Vasili Razhnou, CEO a zakladatel MEDvidi – Interview Series

Vasili Razhnou je CEO a zakladatel MEDvidi, platformy pro duševní zdraví poháněné umělou inteligencí. Jako sériový zakladatel s více než 15 lety zkušeností v oblasti zdravotnictví a podnikání založil pět technologických startupů. V MEDvidi Vasili vede vývoj klinických nástrojů poháněných umělou inteligencí, které snižují administrativní zátěž a umožňují poskytovatelům poskytovat rychlejší a konzistentnější péči. Pod jeho vedením společnost dosáhla 30 milionů dolarů v ARR.

Vy jste strávil více než deset let budováním zdravotnické infrastruktury, od počáteční digitalizace klinik až po rozšiřování několika telehealth projektů, než jste založil MEDvidi. Jaký konkrétní problém nebo okamžik vás vedl k založení společnosti, a jak tyto dřívější zkušenosti ovlivnily váš přístup ke stavbě klinických systémů poháněných umělou inteligencí?

To začalo dlouho před MEDvidi. V roce 2008, když jsem se připojil ke své první klinice, všechno ještě běželo na papíru. Naše kanceláře byly plné zdravotních záznamů, což vytvářelo fyzickou a mentální zátěž. Trvalo to asi pět dní, než jsme mohli najít a získat pacientovy záznamy.

Koupil jsem skener a shredder, abych digitalizoval všechno. Tato jednoduchá změna transformovala, jak klinika fungovala. Ušetřilo to peníze a čas a pacientovy záznamy byly snadno přístupné. Jednoduchý krok ukázal, že někdy operační infrastruktura je základem dobré péče.

Od té doby jsme postavili online rozhraní s cloudovým úložištěm, poté malý intake a EHR systém, přidávali funkce rok co rok.

MEDvidi původně vznikl z tradičních offline klinik v San Francisku a Miami v roce 2019 a přešel na vlastní telehealth platformu v roce 2020, aby zpřístupnil péči o duševní zdraví po celých Spojených státech. Zatímco jsme stavěli společnost, uvědomili jsme si, že poskytovatelé jsou zahlceni – tráví v průměru 16 hodin týdně administrativními úkoly.

Abysme řešili tuto úzkou místa, vyvinuli jsme klinický nástroj poháněný umělou inteligencí. Dnes MEDvidi poskytuje péči o běžné podmínky, jako je ADHD, úzkost a deprese, po celých Spojených státech, zatímco automatizuje pracovní postupy a správu léků pro klinické pracovníky s umělou inteligencí. Snížením tření v dokumentaci a administrativní práci rozšiřujeme jak přístup pacientů, tak kapacitu poskytovatelů.

Viděl jste, jak se zdravotnictví vyvíjelo od manuálních pracovních postupů po velké telehealth platformy. Jaké jsou největší operační neefektivnosti, které stále přetrvávají dnes, a proč byly tak obtížné vyřešit bez umělé inteligence?

Největší problém ve zdravotnictví je stále kapacita poskytovatelů. Tráví příliš mnoho času administrativními úkoly, což jim nezůstává čas na nové pacienty. V MEDvidi to vidíme na první pohled – do tří měsíců od připojení k nám jsou většina poskytovatelů 80% rezervovaných s pacienty na následné návštěvy.

Během těchto návštěv je většina času strávena rutinními administrativními úkoly, jako je ověření identity pacienta, charting, stažení PDMP zpráv, hodnocení pro chování spojené se zneužíváním drog, přezkum lékařské historie atd. Tyto jsou důležité úkoly, ale nevyžadují klinického úsudku pro komplexní diagnózu.

Umělá inteligence to změnila – můžeme nyní automatizovat většinu z nich. Například AI Chart Generator přepisuje návštěvy v reálném čase, aktualizuje dokumentaci každých 60 sekund a snižuje čas chartingu o 10x. AI Chart Reviewer monitoruje 100% klinických setkání pro dodržování SOP, snižuje čas přezkumu chartingu o 80%, zatímco zpracovává ověření ID, detekci chování spojeného se zneužíváním drog a dodržování směrnic. AI Receptionist zpracovává přeprogramování prostřednictvím SMS a hlasu, shromažďuje problémy související s léky od pacientů, poskytuje aktualizace a integruje informace do pracovních postupů.

