Kamya Elawadhi, medstifter og præsident for Doceree – Interviewserie

Kamya Elawadhi, medstifter og præsident for Doceree, er en leder inden for sundhedsmarkedsføring og forretningsstrategi, som har spillet en central rolle i virksomhedens vækst siden hun startede i 2019. Hun har avanceret gennem ledelsespositioner, der spænder over platformstrategi, virksomhedsudvikling, kundeservice og globale partnerskaber, og har hjulpet med at omsætte Docerees teknologi til målbar værdi for farmaceutiske mærker, bureauer, udgivere og sundhedssystemer. I sin nuværende rolle leder Elawadhi virksomhedens globale vækstagenda og støtter udvidelsen i USA med fokus på privatlivsbevidst og klinisk relevant kommunikation. Før Doceree havde hun seniorroller inden for klient- og kontoleder i HS Ad India og McCann Worldgroup, hvor hun arbejdede med sundheds‑, medicinsk udstyrs‑ og forbrugerbrands samt ledede tværfunktionelle og multikulturelle teams.

Doceree er et AI‑først sundhedsmarkedsførings‑operativsystem designet til at hjælpe life science‑organisationer med at engagere sundhedsprofessionelle og patienter med større kontekst og præcision. Platformen kombinerer verificerede professionelle identitetsdata, realtids‑signaler om klinisk intention, programmatisk aktivering, point‑of‑care‑engagement og et AI‑resoneringslag, der koordinerer budskaber på tværs af kanaler. Ved at forbinde lægers bevidsthed og ordinationsbeslutninger med patientens behandlingsforløb, inklusive overkommelighed, første receptudfyldninger og genopfyldninger, sigter Doceree mod at give sundhedsmarkedsførere et mere samlet overblik over kampagnens præstationer, samtidig med at der understøttes privatlivs‑ og regulatorisk overholdelse.

Du startede hos Doceree i virksomhedens første år og spillede en central rolle i opbygningen af dens tilstedeværelse i USA, før du blev medstifter og præsident. Hvad tiltrak dig oprindeligt ved virksomhedens grundlæggende vision, og hvordan har den vision udviklet sig, efterhånden som AI er blevet vigtigere inden for sundhedssektoren?

Det, der tiltrak mig ved Doceree, var klarheden i det problem, der blev løst. Sundhedsmarkedsføring har i årevis kørt på lånt infrastruktur, med værktøjer udviklet til andre brancher og anvendt i et af verdens mest regulerede miljøer. Den oprindelige vision var at bygge noget, der var specifikt designet til sundhedssektoren fra bunden.

Det, der har udviklet sig, er omfanget af, hvad AI gør muligt. Tidligt var fokus på præcision: at nå den rette læge på det rette tidspunkt. AI har udvidet, hvordan dette øjeblik kan se ud, fra blot at levere en besked til at læse intention, igangsætte samtaler og forbinde engagement på tværs af hele patientforløbet. Den grundlæggende overbevisning har ikke ændret sig. Ambitionen er vokset, fordi værktøjerne er.

Doceree har for nylig introduceret Generative AI Connectors til ChatGPT og Claude. Hvilke funktioner giver disse integrationer, og hvilke sundheds‑ eller farmaceutiske teams vil sandsynligvis have mest udbytte af dem?

Integrationerne med platforme som ChatGPT og Claude handler om at bringe Docerees kliniske og kommercielle intelligens ind i de værktøjer, som farmaceutteams allerede bruger dagligt. I stedet for at skifte mellem systemer kan mærke‑ og bureauteams nu forespørge kampagnens præstation, få adgang til HCP‑engagement‑indsigter og frembringe handlingsorienterede anbefalinger direkte i deres AI‑assistent‑arbejdsflow.

De teams, der får mest udbytte, er dem, der træffer hurtige, datadrevne beslutninger: brand‑managers, der følger kampagnens præstation på tværs af markeder, bureauteams, der overvåger HCP‑engagementsmønstre, og kommercielle ledere, der har brug for en syntese af flere datastreams uden at vente på rapporter. Det fjerner et lag af friktion, som altid har eksisteret mellem data og beslutning. For mig er det her den reelle værdi ligger.

Hvordan passer Generative AI Connectors ind i Docerees overordnede AI‑strategi, og hvilke funktioner forventer du at tilføje, efterhånden som virksomhedens adoption vokser?

Connectorerne fungerer som et lag af Daily Command, som sidder ved siden af Semmelweis, vores farmaceut‑specifikke resonansmodel, og Analytics Workbench. Tanken bag dem er enkel: farmaceutteams allerede arbejder i ChatGPT og Claude hver dag, så vi bringer Docerees kliniske intelligens ind i de værktøjer, de allerede bruger, med HIPAA‑sikre sikkerhedsforanstaltninger indbygget fra starten.

Efterhånden som adoptionen vokser, går retningen mod dybere proaktiv intelligens. Systemer, der frembringer det rette signal, før nogen tænker på at spørge efter det. Det er, hvad vi bygger på.

Doceree bruger udtrykket “klinisk intelligens” til at beskrive en del af sin teknologi. Hvad betyder det fra et arkitekturperspektiv, og hvordan supplerer det de underliggende store sprogmodellers kapaciteter?

Klinisk intelligens er i sin kerne det lag, der gør generel AI anvendelig inden for sundhedssektoren. Store sprogmodeller er yderst kapable, men de forstår ikke naturligt en diagnoses kode, et ordinationsmønster eller hvad det betyder, når en læge vælger en specifik behandling for en bestemt patientprofil. Klinisk intelligens er det, der bygger bro over dette hul.

