Ed Chidsey, Πρόεδρος της Επιχειρηματικής Μονάδας Insights της Inovalon – Σειρά Συνεντεύξεων

Ed Chidsey, Πρόεδρος της Επιχειρηματικής Μονάδας Insights της Inovalon, φέρνει στη θέση του ένα ευρύ φόντο σε οικονομικά δεδομένα, ανάλυση και στρατηγική συμβουλευτική — πιο πρόσφατα ως Αντιπρόεδρος στο S&P Global Market Intelligence, όπου διαχειρίστηκε ένα δισεκατομμύριο δολαρίων επιχείρηση δεδομένων και ανάλυσης με 2.000 υπαλλήλους, και προηγουμένως ως σύμβουλος ιδιωτικών επενδύσεων, μέλος του διοικητικού συμβουλίου της PeerNova Inc. και περιορισμένος εταίρος στη Mendoza Ventures.

Inovalon, είναι μια αμερικανική εταιρεία τεχνολογίας που παρέχει λύσεις λογισμικού και ανάλυσης δεδομένων βασισμένες στο cloud για την υγειονομική περίθαλψη. Μέσω της σημαίας της, της πλατφόρμας Inovalon ONE®, η εταιρεία συλλέγει και αναλύει τεράστια, πραγματικά δεδομένα — που καλύπτουν εκατοντάδες εκατομμύρια ζωές — για να υποστηρίξει τα σχέδια υγείας, τους παρόχους, τις φαρμακευτικές εταιρείες και τις εταιρείες βιοεπιστημών στην βελτίωση των κλινικών αποτελεσμάτων, της ποιότητας φροντίδας, της αξιολόγησης κινδύνου, της ακεραιότητας πληρωμών και της λειτουργικής αποτελεσματικότητας.

Έχετε μια μακρά καριέρα που καλύπτει το S&P Global (SPGI ), IHS Markit, και τώρα Inovalon. Ποιο ήταν το πιο διαμορφωτικό ρόλο ή η πιο διαμορφωτική εμπειρία που σας οδήγησε να εστιάσετε στα πραγματικά δεδομένα (RWD) και την ανάλυση στην υγειονομική περίθαλψη, και πώς έχει διαμορφώσει την όρασή σας για την ηγεσία της Επιχειρηματικής Μονάδας Insights στην Inovalon;

Έχω περάσει το μεγαλύτερο μέρος της καριέρας μου κατασκευάζοντας, εκτελώντας και κλιμακώνοντας επιχειρήσεις δεδομένων και ανάλυσης, κυρίως στις χρηματοοικονομικές υπηρεσίες, συχνά ξεκινώντας μικρό και οδηγώντας σημαντική ανάπτυξη μέσω συνδυασμού οργανικής και ανόργανης στρατηγικής. Μετά από περισσότερες από τρεις δεκαετίες στη χρηματοοικονομική βιομηχανία, έφτασα σε ένα σημείο όπου χρειαζόμουν να σταματήσω και να επαναπροσδιορίσω. Έχω περάσει πολύ χρόνο σε αυτόν τον κόσμο, και ενώ αγαπούσα τη δουλειά, το περιβάλλον είχε αρχίσει να feels λιγότερο ικανοποιητικό. Έτσι, στις αρχές του 2024, αποφάσισα να απομακρυνθώ.

Αυτή η χρονιά ήταν απίστευτα θεμελιώδης. Πέρασα περισσότερο χρόνο με την οικογένειά μου, εντάχθηκα σε ένα εταιρικό και ένα μη κερδοσκοπικό διοικητικό συμβούλιο, και, κάπως απροσδόκητα, έγινα πιο ενεργός στην εκκλησία μου. Αυτή η στροφή μου έδωσε την ευκαιρία να εστιάσω στην ισορροπία, την κοινότητα και τον σκοπό με έναν τρόπο που δεν είχα για πολύ καιρό. Μέχρι το τέλος του έτους, συνειδητοποίησα ότι ακόμα είχα πολλά ενεργειακά και πάθος για την ηγεσία των ομάδων και την κατασκευή επιχειρήσεων, αλλά ήθελα αυτή η δουλειά να αισθανθεί πιο προσωπική και σκοπούμενη.

