Rajan Kohli, director ejecutivo de CitiusTech - Serie de entrevistas

Rajan Kohli es el director ejecutivo de CitiusTech y es responsable de la dirección estratégica de la empresa y de promover la misión de CitiusTech de acelerar la innovación en tecnología sanitaria e impulsar el valor a largo plazo para los clientes. Rajan es un ejecutivo de la industria de servicios tecnológicos altamente exitoso con experiencia en transformación digital, aplicaciones y servicios de ingeniería.

Antes de CitiusTech, Rajan pasó más de 27 años en Wipro y más recientemente fue presidente del negocio iDEAS (Servicios integrados de aplicaciones, ingeniería y digitales) de Wipro. Lideró una línea de negocios global con ingresos de 6 mil millones de dólares y se comprometió a ayudar a clientes de todo el mundo a acelerar su transformación y cambiar la forma en que crean y ofrecen productos, servicios y experiencias digitales.

Citius Tech es un proveedor líder de consultoría y tecnología digital para empresas de salud y ciencias biológicas. Como socios estratégicos de las principales empresas pagadoras, proveedoras, de tecnología médica y de ciencias biológicas del mundo, CitiusTech impulsa la innovación, la transformación empresarial y la convergencia en toda la industria. Desempeñan un papel profundo y significativo a la hora de acelerar la innovación digital, impulsar el valor sostenible y ayudar a mejorar los resultados en todo el ecosistema de la atención sanitaria.

¿Cuáles son los elementos clave necesarios para implementar con éxito estrategias de transformación digital en organizaciones de salud y ciencias de la vida?

La industria de la salud ha tenido dificultades para adoptar soluciones digitales, y a lo largo de los años se han producido esporádicamente viajes exitosos de transformación digital. Pero ahora que la tecnología está lista para impulsar un salto que alterará el paradigma en la atención al paciente, es hora de que la industria supere estos desafíos.

La transformación digital tiene el potencial de impactar positivamente la atención médica en todas las especialidades. Por ejemplo, los fabricantes de medicamentos especializados hacen malabares con múltiples demandas que surgen de diversas partes interesadas y del ecosistema para satisfacer su demanda en constante crecimiento. Navegar por esta intrincada red de partes interesadas y el ecosistema no es fácil, y muchos de ellos buscan aprovechar los servicios del centro de apoyo al paciente que descargan estas responsabilidades de los fabricantes de medicamentos para gestionarlas y optimizar el rendimiento del medicamento del cliente. Sin embargo, dado que los servicios de centros de pacientes enfrentan desafíos relacionados con la escalabilidad y la eficiencia debido al aumento de los volúmenes, muchos fabricantes de medicamentos especializados deben adoptar estrategias de transformación digital para optimizar las operaciones y reforzar la eficiencia general.

Implementar la transformación digital en la atención médica y las ciencias biológicas requiere un enfoque multifacético de tres frentes.

• El compromiso del liderazgo es esencial para impulsar y sostener estas iniciativas, asegurando que exista un respaldo de arriba hacia abajo y una alineación con los objetivos estratégicos. Esto significa no sólo crear una visión clara y una hoja de ruta que describa objetivos e hitos específicos, sino también invertir en tecnología y soluciones innovadoras.
• Una gestión sólida de los datos es otro elemento crítico. El establecimiento de marcos sólidos de gobernanza de la información garantiza la calidad, la seguridad y el cumplimiento normativo de los datos. Esto incluye definir estándares, políticas y procesos de datos para la gestión de datos, así como aprovechar el análisis avanzado y las tecnologías de big data para extraer información procesable a partir de datos de salud.
• La interoperabilidad es crucial para la transformación digital, lo que requiere la adopción de estándares industriales como HL7, FHIR y DICOM para facilitar el intercambio de datos fluido entre diferentes sistemas y plataformas. El uso de plataformas de integración y soluciones de middleware puede unir sistemas dispares, garantizando un flujo de datos y una comunicación fluidos en toda la organización. Al adoptar plenamente la interoperabilidad, las organizaciones podrán impulsar una prestación de atención sanitaria más eficiente, eficaz y centrada en el paciente.

Pero al fin y al cabo, las transformaciones digitales comienzan y terminan con el paciente. Las organizaciones sanitarias pueden automatizar tantos procesos como quieran, pero si no cambian la experiencia o el valor que recibe el paciente, será especialmente difícil lograr el éxito. Es esencial un enfoque centrado en el paciente con la implementación de soluciones de salud digitales que mejoren la participación del paciente, mejoren el acceso a la atención y permitan planes de tratamiento personalizados.