Arkitektonisk sidder det mellem de rå datasignaler, der kommer fra kliniske arbejdsprocesser, og AI‑modellerne, der fortolker dem. Det leverer den kontekst, der gør output handlingsorienteret i stedet for generisk. Uden dette har du en kraftfuld model, der arbejder med ufuldstændige oplysninger. Med det har du noget, der faktisk kan påvirke et reelt klinisk øjeblik.

Hvordan hjælper Docerees Semmelweis AI‑system med at fortolke sundhedsdata og omsætte dem til brugbare indsigter for farmaceutiske teams?

Semmelweis er bygget omkring en simpel idé: sundhedsdata er kun nyttige, hvis de kan fortolkes i klinisk kontekst, ikke blot behandles i stor skala. Farmaceutiske teams har enorme mængder af engagement‑ og receptdata, men kløften har altid ligget mellem at have disse data og at vide, hvad man skal gøre med dem.

Semmelwis lukker dette hul ved at læse signaler på tværs af den kliniske rejse og identificere, hvor intention dannes eller aftager. Disse indsigter fødes direkte ind i Daily Command, vores AI‑arbejdssystem for farmaceut‑brand‑teams, og omdanner mønstergenkendelse til anbefalinger, som kommercielle teams kan handle på med det samme, uden at en data‑science‑team behøver at være til stede.

ChatGPT og Claude har forskellige modeller, grænseflader og virksomheds‑miljøer. Hvilke tekniske udfordringer stødte jeres team på, da I skabte en ensartet oplevelse på tværs af begge platforme?

Den grundlæggende udfordring var at sikre, at hver prompt og hvert svar, uanset hvilken platform brugeren befandt sig på, holdt sig inden for de samme compliance‑retningslinjer. Sundhedsdata tilpasser sig ikke efter, hvilken AI‑assistent der stiller spørgsmålet. Det egentlige arbejde var at bygge et styret integrationslag, der sidder mellem Docerees kliniske intelligens og begge platforme, så svar altid er forankret i Semmelweis‑resonering og Doceree‑data og altid kan auditeres fra ende til anden. Konsistens i compliance var det sværere problem at løse.

Hvordan hjælper connectorerne brugerne med at forstå, hvor en AI‑genereret indsigt stammer fra, og hvilke data eller ræsonnementer der bidrog til svaret?

Hvert svar via connectorerne er forankret i Doceree‑data og Semmelweis‑resonering. Når et brand‑team stiller et kommercielt spørgsmål, understøttes svaret af kliniske intention‑signaler, identitetsdata og kampagneinput specifikke for deres brand. Hele arbejdsflowet er styret og kan auditeres fra ende til anden. I en reguleret industri er denne sporbarhed det, der gør AI faktisk anvendelig i en kommerciel beslutningskontekst, og det har været et designprincip fra dag ét.

Sundhedsorganisationer arbejder ofte med følsomme data og komplekse regulatoriske krav. Hvordan indarbejdes privatliv, sikkerhed, adgangskontrol og compliance i designet af disse integrationer?

Dette er noget, vi har tænkt på fra starten som et designprincip. Connectorerne er bygget, så ingen patientdata nogensinde kommer ind i arbejdsflowet. Alt fungerer kun på de‑identificeret HCP‑kontekst. Hver prompt og hvert svar forbliver inden for HIPAA‑sikre retningslinjer, og hele arbejdsflowet er styret og kan auditeres fra ende til anden.

Det betyder i praksis, at et brand‑team kan stille kommercielle spørgsmål i ChatGPT eller Claude og få svar forankret i klinisk intelligens, uden den dataprivatlivsrisiko, som normalt ville følge ved at forbinde følsomme sundhedsdata med en generel AI‑assistent. Sikkerhedsforanstaltningerne er fundamentet, som integrationen er bygget på.

Hvordan evaluerer du kvaliteten af systemets output, herunder deres nøjagtighed, relevans, konsistens og nytte for sundhedsprofessionelle?

Kvalitet i denne sammenhæng betyder noget meget specifikt. Et output er kun nyttigt, hvis det fører til en bedre kommerciel beslutning, og det er i sidste ende, hvordan vi evaluerer det: om handling på det påvirker en vigtig metric, om det øger HCP‑stadie‑fremdrift, første udfyldningsrater, kampagnepræstation.

Den lukkede kredsløb er det, der gør dette muligt. Daily Command er designet til at føde resultater tilbage i resonansmodellen, så hver anbefaling skærpes af, hvad der faktisk virkede. Det er anderledes end en generel AI‑assistent, hvor output evalueres isoleret. Her lærer systemet af, hvad der sker, efter at nogen har handlet på en anbefaling, hvilket over tid er den eneste ærlige målestok for kvalitet.

Efterhånden som farmaceutiske virksomheder adopterer generativ AI, hvilke principper bør vejlede ansvarlig brug i kommunikation rettet mod klinikere og patienter?

Det princip, jeg vender tilbage til oftest, er at AI i sundhedssektoren skal indsnævre usikkerhed, ikke skabe den. Når en kliniker modtager information, der påvirker en behandlingsbeslutning, skal kilden til denne information og ræsonnementet bag den være sporbar. Det er en grundlæggende tillidsstandard.

Udover sporbarhed mener jeg, at ansvarlig brug betyder at holde et menneske i kredsløbet på alt, der har klinisk eller kommerciel vægt. AI skal anbefale og fremhæve. Mennesker skal beslutte og godkende. Det øjeblik, hvor denne grænse sløres, er når risiciene begynder at opveje fordelene.

Og compliance skal være arkitektur, ikke politik. I sundhedssektoren er forskellen mellem de to ting alt.

Tak for det fantastiske interview, læsere der ønsker at lære mere, bør besøge Doceree.