راجان كوهلي، الرئيس التنفيذي لشركة CitiusTech – سلسلة المقابلات: محادثة العودة

راجان كوهلي هو الرئيس التنفيذي لشركة CitiusTech ويتحمل مسؤولية استراتيجية الشركة العالمية ونموها ورسالتها لتسريع الابتكار عبر مجال الرعاية الصحية والعلوم الحياتية. كونه مسؤولًا تنفيذيًا في مجال التكنولوجيا مع أكثر من ثلاثة عقود من الخبرة، قاد راجان مبادرات تحويل رقمي كبيرة في مجالات الرعاية الصحية والهندسة وmodernization السحابية ومنصات البيانات والذكاء الاصطناعي. منذ توليه منصب الرئيس التنفيذي في CitiusTech، ركز على مساعدة منظمات الرعاية الصحية على التحرك ما وراء التحول الرقمي نحو نماذج تشغيل مدفوعة بالذكاء الاصطناعي والتفاعل والتحليلات المتقدمة.

CitiusTech هي شركة رائدة في مجال خدمات التكنولوجيا الصحية والاستشارات والحلول الرقمية التي تخدم مقدمي الرعاية الصحية ومدفوعي الفواتير وشركات التكنولوجيا الطبية ومنظمات العلوم الحياتية في جميع أنحاء العالم. تركز الشركة على منصات بيانات الرعاية الصحية والتفاعل وmodernization السحابية والهندسة الرقمية والتحليلات والذكاء الاصطناعي. مع زيادة demande منظمات الرعاية الصحية لتطبيق الذكاء الاصطناعي على نطاق واسع، وسعت CitiusTech تركيزها نحو بناء أنظمة رعاية صحية مدفوعة بالذكاء التي تجمع بين أسس البيانات الموثوقة والحوكمة والتفاعل والذكاء الاصطناعي المscious. من خلال حلول مثل Knewron ومجتمع الذكاء الاصطناعي والبيانات الأوسع، تساعد CitiusTech المنظمات على تحويل عمليات الرعاية الصحية المتجزئة إلى بيئات متصلة وواعية بالسياق تحسن الكفاءة وصنع القرار ونتائج المرضى.

تعد هذه المقابلة استمرارًا لمحادثتنا السابقة مع راجان كوهلي، حيث استكشفنا دور الذكاء الاصطناعي التوليدي والتفاعل وmodernization بيانات الرعاية الصحية والتحول الرقمي عبر نظام الرعاية الصحية. منذ ذلك الحين، تقدمت الصناعة بسرعة من التجربة مع الذكاء الاصطناعي إلى نشره في بيئات الإنتاج، مما خلق تحديات جديدة حول الحوكمة والثقة والوضوح والتنظيم على نطاق واسع. في هذه المناقشة الأخيرة، يشارك راجان كيف يمكن لمنظمات الرعاية الصحية التحرك ما وراء مشاريع الذكاء الاصطناعي المنعزلة نحو رعاية مدفوعة بالذكاء، ولماذا يعتبر هندسة السياق مهمة حاسمة للرعاية الصحية بالذكاء الاصطناعي، وما الذي سيتطلبه بناء أنظمة موثوقة وقابلة للتطوير لدعم جيل الرعاية الصحية التالي.

تعد 경험ك التي تزيد عن ثلاثة عقود في قيادة مبادرات التحول الرقمي الكبيرة. كيف شكلت هذه الرحلة منظورك على为什么 تعتبر تحول الرعاية الصحية معقدًا بشكل فريد؟

تحول الرعاية الصحية معقد بسبب عدم وجود تعريف واحد للنجاح. غالبًا ما تجذب النتائج السريرية والدقة في الفواتير والمدفوعات والوصول والتكلفة والخبرة في اتجاهات مختلفة. على عكس القطاعات الأخرى، فإن الرعاية الصحية مقيدة بالمخاطر السريرية والرقابة التنظيمية والمسؤولية الأخلاقية. يتم قياس أنماط الفشل bằng نتائج المرضى، وليس تسرب الإيرادات.