¿Cómo se utiliza actualmente la IA generativa para mejorar los tratamientos sanitarios y los resultados de los pacientes?

La IA generativa (Gen) ofrece beneficios transformadores en todo el ecosistema de atención médica. Para la atención médica, una industria en la que muchos de los desafíos generalizados pueden atribuirse a interacciones ineficaces entre humanos y máquinas, la Gen AI tiene el poder de cerrar esa brecha y democratizar verdaderamente la atención médica.

Esto es especialmente cierto con la medicina personalizada. Desarrollar planes de tratamiento personalizados para pacientes específicos puede resultar difícil y llevar mucho tiempo si se hace manualmente. Al aprovechar Gen AI, los algoritmos analizan datos genéticos e historiales de pacientes para crear planes de tratamiento personalizados adaptados a la composición genética y el historial médico únicos de cada individuo. Una vez que los planes de tratamiento estén implementados, el acceso de los pacientes a asistentes de salud virtuales impulsados ​​por IA es crucial, ya que los pacientes tienen acceso las 24 horas del día, los 7 días de la semana a asesoramiento médico, verificación de síntomas y programación de citas, lo que mejora la participación del paciente, tratamientos más efectivos y mejores resultados para los pacientes. .

Gen AI también está desempeñando un papel importante en la aceleración del proceso de aprobación y lanzamiento de medicamentos. La pandemia mostró el potencial para el rápido desarrollo de fármacos, impulsado por las capacidades de la IA. Gen AI acelera el desarrollo de nuevos medicamentos simulando interacciones moleculares y prediciendo qué compuestos probablemente sean efectivos. Esto reduce significativamente el tiempo y el costo asociados con los métodos tradicionales de descubrimiento de fármacos. Estas plataformas impulsadas por IA también pueden generar posibles fármacos candidatos y optimizar sus estructuras químicas, acelerando el proceso desde el concepto hasta los ensayos clínicos.

Los algoritmos de Gen AI también están mejorando la precisión de las imágenes médicas, mejorando la calidad de la imagen y ayudando en la detección de anomalías. Al hacerlo, facilita el diagnóstico y tratamiento tempranos de enfermedades como el cáncer, mejorando significativamente los resultados de los pacientes.

Por último, el análisis predictivo impulsado por Gen AI tiene un potencial innovador. Los modelos predictivos de IA de generación analizan grandes cantidades de datos de salud para predecir brotes de enfermedades, reingresos de pacientes y posibles complicaciones, lo que permite una intervención proactiva y una mejor gestión de las enfermedades crónicas.

¿De qué manera puede la IA generativa ayudar a reducir las tareas mundanas de los profesionales de la salud, permitiéndoles centrarse más en la atención al paciente y la innovación?

La Gen AI puede reducir significativamente la carga de tareas mundanas para los profesionales de la salud, como la documentación clínica, la programación de citas, la gestión de registros médicos y el procesamiento de reclamaciones de seguros. Los profesionales de la salud son libres de concentrarse en la atención al paciente y la innovación.

Por ejemplo, los profesionales sanitarios dependen en gran medida de los historiales médicos electrónicos (HCE) para una atención sanitaria más segura y consistente. Sin embargo, esto les exige navegar constantemente entre su comprensión narrativa de los historiales y síntomas de los pacientes y la presentación estructurada de datos de los HCE. La IA Genial cierra esta brecha y reduce significativamente la sobrecarga cognitiva de los profesionales sanitarios al resumir el historial del paciente y automatizar las tareas manuales, liberando tiempo valioso para una atención más personalizada.

Los sistemas de apoyo a las decisiones clínicas aprovechan la inteligencia artificial para brindar a los profesionales de la salud recomendaciones, alertas y recordatorios basados ​​en evidencia. Estos sistemas analizan datos de pacientes y literatura médica para ofrecer información que ayude en el diagnóstico y la planificación del tratamiento, mejorando los resultados clínicos y reduciendo la carga cognitiva de los proveedores de atención médica.

Las tecnologías de monitorización remota, impulsadas por IA, monitorizan continuamente los signos vitales y el estado de salud de los pacientes, lo que permite evaluaciones de salud en tiempo real sin necesidad de frecuentes visitas presenciales. Esto mejora la comodidad del paciente y permite la detección temprana de posibles problemas de salud, lo que permite intervenciones rápidas y un mejor manejo de las enfermedades crónicas.

