرب مع رحلة المريض، حتى يتمكنوا من دعم قرارات الرعاية بشكل أفضل. يساعد ذلك الأطباء الذين يغمرهم الإعلانات التي قد تكون أو لا تكون ذات صلة بهم وبمرضاهم. كما يساعد المرضى الذين يتعرضون لمعلومات صحية غير ذات صلة أو غير دقيقة على وسائل التواصل الاجتماعي والقنوات الاستهلاكية الأخرى. ويُفيد ذلك علامات تجارية في مجال العلوم الحياتية التي تتعرض لضغط مستمر لتحقيق أهدافها التجارية. حجر الزاوية لحل هذه التحديات هو المريض المؤهل للعلامة التجارية.

إذا استخدمنا الذكاء الاصطناعي للعثور عليهم في وقت أبكر، وبشكل أكثر دقة، وفقط في اللحظة التي يصبحون فيها جاهزين للعلامة التجارية، يمكننا تقديم معلومات ذات فائدة أعلى لمزودهم، وتقديم إعلانات مباشرة للمستهلك (DTC) أكثر صلة، ومساعدة العلامة التجارية على إنفاق أموالها الإعلامية بشكل أكثر كفاءة وتأثيرًا.

تركز معظم المناقشات الحديثة حول الذكاء الاصطناعي المؤسسي على الذكاء الاصطناعي التوليدي وإنشاء المحتوى. لقد جادلت بالتحول نحو الذكاء الاصطناعي الذي يساعد المنظمات على اتخاذ القرارات. ما الذي يميز ‘الذكاء الاصطناعي للقرارات’ الحقيقي عن مجرد وضع واجهة ذكاء اصطناعي توليدي فوق التحليلات القائمة؟

يكمن الفرق في ما إذا كان الذكاء الاصطناعي يساعدك فقط في الوصول إلى المعلومات، أو إذا كان فعليًا يساعدك على اتخاذ قرارات أفضل. يمكن أن تجعل وضع واجهة ذكاء اصطناعي توليدي فوق التحليلات البيانات أسهل في الاستعلام أو التلخيص، لكن الذكاء الأساسي لم يتغير جوهريًا. لا تزال تطلب من شخص تفسير المعلومات، وتحديد ما هو مهم، وتقرير ما يجب القيام به بعد ذلك.

يغلق الذكاء الاصطناعي للقرارات الحقيقي تلك الفجوة من خلال جمع إشارات متعددة، والتعرف على الأنماط والسياق، وتوقع النتائج المحتملة، وتحويل تلك الرؤى إلى إجراءات موصى بها. بنفس القدر من الأهمية، ييتعلم الذكاء الاصطناعي للقرارات أيضًا من نتائج تلك الإجراءات ويستخدم تلك البيانات لتحسين التوصيات المستقبلية باستمرار. في تسويق العلوم الحياتية، على سبيل المثال، يعني ذلك الانتقال بعيدًا عن مجرد الإبلاغ عن أداء الحملة إلى توقع أي الجماهير الأكثر احتمالًا للاستجابة (وعلى أي القنوات)، وتوقع أي رسالة ذات صلة، وقياس دقة تلك التوقعات. القيمة تكمن في الذكاء الدائري المغلق، أي القدرة على تحويل البيانات إلى قرارات وتحسين تلك القرارات باستمرار مع مرور الوقت. هذه هي الحيلة الحقيقية لمساعدة المسوقين على تخصيص الموارد بشكل أكثر ملاءمة وكفاءة.

