Vasili Razhnou, CEO und Gründer von MEDvidi – Interviewreihe

Vasili Razhnou ist der CEO und Gründer von MEDvidi, einer künstlicher Intelligenz-gestützten Plattform für psychische Gesundheit. Als Seriengründer mit über 15 Jahren Erfahrung im Gesundheitswesen und in der Wirtschaft hat er fünf Technologie-Startups gegründet. Bei MEDvidi leitet Vasili die Entwicklung von künstlicher Intelligenz-gestützten klinischen Tools, die die administrative Belastung reduzieren und es Anbietern ermöglichen, schneller und konsistenter zu pflegen. Unter seiner Führung erreichte das Unternehmen 30 Millionen US-Dollar Umsatz pro Jahr.

Sie haben über ein Jahrzehnt damit verbracht, Gesundheitsinfrastruktur aufzubauen, von der frühen Digitalisierung von Kliniken bis hin zur Skalierung mehrerer Telehealth-Unternehmen, bevor Sie MEDvidi gründeten. Welches spezifische Problem oder welcher Moment hat Sie dazu veranlasst, das Unternehmen zu gründen, und wie haben diese früheren Erfahrungen Ihre Herangehensweise an die Entwicklung von künstlicher Intelligenz-gestützten klinischen Systemen geprägt?

Es begann lange vor MEDvidi. Als ich 2008 meine erste Klinik betrat, lief alles noch auf Papier. Unsere Büros waren voller medizinischer Aufzeichnungen, was physischen und mentalen Ballast schuf. Es dauerte etwa fünf Tage, um Patientenakten zu finden und zu beschaffen.

Ich kaufte einen Scanner und einen Aktenvernichter, um alles zu digitalisieren. Diese einfache Änderung verwandelte, wie die Klinik operierte. Sie sparte Geld und Zeit und machte Patientenakten leicht zugänglich. Eine einfache Aktion zeigte, dass sometimes die operative Infrastruktur die Grundlage für gute Pflege ist.

Von dort aus bauten wir eine Online-Schnittstelle mit Cloud-Speicher, dann ein kleines Intake- und EHR-System, indem wir Jahr für Jahr Funktionen hinzufügten.

MEDvidi entstand ursprünglich aus traditionellen Offline-Kliniken in San Francisco und Miami im Jahr 2019 und wechselte 2020 zu einer benutzerdefinierten Telehealth-Plattform, um psychische Gesundheitsversorgung in den gesamten USA zugänglich zu machen. Während des Aufbaus des Unternehmens erkannten wir, dass Anbieter überfordert sind – sie verbringen im Durchschnitt 16 Stunden pro Woche mit administrativen Aufgaben.

Um diese Engstelle zu beseitigen, entwickelten wir ein künstlicher Intelligenz-gestütztes klinisches Tool. Heute bietet MEDvidi Versorgung für häufige Erkrankungen wie ADHS, Angstzustände und Depressionen in den gesamten USA an, während es gleichzeitig Workflows und die Verordnung von Medikamenten für Kliniker mit künstlicher Intelligenz automatisiert. Durch die Verringerung der Reibung bei der Dokumentation und der administrativen Arbeit erweitern wir sowohl den Zugang der Patienten als auch die Kapazität der Anbieter.

Sie haben die Gesundheitsbranche von manuellen Arbeitsabläufen zu großen Telehealth-Plattformen hin erlebt. Welche größten operativen Ineffizienzen bestehen noch heute, und warum sind sie ohne künstliche Intelligenz so schwer zu lösen?

Das größte Problem im Gesundheitswesen ist immer noch die Kapazität der Anbieter. Sie verbringen zu viel Zeit mit administrativen Aufgaben, sodass keine Zeit für neue Patienten bleibt. Bei MEDvidi sehen wir es hautnah – innerhalb von drei Monaten nach dem Beitritt zu uns sind die meisten Anbieter zu 80 % mit Nachfolgepatienten ausgebucht.

