वरुण गणपति, सीटीओ और सह-संस्थापक एकासा – साक्षात्कार श्रृंखला

वरुण गणपति एकासा के सीटीओ और सह-संस्थापक हैं, जो स्वास्थ्य सेवा अनुप्रयोगों के लिए कृत्रिम बुद्धिमत्ता के विकासकर्ता हैं। एकासा स्वास्थ्य सेवा संगठनों को संचालन में सुधार करने में मदद करता है, जिसमें राजस्व चक्र शामिल है, जिससे राजस्व बढ़े, दक्षता बढ़े और रोगी के अनुभव में सुधार हो। वरुण ने एकासा से पहले दो कृत्रिम बुद्धिमत्ता कंपनियों की स्थापना की थी, जिनमें से एक को गूगल ने और दूसरी को यूडेसिटी ने अधिग्रहित किया था।

आपके पास मशीन लर्निंग में एक विशिष्ट कैरियर रहा है, क्या आप हमें अपने शुरुआती दिनों के बारे में बता सकते हैं जब आप स्टैनफोर्ड में स्वायत्त हेलीकॉप्टर पर काम कर रहे थे?

जब मैं स्टैनफोर्ड में भौतिकी के स्नातक के रूप में पढ़ रहा था, तो मुझे कंप्यूटर विज्ञान और मशीन लर्निंग में भी बहुत रुचि थी। मेरे लिए, कृत्रिम बुद्धिमत्ता और मशीन लर्निंग एक ही चीज थी – यह किसी भी डिजिटल घटना पर भौतिकी करने का एक स्वचालित तरीका था।

एक विशिष्ट परियोजना के लिए, हमारे पास एक हेलीकॉप्टर था जो एक बड़े ड्रोन की तरह दिखता था, जो जुड़वां मैट्रेस से थोड़ा छोटा था – जब ड्रोन आम नहीं थे। लोग इसे उड़ा रहे थे और इसे करतब दिखा रहे थे, जैसे कि उल्टा होवर करना। जबकि यह करना बहुत मुश्किल है, हम एक मशीन लर्निंग एल्गोरिदम बनाना चाहते थे जो मानवों से सीखकर इस हेलीकॉप्टर को स्वायत्त रूप से उड़ाने में सक्षम हो।

हमने एक भौतिकी सिम्युलेटर बनाया जो वास्तविक हेलीकॉप्टर पर आधारित था और एक मशीन लर्निंग एल्गोरिदम जो इसकी गतिविधियों की भविष्यवाणी करना सीखा। हमने सिम्युलेटर के भीतर पुनरावृत्ति सीखने का उपयोग करके एक नियंत्रक विकसित किया, सॉफ्टवेयर लिया और इसे वास्तविक हेलीकॉप्टर में अपलोड किया। जब हमने हेलीकॉप्टर चालू किया, तो यह पहली बार में काम किया! हेलीकॉप्टर तुरंत उल्टा होवर करने में सक्षम था, जो बहुत प्रभावशाली था। टीम ने मशीन लर्निंग का उपयोग करके अन्य प्रकार के करतब स्वचालित करने पर काम करना जारी रखा।

आप गूगल बुक्स में भी काम कर चुके हैं, क्या आप हमें उस एल्गोरिदम के बारे में बता सकते हैं जिस पर आप काम कर रहे थे और आपकी कंपनी को गूगल द्वारा अधिग्रहित किया गया था?

मैंने 2004 में स्टैनफोर्ड में कक्षाएं लेते हुए गूगल में एक इंटर्नशिप की – यह हेलीकॉप्टर परियोजना के ठीक बाद था। उस समय, मैं गूगल बुक्स परियोजना के लिए मशीन लर्निंग को लागू कर रहा था, जहां हम दुनिया की सभी किताबों को स्कैन कर रहे थे।

गूगल ने लोगों को किताबों के बारे में जानकारी लेबल करने के लिए भुगतान किया था, जैसे कि पृष्ठ, सामग्री, कॉपीराइट, आदि – एक बहुत ही समय लेने वाला काम। मैं देखना चाहता था कि क्या हम मशीन लर्निंग का उपयोग करके यह काम कर सकते हैं और यह वास्तव में बहुत अच्छा काम किया। यह मानवों द्वारा किए गए काम से भी बेहतर और अधिक सटीक था क्योंकि अधिकांश त्रुटियां मानव त्रुटि के कारण होती थीं।