Όταν ο Adam Kansler, ο CEO της Inovalon, με έβαλε σε επαφή για να μου πει περισσότερα για την εταιρεία, ο χρόνος ήταν ευνοϊκός. Εργάστηκα στενά με τον Adam για πολλά χρόνια και έχω τεράστια σεβασμό γι’ αυτόν ως ηγέτη. Μου περιέγραψε την Inovalon ως einen ηγέτη παροχέα δεδομένων και λύσεων που ενδυναμώνουν την υγειονομική περίθαλψη, η οποία συνεργάζεται με ασφαλιστές, παρόχους, φαρμακευτικές εταιρείες και εταιρείες βιοεπιστημών, και σημείωσε ότι η εταιρεία αναζητούσε ένα νέο άτομο για να ηγηθεί της επιχειρηματικής μονάδας Insights.

Πριν από αυτή τη συνομιλία με τον Adam, δεν είχα σκεφτεί πραγματικά ότι θα μπορούσα να αξιοποιήσω το υπόβαθρό μου στα δεδομένα και την ανάλυση στην υγειονομική περίθαλψη. Ωστόσο, όσο περισσότερα έμαθα, τόσο περισσότερο ανταποκρίνεται. Τα δεδομένα της υγειονομικής περίθαλψης είναι πολύ ουσιαστικά επειδή μπορούν να επηρεάσουν μας σε πραγματικούς τρόπους. Η ιδέα της εφαρμογής του ίδιου αναλυτικού ριγόρ και κλίμακας που είχα αναπτύξει στις χρηματοοικονομικές υπηρεσίες για τη βελτίωση της ποιότητας και των αποτελεσμάτων της υγειονομικής περίθαλψης ήταν απίστευτα ελκυστική. Αυτή η αίσθηση του σκοπού είναι αυτό που με έφερε εδώ, και συνεχίζει να διαμορφώνει τον τρόπο που ηγηθώ της επιχειρηματικής μονάδας Insights, φέρνοντας μαζί δεδομένα, τεχνολογία και ανθρώπους για να κάνουμε μια μετρήσιμη διαφορά σε όλο το οικοσύστημα της υγειονομικής περίθαλψης.

Πώς βλέπετε την κίνηση της Inovalon για να κάνει τις προηγμένες αναλύσεις και τα πρωτογενή δεδομένα RWD διαθέσιμα στο Snowflake’s AI Data Cloud, αλλάζοντας τις ανταγωνιστικές δυναμικές στην υγειονομική περίθαλψη και τις βιοεπιστήμες;

Θα το θεωρούσα περισσότερο ως μια στρατηγική κίνηση για να συναντήσουμε τους πελάτες μας όπου είναι, παρά να αλλάξουμε τις ανταγωνιστικές δυναμικές. Στο μυαλό μου, ήταν κρίσιμο να διασφαλίσουμε ότι οι πελάτες μας έχουν πρόσβαση στα δεδομένα και τους πόρους μας στις πλατφόρμες όπου θα ήθελαν να τα καταναλώσουν με έναν πιο σύγχρονο, ευέλικτο και προσιτό τρόπο. Με αυτό, γνωρίζαμε ότι όλο και περισσότεροι πελάτες μας μετέτρεχαν σε πλατφόρμες όπως το Snowflake, οπότε ήταν σημαντικό για μας να τους συναντήσουμε εκεί, όπου ήθελαν να καταναλώσουν τα δεδομένα μας.