يستخدم منصة تنشيط الجمهور الديناميكي من OptimizeRx الذكاء الاصطناعي والبيانات الواقعية لتحديد مقدمي الرعاية الصحية الذين يعالجون المرضى المحتملين المؤهلين وتوقع متى قد يكون التفاعل أكثر صلة. ما هي أنواع الإشارات التي تكون أكثر قيمة لهذه النماذج التنبؤية، وكيف تحدد ما إذا كان النموذج قد حدد نمطًا سريريًا ذا معنى بدلاً من ارتباط مضلل؟

تتعلق قيمة الإشارة بالتوقيت والملاءمة الطبية العملية، بينما يتم الحفاظ على الدقة من خلال منطق سريري واضح وتتبع مستمر للنتائج. نركز على مؤشرات بسيطة مثل متى يحتاج المريض إلى تغيير الأدوية، والنتائج المخبرية الرئيسية، والمواعيد الطبية القادمة. إن دمج تاريخ صحة المريض مع التوقيت المناسب أثناء زيارة المريض هو ما يجعل التواصل فعالًا.

لمنع النموذج من مطاردة الأنماط المضللة، مثل الخلط بين طبيب عام مشغول واختصاصي يدير الحالة فعليًا، نوجه التقنية باستخدام الإرشادات الطبية القياسية وجداول زمنية علاجية واقعية. ثم نتحقق مرة أخرى من نتائجنا مقابل بيانات الوصفات الواقعية ومجموعات المقارنة لضمان تركيزنا فقط على اللحظات التي تؤدي إلى تغييرات حقيقية في رعاية المرضى.

أطلقت OptimizeRx مؤخرًا أداة Natural Language Audience Builder، التي تتيح للمسوقين وصف جمهور باستخدام اللغة الطبيعية وتحويل هذا الطلب إلى جماهير مقدمي الرعاية الصحية (HCP) والمستهلكين مخصصة للعلامة التجارية ومنسقة. ماذا يحدث تقنيًا بين الطلب الأولي والجمهور النهائي، وكيف تمنع الغموض أو الأخطاء الوهمية من التأثير على شيء يدفع في النهاية قرارات واقعية؟

تتمثل العملية في استخدام الذكاء الاصطناعي اللغوي للتفسير، مع الاعتماد على بيانات سريرية واقعية وشبكة سجلات الصحة الإلكترونية (EHR) لإنتاج القائمة النهائية لأرقام تعريف مقدمي الرعاية (NPI)، واستخدام تقنية Micro‑Neighborhood® Targeting من OptimizeRx للجماهير المستهلكة. عندما يُدخل المسوق طلبًا، يقوم النظام بتقسيم الطلب إلى معلمات مستهدفة، مثل التخصصات الطبية، حجم المرضى، وسلوكيات الوصف، دون الاعتماد على شرائح جمهور ثابتة مسبقًا.

نظرًا لأن القرارات التجارية الواقعية على المحك، يتم منع الأخطاء الوهمية من خلال ضمان أن يعمل نموذج الذكاء الاصطناعي كمترجم يستعلم عن سجلات مقدمي الرعاية المعتمدة ومجموعات البيانات السريرية الواقعية. تقوم المنصة بترجمة تفاصيل الطلب إلى قوائم NPI مُتحققة وجماهير Micro‑Neighborhood، مما يتيح للمسوقين عرض، ترتيب، وتحسين ملفات الأطباء المتطابقة بدقة أو شرائح المستهلكين قبل إكمال الجمهور المستهدف.

اعتمد التسويق الصيدلاني التقليدي غالبًا على تقسيم ثابت نسبيًا يعتمد على سلوك الوصف التاريخي. كيف يغيّر الذكاء الاصطناعي هذا النموذج عندما يمكن إعادة ترتيب الأولويات للجماهير باستمرار بناءً على رحلات المرضى المتغيرة والنوافذ العلاجية المتوقعة؟

يمنح الذكاء الاصطناعي المسوقين القدرة على الاستجابة للتغييرات في رحلة الرعاية فور حدوثها. من خلال جمع إشارات مثل سلوك الوصف، مجموعات المرضى، تفاعل مقدمي الرعاية الصحية (HCP) وغيرها من البيانات السياقية، يمكن للنماذج تحديد متى يقترب مقدم الرعاية ومريضه من نقطة قرار هامة وإعادة ترتيب أولويات الجمهور باستمرار بناءً على ذلك السياق.