इसके बाद, मैंने स्टैनफोर्ड में पीएचडी करने का फैसला किया, जिसमें मैंने मशीन लर्निंग पर ध्यान केंद्रित किया और पहले अधिक सैद्धांतिक पत्रों पर काम किया। मेरे शोध प्रबंध के लिए, मैंने वास्तविक समय में मानव जोड़ों की गति को ट्रैक करने के लिए एक एल्गोरिदम विकसित किया, जो एक गहराई कैमरे से संभव था। यह मेरी पहली कंपनी, नुमोविस के लिए आधार था, जो मोशन ट्रैकिंग और कंप्यूटर विजन पर केंद्रित थी। यह गूगल द्वारा अधिग्रहित किया गया था।

मेरी पूरी यात्रा, हेलीकॉप्टर परियोजना से लेकर गूगल बुक्स तक, और स्वायत्त वाहनों से लेकर स्वास्थ्य सेवा संचालन तक, मुझे यह दिखाया कि मशीन लर्निंग एल्गोरिदम कितने शक्तिशाली और सामान्य हैं।

क्या आप एकासा की उत्पत्ति की कहानी साझा कर सकते हैं?

हमने एकासा को स्वास्थ्य सेवा संचालन में एक बड़े और गहराई से जड़े हुए समस्या को हल करने के लिए बनाया है। ये संचालन न केवल महंगे हैं, बल्कि त्रुटिपूर्ण भी हो सकते हैं, जिससे रोगियों के लिए अनावश्यक और चिंता पैदा करने वाले वित्तीय अनुभव हो सकते हैं। प्रशासनिक पक्ष में नई प्रौद्योगिकी की कमी थी और कुछ भी उद्देश्य से निर्मित नहीं किया गया था। यह स्पष्ट हो गया कि कृत्रिम बुद्धिमत्ता और मशीन लर्निंग जैसी प्रौद्योगिकियों का उपयोग इन संचालन चुनौतियों को नवाचारी तरीके से हल करने के लिए किया जा सकता है। जब हमने कई स्वास्थ्य प्रणालियों और स्वास्थ्य सेवा नेताओं से बात की, तो उन्होंने हमारी सोच को मान्य किया, जिससे अंततः 2019 में एकासा की स्थापना हुई।

एकासा का उद्देश्य शुरू से ही स्पष्ट रहा है – मानव स्वास्थ्य को सक्षम बनाना और कृत्रिम बुद्धिमत्ता के साथ स्वास्थ्य सेवा का भविष्य बनाना। हमने इस चुनौती को हल करने का तरीका चुना है मानव बुद्धिमत्ता को अग्रणी कृत्रिम बुद्धिमत्ता और मशीन लर्निंग के साथ जोड़कर, ताकि स्वास्थ्य प्रणालियां संचालन लागत को कम कर सकें और संसाधनों को जहां सबसे ज्यादा जरूरत है वहां आवंटित कर सकें।

हमारा सिस्टम-एज्नोस्टिक, लचीला प्लेटफ़ॉर्म वर्तमान में 475 से अधिक अस्पतालों और स्वास्थ्य प्रणालियों और 8,000 से अधिक आउटपेशेंट सुविधाओं को सेवा प्रदान कर रहा है, जो सभी 50 राज्यों में फैली हुई हैं। हमारी प्रौद्योगिकी इन संगठनों की मदद करती है, चाहे वे इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) प्रदाताओं जैसे एपिक, सेर्नर, अन्य ईएचआर, या बोल्ट-ऑन सिस्टम का उपयोग कर रहे हों या बीच में कुछ भी हो। और हमने इसे मजबूत परिणामों के साथ किया है।

हमारे ग्राहक आधार में 110 अरब डॉलर से अधिक की कुल शुद्ध रोगी राजस्व है, जो कि स्वास्थ्य प्रणाली के वार्षिक व्यय के 10% से अधिक है, जैसा कि सेंटर फॉर मेडिकेड और मेडिकेयर सर्विसेज द्वारा बताया गया है। और एकासा के मॉडल और एल्गोरिदम को लगभग 290 मिलियन दावों और रिमिटेंस पर प्रशिक्षित किया गया है।

स्वास्थ्य सेवा की अदृश्य पाइपिंग बहुत जटिल है, लेकिन इसका मानव स्वास्थ्य पर बहुत बड़ा प्रभाव पड़ता है, और हम इसे थोड़ा-थोड़ा करके स्वचालित कर रहे हैं।

एकासा स्वास्थ्य सेवा में कौन से कार्यों को स्वचालित करने की कोशिश कर रहा है?