Vaše platforma se silně zaměřuje na automatizaci rutinních psychiatrických pracovních postupů, zatímco udržuje lékaře v obraze. Jak definujete správnou hranici mezi automatizací a klinickým rozhodováním?

Poskytovatelé zdravotní péče zůstávají v centru péče. To je jediný správný způsob, jak to udělat. Umělá inteligence MEDvidi je navržena tak, aby podporovala a posilovala klinické pracovníky, nikoli je nahrazovala. Každé klinické rozhodnutí, předpis a léčebný plán je přezkoumán a schválen licencovaným zdravotnickým pracovníkem.

Věřím, že zdravotnictví potřebuje více důkazů, že technologie může zlepšit efektivitu, aniž by ohrozila bezpečnost. Naším cílem je zajistit, aby poskytovatelé neztráceli svůj úsudek na úkoly, které jej nevyžadují. Když stabilní pacient přichází na rutinní následnou návštěvu a případ je přímočarý, umělá inteligence může zpracovat přípravu, dokumentaci a přezkum, a poskytovatel potvrzuje rozhodnutí. Lidský je vždy v obraze, ale zajistíme, aby jejich čas byl stráven tam, kde to skutečně záleží.

AI Prescribing Assistant je vyškolena na skutečných klinických datech a vyžaduje schválení lékaře pro každé rozhodnutí. Jak přemýšlíte o bezpečnosti, odpovědnosti a auditovatelnosti při nasazování umělé inteligence v tak rizikových prostředích?

Když operujete v vysoce regulovaném prostoru, jako je zdravotnictví, nemůžete si dovolit udělat chybu.

Na rozdíl od ostatních zdravotnických nástrojů umělé inteligence, které jsou vyškoleny na nespecifických zdravotnických datech, je umělá inteligence MEDvidi vyškolena na 130 000+ skutečných psychiatrických návštěv, poskytující doménovou specifickou přesnost. Je to unikátní infrastruktura, vytvořená a vyškolena pro psychiatrické pracovní postupy, regulace a požadavky na kontrolní látky.

Naše systém umělé inteligence funguje jako klinická verifikační vrstva, založená na zásadách založených na důkazech a vlastním datasetu tisíců skutečných historických návštěv. Zajišťuje, aby každý předpis souhlasil se standardy a poskytoval regulátorům transparentní dohled. Kriticky, umělá inteligence nečiní nezávislá rozhodnutí.

Mnohé telehealth platformy čelily kritice ohledně nadměrného předepisování a nesouladů v pobídkách. Jak mohou systémy umělé inteligence skutečně zlepšit dodržování předpisů a obnovit důvěru, místo aby zesílily tyto rizika?

Ve zdravotnictví jsou vždy dvě složky: obchodní strana a klinická strana. Mnohé telehealth společnosti rozostřily tuto hranici během boomu, priorizovaly růst a v některých případech kompromitovaly klinickou přísnost.

V MEDvidi jsme vždy tyto funkce přísně oddělovali. Klinická rozhodnutí nejsou nikdy ovlivňována obchodními pobídkami. Naše systémy umělé inteligence vlastně posilují toto oddělení, místo aby je oslabovaly.

Jednou z klíčových způsobů, jakým to děláme, je prostřednictvím AI poháněného přezkumu chartingu. Každé setkání pacienta je zkontrolováno proti standardizovaným klinickým SOP, aby se zajistilo, že léčebný plán je vhodný a dodržuje předpisy. Tyto SOP nejsou vytvořeny obchodními týmy – jsou vyvinuty a průběžně přezkoumány výborem licencovaných zdravotnických pracovníků a sladěny se všemi příslušnými zákony a předpisy. Jsou navrženy s jediným cílem: poskytovat nejlepší možnou péči pro každého jednotlivého pacienta. Důležité je, že tyto protokoly jsou plně auditovatelné a mohou být kdykoli přezkoumány regulátory.

