Rajan Kohli, CEO 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 impulsar la misión de CitiusTech de acelerar la innovación en tecnología sanitaria y generar valor a largo plazo para los clientes. Rajan es un ejecutivo de la industria de servicios tecnológicos muy experimentado con experiencia en transformación digital, servicios de aplicación y ingeniería.

Antes de unirse a CitiusTech, Rajan pasó más de 27 años en Wipro y más recientemente fue el presidente de la unidad de negocio iDEAS (Servicios Digitales Integrados, Ingeniería y Aplicaciones) de Wipro. Lideró una línea de negocio global con ingresos de 6.000 millones de dólares y se comprometió a ayudar a los clientes en todo el mundo a acelerar su transformación y cambiar la forma en que construyen y entregan productos, servicios y experiencias digitales.

CitiusTech es un proveedor líder de consultoría y tecnología digital para empresas de sanidad y ciencias de la vida. Como socios estratégicos de las principales empresas de pago, proveedores, MedTech y ciencias de la vida del mundo, CitiusTech impulsa la innovación, la transformación empresarial y la convergencia en toda la industria. Desempeñan un papel profundo y significativo en la aceleración de la innovación digital, la generación de valor sostenible y la mejora de los resultados en todo el ecosistema sanitario.

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

La industria sanitaria ha luchado por abrazar las soluciones digitales, con trayectorias de transformación digital exitosas que ocurren esporádicamente a lo largo de los años. Pero con la tecnología lista para impulsar un salto paradigmático en la atención al paciente, es hora de que la industria supere estos desafíos.

La transformación digital tiene el potencial de impactar positivamente en la sanidad en todas las especialidades. Por ejemplo, los fabricantes de medicamentos especializados lidian con múltiples demandas que surgen de Various partes interesadas y el ecosistema para satisfacer su demanda en constante crecimiento. Navegar por esta red intricada de partes interesadas y el ecosistema no es fácil, y muchos de ellos buscan aprovechar los servicios de centros de apoyo al paciente que descargan estas responsabilidades de los fabricantes de medicamentos para gestionar estas responsabilidades y optimizar el rendimiento del cliente-medicamento. Sin embargo, con los servicios de centros de apoyo al paciente que enfrentan desafíos en cuanto a escalabilidad y eficiencia debido a los volúmenes en aumento, muchos fabricantes de medicamentos especializados deben abrazar las estrategias de transformación digital para racionalizar las operaciones y mejorar la eficiencia general.

Implementar la transformación digital en la sanidad y las ciencias de la vida requiere un enfoque multifacético de tres partes.

• El compromiso de la dirección es esencial para impulsar y mantener estas iniciativas, asegurando que haya un respaldo y alineación desde arriba con los objetivos estratégicos. Esto significa no solo crear una visión y una hoja de ruta claras que describen objetivos y hitos específicos, sino también invertir en tecnología y soluciones innovadoras.
• La gestión robusta de los datos es otro elemento crítico. Establecer marcos sólidos de gobernanza de la información garantiza la calidad, la seguridad y el cumplimiento normativo de los datos. Esto incluye definir estándares de datos, políticas y procesos para la gestión de los datos, así como aprovechar las tecnologías de análisis avanzado y big data para extraer información útil de los datos sanitarios.
• La interoperabilidad es crucial para la transformación digital, lo que requiere la adopción de estándares de la industria como HL7, FHIR y DICOM para facilitar el intercambio de datos sin problemas entre diferentes sistemas y plataformas. Utilizar plataformas de integración y soluciones de middleware puede conectar sistemas dispares, garantizando un flujo de datos suave y la comunicación a través de la organización. Al abrazar plenamente la interoperabilidad, las organizaciones podrán impulsar una entrega de atención sanitaria más eficiente, efectiva y centrada en el paciente.

Pero al final del día, las transformaciones digitales comienzan y terminan con el paciente. Las organizaciones sanitarias pueden automatizar tantos procesos como deseen, pero si no cambian la experiencia o el valor que el paciente recibe, será especialmente difícil encontrar el éxito. Un enfoque centrado en el paciente con la implementación de soluciones de salud digital que mejoran la participación del paciente, mejoran el acceso a la atención y permiten planes de tratamiento personalizados es esencial.

¿Cómo se está utilizando actualmente la inteligencia artificial generativa para mejorar los tratamientos sanitarios y mejorar los resultados de los pacientes?

