डॉ. जेमी ब्लैंड, एक्विला हेल्थ के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

डॉ. जेमी ब्लैंड, एक्विला हेल्थ के सह-संस्थापक और सीईओ, एक स्वास्थ्य सेवा प्रौद्योगिकी नेता हैं जो उद्योग की सबसे बड़ी चुनौतियों में से एक का समाधान करने पर ध्यान केंद्रित कर रहे हैं: खंडित और असुलभ डेटा। उन्होंने एक्विला हेल्थ की सह-स्थापना एक एकीकृत डेटा बुनियादी ढांचे का निर्माण करने के लिए की जो स्वास्थ्य सेवा संगठनों को विभाजित प्रणालियों से आगे बढ़ने में सक्षम बनाता है, मशीन लर्निंग और संरचित विश्लेषण का लाभ उठाकर कार्रवाई योग्य अंतर्दृष्टि प्रदान करता है जबकि नैदानिक पर्यवेक्षण बनाए रखता है। उनका काम अंतरपरिवर्तनीयता में सुधार, जनसंख्या-स्तर के स्वास्थ्य बुद्धिमत्ता को सक्षम बनाने और एकीकृत नैदानिक, दावा और जीनोमिक डेटा प्रणालियों के माध्यम से उभरते स्वास्थ्य खतरों का पता लगाने में सहायता करने पर केंद्रित है।

एक्विला हेल्थ एक एआई-संचालित स्वास्थ्य सेवा डेटा प्लेटफ़ॉर्म है जो विभिन्न डेटा स्रोतों को एक एकल, अंतरपरिवर्तनीय प्रणाली में एकीकृत करने के लिए डिज़ाइन किया गया है जो संचालन की दक्षता और उन्नत विश्लेषण दोनों का समर्थन करता है। प्लेटफ़ॉर्म एचएल7 और एफएचआईआर जैसे उच्च-वॉल्यूम स्वास्थ्य सेवा डेटा प्रारूपों को आत्मसात करता है, अस्पतालों, सार्वजनिक स्वास्थ्य प्रणालियों और अन्य हितधारकों के माध्यम से सहज एकीकरण को सक्षम बनाता है। संरचित मशीन लर्निंग दृष्टिकोणों को मानव-इन-द-लूप सत्यापन मॉडल के साथ जोड़कर, एक्विला जनसंख्या स्वास्थ्य प्रबंधन, विचलन पता लगाने और वास्तविक समय निर्णय लेने के लिए विश्वसनीय अंतर्दृष्टि प्रदान करने पर ध्यान केंद्रित करता है, केवल अपारदर्शी एआई प्रणालियों पर निर्भर नहीं करता है। यह कंपनी को डेटा बुनियादी ढांचे और लागू किए गए एआई के बीच के交section में रखता है, जहां डेटा गुणवत्ता और पहुंच को बेहतर बनाना स्वास्थ्य सेवा बुद्धिमत्ता की पूरी क्षमता को अनलॉक करने के लिए आधारभूत है।

आपने सिंकहेल्थ के माध्यम से विशाल विकास का नेतृत्व किया, लाखों रोगी रिकॉर्ड और कई राज्यों में अंतरपरिवर्तनीयता को बढ़ाया, इससे पहले कि आप एक्विला हेल्थ की स्थापना की। इस यात्रा के दौरान आपको कौन सी प्रमुख सीमाएं या प्रणालीगत विफलताएं मिलीं जिन्होंने अंततः आपको एक्विला का निर्माण करने के लिए प्रेरित किया?

सिंकहेल्थ में, हमने नेब्रास्का और आयोवा में स्वास्थ्य सेवा संगठनों को जोड़ने के लिए बुनियादी ढांचे का निर्माण करने में वर्षों का समय लिया। हमने 1,100 से अधिक देखभाल स्थलों और लाखों रोगी रिकॉर्ड को जोड़ा, जो पांच मिलियन से अधिक लोगों की आबादी को कवर करता है।