هنا يأتي دور هندسة السياق: وهي انضباط هيكلة بيئة المعلومات التي يعمل فيها الذكاء الاصطناعي، بحيث تكون الإخراجات دقيقة سريريًا وواعية بالتدفق ومتوافقة مع القواعد من البداية. يتطلب التوسع التفكير في الأنظمة عبر سلاسل القيمة بدلاً من تحويل الوظائف المنفصلة إلى الرقمية. تتطلب الرعاية الصحية توضيح عميق للتدفقات وسمات البيانات عبر البيانات السريرية وادعاءات والبيانات الخاصة بالأجهزة، بالإضافة إلى مسارات الامتثال المعقدة. يتم بناء منصات مثل Knewron على هذا المبدأ بالضبط، متجاوزة الذكاء الاصطناعي العام إلى دمج السياق المحدد بالصنف في مستوى الهندسة.

يتزايد هذا التعقيد بسبب النظم البيئية المتجزئة التي تشمل مدفوعي الفواتير ومقدمي الرعاية الصحية وشركات التكنولوجيا الطبية والعلوم الحياتية. يعمل كل من هؤلاء اللاعبين على أنظمة ودوافع وسمات بيانات مختلفة. ما يبدو وكأنه مشكلة تكنولوجية على السطح هو في الواقع مشكلة سياق ووضوح في الأساس.

في النهاية، يعتمد نجاح التحول على الثقة الهندسية، لا على تحديث التكنولوجيا فقط. يجب علينا هندسة طبقة الثقة في نظام الرعاية الصحية العالمي بالذكاء الاصطناعي، بتصميم أنظمة يمكن للممرضين والمنظمين الثقة فيها بشكل ضمني في بيئات الرعاية الفعلية. هندسة السياق هي الآلية التي تجعل هذه الثقة ممكنة. عندما يفهم الذكاء الاصطناعي السياق السريري والتشغيلي الكامل للقرار، يكسب هذه الثقة بشكل منهجي، وليس بالصدفة.

لقد وصفتم الرعاية الصحية بأنها تصل إلى نقطة تحول. ما هي القوى المحددة التي تدفع هذا التحول الآن؟

نقطة التحول التي نخبر عنها الآن مدفوعة بالضغط التشغيلي، وليس بالجدة التكنولوجية. الضغوط التكلفة والإرهاق المهني ونقص القوى العاملة الحاد يضطرون أنظمة الرعاية الصحية إلى إعادة التفكير في نماذج التشغيل بالكامل بدلاً من مجرد تحويل النماذج الحالية إلى الرقمية. لا تتمتع العمليات اليدوية بالقدرة على التوسع، خاصة في المطالبات والفواتير والعمليات السريرية، وهو السبب في أن الذكاء الاصطناعي يتم سحبه بشكل عدواني إلى بيئات الإنتاج.

ولكن سحب الذكاء الاصطناعي إلى الإنتاج هو نصف المعادلة فقط؛ النصف الآخر هو ضمان تشغيل الذكاء الاصطناعي بالسياق الصحيح. بدون هندسة السياق، يخاطر الذكاء الاصطناعي في التدفقات السريرية والتشغيلية بإنتاج إخراجات تقنية صحيحة ولكن غير متوافقة سريريًا أو إدارية.

في الوقت نفسه، تفرض القوى التنظيمية مثل قواعد التفاعل في CMS وشفافية الأسعار وقياسات الجودة الرقمية إلزامية على سيولة البيانات وتسريع التحديث. وقد crossed عتبة النضج، مما يجعل تحديث المؤسسة وموافقة الذكاء الاصطناعي على نطاق واسع ممكنًا. أصبح الذكاء الاصطناعي الآن متوافقًا تمامًا مع جاهزية الرعاية الصحية لأننا لدينا تدفقات عمل رقمية وأصول بيانات غنية وإطارات مسؤولية أوضح مما كان عليه في موجات التكنولوجيا السابقة.

ما كان مفقودًا حتى الآن هو الأنسجة الارتباطية بين أصول البيانات الخام والعمل الذكي للذكاء الاصطناعي، وأنسجة الارتباط هذه هي السياق. نحن نشهد طلبًا سوقيًا واضحًا على حلول مصممة خصيصًا لمساعدة منظمات الرعاية الصحية على تحويل الضغط التشغيلي إلى كفاءة قابلة للقياس.