La inteligencia artificial generativa (Gen AI) ofrece beneficios transformadores en todo el ecosistema sanitario. Para la sanidad, una industria en la que muchos de los desafíos persistentes se pueden atribuir a interacciones humanas-máquina ineficaces, la Gen AI tiene el poder de cerrar esta brecha y verdaderamente democratizar la sanidad.

Esto es especialmente cierto con la medicina personalizada. Desarrollar planes de tratamiento personalizados para pacientes específicos puede ser difícil y consume mucho tiempo si se hace manualmente. Al aprovechar la Gen AI, los algoritmos analizan los datos genéticos y los historiales de los pacientes para crear planes de tratamiento personalizados adaptados a la constitución genética y el historial médico únicos del individuo. Una vez que los planes de tratamiento están en su lugar, el acceso del paciente 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 consejos médicos, verificación de síntomas y programación de citas, lo que mejora la participación del paciente, los tratamientos más efectivos y mejores resultados de los pacientes.

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

Los algoritmos de Gen AI también están mejorando la precisión de la imagen médica, mejorando la calidad de la imagen y asistiendo en la detección de anomalías. Al hacerlo, facilita el diagnóstico y el tratamiento temprano de afecciones como el cáncer, lo que mejora significativamente los resultados de los pacientes.

Por último, los análisis predictivos impulsados por la Gen AI tienen un potencial innovador. Los modelos de Gen AI predictiva analizan vastas cantidades de datos de salud para predecir brotes de enfermedades, readmisiones de pacientes y posibles complicaciones, lo que permite una intervención proactiva y un mejor manejo de las enfermedades crónicas.

¿De qué manera puede la inteligencia artificial generativa ayudar a reducir las tareas mundanas para 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 están libres de concentrarse en la atención al paciente y la innovación.

Por ejemplo, los profesionales de la salud dependen en gran medida de los Registros Médicos Electrónicos (EMR) para una entrega de atención sanitaria más segura y coherente, pero hacerlo requiere que estos individuos naveguen constantemente entre su comprensión narrativa de los historiales y síntomas de los pacientes y la presentación de datos estructurados de los EMR. La Gen AI cierra esta brecha y reduce significativamente la carga cognitiva para los profesionales de la salud al resumir el historial del paciente y automatizar las tareas manuales, liberando un valioso tiempo para una atención más personalizada al paciente.

Los sistemas de apoyo a la decisión clínica aprovechan la IA para brindar a los profesionales de la salud recomendaciones basadas en evidencia, alertas y recordatorios. Estos sistemas analizan los datos de los pacientes y la literatura médica para ofrecer información que ayude en el diagnóstico y la planificación del tratamiento, mejorando los resultados clínicos y reduciendo la carga cognitiva en los proveedores de atención sanitaria.

Las tecnologías de monitoreo remoto, impulsadas por la IA, rastrean continuamente los signos vitales y el estado de salud de los pacientes, lo que permite evaluaciones de salud en tiempo real sin necesidad de visitas presenciales frecuentes. Esto mejora la comodidad del paciente y permite la detección temprana de posibles problemas de salud, lo que lleva a intervenciones oportunas y un mejor manejo de las afecciones crónicas.

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

¿Qué medidas se pueden tomar para maximizar la eficacia de las soluciones de Gen AI en el monitoreo de la calidad y la garantía de la confianza en las decisiones sanitarias?

La calidad y la confianza se han convertido en puntos críticos de debate en toda la industria sanitaria en medio del crecimiento rápido de la Gen AI. Requiere un enfoque sólido en estos temas para garantizar que los beneficios se realicen de manera responsable. Entre las medidas que se pueden tomar:

Privacidad y Seguridad de los Datos: Garantizar la privacidad del paciente es esencial, lo que requiere una anonimización meticulosa de los datos y medidas de ciberseguridad estrictas para prevenir el acceso no autorizado y las violaciones de datos. La implementación de protocolos de cifrado robustos y mecanismos de defensa contra ataques adversarios puede proteger los datos de los pacientes, mientras que los clínicos deben retener la autoridad de toma de decisiones final para salvaguardar contra posibles errores de la IA.

Mantener la Calidad y la Equidad: Los sistemas de Gen AI pueden perpetuar involuntariamente los sesgos presentes en los datos de entrenamiento, lo que lleva a disparidades en los resultados de la atención sanitaria. La implementación de algoritmos capaces de eliminar los sesgos y la reeducación continua de los sistemas de IA para detectar y mitigar los sesgos es clave.