हालांकि, हम जो समस्या रखते थे, वह यह थी कि प्रणालियों को जोड़ना और वास्तव में डेटा को उपयोगी बनाना दो बहुत अलग समस्याएं हैं। उदाहरण के लिए, हमने कई स्रोतों से प्राप्त डेटा को समन्वयित करके एक ओपियोड ओवरडोज डैशबोर्ड बनाने का काम किया। इस एक डेटा बिंदु को सार्वजनिक स्वास्थ्य और स्वास्थ्य सेवा संदर्भ में समझने योग्य बनाने में महीनों का समय लगा और कई हितधारकों के बीच समन्वय के साथ सैकड़ों एफटीई घंटे लगे। और इसके बाद भी, तस्वीर अभी भी अधूरी थी।

यह अनुभव एक्विला के लिए बीज था। पुराने तरीके से इंटरफेस को जोड़ने के बिना डेटा की पूर्णता और गुणवत्ता को समझे बिना यह आवश्यकता को पूरा नहीं करेगा। हाल के वर्षों में एआई में जो प्रगति हुई है, जब एआई कुछ घंटों में वह कर सकता है जो पहले एक टीम को महीनों में करने में लगता था, और वह भी उच्च गुणवत्ता और कम लागत पर, तो आपको उस ज्ञान का उपयोग करके एक नए आधार से पुनर्निर्माण करना होगा। यही हमने एक्विला के साथ किया है, हम आधुनिक उपकरणों पर ध्यान केंद्रित कर रहे हैं जो जुड़ने की लागत को कम करते हैं ताकि हम पूरे स्वास्थ्य की तस्वीर पूरी कर सकें, न कि केवल पारंपरिक ईएचआई स्रोतों से प्राप्त डेटा।

एक्विला ने हाल ही में एक मंच के साथ स्टील्थ से बाहर निकला जो खंडित स्वास्थ्य सेवा डेटा को एक एकल, एआई-तैयार परत में एकीकृत करने पर केंद्रित है। क्या कोर तकनीकी सफलताएं थीं जो इसे संभव बनाईं, खासकर कुछ वर्षों के भीतर?

एआई क्षमताएं इस बदलाव को लगभग पूरी तरह से चला रही हैं।

मैंने वर्षों से कुशल इंजीनियरों को डेटा मानकों को मैन्युअल रूप से सुलझाते हुए देखा है, एक स्रोत एक समय में। यह काम करता था, लेकिन यह मॉडल कभी भी तेजी से नहीं बढ़ सकता है। आप इसके लिए पर्याप्त तेजी से काम नहीं कर सकते हैं ताकि स्वास्थ्य सेवा द्वारा उत्पन्न डेटा की मात्रा और विविधता के साथ तालमेल बिठा सकें।

अब जो अलग है वह यह है कि एआई डेटा परत में निरंतर डेटा को सामान्य बना सकता है जब जानकारी प्रणाली के माध्यम से चलती है। यह एक बैच प्रक्रिया नहीं है जो रात में चलती है। यह लगभग वास्तविक समय में होता है। यह चिकित्सकों और सार्वजनिक स्वास्थ्य टीमों के लिए जो संभव है उसे बदलता है, क्योंकि उन्हें जिस डेटा की आवश्यकता होती है वह स्रोतों के पार संरचित और सत्यापित होता है इससे पहले कि यह उन तक पहुंचे।

चिकित्सकों को आमतौर पर पूरी मरीज की तस्वीर के बिना निर्णय लेने की आदत होती है। सार्वजनिक स्वास्थ्य को कार्यक्रमों को चलाने के लिए हाल के डेटा की आवश्यकता नहीं होती है। एक्विला परिदृश्य को बदल रहा है और स्वास्थ्य सेवा में प्रभावी डेटा-संचालित निर्णय लेने के लिए गति प्रदान कर रहा है।

हमने TREUE™ के रूप में एक फ्रेमवर्क बनाया है जो ईएचआर-व्युत्पन्न नैदानिक डेटा, प्रयोगशाला, सार्वजनिक स्वास्थ्य, दावा, फार्मेसी और सामाजिक डेटा को एक एकल संरचित प्रारूप में व्यवस्थित करता है। एआई अच्छे डेटा शासन को प्रतिस्थापित नहीं करता है; यह इसे पहली बार स्केलेबल बनाता है।

आपने जोर देकर कहा है कि स्वास्थ्य सेवा में एआई की वास्तविक चुनौती मॉडल नहीं है, बल्कि डेटा स्वयं है। आज के स्वास्थ्य सेवा डेटा बुनियादी ढांचे में एआई को अर्थपूर्ण परिणाम देने से रोकने वाले सबसे महत्वपूर्ण अंतराल क्या हैं?