كيف يمكن للرعاية الصحية أن تتجاوز التأخير في التحول الرقمي مقارنة بالصناعات الأخرى؟ ما الذي تغير لجعل نشر الذكاء الاصطناعي على نطاق واسع ممكنًا اليوم؟

يتمتع الذكاء الاصطناعي بقدرة التوسع لأن منظمات الرعاية الصحية تتعلم كيفية ترميز السياسات والخطوط التوجيهية السريرية والمنطق التشغيلي، بدلاً من استهلاك كميات هائلة من البيانات. التحول الأساسي هو الانتقال من نماذج تفسر المعلومات الخام إلى أنظمة تنفذ معرفة محددة بصرامة مع إشراف صارم. هذا هو بالضبط ما تمكّن منه هندسة السياق، بتحويل الذكاء الاصطناعي من التفسير السلبي إلى التنفيذ الفعّال والمدروس بواسطة هيكلة بيئة المعرفة التي تعمل فيها النماذج.

تم تقليل الاحتكاك الأساسي بشكل كبير من خلال اعتماد واسع النطاق لمعايير FHIR وHL7 ومنصات البيانات الأصلية للسحابة والهندسة الموجهة بالحدث. تدرك منظمات الرعاية الصحية بشكل متزايد أن الذكاء الاصطناعي يجب أن يكون مدغمًا في التدفقات العمل بدلاً من وجوده كلوحات مستقلة. الذكاء الاصطناعي المscious بالتدفق هو مفتاح تمكين ذلك، مما يضمن أن الأنظمة تفهم معاني التدفق وتنفذ نتائج قابلة للتنفيذ.

أدوات مثل MLOps وDevSecOps وتوافق التلقائي تمكّن من التحقق المستمر والمراقبة وإعادة التدريب الخاضع للرقابة. نشهد تحولًا واضحًا من التجربة إلى حالات استخدام مرتبطة بالقيمة مثل فجوات الرعاية والتصريح المسبق وصدق المطالبات والتصوير والدعم السريري. هذا التوسع ممكن فقط عند دمج حواجز قوية ومراقبة الإنسان في الحلقة في هذه التدفقات التشغيلية.

تضيف الصناعة وظائف شهرًا بعد شهر، وهذا يساعد لأن الذكاء الاصطناعي لا يُعتبر أخذ الوظائف. يساعد الذكاء الاصطناعي الموسع في توجيه الاستثمارات من أجل نتائج أفضل للمرضى والممرضين.

ما هي العوائق الرئيسية التي تمنع الذكاء الاصطناعي من الانتقال إلى الاستخدام التشغيلي الفعلي في الرعاية الصحية؟

يصعب على الذكاء الاصطناعي التوسع في الرعاية الصحية لأن الحقائق الهيكلية المتعددة تظهر بشكل متزامن. نادرًا ما تعمل عمليات الرعاية الصحية نحو هدف واحد؛ النتائج السريرية والتكلفة والوصول وخبرة المريض ودقة التعويض والمخاطر على المدى الطويل غالبًا ما تتنافس، وتتضمن مقدمي الرعاية الصحية ومدفوعي الفواتير والمنظمين والمرضى. تحديد النجاح معقد ولكن ضروري. تفشل العديد من المشاريع لأنها لا ترسخ في معايير نتائج مشتركة. تساعد السياق الموجهة في معالجة هذا الأمر عن طريق ترميز الأهداف والقيود وأولويات أصحاب المصلحة في البداية بدلاً من الاعتماد على النماذج لاستخلاصها من البيانات الخام.

عقبة أخرى هي تكلفة وeffort الترميز والتحقق. يتطلب التوسع المشاركة المستمرة من الممرضين وخبراء دورة الإيرادات، وقتهم محدود ومكلف وغالبًا ما يتم تقليله خلال مرحلة التجربة.