Gen AI aumenta el potencial humano mejorando la satisfacción laboral de los profesionales de la salud, más en la prestación de atención innovadora y la satisfacción del paciente.

¿Qué medidas se pueden tomar para maximizar la eficacia de las soluciones Gen AI para monitorear la calidad y garantizar la confianza en las decisiones de atención médica?

La calidad y la confianza se han convertido en puntos críticos de discusión en toda la industria de la salud en medio del rápido crecimiento de la Generación AI. Se requiere un enfoque sólido en estas cuestiones para garantizar que los beneficios se obtengan de manera responsable. Entre las medidas que se pueden tomar:

Privacidad y seguridad de datos: Garantizar la privacidad del paciente es esencial, lo que requiere una meticulosa anonimización de los datos y estrictas medidas de ciberseguridad para evitar el acceso no autorizado y las violaciones de datos. La implementación de protocolos de cifrado sólidos y mecanismos de defensa contra ataques adversarios puede proteger los datos de los pacientes, mientras que los médicos deben conservar la autoridad final en la toma de decisiones para protegerse contra posibles errores de la IA.

Mantener la calidad y la equidad: Los sistemas de IA de generación pueden perpetuar inadvertidamente los sesgos presentes en los datos de capacitación, lo que genera disparidades en los resultados de la atención médica. Es clave implementar algoritmos capaces de eliminar los sesgos y reentrenar continuamente los sistemas de inteligencia artificial para detectar y mitigar los sesgos.

Responsabilidad y transparencia: La responsabilidad en las decisiones impulsadas por Gen AI involucra a múltiples partes interesadas, incluidos desarrolladores, proveedores de atención médica y usuarios finales. Se necesitan modelos de IA transparentes y explicables para una toma de decisiones informada. Los desarrolladores deben asegurarse de que los modelos de IA sean imparciales y seguros, mientras que los proveedores de atención médica deben comprender que siguen siendo responsables de las decisiones tomadas utilizando las recomendaciones de la IA. La implementación de marcos regulatorios sólidos es esencial para abordar los problemas de responsabilidad y mantener la confianza.

Marcos éticos: Desarrollar marcos éticos para la IA Genial implica fomentar la responsabilidad sin frenar la innovación. Los actores del sector salud deben alinearse proactivamente con los estándares éticos en constante evolución para garantizar que las aplicaciones de la IA Genial sean justas, responsables y centradas en el paciente. Un enfoque con participación humana, combinado con prácticas responsables de IA, puede contribuir a lograr resultados sanitarios equitativos y, al mismo tiempo, maximizar el potencial de la IA Genial.

Marcos de calidad y confianza basados ​​en plataformas: Es fundamental crear marcos de calidad y confianza que se integren en los sistemas de gestión de calidad existentes y se alineen con las recomendaciones regulatorias. Estos marcos deben medir, validar y monitorear las soluciones GenAI para garantizar resultados consistentes y confiables.

A principios de este año, lanzamos la solución CitiusTech Gen AI Quality and Trust, la primera solución integral de este tipo en el sector sanitario. La solución puede abordar estos requisitos proporcionando validación integral, monitoreo continuo y cumplimiento de los estándares regulatorios, garantizando la efectividad y confiabilidad de las soluciones Gen AI en el cuidado de la salud.

¿Cómo pueden trabajar las organizaciones de atención médica para identificar y mitigar los sesgos algorítmicos y de datos de capacitación para garantizar decisiones de atención equitativas?

Las organizaciones sanitarias deben ser extremadamente proactivas en su enfoque. El uso de conjuntos de datos diversos y representativos durante la fase de capacitación ayuda a reducir los sesgos y garantiza que los modelos de IA funcionen bien en diferentes grupos de población. La implementación de herramientas de detección de sesgos puede ayudar a identificar y abordar los sesgos en los modelos de IA mediante el análisis de los resultados del modelo para detectar cualquier disparidad en las recomendaciones o predicciones de tratamiento.

Las auditorías y revisiones periódicas de los sistemas de IA ayudan a identificar y corregir sesgos. Esto implica evaluar el desempeño del sistema en varios grupos demográficos y realizar los ajustes necesarios. El diseño y desarrollo inclusivos, que consta de un grupo diverso de partes interesadas en el diseño y desarrollo de soluciones de IA, garantiza que se consideren diferentes perspectivas, lo que reduce la probabilidad de sesgos. Por último, la educación y capacitación de los empleados sobre los posibles sesgos en los sistemas de IA y cómo abordarlos es crucial para crear conciencia y promover el uso responsable de la IA.