Τι διαφοροποιεί τις προσφορές RWD της Inovalon, όπως το MORE² Registry, από άλλες πλατφόρμες δεδομένων RWD σε όρους ποιότητας, βάθους, εποχικότητας ή κλίμακας;

Τι διαφοροποιεί τις προσφορές RWD μας, συμπεριλαμβανομένου του MORE² Registry, είναι τα πρωτογενή δεδομένα μας. Συλλέγουμε αυτά τα δεδομένα trực tiếp από διάφορες οντότητες σε όλο το οικοσύστημα της υγειονομικής περίθαλψης, όπως ασφαλιστές ή παρόχους υγείας, και μας δίνει μια ολιστική θέα των ιατρικών ταξιδιών των ασθενών, επιτρέποντάς μας να εξάγουμε εποπτικές που υποστηρίζουν την λήψη αποφάσεων σε όλο το φάσμα της υγειονομικής περίθαλψης.

Ενώ το πλάτος των δεδομένων που έχουμε είναι ένα αξιοσημείωτο διαφοροποιητικό, η ιστορία και η συνεπής πίσω από αυτά τα δεδομένα είναι πραγματικά αξιοσημείωτη. Μέσω της συνεργασίας μας με το Snowflake, οι πελάτες μας είναι τώρα σε θέση να προσεγγίσουν ασφαλώς και γρήγορα τα μακροχρόνια σύνολα υψηλής ποιότητας RWD, μια ικανότητα που παραδοσιακά ήταν σκεπασμένη από θραύσματα συστημάτων και πολύπλοκες χειροκίνητες διαδικασίες εισαγωγής δεδομένων. Για τις εταιρείες βιοεπιστημών και φαρμακευτικής, ειδικά, το να έχουν την εμπιστοσύνη ότι ο συνεργάτης τους θα παρέχει δεδομένα που είναι συνεπή και αξιόπιστα για την λήψη αποφάσεων είναι απολύτως κρίσιμο για τους ασθενείς που εξυπηρετούν. Αυτή η βάση είναι ο ακρογωνιαίος λίθος της προσφοράς RWD μας, η οποία συνεχίζουμε να επεκτείνουμε σε εύρος και τους τύπους των εποπτικών που μπορούμε να παράγουμε.

Τι είναι οι κύριες τεχνικές ή διακυβερνητικές προκλήσεις στη σύνδεση ή ενοποίηση συνόλων δεδομένων από διάφορες πηγές για να δημιουργηθούν綜合적인 πραγματικά δεδομένα;

Ξεκινά με την αναγνώριση της βάσης των δεδομένων μας, η οποία επιστρέφει στις αλληλεπιδράσεις μεταξύ ενός ασθενή και του παρόχου, της φαρμακείου και του ασφαλιστή. Συχνά, αυτές οι αλληλεπιδράσεις είναι προσωπικές και προέρχονται από σημαντικές επαφές στη φροντίδα τους. Αυτό κάνει τη διαχείριση των δεδομένων μας κρίσιμη και απαιτεί να έχουμε ισχυρή διακυβέρνηση γύρω από αυτά τα δεδομένα. Λαμβάνουμε αυτή τη ευθύνη πολύ σοβαρά στην Inovalon, ιδιαίτερα όταν πρόκειται για το πώς τα RWD τροφοδοτούν τις διαδικασίες πραγματικών δεδομένων. Πώς επιλέγουμε να διαχειριστούμε, να προστατεύσουμε και να χρησιμοποιήσουμε τα δεδομένα μας ορίζει την αξιοπιστία και την εμπιστοσύνη που κατέχουμε με τους συνεργάτες μας σε όλο το οικοσύστημα.

Μια από τις μεγαλύτερες προκλήσεις που αντιμετωπίζουμε είναι η ισορροπία μεταξύ χρήσης δεδομένων και προστασίας. Αν ο εστιασμός είναι αποκλειστικά στην προστασία, χάνετε την ικανότητα να αναλύσετε και να εξάγετε αξία από τα δεδομένα. Ωστόσο, αν ο εστιασμός είναι μόνο στην ανάλυση, κινδυνεύετε να μην ανταποκριθείτε στις ηθικές ή ρυθμιστικές σας υποχρεώσεις προς τους ασθενείς και τις οικογένειες. Αυτή η δυσκολία δεν είναι μόνο μια τεχνική πρόκληση, αλλά και μια διακυβερνητική πρόκληση. Πρέπει συνεχώς να σκεφτόμαστε τι μπορούμε να κάνουμε, τι πρέπει να κάνουμε και τι δεν μπορούμε να κάνουμε για να προστατεύσουμε τα δεδομένα που έχουμε ενώ παράλληλα να μεγιστοποιούμε την αξία και την επίδραση τους στο ευρύτερο οικοσύστημα της υγειονομικής περίθαλψης.