ثالثًا، تظهر فجوات الحوكمة والتكامل بشكل أكبر على نطاق واسع. غالبًا ما تفتقر المشاريع إلى قابليتها للتدقيق وسيطرة السياسات والرقابة البشرية المطلوبة للتدفقات العمل عالية الخطورة التي تتضمن معلومات المريض. بالإضافة إلى ذلك، تظهر الأخطاء في بيئات العالم الحقيقي، خاصة في المطالبات والفواتير، حيث تفشل الإخراجات في مواصفات مدفوعي الفواتير أو التفاعل. تجعل النظم التكنولوجية المتجزئة، بما في ذلك الأنظمة القديمة والمنصات المملوكة والتبني غير المتساوي لمعايير HL7/FHIR، التكاملات هشة وصعبة بالنسبة لحلول الذكاء الاصطناعي العامة.

يتطلب النجاح على نطاق واسع أن يتوافق الذكاء الاصطناعي مع الأهداف التشغيلية الفعلية، ويدعمه أسس بيانات قوية، ويتصمم لتدفقات العمل المعقدة. ي出现 تحول الآن نحو MVPs محددة القيمة مدفوعة بسلاسل القيمة تستهدف حالات استخدام عالية التأثير بقيمة تجارية واضحة وترعى تنفيذية، مما يغير المحادثة من تجربة الذكاء الاصطناعي إلى تحويل العملية القابلة للقياس.

من منظور الأنظمة، ماذا يبدو نظام الرعاية الصحية الحديث المجهز بالذكاء الاصطناعي، خاصة فيما يتعلق بأنابيب البيانات والتفاعل وبنية السحابة؟

نظام الرعاية الصحية المجهز بالذكاء الاصطناعي هو نظام حيث يتم دمج تنفيذ السياسات والتحقق والترقية مباشرة في التدفقات العمل، وليس إدارته كفكرة ثانوية. يتطلب ذلك منصات بيانات أصلية للسحابة موحدة تبتلع مطالبات السجلات الطبية والتصوير والبيانات التشغيلية في طبقات محكمة.

يجب أن نهتم بالتفاعل الأول مع المعايير باستخدام FHIR وHL7 وSMART على FHIR وDICOM، مدعومة بمحركات التحقق المخصصة. يجب أن يكون هناك فصل واضح للاهتمامات عبر الإدخال والمعالجة والتحليل وخدمات الذكاء الاصطناعي والطبقات الحوكمة. تقع هندسة السياق على تقاطع هذه الطبقات؛ وهي الانضباط الذي يربط البيانات الخام المبتلة بالمدخلات الموجهة والمحكومة والمحسنة семантиًا التي يمكن أن تعمل عليها خدمات الذكاء الاصطناعي بدقة ومسؤولية.

الأمان المدمج غير قابل للمفاوضة، يشمل RBAC والتشفير وإدارة الموافقة والتراث وسجلات التدقيق. يتم قياس نجاح الهندسة في النهاية بفشل الأنظمة بأمان، وليس بتعقيد المكونات. من خلال ترميز الإطارات مثل HIPAA وGDPR مباشرة في طبقة التنفيذ، نبني الطبقة الهندسية الموثوقة المطلوبة للتوزيع العالمي.

كيف تتعامل المنظمات مع معالجة البيانات في الوقت الفعلي والتكامل عبر السجلات الطبية الإلكترونية والأجهزة الطبية ومنصات مدفوعي الفواتير لتمكين اتخاذ القرارات بالذكاء الاصطناعي؟

معالجة الوقت الفعلي مهمة فقط عندما تظهر الإضاءات داخل تدفقات الممرضين والمشغلين، وليس في لوحات ثانوية. التحدي الرئيسي هو إدارة التباين والاستثناءات، وليس التركيز فقط على تدفق البيانات. المنظمات تتعامل مع هذا من خلال البرامج الوسيطة التي تطبيع البيانات وتعززها قبل استهلاك الذكاء الاصطناعي، بدلاً من دفع الإدخالات الخام لأسفل.

هنا يلعب هندسة السياق دورًا حاسمًا. يجب أن يهيكل النظام البيانات الواردة من السجلات الطبية الإلكترونية والأجهزة الطبية ومنصات مدفوعي الفواتير في أساس سياقي متسق، مما يضمن أن مدخلات الذكاء الاصطناعي متوافقة семантиًا مع القرار السريري أو التشغيلي المحدد. هذا يسمح بالتكامل الضيق مع تدفقات السجلات الطبية الإلكترونية، مما يسمح للإضاءات بالظهور في نقطة الرعاية.