¿Cómo pueden las organizaciones sanitarias utilizar eficazmente los datos sobre los determinantes sociales de la salud (SDOH) para mejorar la atención al paciente y cuáles son los desafíos a la hora de integrar estos datos en los códigos de diagnóstico oficiales?

La integración de datos sobre SDOH mejora significativamente la atención al paciente, pero existen desafíos que abordar. Es esencial recopilar datos completos, incluida información como el nivel socioeconómico, la educación y los factores ambientales. Estos datos proporcionan información sobre los factores sociales que influyen en la salud del paciente.

La integración y la interoperabilidad de datos son cruciales para utilizar los datos SDOH de forma eficaz. Integrar estos datos en registros médicos electrónicos (EHR) y garantizar la interoperabilidad entre diferentes sistemas permite a los proveedores de atención médica tener una visión holística de la salud del paciente, lo que permite planes de atención personalizados. Por ejemplo, los pacientes de bajos ingresos o aquellos que viven en áreas con acceso limitado a los servicios de atención médica pueden necesitar apoyo adicional para controlar las enfermedades crónicas. Al incorporar datos de SDOH, las organizaciones de atención médica pueden desarrollar programas de extensión específicos, proporcionar recursos para el transporte a las citas médicas y ofrecer asistencia nutricional a quienes la necesitan.

La gestión de la salud de la población es otra área donde los datos de SDOH desempeñan un papel fundamental. Al analizar los datos de SDOH a nivel comunitario, las organizaciones de atención médica pueden identificar tendencias y patrones que informan las estrategias de salud pública.

Sin embargo, la integración de datos SDOH en códigos de diagnóstico oficiales presenta un problema de interoperabilidad o estandarización. Actualmente no existe un marco universalmente aceptado para codificar datos SDOH. Garantizar la calidad de los datos también es difícil, ya que los datos SDOH a menudo provienen de diversas fuentes con diferentes niveles de precisión e integridad. La colaboración entre organizaciones de atención médica, formuladores de políticas y proveedores de tecnología para establecer prácticas estandarizadas y garantizar una integración integral de datos será un paso importante para abordar estos obstáculos.

¿Cuáles son los principales desafíos de ciberseguridad que enfrentan las organizaciones de atención médica y cómo se pueden abordar?

Como hemos visto durante el año pasado, las organizaciones de atención médica son extremadamente vulnerables a las amenazas de ciberseguridad. Las violaciones de datos y los ataques de ransomware son problemas importantes que requieren la implementación de un cifrado sólido, autenticación multifactor y auditorías de seguridad periódicas para mitigar estas amenazas. Los sistemas heredados y las vulnerabilidades de software son comunes en las organizaciones de atención médica, ya que muchas todavía utilizan sistemas obsoletos. Es esencial actualizar y aplicar parches al software periódicamente, así como migrar a plataformas modernas y seguras.

Las amenazas internas, en las que los empleados tienen acceso a datos confidenciales, también plantean riesgos importantes. Implementar controles de acceso estrictos, monitorear la actividad de los usuarios y brindar capacitación en ciberseguridad puede desempeñar un papel importante en la prevención de estos problemas. Es fundamental crear un equipo de cumplimiento dedicado responsable de realizar auditorías de seguridad y evaluaciones de riesgos periódicas para identificar vulnerabilidades y garantizar el cumplimiento de requisitos normativos como HIPAA.

Potencialmente, la medida más importante es la capacitación y educación continua del personal de TI y los profesionales de la salud para protegerse contra las ciberamenazas en evolución. Muchas de estas amenazas explotan las vulnerabilidades humanas, por lo que cuanto más capacitado esté el personal sobre las mejores prácticas de ciberseguridad, es más probable que se reduzcan los errores humanos, lo que conducirá a que los datos de los pacientes estén más seguros.

¿Cuáles son las consideraciones éticas clave que las organizaciones de atención médica deben tener en cuenta al implementar soluciones de IA y cómo pueden afrontar el rechazo a las implementaciones de IA en los hospitales?

Este es uno de los temas más importantes que deben abordar las organizaciones de atención médica, con la necesidad de considerar varios aspectos éticos y sortear posibles retrocesos. Garantizar la privacidad y confidencialidad del paciente es primordial, con soluciones de inteligencia artificial que se adhieren a estrictas regulaciones de protección de datos y emplean sólidas medidas de seguridad. Se debe informar a los pacientes sobre el uso de la IA en su atención y dar su consentimiento, lo que implica una explicación de cómo se utilizará la IA y los posibles beneficios y riesgos.