हमारे विशेषज्ञ-इन-द-लूप दृष्टिकोण, यूनिफाइड ऑटोमेशन, मशीन लर्निंग को मानव निर्णय और विषय विशेषज्ञता के साथ जोड़ती है ताकि स्वास्थ्य सेवा संचालन के लिए मजबूत और लचीला स्वचालन प्रदान किया जा सके। एकासा स्वास्थ्य सेवा वित्त कार्य के भीतर अंत-से-अंत कार्यों को तेजी से और कुशलता से स्वचालित और स्ट्रीमलाइन कर सकता है, जिसमें बिल प्रसंस्करण और भुगतान शामिल हैं। एकासा द्वारा स्वचालित विशिष्ट कार्यों में रोगी पात्रता की जांच, बीमा जानकारी का दस्तावेजीकरण और सत्यापन, रोगी लागत का अनुमान, संपादन, पुनः बिलिंग और दावों का अपील, और अस्वीकृति की भविष्यवाणी और प्रबंधन शामिल हैं।

इस प्रकार के स्वचालन न केवल मानव त्रुटि और देरी को कम करता है, जिससे रोगियों के लिए आश्चर्यजनक चिकित्सा बिलों को रोकने में मदद मिलती है, बल्कि स्वास्थ्य सेवा कर्मचारियों को भी मुक्त करता है bằng मैनुअल, पुनरावृत्ति कार्यों को पूरी तरह से उनकी प्लेट से हटा देता है – जिससे वे अधिक पुरस्कृत, चुनौतीपूर्ण और मूल्य-उत्पादक कार्यों पर ध्यान केंद्रित कर सकते हैं जो रोगी अनुभव की ओर निर्देशित हैं।

एकासा किस प्रकार के मशीन लर्निंग एल्गोरिदम का उपयोग करता है?

एकासा स्वास्थ्य सेवा संचालन को स्वचालित करने के लिए स्वायत्त वाहनों के लिए संभव बनाने वाले相同 मशीन लर्निंग दृष्टिकोण का उपयोग करता है। यह दृष्टिकोण – मशीन लर्निंग के इर्द-गिर्द केंद्रित – स्वचालन की क्षमताओं को विस्तारित करता है ताकि यह अधिक जटिल कार्यों को बड़े पैमाने पर संभाल सके।

हम कंप्यूटर विजन, प्राकृतिक भाषा समझ, और संरचित डेटा समस्याओं पर राज्य-के-कला एल्गोरिदम विकसित करते हैं। हमारा प्लेटफ़ॉर्म कंप्यूटर विजन-संचालित आरपीए के साथ शुरू होता है और इसे आधुनिक कृत्रिम बुद्धिमत्ता, मशीन लर्निंग और एक विशेषज्ञ-इन-द-लूप के साथ बढ़ाता है ताकि मजबूत स्वचालन प्रदान किया जा सके।

एक उच्च-स्तरीय अवलोकन प्रदान करने के लिए, हमारा प्रोप्राइटरी समाधान पहले स्वास्थ्य सेवा कर्मचारियों को उनके कार्यों को पूरा करने के तरीके को देखता है। हमारी टीम तब उस डेटा को लेबल करती है और हमारे एल्गोरिदम को प्रशिक्षित करने के लिए इसका उपयोग करती है ताकि हमारी प्रौद्योगिकी स्वास्थ्य सेवा कर्मचारियों और उनकी प्रणालियों के काम करने के तरीके को समझ और सीख सके। हमारे प्लेटफ़ॉर्म तब उन कार्यों को स्वचालित रूप से पूरा करता है। अंत में, हम विशेषज्ञों-इन-द-लूप का उपयोग करते हैं जो तब हस्तक्षेप कर सकते हैं जब प्रणाली अपवादों या असामान्यताओं को झंडा दिखाती है। कृत्रिम बुद्धिमत्ता उन अनुभवों से लगातार सीखती है, जिससे यह जटिल कार्यों को समय के साथ अधिक से अधिक संभालने में सक्षम होती है।

क्या आप मानव-इन-द-लूप दृष्टिकोण के महत्व पर चर्चा कर सकते हैं और यह आरपीए को क्यों बदलने जा रहा है?