उद्योग एआई मॉडल के बारे में बात कर रहा है, लेकिन मॉडल कठिन हिस्सा नहीं है।

कठिन हिस्सा यह है कि एक मरीज एक ही दिन में तीन अलग-अलग सुविधाओं में जा सकता है और तीन अलग-अलग प्रणालियों में तीन अलग-अलग लोगों के रूप में दिखाई दे सकता है। प्रयोगशाला नैदानिक नोट्स से मेल नहीं खाती। पेयर रिकॉर्ड में अस्पताल रिकॉर्ड और सार्वजनिक स्वास्थ्य के लिए एक अलग पहचानकर्ता है। जब तक आप सभी को मैन्युअल रूप से समन्वयित करते हैं, तब तक नैदानिक खिड़की बंद हो जाती है।

मजबूत तकनीकी कनेक्शन अधूरे या अनुक्रम से रिकॉर्ड को ठीक नहीं कर सकते हैं। एआई कोई पैटर्न नहीं पहचान सकता है जो डेटा में नहीं है, और यह अधूरे या अनुपस्थित ऐतिहासिक या वर्तमान जानकारी वाले रिकॉर्ड से विश्वसनीय सिफारिश नहीं कर सकता है।

अंतर डेटा में विश्वास है, यही पहले हल किया जाना चाहिए, और इसे स्केल पर हल करना है जहां एआई वास्तव में अपनी जगह कमा सकता है।

एक्विला खुद को एआई अंतर्ग्रहण से पहले “डेटा तैयारी परत” के रूप में स्थिति देता है। क्या आप वास्तविक समय के फीड, दावा डेटा और नैदानिक रिकॉर्ड जैसे अत्यधिक विविध इनपुट के साथ व्यवहार में यह परत क्या करती है?

पिछले उदाहरण का उपयोग करके, एक रोगी मुठभेड़ डेटा उत्पन्न करती है। आपको अस्पताल से एक एचएल7 संदेश, बीमाकर्ता से एक दावा रिकॉर्ड, एक संदर्भ प्रयोगशाला से एक प्रयोगशाला परिणाम एक अलग पहचानकर्ता का उपयोग करता है, और एक सार्वजनिक स्वास्थ्य रिपोर्ट एक अलग समय सीमा पर दायर की जाती है। इनमें से कोई भी एक दूसरे के साथ सुलह करने के लिए डिज़ाइन नहीं किया गया था।

हमारी तैयारी परत, TREUE™, इन इनपुट और किसी भी डाउनस्ट्रीम विश्लेषण या एआई अनुप्रयोग के बीच बैठती है। इसका काम प्रत्येक रिकॉर्ड का मूल्यांकन करना है क्योंकि यह आता है, पहचान को स्रोतों के पार मिलान करना, प्रारूपों को सामान्य बनाना और यह झंडा देना कि क्या गुम है या असंगत है इससे पहले कि डेटा आगे बढ़े।

व्यवहार में, इसका अर्थ है कि एक चिकित्सक जो एक मरीज को देख रहा है वह एक रिकॉर्ड पर काम कर रहा है जो स्रोतों के पार सत्यापित और संरचित है। सार्वजनिक स्वास्थ्य टीमों के लिए, इसका अर्थ है कि प्रकोप संकेत विभिन्न क्षेत्राधिकारों से अलग-अलग प्रारूपों में आने वाले डेटा के कारण नहीं हैं।

यह बुनियादी ढांचे का काम है। यह आकर्षक नहीं है, लेकिन कुछ भी नीचे काम नहीं करता है।

इंटरऑपरेबिलिटी मानक जैसे फास्ट हेल्थकेयर इंटरऑपरेबिलिटी रिसोर्स (एफएचआईआर) और संयुक्त राज्य अमेरिका कोर डेटा फॉर इंटरऑपरेबिलिटी (यूएससीडीआई) वर्षों से आसपास हैं, फिर भी खंडितता बनी रहती है। मानकों के दृष्टिकोण से क्या अभी भी कमी है, और एक्विला उन अंतरालों को कैसे अलग तरह से संबोधित करता है?