Από τεχνικής πλευράς, μια άλλη σημαντική πρόκληση είναι η σύνδεση. Ανεξάρτητα από το πόσο βαθιά ή ευρεία είναι ένα μόνο σύνολο δεδομένων, δεν είναι ποτέ αρκετό από μόνο του. Η ικανότητα να συνδέσετε σύνολα δεδομένων από πολλές πηγές είναι κρίσιμη, και την προτεραιότητα αυτή την επικεντρώνουμε κάθε μέρα μέσω της συνεργασίας μας με διάφορους συνεργάτες.

Τελικά, η διακυβέρνηση είναι για να βρείτε την σωστή ισορροπία μεταξύ προστασίας των δεδομένων με τον σωστό τρόπο και παράλληλα να推είτε τα όρια του τι είναι δυνατό για να πραγματοποιήσετε την μεγαλύτερη αξία για το ευρύτερο καλό. Αυτό δεν είναι πάντα εύκολο, ιδιαίτερα όταν ορισμένες ρυθμίσεις, ενώ καλοπροαίρετες, μπορούν να στερήσουν την καινοτομία ή να περιορίσουν τα οφέλη που μπορούμε να παραδώσουμε στους ασθενείς και στο ευρύτερο οικοσύστημα. Ο ρόλος μας είναι να είμαστε προσεκτικοί διαχειριστές δεδομένων, να λειτουργούμε εντός των ορίων των συμφωνιών προμηθευτών και των ρυθμίσεων, και να βρούμε υπεύθυνους τρόπους να καινοτομούμε.

Τέλος, υπάρχει μια δομική πρόκληση με το οικοσύστημα της υγειονομικής περίθαλψης να είναι υψηλά θραυσμένο. Για έναν πελάτη να έχει πρόσβαση σε όλα τα δεδομένα που χρειάζεται, συχνά απαιτεί να τραβήξει από πολλαπλά σύνολα δεδομένων και να συνδέσει δεδομένα σε διάφορες σημείες φροντίδας, με πολλούς μεσολαβητές στο μεταξύ. Σε σύγκριση με βιομηχανίες όπως οι χρηματοοικονομικές υπηρεσίες, η υγειονομική περίθαλψη είναι πίσω με χρόνια, αν όχι δεκαετίες, σε όρους ενοποίησης δεδομένων και διαλειτουργικότητας. Ωστόσο, αυτό είναι επίσης eine τεράστια ευκαιρία για την Inovalon. Αν μπορούμε να συνεχίσουμε να προωθήσουμε τον τρόπο που τα δεδομένα συνδέονται, γίνονται διαθέσιμα και χρησιμοποιούνται δημιουργικά, μπορούμε να παραδώσουμε πολύ πιο καινοτόμες αναλύσεις και λύσεις που τελικά ωφελούν τους ασθενείς.

Πώς ισορροπείτε την προστασία, τη συμμόρφωση με τους κανονισμούς και την καινοτομία όταν αναπτύσσετε μοντέλα AI σε ευαίσθητα δεδομένα υγείας;