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

Marco Ético: Desarrollar marcos éticos para la Gen AI se trata de fomentar la responsabilidad sin sofocar la innovación. Los actores de la sanidad deben alinearse proactivamente con los estándares éticos en evolución para garantizar que las aplicaciones de la Gen AI sean justas, responsables y centradas en el paciente. Un enfoque de “humano en el bucle” combinado con prácticas de IA responsables puede ayudar a lograr resultados de atención sanitaria equitativos mientras se maximiza el potencial de la Gen AI.

Marcos de Calidad y Confianza Basados en la Plataforma: Construir marcos de calidad y confianza que se integren en los sistemas de gestión de la calidad existentes y se alineen con las recomendaciones regulatorias es crucial. Estos marcos deben medir, validar y monitorear las soluciones de Gen AI para garantizar resultados consistentes y confiables.

Al comienzo de este año, lanzamos la Solución de Calidad y Confianza de Gen AI de CitiusTech, la primera solución integral de su tipo en la sanidad. La solución puede abordar estos requisitos al proporcionar una validación integral, un monitoreo continuo y el cumplimiento de los estándares regulatorios, garantizando la eficacia y la confiabilidad de las soluciones de Gen AI en la sanidad.

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

Las organizaciones sanitarias deben ser extremadamente proactivas en su enfoque. Utilizar conjuntos de datos diversos y representativos durante la fase de entrenamiento ayuda a reducir los sesgos, garantizando 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 al analizar las salidas del modelo para detectar cualquier disparidad en las recomendaciones de tratamiento o predicciones.

Las auditorías y revisiones regulares de los sistemas de IA ayudan a identificar y corregir los sesgos. Esto implica evaluar el rendimiento del sistema en varios grupos demográficos y realizar los ajustes necesarios. El diseño y desarrollo inclusivos, que consisten en un grupo diverso de partes interesadas en el diseño y desarrollo de soluciones de IA, garantizan que se consideren diferentes perspectivas, reduciendo la probabilidad de sesgos. Por último, la educación y la capacitación para los empleados sobre los posibles sesgos en los sistemas de IA y cómo abordarlos son cruciales 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 (DSS) para mejorar la atención al paciente, y cuáles son los desafíos para integrar estos datos en los códigos de diagnóstico oficiales?

Integrar los datos sobre los DSS mejora significativamente la atención al paciente, pero hay desafíos que abordar. La recopilación de datos integral es esencial, incluyendo información como el estatus socioeconómico, la educación y los factores ambientales. Estos datos proporcionan información sobre los factores sociales que influyen en la salud del paciente.

La integración de datos y la interoperabilidad son cruciales para utilizar los datos de los DSS de manera efectiva. Integrar estos datos en los registros electrónicos de salud (EHR) y garantizar la interoperabilidad entre diferentes sistemas permite a los proveedores de atención sanitaria 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 salud pueden requerir apoyo adicional para gestionar las afecciones crónicas. Al incorporar los datos de los DSS, las organizaciones sanitarias pueden desarrollar programas de alcance dirigidos, brindar recursos para el transporte a las citas médicas y ofrecer asistencia nutricional a aquellos que lo necesitan.

La gestión de la salud poblacional es otra área en la que los datos de los DSS desempeñan un papel crítico. Al analizar los datos de los DSS a nivel comunitario, las organizaciones sanitarias pueden identificar tendencias y patrones que informan las estrategias de salud pública.

Sin embargo, integrar los datos de los DSS en los códigos de diagnóstico oficiales presenta un problema de interoperabilidad o estandarización. Actualmente no hay un marco universalmente aceptado para codificar los datos de los DSS. Garantizar la calidad de los datos también es difícil, ya que los datos de los DSS a menudo provienen de diversas fuentes con diferentes niveles de precisión y complejidad. La colaboración entre las organizaciones sanitarias, los formuladores de políticas y los proveedores de tecnología para establecer prácticas estandarizadas será un paso importante para abordar estos obstáculos.

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

Como hemos visto en el último año, las organizaciones sanitarias son extremadamente vulnerables a las amenazas de ciberseguridad. Las violaciones de datos y los ataques de ransomware son problemas significativos, lo que requiere la implementación de cifrado robusto, autenticación multifactor y auditorías de seguridad regulares para mitigar estas amenazas. Los sistemas y software heredados son comunes en las organizaciones sanitarias, ya que muchos aún utilizan sistemas obsoletos. Actualizar y parchear regularmente el software, así como migrar a plataformas modernas y seguras, es esencial.

Las amenazas internas, donde los empleados con acceso a datos sensibles, también plantean riesgos significativos. La implementación de controles de acceso estrictos, la supervisión de la actividad del usuario y la capacitación en ciberseguridad pueden 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 riesgo regulares para identificar vulnerabilidades y garantizar el cumplimiento de los requisitos regulatorios como el HIPAA.