एफएचआईआर और यूएससीडीआई ने उद्योग को डेटा के आदान-प्रदान के लिए एक साझा भाषा दी। यह महत्वपूर्ण प्रगति थी। लेकिन डेटा के लिए एक साझा भाषा डेटा को एक बार यह आता है तो यह व्यवहार में एक ही बात नहीं है।

यह अंतर है: स्वास्थ्य सेवा डेटा एक डोमेन से नहीं आता है। नैदानिक प्रणाली, सार्वजनिक स्वास्थ्य रजिस्ट्री, प्रयोगशालाएं और सामाजिक डेटा स्रोतों में से प्रत्येक के अपने शासन आवश्यकताएं, समय सीमा और क्षेत्र के अर्थ हैं। एफएचआईआर आपको एक सामाजिक निर्धारक डेटासेट को एक नैदानिक रिकॉर्ड के साथ सुलह करने के लिए नहीं बताता है जो एक अलग क्षेत्राधिकार से है।

जो TREUE™ जोड़ता है वह एक एकल फ्रेमवर्क है जो विभिन्न डोमेन से डेटा को एक साथ व्यवस्थित और सत्यापित करने के लिए कैसे किया जा सकता है, जबकि प्रत्येक स्रोत के लिए लागू होने वाले शासन नियमों का सम्मान करते हुए। परिणाम डेटा है जिसे आप वास्तव में विभिन्न डोमेन में विश्लेषण कर सकते हैं, न कि केवल डेटा जो सफलतापूर्वक प्रेषित किया गया है।

एक्विला उच्च-परिणाम वाले वातावरण में संचालित होता है जहां विफलता एक विकल्प नहीं है। आप एआई प्रणालियों को कैसे डिज़ाइन करते हैं जो वास्तविक समय के प्रदर्शन के साथ शासन, ऑडिटेबिलिटी और विश्वास की सख्त आवश्यकताओं को संतुलित करते हैं?

आपको शासन को पहले से ही आर्किटेक्चर में निर्मित करना होगा, इससे पहले कि आप पहली पंक्ति अनुप्रयोग कोड लिखें। यह एक परत नहीं होनी चाहिए जिसे आप बाद में जोड़ते हैं।

स्वास्थ्य सेवा और सरकारी वातावरण में, डेटा से सूचित निर्णय रोगी देखभाल, प्रकोप प्रतिक्रिया और सार्वजनिक संसाधनों के आवंटन को प्रभावित करते हैं। डेटा पर की जाने वाली प्रत्येक क्रिया का पता लगाने योग्य होना चाहिए, और पहुंच को सख्ती से नियंत्रित किया जाना चाहिए। प्रणाली को संचालित वातावरण की अनुपालन आवश्यकताओं को पूरा करना होगा।

एक्विला के लिए, इसका अर्थ है सरकार-ग्रेड क्लाउड बुनियादी ढांचे, शून्य-विश्वास पहुंच नियंत्रण और सुरक्षा प्रथाओं का पालन करना जो हिपपा और संघीय मानकों के साथ संरेखित हैं। हमारे पास राज्य सरकार, संघीय एजेंसियों और स्वास्थ्य सेवा संगठनों के साथ सक्रिय अनुबंध हैं, और इन वातावरणों में विभिन्न अनुपालन आवश्यकताएं हैं जिन्हें प्लेटफ़ॉर्म को एक ही समय में पूरा करना होगा।

मानव-इन-द-लूप घटक उतना ही महत्वपूर्ण है। एआई संकेतों को सतह पर ला सकता है, लेकिन नैदानिक विशेषज्ञ विचलन को सत्यापित करते हैं इससे पहले कि वे संचालन निर्णयों को सूचित करें। प्रौद्योगिकी उन संकेतों को खोजने में तेजी लाती है। यह उन लोगों की बुद्धिमत्ता को प्रतिस्थापित नहीं करता है जिन्हें उन पर कार्रवाई करनी है।

आपका प्लेटफ़ॉर्म सुरक्षित, डिवाइस-पर-एआई तैनाती और डेटा संप्रभुता का समर्थन करता है। स्वास्थ्य सेवा में विकेंद्रीकरण कितना महत्वपूर्ण हो रहा है, खासकर डेटा गोपनीयता और नियामक अनुपालन के बढ़ते चिंताओं को देखते हुए?