Während dieser Besuche wird die meiste Zeit mit Routine-Administrationsaufgaben wie der Überprüfung der Patientenidentität, der Dokumentation, der Abfrage von PDMP-Berichten, der Bewertung von Drogenkonsumverhalten, der Überprüfung der medizinischen Vorgeschichte usw. verbracht. Diese sind wichtige Aufgaben, aber sie erfordern nicht die Urteilsfähigkeit eines Klinikers für eine komplexe Diagnose.

Künstliche Intelligenz hat das geändert – wir können jetzt die meisten davon automatisieren. Zum Beispiel transkribiert der AI-Chart-Generator Besuche in Echtzeit, aktualisiert die Dokumentation alle 60 Sekunden und reduziert die Charting-Zeit um das 10-fache. Der AI-Chart-Reviewer überwacht 100 % der klinischen Kontakte auf SOP-Konformität, reduziert die Chart-Überprüfungszeit um 80 % und übernimmt die ID-Überprüfung, Drogenkonsum-Erkennung und Richtlinienkonformität. Ein AI-Rezeptionist übernimmt die Umbuchung per SMS und Sprache, sammelt problemspezifische Informationen von Patienten, gibt Updates und integriert die Informationen in die Arbeitsabläufe.

Ihre Plattform konzentriert sich stark auf die Automatisierung von Routine-Psychiatrie-Arbeitsabläufen, während sie gleichzeitig die Ärzte in die Schleife einbezieht. Wie definieren Sie die richtige Grenze zwischen Automatisierung und klinischer Entscheidungsfindung?

Gesundheitsdienstleister bleiben im Mittelpunkt der Versorgung. Das ist die einzige richtige Art, es zu tun. Die künstliche Intelligenz von MEDvidi ist darauf ausgelegt, Kliniker zu unterstützen und zu befähigen, nicht sie zu ersetzen. Jede klinische Entscheidung, Verordnung und Behandlungsplan wird von einem lizenzierten medizinischen Anbieter überprüft und genehmigt.

Ich glaube, dass die Gesundheitsbranche mehr Beweise dafür benötigt, dass die Technologie die Effizienz verbessern kann, ohne die Sicherheit zu gefährden. Unser Ziel ist es, sicherzustellen, dass Anbieter ihre Urteilsfähigkeit nicht auf Aufgaben verschwenden, die sie nicht erfordern. Wenn ein stabiler Patient für einen Routine-Follow-up kommt und der Fall unkompliziert ist, kann die künstliche Intelligenz die Vorbereitung, Dokumentation und Überprüfung übernehmen, und der Anbieter bestätigt die Entscheidung. Der Mensch ist immer in der Schleife, aber wir stellen sicher, dass ihre Zeit dort verbracht wird, wo sie wirklich zählt.

Der AI-Verordnungsassistent wird mit echten klinischen Daten trainiert und erfordert die Genehmigung eines Arztes für jede Entscheidung. Wie denken Sie über Sicherheit, Rechenschaftspflicht und Prüfbarkeit nach, wenn Sie künstliche Intelligenz in solch hochriskanten Umgebungen einsetzen?

Wenn Sie in einem hoch regulierten Bereich wie dem Gesundheitswesen tätig sind, können Sie es sich nicht leisten, dies falsch zu machen.

Im Gegensatz zu anderen künstlichen Intelligenz-Gesundheitstools, die mit nicht spezifischen medizinischen Daten trainiert werden, wird die künstliche Intelligenz von MEDvidi mit über 130.000 echten psychiatrischen Besuchen trainiert, was eine domänen-spezifische Genauigkeit bietet. Es handelt sich um eine einzigartige Infrastruktur, die speziell für psychiatrische Arbeitsabläufe, Vorschriften und Kontrollsubstanzenanforderungen konzipiert und trainiert wurde.

Unser künstliches Intelligenz-System arbeitet als klinische Verifizierungsebene, die auf evidenzbasierten Richtlinien und einer proprietären Datenbank von Tausenden von echten historischen Besuchen basiert. Es stellt sicher, dass jede Verordnung mit Standards übereinstimmt und den Regulierungsbehörden eine transparente Aufsicht bietet. Wesentlich ist, dass die künstliche Intelligenz keine unabhängigen Entscheidungen trifft. Das ist die Architektur, die wir absichtlich gebaut haben.