Posiblemente la medida más importante es la capacitación y educación continua para el personal de TI y los profesionales de la salud para protegerse contra las amenazas de ciberseguridad en constante evolución. Muchas de estas amenazas explotan las vulnerabilidades humanas, por lo que cuanto más educado esté el personal sobre las mejores prácticas de ciberseguridad, más probable es que se reduzca el error humano, lo que llevará a datos de pacientes más seguros.

¿Cuáles son las consideraciones éticas clave que las organizaciones sanitarias deben tener en cuenta al implementar soluciones de IA, y cómo pueden navegar la resistencia a la implementación de la IA en los hospitales?

Este es uno de los problemas más importantes que las organizaciones sanitarias deben abordar, con la necesidad de considerar varios aspectos éticos y navegar la posible resistencia. Garantizar la privacidad y la confidencialidad del paciente es fundamental, con soluciones de IA que se adhieren a regulaciones estrictas de protección de datos y emplean medidas de seguridad robustas. Los pacientes deben ser informados 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 beneficios y riesgos potenciales.

Los sesgos 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 si las organizaciones no son cuidadosas. Eso hace que el monitoreo y ajuste continuo de estos modelos de IA sean supremamente necesarios para mantener la equidad.

Es fundamental ser transparente sobre el uso de la IA y ser responsable de las decisiones tomadas por los sistemas de IA, lo más notable al proporcionar explicaciones para las decisiones impulsadas por la IA y establecer mecanismos de supervisión.

Seguir adelante con todo esto es un paso importante hacia 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, involucrar a las partes interesadas en el proceso de implementación de la IA, establecer un compromiso para adoptar un enfoque integral centrado en la construcción de la confianza, brindar una comunicación clara y garantizar el uso ético de la IA.

¿Cómo pueden las soluciones de CitiusTech ayudar a las organizaciones sanitarias a lograr una integración de datos sin problemas y la interoperabilidad en varias plataformas y aplicaciones?

En CitiusTech, podemos impulsar la innovación digital sanitaria, la transformación empresarial y la convergencia en toda la industria para las empresas de sanidad y ciencias de la vida en todo el mundo. Nuestras soluciones están diseñadas para lograr una integración de datos sin problemas y la interoperabilidad en varias plataformas y aplicaciones. Nuestras plataformas de integración avanzadas garantizan que los sistemas dispares se comuniquen y compartan datos de manera efectiva, facilitando el intercambio de datos para una visión 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 reclamaciones de los miembros y las persecuciones de gráficos manuales y aprovechar los datos clínicos para acelerar el cierre de brechas de atención. Buscando una solución que pudiera utilizar los datos clínicos de manera efectiva, utilizaron CitiusTech para integrar de manera transparente los datos clínicos de una variedad de registros electrónicos de salud (EHR) y agregadores de datos, lo que llevó a un ahorro anual de 10 millones de dólares.

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

La recientemente lanzada Solución de Calidad y Confianza de Gen AI de CitiusTech, una solución integral de su tipo en la sanidad, puede abordar estos requisitos al proporcionar una validación integral, un monitoreo continuo y el cumplimiento de los estándares regulatorios, garantizando la eficacia y la confiabilidad de las soluciones de Gen AI en la sanidad. Esto permite a las organizaciones sanitarias aprovechar la IA de manera efectiva para una mejor toma de decisiones y resultados de los pacientes.

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

Con la integración de la IA en la sanidad y las ciencias de la vida creciendo rápidamente, el uso creciente 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 la imagen y el diagnóstico médicos tendrán un impacto significativo en la industria.

En CitiusTech, estamos adelantándonos a estas tendencias invirtiendo continuamente en I+D para estar a la vanguardia de los avances de la IA. Como se mencionó, hemos desarrollado soluciones de Gen AI, como nuestra herramienta de calidad y confianza, así como otras soluciones de IA que aprovechan las tecnologías más recientes para mejorar los resultados de los pacientes y la eficiencia operativa. Es una prioridad esencial centrarse en garantizar el uso ético y justo de la IA, abordar los sesgos y mantener la transparencia y la responsabilidad en las decisiones impulsadas por la IA. Es una prioridad para nuestro equipo mantenerse actualizado con las últimas tendencias de la IA, garantizando que tengamos los mejores recursos disponibles para ayudar a las organizaciones sanitarias a navegar el panorama en constante evolución de la integración de la IA.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar CitiusTech.