यह आवश्यक हो रहा है, और मुझे लगता है कि उद्योग अभी तक इसके क्यों के साथ तालमेल नहीं बिठा पाया है।

स्वास्थ्य सेवा संगठन सख्त गोपनीयता दायित्वों के तहत काम करते हैं। संवेदनशील रोगी डेटा को केंद्रीकृत नहीं किया जा सकता है और एक साझा वातावरण में संसाधित नहीं किया जा सकता है। विभिन्न राज्यों में विभिन्न नियम हैं। संघीय एजेंसियों में विभिन्न नियम हैं। अंतर्राष्ट्रीय स्वास्थ्य डेटा में एक और सेट प्रतिबंध है। कोई भी वास्तुकला जो संवेदनशील डेटा को एक केंद्रीय स्थान पर ले जाने की आवश्यकता है, वह उन दीवारों से बार-बार टकराएगी।

काम करने की दिशा यह है कि जहां डेटा पहले से ही रहता है वहां अंतर्दृष्टि उत्पन्न करना। संगठन साझा विश्लेषण में योगदान कर सकते हैं बिना अपने अंतर्निहित डेटा पर नियंत्रण खोए। यही विकेंद्रीकृत मॉडल की अनुमति देता है।

हमारा प्लेटफ़ॉर्म एक नियंत्रित, विकेंद्रीकृत वातावरण में संचालित करने के लिए बनाया गया है – शासन जो डेटा के साथ यात्रा करता है, एक बिंदु पर लागू नहीं होता है। यह एक कठिन वास्तुकला है जिसे बनाने के लिए, लेकिन यह वह है जो वास्तव में स्वास्थ्य सेवा डेटा शासन के साथ संगत है।

बहुत से एआई स्टार्टअप ब्लैक-बॉक्स मॉडल पर बहुत अधिक निर्भर हैं, जबकि एक्विला मानव-इन-द-लूप सत्यापन को एकीकृत करता है। क्लिनिकल एआई प्रणालियों में स्वचालन और मानव पर्यवेक्षण के बीच रेखा कहां है?

मैंने अपना करियर एक स्टाफ नर्स के रूप में शुरू किया। यह अनुभव मुझे यह बताता है कि एक नैदानिक सेटिंग में एआई के लिए क्या उपयुक्त है और कहां नहीं।

एआई बड़े डेटासेट में पैटर्न खोजने में बहुत अच्छा है। यह यह नहीं जानता है कि एक विशिष्ट मरीज के लिए एक विशिष्ट इतिहास के साथ एक विशिष्ट समुदाय संदर्भ में एक पैटर्न का क्या अर्थ है। यह अभी भी एक मानव निर्णय है।

क्लिनिकल प्रणालियों में एआई की सही भूमिका यह है कि यह मानव द्वारा मात्रा में छूटे हुए संकेतों को सतह पर लाए, न कि नैदानिक तर्क को प्रतिस्थापित करे जो इसका पालन करता है। एक्विला में, प्रणाली द्वारा झंडे वाले विचलन और अंतर्दृष्टि चिकित्सकों और डोमेन विशेषज्ञों की समीक्षा के लिए जाते हैं इससे पहले कि वे संचालन निर्णयों को सूचित करें। प्रौद्योगिकी आपको बताती है कि कहां देखना है, और पेशेवर आपको बताता है कि इसका क्या अर्थ है।

जहां मुझे लगता है कि रेखा होनी चाहिए: स्वचालन का पता लगाना, व्याख्या को लोगों के साथ रखना जो परिणाम के लिए जिम्मेदार हैं।

एक्विला सार्वजनिक स्वास्थ्य, सरकारी प्रणालियों और नियंत्रित उद्योगों में काम कर रहा है। एआई बुनियादी ढांचे की आवश्यकताएं इन वातावरणों में पारंपरिक उद्यम एआई तैनाती की तुलना में कैसे भिन्न हैं?