هذا يعني أن تنشيط الجمهور يمكن أن يتطور جنبًا إلى جنب مع رحلة الرعاية. عندما يدخل المرضى مرحلة معينة من الرعاية، تصبح العلامة التجارية أكثر صلة بهم وبمقدم الرعاية المعالج لهم، ويجب تعديل التوقيت والقناة والرسالة مع تغير تلك النافذة. مع مرور الوقت، يمكن للنظام التعلم من تلك التفاعلات وتحسين طريقة تحديد المرضى ومقدمي الرعاية والفترات الزمنية الأكثر احتمالًا للتأثير على سلوك الوصف.

بالنسبة للمسوقين الصيدلانيين، يخلق هذا نهجًا أكثر ديناميكية وتنسيقًا لتسويق مقدمي الرعاية الصحية (HCP) والمستهلكين، يجمع بين السلوك التاريخي والإشارات في الوقت الفعلي لتحديد من يجب الوصول إليه، ومتى يتم الوصول إليه، وما سيكون الأكثر صلة في تلك اللحظة.

النماذج الأساسية قوية جدًا في التعامل مع اللغة، بينما قد تكون النماذج التنبؤية المتخصصة أكثر ملاءمة للبيانات الصحية المهيكلة والنتائج المحددة بدقة. كيف تفكر في دمج نماذج اللغة الكبيرة مع أنظمة التعلم الآلي التقليدية عند بناء منتجات الذكاء الاصطناعي في مجال الرعاية الصحية؟

سؤال رائع! كما أشرت إليه سابقًا في المحادثة، الهدف ليس دمج هذه التقنيات الذكائية عشوائيًا لمجرد المتعة. الهدف دائمًا هو الوصول إلى تنبؤ أكثر دقة يمكنه حل مشكلة عميل محددة بشكل أفضل. الكثير من بيانات الرعاية الصحية مهيكلة (على الرغم من أنها قد تكون غير نظيفة، جزئية، ومتأخرة)، مما يجعلها مثالية للتنبؤ باستخدام السمات العددية والفئوية. ومع ذلك، هناك بعض جوانب خط أنابيب البيانات الخام (مثل الملاحظات السريرية، المحتوى الإبداعي/النص) التي يمكن أن تستفيد من نماذج اللغة الكبيرة كأساس لتكون معالجًا مسبقًا لتشفير الميزة قبل تطبيقها على مشكلة تنبؤ مهيكلة – مثل “هل هذا المريض جاهز لتغيير العلامة التجارية؟”.

تعمل OptimizeRx بشكل متزايد على ربط الذكاء بين مقدمي الرعاية الصحية (HCP) والمستهلكين مباشرةً بحيث يمكن تنسيق التفاعل مع المرضى ومقدمي الرعاية بشكل أفضل. كيف يمكن للذكاء الاصطناعي ربط هذين الجانبين من رحلة الرعاية الصحية مع الحفاظ على حدود الخصوصية المطلوبة عند التعامل مع بيانات صحية حساسة؟

يجسر الذكاء الاصطناعي بين مشاركة المرضى ومقدمي الرعاية من خلال تقييم الإشارات السريرية الواقعية لتحديد لحظات الرعاية المشتركة، بدلاً من تتبع الأفراد. تربط التقنية الجانبين بتحليل اتجاهات مجموعات المرضى غير المحددة الهوية إلى جانب سلوكيات وصف الأطباء. يتيح ذلك لفرق التسويق مواءمة التثقيف الاستهلاكي، مثل الإعلانات التلفزيونية أو الرقمية أو الاجتماعية، مع معلومات نقطة الرعاية في نظام السجلات الصحية الإلكترونية للطبيب، مما يضمن حصول كل من المريض والطبيب على معلومات ذات صلة في نفس نقطة اتخاذ قرار العلاج.