أكثر من ذلك، يجعل هذا التكامل ذا معنى وليس تقنيًا فقط، مما يضمن أن الإخراجات تعكس ليس فقط البيانات، ولكن أيضًا الإرشادات السريرية وقواعد مدفوعي الفواتير وقيود التدفق المتعلقة بكل مريض ومواجهة. التركيز على اعتراض التدفق في اللحظة المناسبة وتقديم الدعم القابل للتنفيذ دون تعطيل الإيقاعات التشغيلية الحالية.

ما هي أكبر التحديات الفنية في نشر نماذج الذكاء الاصطناعي في البيئات السريرية، خاصة حول التحقق والمراقبة وإدارة الانحراف؟

أصعب تحدي ليس انخفاض الدقة فقط، ولكن انتشار الأخطاء غير المكتشفة عبر التدفقات العمل المترابطة. تعمل هندسة السياق كخط الدفاع الأول عن طريق هيكلة بيئة المعرفة التي تعمل فيها النماذج. يجب على النظام التحقق من المدخلات لتوافقها السريري والتشغيلي قبل بدء التفكير بالذكاء الاصطناعي، مما يقلل من الأخطاء في المصدر.

يجب أن يتجاوز التحقق المتراكز التلقائي ويشتمل على تفسير بشري، مما يضمن أن الإخراجات تعكس الأهمية السريرية الفعلية وليس الأداء الإحصائي فقط. هذا النهج يربط تقييم النموذج بالنتائج السريرية والإدارية الفعلية بدلاً من المعايير المجردة.

يجب أيضًا إدارة انحراف النموذج بشكل فعال مع تطور السكان والمرضى والإرشادات السريرية والسلوكيات. يتطلب ذلك مراقبة مستمرة مرتبطة بدوائر التغذية الراجعة في العالم الحقيقي، مع نقاط تحقق مدمجة لاكتشاف الانحراف من حيث الأهمية السريرية وتناغم قواعد مدفوعي الفواتير وثبات التدفق.

في النهاية، يعتمد النجاح على موازنة المرونة بالتوقعات التنظيمية الصارمة. يتطلب نشر الذكاء الاصطناعي في البيئات السريرية والصيدلانية حارسًا قويًا، يفرض حواجز أمان ويؤدي إلى مراجعة بشرية ويتطلب إعادة التدريب الخاضع للرقابة قبل أي تأثير يصل إلى رعاية المريض.

كيف تتعامل مع بناء الوضوح والقابلية للتدقيق في أنظمة الذكاء الاصطناعي المستخدمة في بيئات الرعاية الصحية المنظمة؟

الوضوح موجود لكي يتمكن البشر من مناقشة الإخراجات و.override و学习 منها، وليس فقط لفهمها. تجعل هندسة السياق هذه المناقشة هيكلية وليس سطحية، من خلال ترميز الإرشادات السريرية وقواعد السياسة والمنطق التشغيلي مباشرة في بيئة الذكاء الاصطناعي. وبالتالي، يمكن تتبع كل إخراج إلى المدخلات السياقية التي شكّلتها، بدلاً من أن يتم إعادة بناؤها بعد الحادث.

القابلية للتدقيق، بشكل مماثل، يجب أن تخلق ذاكرة مؤسسية وليس فكرة تكميلية. يتم تحقيق ذلك باستخدام السياسة كودًا لدمج القواعد التنظيمية والمنظمة مباشرة في تدفقات التنفيذ، معاملة الإطارات مثل HIPAA وCMS كمدخلات حاكمة من البداية، وليس التحقق الخارجي المطبق لاحقًا.

بالإضافة إلى ذلك، فإن السجلات غير القابلة للتغيير والسجلات القابلة للتدقيق ضرورية لدعم الرقابة التنظيمية والثقة السريرية. يجب على النظام التقاط ليس فقط القرار الذي تم اتخاذه، ولكن السياق الكامل، بما في ذلك البيانات والقيود و状態 التدفق الذي أثر على القرار.