El sesgo y la equidad también son consideraciones cruciales. Los sistemas de IA están diseñados para evitar sesgos y garantizar un trato equitativo para todos los pacientes, pero como sabemos, pueden surgir problemas aquí si las organizaciones no tienen cuidado. Eso hace que el monitoreo y ajuste continuo de estos modelos de IA sean sumamente necesarios para mantener la equidad.

También es extremadamente importante ser transparente sobre el uso de la IA y ser responsable de las decisiones tomadas por los sistemas de IA, en particular proporcionando explicaciones sobre las decisiones impulsadas por la IA y estableciendo mecanismos de supervisión.

Seguir adelante con todo esto es un paso importante para abordar las preocupaciones y la resistencia que tanto los profesionales de la salud como los pacientes tienen hacia la implementación. Pero también es importante brindar educación sobre la implementación y los beneficios de la IA, involucrando a las partes interesadas en el proceso de implementación de la IA, estableciendo un compromiso para adoptar un enfoque integral centrado en generar confianza, brindar una comunicación clara y garantizar el uso ético de la IA.

¿Cómo pueden las soluciones de CitiusTech ayudar a las organizaciones de atención médica a lograr una integración de datos fluida e interoperabilidad entre diversas plataformas y aplicaciones?

En CitiusTech, podemos impulsar la innovación digital en el sector sanitario, la transformación empresarial y la convergencia de toda la industria para las empresas de ciencias biológicas y sanitarias de todo el mundo. Nuestras soluciones están diseñadas para lograr una perfecta integración de datos e interoperabilidad entre diversas plataformas y aplicaciones. Nuestras plataformas de integración avanzadas garantizan que sistemas dispares se comuniquen y compartan datos de manera efectiva, facilitando un intercambio de datos fluido para una vista unificada de la información del paciente.

Por ejemplo, un importante plan azul con más de un millón de miembros buscaba ir más allá de los datos de reclamos de los miembros y las búsquedas manuales de gráficos y aprovechar los datos clínicos para acelerar el cierre de las brechas de atención. Buscando una solución que pudiera utilizar los datos clínicos de manera efectiva, aprovecharon CitiusTech para integrar perfectamente los datos clínicos de una variedad de EHR y agregadores de datos, generando $10 millones en ahorros anuales.

Las soluciones de gestión de CitiusTech mantienen la calidad, la seguridad y el cumplimiento de los datos durante todo el proceso de integración para manejar las complejidades de los datos de atención médica, incluida la integración e interoperabilidad de diversas fuentes y plataformas de datos.

La solución CitiusTech Gen AI Quality and Trust Solution lanzada recientemente, una solución de extremo a extremo que mejora aún más la integración de datos, garantiza la confiabilidad, precisión y confiabilidad de los conocimientos basados ​​en IA. La solución proporciona una validación sólida, un monitoreo continuo y el cumplimiento de los estándares regulatorios, creando una integración y un análisis de datos basados ​​en IA precisos, confiables y compatibles. Esto permite a las organizaciones de atención médica aprovechar la IA de manera efectiva para mejorar la toma de decisiones y los resultados de los pacientes.

¿Qué tendencias futuras prevé en la integración de la IA en la atención sanitaria y las ciencias biológicas, y cómo se está preparando CitiusTech para abordar estas tendencias?

Con el rápido crecimiento de la integración de la IA en la atención médica y las ciencias biológicas, el uso cada vez mayor de la IA para el análisis predictivo y la medicina personalizada, la mejora de la eficiencia operativa a través de la automatización y el avance de las imágenes y el diagnóstico médicos tendrán un impacto significativo en la industria.

En CitiusTech, nos mantenemos a la vanguardia de estas tendencias invirtiendo continuamente en I+D para mantenernos a la vanguardia de los avances en IA. Como ya se mencionó, hemos desarrollado soluciones de IA de última generación, como nuestra herramienta de calidad y confianza, así como otras soluciones de IA que aprovechan las últimas tecnologías para mejorar los resultados de los pacientes y la eficiencia operativa. Es una prioridad fundamental garantizar el uso ético y justo de la IA, abordar los sesgos y mantener la transparencia y la rendición de cuentas en las decisiones basadas en IA. Para nuestro equipo, es prioritario mantenerse al día con las últimas tendencias en IA, asegurándonos de contar con los mejores recursos disponibles para ayudar a las organizaciones sanitarias a navegar por el cambiante panorama de la integración de la IA.

Gracias por la gran entrevista, los lectores que deseen obtener más información deben visitar Citius Tech.