एक典型 उद्यम एआई तैनाती में, आप आमतौर पर एक ही संगठन के डेटा वातावरण में, एक शासन नियम, एक अनुपालन ढांचे के भीतर काम कर रहे हैं।

सार्वजनिक स्वास्थ्य और सरकारी वातावरण संरचनात्मक रूप से भिन्न हैं। आप कई क्षेत्राधिकारों, कई एजेंसियों, कई नैदानिक सेटिंग्स के माध्यम से समन्वय कर रहे हैं, प्रत्येक अपने स्वयं के रिपोर्टिंग समय सीमा और विभिन्न कानूनी ढांचे के तहत संचालित होते हैं। एक राज्य में एक अस्पताल, एक एजेंसी में एक सार्वजनिक स्वास्थ्य, एक संघीय कार्यक्रम में अपने स्वयं के डेटा आवश्यकताओं के साथ। सभी को डेटा का आदान-प्रदान करने और बिना किसी एक संस्था के दूसरे के रिकॉर्ड तक नियंत्रित पहुंच के बिना अंतर्दृष्टि उत्पन्न करने में सक्षम होने की आवश्यकता है।

बुनियादी ढांचे को उच्च-वॉल्यूम प्रसंस्करण का समर्थन करना होगा जबकि सभी सीमाओं के पार सख्त ऑडिटेबिलिटी बनाए रखना होगा। यह विरासत स्वास्थ्य सेवा मैसेजिंग प्रारूपों के साथ एकीकरण करना होगा, क्योंकि वे प्रणालियां जाने नहीं वाली हैं। और यह उन वातावरणों में विश्वसनीय रूप से संचालित करना होगा जहां डाउनटाइम न केवल एक व्यावसायिक समस्या है, बल्कि एक रोगी सुरक्षा समस्या है।

यह जटिलता है कि क्यों हमने एक्विला को इन वातावरणों के साथ शुरू किया, पारंपरिक उद्यम बाजार के बजाय। यदि आप यहां काम करने वाला बुनियादी ढांचा बना सकते हैं, तो यह हर जगह काम करता है।

एआई क्षमताएं नियामक ढांचे से अधिक तेजी से आगे बढ़ रही हैं। संस्थापकों और प्लेटफ़ॉर्म निर्माताओं के पास क्या जिम्मेदारियां हैं ताकि यह सुनिश्चित किया जा सके कि ये प्रणालियां दिन एक से ही नैतिक और सुरक्षित रूप से तैनात की जा रही हैं?

मुझे लगता है कि जिम्मेदारी सीधी है, भले ही इसका पालन करना मुश्किल हो। यदि आप एआई बना रहे हैं जो नैदानिक निर्णयों या सार्वजनिक स्वास्थ्य परिणामों को प्रभावित करता है, तो आपको शासन को उत्पाद रोडमैप आइटम के रूप में नहीं मान सकते जिसे आप अंततः प्राप्त करेंगे। यह शुरू से ही डिज़ाइन किया जाना चाहिए।

व्यावहारिक रूप से, इसका अर्थ है कि डेटा पर हर क्रिया का पता लगाने योग्य होना चाहिए। मॉडल को पर्याप्त रूप से व्याख्या योग्य होना चाहिए ताकि एक चिकित्सक यह समझ सके कि एक संकेत क्यों उठाया गया था। नैदानिक विशेषज्ञों को समीक्षा प्रक्रिया का हिस्सा होना चाहिए, एक बाद के विचार के रूप में नहीं। और संगठन को यह ईमानदारी से बताना चाहिए कि प्रणाली विश्वसनीय रूप से क्या कर सकती है और क्या नहीं।

मैंने अपना करियर ऐसे वातावरण में बिताया है जहां डेटा विफलताएं वास्तविक लोगों के लिए वास्तविक परिणाम हैं। यह मुझे इस बारे में सोचने का तरीका है। क्षमताएं तेजी से आगे बढ़ रही हैं, और उनकी तैनाती के लिए जिम्मेदारी पीछे नहीं रह सकती है। संस्थापकों को यह मानक खुद के लिए रखना होगा, नियामक इसे थोपे बिना।

साक्षात्कार के लिए धन्यवाद। प्लेटफ़ॉर्म और इसके स्वास्थ्य सेवा डेटा बुनियादी ढांचे के दृष्टिकोण का अन्वेषण करने में रुचि रखने वाले पाठक एक्विला हेल्थ पर जाकर अधिक जान सकते हैं।