सख्त सच्चाई यह है कि आरपीए एक दशक पुरानी प्रौद्योगिकी है जो नाजुक है और इसकी क्षमताओं में वास्तविक सीमाएं हैं। यह हमेशा सरल, विवेकपूर्ण और रैखिक कार्यों को स्वचालित करने में कुछ मूल्य रखेगा, लेकिन स्वचालन प्रयास अक्सर अपनी आकांक्षाओं से कम होते हैं क्योंकि जीवन जटिल है और हमेशा बदलता रहता है।

आरपीए के मूल दृष्टिकोण में एक रोबोट (बॉट) बनाना शामिल है जो प्रत्येक समस्या या मार्ग को हल करने के लिए होता है जिसे आप हल करना चाहते हैं। एक मानव (परामर्शदाता या इंजीनियर) एक विशिष्ट समस्या को हल करने के लिए एक रोबोट बनाता है। यह रोबोटिक समाधान एक क्रम के चरणों को प्रतिस्थापित करता है। यह एक स्क्रीन को देखता है, कार्रवाई करता है और इसे दोहराता है।

जो समस्या अक्सर होती है वह यह है कि दुनिया में परिवर्तन, जैसे कि सॉफ्टवेयर या यूआई में संशोधन, रोबोट को तोड़ सकता है। जैसा कि हम जानते हैं, प्रौद्योगिकी हमेशा विकसित हो रही है, जिससे गतिशील वातावरण बनते हैं। इसका मतलब है कि आरपीए रोबोट अक्सर विफल हो जाते हैं।

आरपीए के साथ एक और समस्या यह है कि आपको प्रत्येक स्थिति के लिए एक रोबोट बनाने की आवश्यकता होती है जिसे आप हल करना चाहते हैं। ऐसा करने से, आपके पास कई रोबोट होंगे जो बहुत छोटे कार्य कर रहे हैं जिनमें बहुत अधिक कौशल की आवश्यकता नहीं होती है।

यह एक प्रकार का व्हैक-ए-मोल गेम है। प्रत्येक दिन, आपको यह जोखिम होता है कि उनमें से एक विफल हो जाएगा क्योंकि कोई सॉफ्टवेयर बदल जाएगा या कुछ असामान्य होगा – एक संवाद बॉक्स पॉप अप होगा या एक नए प्रकार का इनपुट होगा। परिणाम यह होता है कि इन बॉट्स को चलाने के लिए महंगा रखरखाव होता है। फोरेस्टर के शोध के अनुसार, आरपीए पर 1 डॉलर खर्च करने के लिए, 3.41 डॉलर परामर्श संसाधनों पर खर्च किए जाते हैं।

दूसरे शब्दों में, आरपीए सॉफ्टवेयर के लिए वास्तविक लागत नहीं है। अधिक महत्वपूर्ण निवेश यह है कि आपको इसे चलाने के लिए लगातार काम करना होगा। कई संगठन इस निरंतर लागत के लिए खाता नहीं देते हैं।

जैसा कि जीवन का अधिकांश हिस्सा जटिल है और हमेशा बदलता रहता है, आरपीए की क्षमताओं से परे बहुत सा काम होता है, जहां मशीन लर्निंग आती है। मशीन लर्निंग हमें कठिन कार्यों को स्वचालित करने में सक्षम बनाती है। और हम मानते हैं कि विशेष सॉस मानव हैं जो एल्गोरिदम में सुधार करते हैं उन्हें सिखाने के द्वारा।

जब एल्गोरिदम को यह नहीं पता होता है कि यह क्या करना चाहिए (निम्न विश्वास), तो यह मानव-इन-द-लूप को अपवादों और असामान्यताओं को संभालने के लिए बढ़ाया जाता है। यह विशेषज्ञ-इन-द-लूप हिस्सा है। निरंतर सीखने के साथ, यूनिफाइड ऑटोमेशन प्लेटफ़ॉर्म समय के साथ अधिक चतुर और कुशल हो जाता है और मानव हस्तक्षेप कम हो जाता है।