Viele Telehealth-Plattformen stehen wegen Überverordnung und fehlgeleiteten Anreizen in der Kritik. Wie können künstliche Intelligenz-Systeme die Einhaltung tatsächlich verbessern und Vertrauen wiederherstellen, anstatt diese Risiken zu verstärken?

Im Gesundheitswesen gibt es immer zwei Komponenten: die Geschäftsseite und die klinische Seite. Viele Telehealth-Unternehmen haben diese Linie während der Boomjahre verwischt und klinische Strenge in manchen Fällen kompromittiert.

Bei MEDvidi haben wir diese Funktionen immer streng getrennt. Klinische Entscheidungen werden nie von Geschäftsanreizen beeinflusst. Unsere künstlichen Intelligenz-Systeme verstärken diese Trennung eher, als dass sie sie schwächen.

Eine der wichtigsten Möglichkeiten, dies zu tun, ist durch die künstliche Intelligenz-gestützte Chart-Überprüfung. Jeder Patientenkontakt wird auf die Einhaltung standardisierter klinischer SOPs überprüft, um sicherzustellen, dass der Behandlungsplan angemessen und konform ist. Diese SOPs werden nicht von Geschäftsteams erstellt – sie werden von einem Ausschuss lizenzierter medizinischer Fachleute entwickelt und kontinuierlich überprüft und mit allen anwendbaren Gesetzen und Vorschriften abgestimmt. Sie sind darauf ausgelegt, für jeden einzelnen Patienten die beste mögliche Versorgung zu bieten. Wichtig ist, dass diese Protokolle vollständig prüfbar sind und von Regulierungsbehörden jederzeit überprüft werden können.

Künstliche Intelligenz wird zu einer Schicht der Konsistenz und Rechenschaftspflicht. Sie hilft sicherzustellen, dass Pflegeentscheidungen auf klinischen Standards und nicht auf subjektiven Druck, Zeitbeschränkungen oder Patientenanforderungen basieren. Das bedeutet auch, dass wir manchmal Nein sagen. Wenn ein Patient kommt und ein bestimmtes Medikament erwartet, weil er darüber im Internet gelesen hat, aber es klinisch nicht angemessen ist, werden unsere Anbieter es nicht verschreiben – und die künstliche Intelligenz hilft, diese Norm konsistent durchzusetzen.

Es gibt einen Kompromiss. Patienten, die nicht die erwartete Behandlung erhalten, können negative Bewertungen hinterlassen. Aber das ist der Preis für die Ausübung verantwortungsvoller Medizin. Langfristig ist es ein transparentes, protokollgesteuertes und prüfbares System, das die Einhaltung und das Vertrauen bei Patienten, Anbietern und Regulierungsbehörden stärkt.

Sie haben hervorgehoben, dass bis zu 80 % der psychiatrischen Besuche Routine-Nachfolgebesuche sind. Wie verändert die Automatisierung dieser Interaktionen grundlegend den Zugang zur Versorgung und die Ökonomie der psychischen Gesundheitsversorgung?

Heute ist der Zugang zur psychischen Gesundheitsversorgung nicht durch die Nachfrage eingeschränkt, sondern durch die Verteilung der Zeit der Kliniker. Bis zu 80 % der psychiatrischen Besuche sind Routine-Nachfolgebesuche – oft durch regulatorische Anforderungen und nicht durch klinische Komplexität verursacht. In vielen Fällen überprüft der Anbieter, ob ein stabiler Patient die gleiche Behandlung fortsetzt, ohne wesentliche Änderungen.

Das schafft eine strukturelle Engstelle. Kliniker verbringen die meiste Zeit damit, bestehende Patienten zu pflegen, während neue Patienten 6 bis 9 Wochen auf einen Termin warten. Genau hier hat die Automatisierung den größten Einfluss. Für stabile Patienten ist der Arbeitsablauf hoch strukturiert: Symptom-Überprüfungen, Überwachung von Nebenwirkungen, Überprüfung der Einhaltung und Überprüfung der Konformität.