للحفاظ على الامتثال الصارم للخصوصية، يعمل الذكاء الاصطناعي بالكامل على بيانات غير محددة الهوية ومجمعة باستخدام تقنية Micro-Neighborhood الحاصلة على براءة اختراع التي ذكرتها أعلاه. بدلاً من استهداف المرضى الفرديين أو استخدام تتبع الصحة الشخصية، يحلل النظام الاتجاهات السريرية على مستوى جغرافي محلي، ويقارن تلك الاتجاهات بنشاط الأطباء في المنطقة. يخلق هذا النهج حملة متزامنة بالكامل تحترم خصوصية المستهلك، وتضمن الامتثال الكامل لقانون HIPAA وقوانين خصوصية الولايات، مع الاستمرار في تقديم رسائل رعاية منسقة وفي الوقت المناسب.

مع انتقال الذكاء الاصطناعي من توليد التوصيات إلى التأثير على من يتم الاتصال به، ومتى يتم الاتصال به، وما الإجراء الذي يجب أن يحدث بعد ذلك، تصبح عواقب التنبؤ الخاطئ أكثر أهمية. أين يجب أن يبقى الإشراف البشري إلزاميًا، وأي قرارات تعتقد أن الذكاء الاصطناعي يمكنه في النهاية اتخاذها بشكل مستقل؟

في علوم الحياة، هناك فرق جوهري بين نظام ذكاء اصطناعي يحدد أي جمهور هو الأكثر صلة برسالة تعليمية وآخر يتخذ قرارًا قد يؤثر مباشرة على رعاية المريض. كلما اقترب القرار المدفوع بالذكاء الاصطناعي من الحكم السريري أو أهلية المريض أو نتائج ذات تأثير عالي، كلما أصبحت المساءلة البشرية أكثر أهمية.

هناك أيضًا تمييز بين الإشراف والتدخل. لا يحتاج الذكاء الاصطناعي بالضرورة إلى موافقة شخص على كل إجراء منخفض المخاطر، لكنه يحتاج إلى حدود واضحة، وإمكانية التدقيق، وآليات لاكتشاف متى يخرج سلوكه عن تلك الحدود. يتيح ذلك للبشر البقاء مسؤولين دون خلق عنق زجاجة يضعف قيمة الأتمتة.

أعتقد أن الذكاء الاصطناعي يمكنه بشكل متزايد اتخاذ قرارات مستقلة حول الأنشطة ذات المخاطر المنخفضة والحجم الكبير، مثل تحديد أولويات الجمهور، واختيار القنوات، وتوقيت وتسلسل الرسائل، عندما تكون تلك القرارات مستندة إلى بيانات محكومة وتُراقب باستمرار. يجب أن يكون الهدف هو حجز الحكم البشري للقرارات التي تتطلب السياق والمسؤولية والعواقب، مع السماح للذكاء الاصطناعي بالتعامل مع التعقيد التشغيلي الذي لا يستطيع البشر إدارته على نطاق واسع. كما أرى أنه من المفيد إبقاء الأطباء المرخصين كـ “بشر في الحلقة” عند نقاط التفتيش المناسبة. والشركات التي لديها أطباء في طاقمها هي التي ستحقق التوازن بين الحجم والامتثال.

غالبًا ما يكون هناك فجوة بين أداء نموذج الذكاء الاصطناعي وفقًا للمقاييس التقنية وتحسين النتائج في العالم الحقيقي. ما هي المقاييس الأكثر أهمية عند تقييم الذكاء الاصطناعي في تسويق علوم الحياة، وكيف تتجنب تحسين المؤشرات الوهمية مثل التفاعل عندما يجب أن يكون الهدف النهائي تحسين نتائج المرضى؟

يجب أن يُقَيَّم الذكاء الاصطناعي في التسويق في النهاية بناءً على القيمة التي يخلقها عبر رحلة الرعاية، وليس على مدى كفاءته في تحسين تفاعل واحد. وهذا يتطلب الاعتراف بأن التفاعل هو وسيلة لتحقيق هدف: النقر، أو التفاعل المكتمل، أو حتى التنبؤ الدقيق لا يهم إلا إذا ساهم في إنشاء تدخل أكثر صلة يمكنه التأثير على ما سيحدث لاحقًا.