Umělá inteligence se stává vrstvou konzistence a odpovědnosti. Pomáhá zajistit, aby rozhodnutí o péči byla založena na klinických standardech, nikoli na subjektivním tlaku, časových omezeních nebo požadavcích pacientů. To také znamená, že někdy říkáme ne. Pokud pacient přichází s očekáváním konkrétního léku, protože o něm četl online, ale není klinicky vhodný, naši poskytovatelé jej nepředepíší – a umělá inteligence pomáhá vynutit tento standard konzistentně.

Existuje kompromis. Pacienti, kteří neobdrží očekávanou léčbu, mohou odejít s negativními recenzemi. Ale to je cena za odpovědnou medicínu. Dlouhodobě je tento druh transparentního, protokolu řízeného a auditovatelného systému tím, co posiluje dodržování předpisů a obnovuje důvěru napříč pacienty, poskytovateli a regulátory.

Vy jste zdůraznili, že až 80 % psychiatrických návštěv jsou rutinní následné návštěvy. Jak automatizace těchto interakcí fundamentálně mění přístup k péči a ekonomiku poskytování duševní péče?

Dnes je přístup k péči o duševní zdraví omezen ne poptávkou, ale tím, jak je čas klinického pracovníka alokován. Až 80 % psychiatrických návštěv jsou rutinní následné návštěvy – často vyvolané regulačními požadavky spíše než klinickou složitostí. Ve mnoha z těchto případů poskytovatel ověřuje, zda stabilní pacient pokračuje ve stejné léčbě, bez významných změn.

To vytváří strukturální úzké místo. Kliničtí pracovníci tráví většinu svého času udržováním stávajících pacientů, zatímco noví pacienti čekají 6 až 9 týdnů, aby byli viděni. To je přesně tam, kde automatizace má největší dopad. Pro stabilní pacienty je pracovní postup vysoce strukturovaný: kontrola symptomů, monitorování vedlejších účinků, ověření dodržování a kontrola compliance.

Tyto jsou protokolem řízené interakce, které může umělá inteligence zpracovat konzistentně a ve velkém měřítku. Když něco spadne mimo očekávané parametry – nežádoucí reakce, změna symptomů nebo jakékoli červené vlajky – případ je okamžitě eskalován k poskytovateli.

Přenesením těchto rutinních interakcí na umělou inteligenci fundamentálně rebalancujeme kapacitu. Kliničtí pracovníci mohou přesměrovat svůj čas na nové pacienty a složitější případy, kde je lidský úsudek kritický.

To samo o sobě rozšiřuje přístup bez zvýšení počtu poskytovatelů.

Ekonomika se také mění. Náklad na službu pro stabilního pacienta klesá výrazně, zatímco produktivita poskytovatele se zvyšuje. Místo toho, aby byl omezujícím faktorem, se čas klinického pracovníka stává využitým zdrojem. Ve velkém měřítku to znamená kratší čekací doby, nižší náklady a schopnost sloužit populacím, které byly dříve nedostatečně obsluhovány – včetně pacientů z venkova a těch, kteří nemohou vzít volno z práce.

Stručně řečeno, automatizace nevyřazuje péči – pouze ji přerozděluje. Odstraňuje regulační a administrativní zátěž z klinických pracovníků a mění ji na škálovatelnou infrastrukturu, což je nakonec to, co odemkne přístup.

Vaší recentní článku Proč je umělá inteligence ve zdravotnictví nasazována na nesprávném místě, argumentujete, že odvětví se příliš soustředí na nahrazování klinických pracovníků místo řešení administrativních úzkých míst. Jaké jsou největší mýty, které pohání tuto nesrovnalost?

Lidé stále mají tendenci myslet, že “umělá inteligence ve zdravotnictví” znamená pouze ChatGPT, který mluví s pacienty místo skutečných lékařů a předepisuje léky bez kontroly.

Infrastruktura umělé inteligence ve zdravotnictví je vysoce komplexní a vždy vyžaduje lidský dohled. Když společnosti pokusí zkrátit cestu a jít přímo k autonomnímu klinickému rozhodování, narazí na problémy s důvěrou, regulacemi a bezpečností.

Správný vstupní bod je administrativní vrstva. Opravte to nejprve, demonstrovat a prokázat bezpečnost, vybudovat důvěru a poté expandovat z toho. To je cesta, kterou MEDvidi jde.