Ο τρόπος που σκέφτομαι για το AI είναι ότι, τελικά, είναι για να αντικαταστήσετε ή να ενισχύσετε αυτό που μπορεί θεωρητικά να γίνει σήμερα, απλά σε einen ταχύτερο, έξυπνο, πιο προηγμένο τρόπο. Όταν ένας πελάτης θέλει να αναπτύξει ένα μοντέλο AI πάνω στα δεδομένα μας, είναι κάτι που πρέπει να το αποδεχθούμε. Όπως και με οποιαδήποτε χρήση των δεδομένων μας, υπάρχουν όροι και προϋποθέσεις που ορίζουν τι μπορεί και τι δεν μπορεί να κάνει ένας πελάτης. Αυτά βασίζονται στις δικές μας ανώτερες άδειες, περιορισμούς και εφαρμοστέες ρυθμίσεις. Αυτό το πλαίσιο δεν αλλάζει στον κόσμο του AI, και πρέπει να είμαστε ενεργοί. Δεν μπορούμε να φοβόμαστε. Πρέπει να το αποδεχθούμε υπεύθυνα για να προχωρήσει το AI, επειδή έχει το δυναμικό να ωφελήσει enormemente το οικοσύστημα της υγειονομικής περίθαλψης.

Το AI απαιτεί και ιστορικά δεδομένα για να κατασκευάσει τα μοντέλα και συνεχιζόμενες δεδομένα για να τα διατηρήσει. Από την πλευρά μας ως παροχέα δεδομένων, αυτή είναι μια ισχυρή θέση, επειδή όταν ένα μοντέλο είναι κατασκευασμένο με τα δεδομένα μας, γίνεται ακόμα πιο ενσωματωμένο. Πρέπει να προσεγγίσουμε κάθε μοντέλο όπως θα κάναμε οποιαδήποτε περίπτωση χρήσης πελάτη, διασφαλίζοντας ότι είναι σωστά αδειοδοτημένο και διακυβερνώμενο. Το πιο ευαίσθητο μέρος του AI, ιδιαίτερα στην υγειονομική περίθαλψη, είναι να διασφαλίσουμε ότι υπάρχει πάντα ένας άνθρωπος στην αλυσίδα όταν παρέχεται φροντίδα. Αυτό είναι ένα πολύ μεγαλύτερο θέμα, και ένα που πολλοί άνθρωποι συζητούν.

Από την πλευρά των RWD, ακόμα βρισκόμαστε στις πρώτες φάσεις. Το AI δεν έχει ακόμα παραδώσει πολλά πρωτοποριακά αποτελέσματα στην υγειονομική περίθαλψη, ιδιαίτερα όταν επικεντρωνόμαστε στις περιπτώσεις χρήσης RWD. Εξερευνούμε μια σειρά από ευκαιρίες, συμπεριλαμβανομένης, για παράδειγμα, της μηχανικής εκμάθησης-βασισμένης εξαγωγής από κλινικές σημειώσεις, η οποία είναι μια πιο θεμελιώδης εφαρμογή του AI. Πέρα από αυτό, εξετάζουμε τη χρήση του AI στις κλινικές εφαρμογές και την προβλέψιμη πρόοδο της νόσου. Βρισκόμαστε στην αρχή αυτού του ταξιδιού, αλλά το δυναμικό είναι enormemente. Στην Inovalon, εστιάζουμε να διασφαλίσουμε ότι έχουμε τα υψηλότερα ποιότητας δεδομένα που μπορούν να χρησιμοποιηθούν σε συνδυασμό με το AI υπεύθυνα, με ισχυρή διακυβέρνηση και ανθρώπινη επιτήρηση, ενώ προετοιμαζόμαστε να κλιμακώσουμε την επίδρασή του καθώς η τεχνολογία και το οικοσύστημα ωριμάζουν.