Diese sind protokollgesteuerte Interaktionen, die die künstliche Intelligenz konsistent und im großen Maßstab bewältigen kann. Wenn etwas außerhalb der erwarteten Parameter fällt – eine unerwünschte Reaktion, eine Änderung der Symptome oder eine rote Flagge – wird der Fall sofort an einen Anbieter eskaliert.

Indem wir diese Routine-Interaktionen auf die künstliche Intelligenz verlagern, bringen wir die Kapazität neu in Balance. Kliniker können ihre Zeit auf neue Patienten und komplexere Fälle umlenken, bei denen die menschliche Urteilsfähigkeit entscheidend ist.

Das allein erweitert den Zugang, ohne die Anzahl der Anbieter zu erhöhen.

Die Ökonomie ändert sich auch. Die Kosten für die Betreuung eines stabilen Patienten sinken erheblich, während die Produktivität der Anbieter steigt. Anstatt ein begrenzender Faktor zu sein, wird die Zeit der Kliniker zu einer gehebelten Ressource. Im großen Maßstab bedeutet dies kürzere Wartezeiten, geringere Kosten und die Fähigkeit, Bevölkerungsgruppen zu bedienen, die zuvor nicht bedient wurden – einschließlich ländlicher Patienten und derjenigen, die nicht von der Arbeit fernbleiben können.

Kurz gesagt, ersetzt die Automatisierung die Pflege nicht – sie verteilt sie neu. Sie entfernt die regulatorische und administrative Belastung von den Klinikern und wandelt sie in skalierbare Infrastruktur um, was letztendlich den Zugang freigibt.

In Ihrem aktuellen Artikel Warum künstliche Intelligenz im Gesundheitswesen an der falschen Stelle eingesetzt wird, argumentieren Sie, dass die Branche zu sehr auf die Ersetzung von Klinikern konzentriert ist, anstatt administrative Engpässe zu beheben. Was sind die größten Missverständnisse, die diese Fehlausrichtung antreiben?

Die Menschen neigen immer noch dazu, zu denken, dass “künstliche Intelligenz im Gesundheitswesen” nur bedeutet, dass ChatGPT mit Patienten spricht, anstatt echte Ärzte, und Medikamente ohne Kontrolle verschreibt.

Die künstliche Intelligenz-Infrastruktur im Gesundheitswesen ist hoch komplex und erfordert immer menschliche Aufsicht. Wenn Unternehmen versuchen, Abkürzungen zu nehmen und direkt zur autonomen klinischen Entscheidungsfindung übergehen, stoßen sie auf Vertrauens-, Regulierungs- und Sicherheitsprobleme.

Der richtige Einstiegspunkt ist die administrative Ebene. Beheben Sie das zunächst, demonstrieren und beweisen Sie Sicherheit, bauen Sie Vertrauen auf und erweitern Sie von dort aus. Das ist der Pfad, den MEDvidi einschlägt.

Wenn die administrative Automatisierung der höchste Rückkehr-Einstiegspunkt für künstliche Intelligenz im Gesundheitswesen ist, welche spezifischen Arbeitsabläufe sollten Organisationen zuerst priorisieren, um einen sofortigen Einfluss zu sehen?

Der größte Fehler ist es, künstliche Intelligenz auf fehlerhafte Arbeitsabläufe aufzuschichten. Das Ziel sollte nicht die inkrementelle Verbesserung sein – es sollte darum gehen, völlig neue Arbeitsabläufe zu konzipieren, die mit künstlicher Intelligenz aufgebaut werden können.

Beginnen Sie damit, den klinischen und operativen Prozess von Anfang bis Ende zu kartieren und zu identifizieren, wo die Zeit tatsächlich verbracht wird. In den meisten Organisationen sind die größten Engpässe die Terminplanung, der Patientenfluss und die Dokumentation. Diese sind hochvolumige, wiederkehrende Aufgaben, bei denen die künstliche Intelligenz einen sofortigen ROI liefern kann. Die Automatisierung der Terminplanung reduziert Fehlzeiten und untätige Anbieterzeit. Künstliche Intelligenz-gestützte Dokumentation – wie Echtzeit-Transkription und Chart-Generierung – entfernt eine der schwersten Belastungen von den Klinikern.