Pokud je administrativní automatizace nejvýnosnějším vstupním bodem pro umělou inteligenci ve zdravotnictví, které konkrétní pracovní postupy by organizace měly prioritizovat nejdříve, aby viděly okamžitý dopad?

Největší chyba je pokusit se vrstvit umělou inteligenci na top rozbitých pracovních postupů. Cílem by nemělo být.incrementální zlepšení – mělo by to být přepracování, kde zcela nové pracovní postupy mohou být postaveny s umělou inteligencí.

Zahajte tím, že mapujete klinický a provozní proces od začátku do konce a identifikujete, kde je skutečně stráven čas. Ve většině organizací jsou největší úzká místa plánování, tok pacientů a dokumentace. Tyto jsou úkoly s vysokým objemem, opakující se, kde může umělá inteligence dodat okamžitou návratnost investic. Automatizace plánování snižuje neúčast a nečinnost poskytovatelů. AI poháněná dokumentace – jako přepis v reálném čase a generace chartingu – odstraňuje jednu z největších zátěží na klinických pracovnících.

Ale skutečná příležitost jde za optimalizací. Některé pracovní postupy, zejména rutinní následné návštěvy nebo kontroly compliance, mohou být plně přepracovány kolem umělé inteligence, místo aby byly pouze asistovány. To je místo, kde dochází ke skokovým ziskům.

Monitorování compliance je dalším dobrým příkladem. Dnes organizace manuálně auditují malý procentní podíl setkání. S umělou inteligencí můžete přezkoumat 100% interakcí v reálném čase, označit mezery v dokumentaci, odchylky od SOP a potenciální rizika, než se eskalují.

V některých případech tyto nové AI-nativní pracovní postupy nemusí zapadat přesně do stávajících regulačních rámců. To znamená, že organizace musí být připraveny ověřit svůj přístup, vygenerovat důkazy a úzce spolupracovat s regulátory, aby prokázali bezpečnost a dodržování předpisů.

Společnosti, které uvidí největší dopad, nejsou ty, které přidávají funkce umělé inteligence, ale ty, které jsou ochotny přestavět základní pracovní postupy kolem toho, co umělá inteligence umožňuje.

Zdravotnictví je unikátně komplexní s vrstvenými regulacemi, fragmentovanými daty a vysokými následky pro chyby. Jak vypadá architektura umělé inteligence, která je připravena k produkčnímu použití v tomto prostředí, ve srovnání s demonstračními nebo pilotními systémy?

Umělá inteligence by měla být vyškolena na doménově specifických, skutečných klinických datech a postavena kolem skutečných pracovních postupů. Každý výstup by měl být auditovatelný. To znamená, že všechny charty, označené předpisy, kontroly SOP jsou přezkoumatelné a stopovatelné.

Systém připravený k produkčnímu použití také musí zohlednit, jak je péče skutečně poskytována. Poskytovatelé jsou velmi založeni na protokolech. Když najmete nezávislé klinické pracovníky, přinášejí zvyky z předchozích prostředí. Umělá inteligence standardizuje to způsobem a podporuje tyto pracovní postupy.

Znovu, vrstva lidského dohledu je kritická. Umělá inteligence by měla zpracovat administrativní a analytickou zátěž, zatímco kliničtí pracovníci zůstávají odpovědní za konečná rozhodnutí.

Nejdůležitější je, že systém by měl být postaven od základu s ohledem na dodržování předpisů, bezpečnost a spolehlivost.

Pohledem do budoucna, jak vidíte, že umělá inteligence změní telehealth a předepisování léků v průběhu příštích tří let, zejména když regulátoři začnou reagovat na počáteční nasazení, jako jsou AI-asistované předepisovací pracovní postupy?

Regulační prostředí se mění. Umělá inteligence je již zde ve zdravotnictví. Státy, jako je Utah, vytvářejí sandboxy, aby umožnily technologickým společnostem demonstrovat, co může umělá inteligence udělat, včetně předepisování kontrolních látek.

V průběhu příštích tří let uvidíme plně automatizovanou následnou péči pro stabilní pacienty. AI-managed návštěvy s lékaři v dozorčí roli, potvrzující rozhodnutí. Tento model činí péči rychlejší a levnější pro lidi, kteří目前 nemohou získat přístup k ní.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit MEDvidi.