Από τις συνομιλίες σας με τους πελάτες, ποίες είναι οι πιο κοινοί ανησυχίες σχετικά με την υιοθέτηση του AI και των αναλύσεων RWD στην υγειονομική περίθαλψη, και πώς απαντάτε σε αυτές;

Οι πιο κοινοί ανησυχίες που ακούω είναι η ποιότητα των δεδομένων και οι άδειες για να χρησιμοποιήσουν τα δεδομένα μας για να εκπαιδεύσουν τα δικά τους μοντέλα AI. Για την ποιότητα των δεδομένων, με το AI, «σκουπίδια μέσα, σκουπίδια έξω» ακούγεται αληθινό. Αν η ποιότητα των δεδομένων είναι κακή, σημαίνει ότι τα δεδομένα δεν είναι καθαρά ή ίσως δεν υπάρχει αρκετό δεδομένο, τότε η έξοδος δεν θα είναι πολύτιμη. Οι πελάτες μας περιμένουν συνεπή, ακριβή και αξιόπιστη δεδομένα. Δεδομένου του τεράστιου όγκου που διαχειριζόμαστε, μια από τις πρώτες μου προτεραιότητες ήταν να διασφαλίσω την ποιότητα των δεδομένων σε όλη τη διάρκεια. Έχουμε εργαστεί σκληρά για να καθαρίσουμε, να αποκαταστήσουμε, να стандαρδποιήσουμε και να παραδώσουμε τα δεδομένα μας. Η λήψη της ποιότητας των δεδομένων επίσης μας βοηθά να βελτιώσουμε τη συνεπή και την αξιοπιστία σε όλο το σύνολο των δεδομένων μας, που μας επιτρέπει να παραδώσουμε περισσότερα μέσα από τις παραδοσιακές μας προσφορές δεδομένων, καθώς και αναλύσεων που βασίζονται στο AI.

Η δεύτερη σκέψη αφορά το πώς τα δεδομένα μας μπορεί να χρησιμοποιηθούν για να υποστηρίξουν την ανάπτυξη μοντέλων AI. Ως μια δεδομένα-κίνητη οργάνωση, είναι σημαντικό να ενεργοποιήσουμε αυτές τις αναδυόμενες περιπτώσεις χρήσης. Δεδομένου της ταχείας εξέλιξης του τοπίου δεδομένων και AI, έχουμε προσαρμόσει την προσέγγισή μας για να επιτρέψουμε αυτό με έναν υπεύθυνα τρόπο, υποστηριζόμενο από ισχυρή διακυβέρνηση, σαφείς όρους χρήσης και καθορισμένα εγγυήματα. Αυτή η εξέλιξη ενδυναμώνει τους πελάτες μας να καινοτομούν με εμπιστοσύνη με το AI, ενώ διασφαλίζουν υπεύθυνες, συμμορφούμενες και ηθικές πρακτικές δεδομένων.

Πώς μετράτε την επιτυχία ή το ROI για τους πελάτες που υιοθετούν την πλατφόρμα και τις αναλύσεις σας, και ποια είναι τα μετρικά που τους ενδιαφέρουν περισσότερο;

Μετράμε την επιτυχία από τις πραγματικές επιπτώσεις που έχει η πλατφόρμα και οι αναλύσεις μας στις λειτουργικές και κλινικές επιδόσεις των πελατών μας. Αυτό μπορεί να περιλαμβάνει μια ποικιλία μετρήσεων επιτυχίας, ανάλογα με τον πελάτη, όπως η βελτίωση των βαθμολογιών CMS Star Ratings στο Medicare Advantage, η βελτίωση της αξιολόγησης κινδύνου ή η δημιουργία δραστικών πραγματικών δεδομένων για τις εταιρείες βιοεπιστημών. Το κοινό νήμα είναι ότι οι εποπτικές πρέπει να είναι επίκαιρες, αξιόπιστες και δραστικές.

Για τα μετρικά, οι πελάτες, ανάλογα με το πού βρίσκονται στο φάσμα της υγειονομικής περίθαλψης, μπορεί να επικεντρωθούν σε аспектους όπως βελτιώσεις ποιότητας, μείωση των κενών στη φροντίδα, καλύτερη τήρηση των πρωτοκόλλων θεραπείας ή μετρήσιμες κέρδη κόστους ή χρησιμοποίησης. Οι πελάτες πραγματοποιούν ROI όταν οι αναλύσεις μας βοηθούν να λάβουν ενημερωμένες αποφάσεις που βελτιώνουν τα αποτελέσματα των ασθενών, την λειτουργική αποτελεσματικότητα και/ή την στρατηγική απόδοση.