عبر كل هذا، يبقى الإشراف البشري في الحلقة شرطًا أساسيًا للقرارات السريرية عالية الخطورة أو غير القابلة لل đảo. يضمن بناء طبقة الثقة الشفافة أن يكون الجواب متاحًا وقابل للدفاع عندما يسأل المنظم أو الممرض عن سبب توصية نظام الذكاء الاصطناعي بقرار معين.

مع ظهور الأنظمة القائمة على الوكيل والأنظمة المستقلة، ما هي الحواجز اللازمة لضمان الموثوقية ومنع النتائج غير المقصودة في التدفقات السريرية؟

في الرعاية الصحية، الأنظمة القائمة على الوكيل قيمة فقط عندما تكون حدود التutomaton واضحة وقابلة للإلغاء. تساعد هندسة السياق في تحديد هذه الحدود عن طريق هيكلة النطاق التشغيلي والقيود السريرية وطريقة التدرج في بيئة الوكيل، مما يضمن أن يعمل الذكاء الاصطناعي في إطار محكوم.

يتطلب هذا الذكاء الاصطناعي مع المسؤولية، بما في ذلك تعريفات الأدوار واضحة وطرق التدرج ونقاط التحقق القهرية مدمجة في سلوك الوكيل. يجب على النظام أن يضمن أن يعمل الوكيل داخل حدود سريرية وتشغيلية موثوقة ومعمول بها، وليس فقط محددة بالسياسة.

كما يتطلب ذلك مراقبة مستمرة لسلوك الوكيل وجودة القرار والتفاعلات غير المقصودة. ننفذ قيود سياسة تحول دون عمل الوكيل خارج نطاقه السريري أو التشغيلي المعتمد. بالنسبة للتدفقات السريرية، الإشراف البشري في الحلقة هو مبدأ تصميم أساسي، وليس آلية احتياطية.

مع تقدمنا نحو أوركسترا متقدمة للوكيل إلى الوكيل، يجب أن تعمل هذه الوكالات بدقة داخل إطارات محكومة ومحددة، لضمان الموثوقية.

ما هو شكل الرعاية الصحية الموجهة بالذكاء في المستقبل القريب؟

في العقد القادم، سيتقلص الذكاء الاصطناعي الاحتكاك قبل أن يحول الرعاية، بدءًا من الإدارة والتنسيق والدعم القراري. تنجح الرعاية الموجهة بالذكاء عندما يثق الممرضون في الإعدادات افتراضيًا، لكنهم يحتفظون بسلطتهم بصرامة. يصبح الذكاء الاصطناعي منسقًا عبر سلسلة الرعاية، متوقعًا الاحتياجات بدلاً من مجرد رد الفعل على الأحداث.

تجعل هندسة السياق هذا التحول ممكنًا، بتركيب البيانات السريرية والفواتير والتشغيلية على مدار الزمن، بحيث يمكن للذكاء الاصطناعي التفكير عبر سلسلة الرعاية بالعمق المطلوب للعمل الموثوق، وليس مجرد رؤية تنبؤية. هذا يدعم مسارات رعاية أكثر شخصنة ومتواصلة وواعية بالسياق عبر الإعدادات.

العبارة “واعية بالسياق” هي العبارة الفعالة، وليس صدفة. لتوفير مسارات رعاية حقيقية ومتواصلة على نطاق واسع، يجب أن يرث نظام الذكاء الاصطناعي معرفة سياقية عميقة لتاريخ المريض السريري وبيئة مدفوعي الفواتير وإعداد الرعاية. سيتلقى الممرضون دعمًا من مساعدين وذكاء القرار، مما يقلل بشكل كبير من العبء المعرفي والإداري.

بمرور الوقت، ستتطور أنظمة الرعاية الصحية إلى أنظمة تعلم، مما يحسن باستمرار مع تجميع البيانات والنماذج والردود من العالم الحقيقي. من خلال هندسة طبقة الثقة القوية اليوم، نضع الأساس التشغيلي لمستقبل بدون احتكاك.

شكرًا على الإجابات المفصلة، يرجى زيارة CitiusTech لمزيد من المعلومات.