Aber die eigentliche Chance geht über die Optimierung hinaus. Einige Arbeitsabläufe, insbesondere Routine-Nachfolgebesuche oder Konformitätsprüfungen, können vollständig um künstliche Intelligenz herum neu gestaltet werden, anstatt nur unterstützt zu werden. Das ist der Bereich, in dem schrittweise Gewinne entstehen.

Die Compliance-Überwachung ist ein weiteres gutes Beispiel. Heute überprüfen Organisationen manuell einen kleinen Prozentsatz der Kontakte. Mit künstlicher Intelligenz können Sie 100 % der Interaktionen in Echtzeit überprüfen, Dokumentationslücken, SOP-Abweichungen und potenzielle Risiken kennzeichnen, bevor sie eskalieren.

In einigen Fällen passen diese neuen künstlichen Intelligenz-nativen Arbeitsabläufe möglicherweise nicht perfekt in bestehende regulatorische Rahmenbedingungen. Das bedeutet, dass Organisationen bereit sein müssen, ihren Ansatz zu validieren, Beweise zu erzeugen und eng mit Regulierungsbehörden zusammenzuarbeiten, um Sicherheit und Konformität zu demonstrieren.

Die Unternehmen, die den größten Einfluss sehen werden, sind nicht diejenigen, die künstliche Intelligenz-Features hinzufügen, sondern diejenigen, die bereit sind, Kernarbeitsabläufe um das herum zu neu gestalten, was künstliche Intelligenz ermöglicht.

Das Gesundheitswesen ist einzigartig komplex mit geschichteten Regulierungen, fragmentierten Daten und hohen Konsequenzen für Fehler. Wie sieht eine produktionsreife künstliche Intelligenz-Architektur in dieser Umgebung im Vergleich zu einem Demo- oder Pilot-System aus?

Die künstliche Intelligenz sollte mit domänen-spezifischen, echten klinischen Daten trainiert und um reale Arbeitsabläufe herum aufgebaut werden. Jedes Ausgabe sollte prüfbar sein. Das bedeutet, dass alle Charts, gekennzeichnete Verordnungen und SOP-Überprüfungen überprüfbar und nachverfolgbar sind.

Ein produktionsreifes System muss auch berücksichtigen, wie die Pflege tatsächlich erbracht wird. Anbieter sind sehr protokollgesteuert. Wenn Sie unabhängige Kliniker einstellen, bringen sie Gewohnheiten aus vorherigen Umgebungen mit. Künstliche Intelligenz standardisiert dies auf eine Weise und unterstützt diese Arbeitsabläufe.

Wiederum ist die menschliche Aufsichtsebene von entscheidender Bedeutung. Künstliche Intelligenz sollte die administrative und analytische Arbeitsbelastung übernehmen, während Kliniker für endgültige Entscheidungen verantwortlich bleiben.

Am wichtigsten ist, dass das System von Grund auf mit Konformität, Sicherheit und Zuverlässigkeit im Sinn gebaut wird.

Wenn man in die Zukunft blickt, wie sehen Sie die künstliche Intelligenz das Telehealth und die Verordnung in den nächsten drei Jahren umgestalten, insbesondere wenn Regulierungsbehörden beginnen, auf frühe Bereitstellungen wie künstliche Intelligenz-gestützte Verordnungsarbeitsabläufe zu reagieren?

Die regulatorische Umgebung ändert sich. Künstliche Intelligenz ist bereits im Gesundheitswesen vorhanden. Staaten wie Utah erstellen Sandkästen, um es Technologieunternehmen zu ermöglichen, zu demonstrieren, was künstliche Intelligenz kann, einschließlich der Verordnung von kontrollierten Substanzen.

In den nächsten Jahren werden wir vollautomatisierte Nachsorge für stabile Patienten sehen. Künstliche Intelligenz-gestützte Besuche mit Ärzten in einer Aufsichtsrolle, die Entscheidungen bestätigen. Dieses Modell macht die Pflege schneller und günstiger für Menschen, die derzeit keinen Zugang dazu haben. Das ist der Standard, den wir zu setzen versuchen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten MEDvidi besuchen.