في علوم الحياة، سأنظر إلى تطور المقاييس – من جودة الجمهور وتوقيت التدخل، إلى تغييرات سلوك مقدمي الرعاية مثل الوصفات، وأخيرًا التأثير اللاحق على المرضى. التحدي هو أنه كلما تقدمت إلى مراحل أبعد، كلما أصبح قياس النتائج وتخصيصها أصعب، مما يجعل من المغري تحسين المقاييس التي يسهل جمعها.

هنا يأتي دور استراتيجية الذكاء الاصطناعي. نحتاج إلى تصميم أطر قياس تربط أداء النموذج وإشارات التفاعل بنتائج سلوكية، وعند الإمكان، سريرية ذات معنى. في OptimizeRx، يعني ذلك استخدام بيانات الرعاية الصحية الواقعية لفهم ليس فقط ما إذا كنا قد وصلنا إلى شخص ما، بل ما إذا وصلنا إلى الشخص المناسب في النقطة المناسبة من رحلة الرعاية، وما إذا كان ذلك التدخل قد أحدث فرقًا قابلًا للقياس.

نظرة إلى المستقبل خلال ثلاث إلى خمس سنوات، كيف سيبدو تنظيم تجاري لعلوم الحياة يعتمد على الذكاء الاصطناعي من الألف إلى الياء؟ هل تتوقع أن تبدأ الوكلاء المستقلين في إدارة أجزاء من حلقة اتخاذ القرار التجاري بأنفسهم، أم أن التطور الأكثر أهمية سيكون استمرار الذكاء الاصطناعي في توفير الذكاء للفرق البشرية؟

أعتقد أن إطار “الوكيل” قد لا يكون ذا صلة في السنوات القادمة. بدلاً من ذلك، أفكر في شركات علوم الحياة التي تعيد هيكلة نفسها لتصبح أنظمة بيئية للبيانات يمكن لأي تقنية ذكاء اصطناعي استخدامها بحرية. حتى بعد 5 سنوات، لا أتوقع أن يتم أتمتة العديد من “القرارات التجارية” بالكامل عبر الوكلاء. بل أتوقع أن يتزايد حجم التجارب في جانب البحث والتطوير بسرعة، وأن تكون الذكاء المدمج في اتخاذ القرار التجاري البشري أكثر قوة بكثير. حالياً، تُنظم شركات علوم الحياة حول هياكل تنظيمية تحدد طرق عملها، وفقاً لقانون كونواي. وبالتالي، نرى أن التسويق للمهنيين الصحيين (HCP) والتسويق المباشر للمستهلك (DTC) لا يزال يُجرى في صوامع منفصلة، ولا تتماشى فرق التحليل والتسويق بشكل كامل. مع تغير نظام البيانات الأساسي، ستتغير الفرق البشرية نفسها، لتصبح أكثر تكاملًا وظيفيًا، وبالتالي لا تزال متوافقة مع قانون كونواي. ستصبح المؤسسات أسرع في تنفيذ الرؤى التي يمكن للذكاء الاصطناعي تقديمها الآن، وكذلك الرؤى الجديدة التي سيقدمها لنا في المستقبل مع استمرار تطوره وتصبح أكثر تعقًّاً.

شكراً على المقابلة الرائعة. القراء الذين يرغبون في معرفة المزيد عن الشركة وحلولها التقنية في مجال الرعاية الصحية يمكنهم زيارة OptimizeRx.