Κοιτάζοντας μπροστά 5 χρόνια, πώς περιμένετε το AI και τα RWD να εξελιχθούν στην υγειονομική περίθαλψη και τις βιοεπιστήμες, και τι βλέπετε ως την επόμενη πηγή;

Σε 5 χρόνια, η υγειονομική περίθαλψη μπορεί να μοιάζει με κάτι που κανείς από εμάς δεν αναγνωρίζει τώρα, αλλά είναι αδύνατο να προβλέψουμε πόσο γρήγορα θα εξελιχθεί η βιομηχανία. Το μόνο βέβαιο είναι ότι θα είναι μετασχηματιστικό. Ενώ ο ρυθμός της καινοτομίας είναι εξαιρετικός, η πρόοδος παραμένει περιορισμένη από τη θραυσματοποίηση σε όλο το οικοσύστημα της υγειονομικής περίθαλψης, που καλύπτει εργαστήρια, φαρμακεία και ηλεκτρονικά ιατρικά αρχεία, όπου λίγες οργανώσεις είναι σε θέση να συνδέσουν πραγματικά αυτά τα δεδομένα σε έναν ουσιαστικό τρόπο.

Ενώ μπορεί να είναι ένας περιοριστικός παράγοντας, αν τα δεδομένα μπορούν να συνδεθούν και να δημιουργηθούν μακροχρόνια σε έναν κανονικοποιημένο, стандαρδποιημένο τρόπο, τότε πιστεύω ότι όλα είναι δυνατά. Το AI θα υποστηρίζει ολοένα και περισσότερο mọiTHING, από την κλινική υποστήριξη στη λήψη αποφάσεων μέχρι τον τρόπο που οι εταιρείες βιοεπιστημών προσεγγίζουν τον σχεδιασμό και την εκτέλεση κλινικών δοκιμών. Τα επόμενα 5 χρόνια, θα δούμε περισσότερη αυτοματοποίηση, ενισχυμένη χρήση προβλεπτικών αναλύσεων και αυξημένη συνδεσιμότητα που δίνει στις οργανώσεις πρόσβαση στις εποπτικές που χρειάζονται σε πραγματικό χρόνο, όλα από τα οποία έχουν το δυναμικό να μετασχηματίσουν τα ταξίδια των ασθενών και τις λειτουργίες της υγειονομικής περίθαλψης ως一个 όλο.

Για τις οργανώσεις που μόλις αρχίζουν να εξερευνούν την ενοποίηση του AI με τα πραγματικά δεδομένα, ποίες είναι οι τρεις συμβουλές που θα δώσετε;

Πρώτον και πιο σημαντικά, εστιάστε στα δεδομένα και διασφαλίστε ότι αξιολογείτε συνεχώς την ποιότητα των δεδομένων σας. Δεύτερον, αξιοποιήστε τη νοημοσύνη της βάσης των υπαλλήλων σας. Η πραγματικότητα είναι ότι οι καλύτερες ιδέες μπορούν να έρθουν από κάθε επίπεδο της οργάνωσης, ιδιαίτερα οι νεότερες γενιές που εισέρχονται στην εργασία και έχουν ζήσει και αναπνεύσει δεδομένα, AI και τεχνολογία. Οι ηγέτες πρέπει να βρουν τρόπους να αξιοποιήσουν τις ιδέες και τις καινοτομίες που βρίσκονται sâu μέσα στην οργάνωση και να δημιουργήσουν μια πλατφόρμα για αυτές τις προοπτικές να ακουστούν και να συγκεντρωθούν. Τρίτον, προσλάβετε τους σωστούς ανθρώπους. Χωρίς τους σωστούς ανθρώπους και τεχνικό ταλέντο, η καινοτομία με ρυθμό, η δημιουργία αξίας και η διατήρηση της ανταγωνιστικότητας θα είναι σχεδόν αδύνατο.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Inovalon.