मानव विशेषज्ञों को लूप में शामिल करना कृत्रिम बुद्धिमत्ता को स्मार्ट, तेज़ और बेहतर बनाने के लिए महत्वपूर्ण है। हमें मानवों की आवश्यकता है ताकि वे कृत्रिम बुद्धिमत्ता को ठीक से प्रशिक्षित करें और सुनिश्चित करें कि यह अपवादों को संभाल सकता है जो किसी भी उद्योग में अपरिहार्य हैं – और विशेष रूप से स्वास्थ्य सेवा जैसे गतिशील क्षेत्र में।

एकासा का मानव-इन-द-लूप समाधान यूनिफाइड ऑटोमेशन कैसे काम करता है, और इसके लिए प्राथमिक उपयोग क्या हैं?

यूनिफाइड ऑटोमेशन एक प्लेटफ़ॉर्म है जो स्वास्थ्य सेवा के लिए विशेष रूप से डिज़ाइन किया गया है। कृत्रिम बुद्धिमत्ता, मशीन लर्निंग और हमारी चिकित्सा बिलिंग विशेषज्ञों की टीम का उपयोग करके, यह एक स्वचालित रूप से एकीकृत, अनुकूलित समाधान बनाता है जो आपको तेजी से मूल्य देखने में मदद करता है, लगभग कोई रखरखाव या अपवाद क्यू के साथ।

यह अपवादों और असामान्यताओं के साथ डिज़ाइन किया गया है। यदि यह कुछ नया आता है, तो प्लेटफ़ॉर्म मुद्दे को एकासा की विशेषज्ञों की टीम को झंडा दिखाता है जो इसे हल करती है जबकि प्रणाली उनके द्वारा की गई कार्रवाई से सीखती है। यह मानव तत्व है जो हमें बाजार में अन्य समाधानों से अलग करता है और प्लेटफ़ॉर्म को लगातार सीखने और सुधारने में सक्षम बनाता है।

यूनिफाइड ऑटोमेशन स्वास्थ्य सेवा उद्योग की गतिशील प्रकृति के अनुकूल है। यह एक स्वचालित रूप से एकीकृत, अनुकूलित समाधान है जो संचालन लागत को कम करने में मदद करता है, कर्मचारियों को अधिक पुरस्कृत कार्यों पर ध्यान केंद्रित करने के लिए बढ़ावा देता है जो मानव स्पर्श की आवश्यकता होती है, और स्वास्थ्य प्रणालियों के लिए राजस्व को बढ़ाने में मदद करता है जबकि रोगी वित्तीय अनुभव में सुधार करता है।

यहाँ यूनिफाइड ऑटोमेशन कैसे काम करता है:

प्रोप्राइटरी सॉफ्टवेयर देखता है: हमारा वर्कलॉगर टूल दूरस्थ रूप से देखता है कि स्वास्थ्य सेवा कर्मचारी अपने कार्यों को कैसे पूरा करते हैं। हमारी टीम तब उस डेटा को लेबल करती है और इसे हमारे स्वचालन में डालती है ताकि वर्तमान कार्यों और प्रक्रियाओं का एक व्यापक दृश्य प्रदान किया जा सके। इससे कर्मचारी प्रदर्शन में उच्च दृश्यता होती है, स्वचालन को शक्ति देने के लिए कार्यों पर आधारित डेटा होता है, और कार्य-प्रति-समय विश्लेषण होता है।

कृत्रिम बुद्धिमत्ता प्रदर्शन करती है: स्वास्थ्य सेवा कर्मचारियों के कार्यों को देखने और सीखने के बाद, हमारी कृत्रिम बुद्धिमत्ता तब उन कार्यों को स्वचालित रूप से पूरा करती है। यह समस्याओं और एज केस में आने वाले समय के साथ अधिक जटिल कार्यों को संभालने में सक्षम हो जाती है। यूनिफाइड ऑटोमेशन कार्य क्यू में अपस्ट्रीम बैठता है – खुद को लागू करने योग्य कार्यों को असाइन करता है और उन्हें बिना कर्मचारियों को व्यवधान डाले पूरा करता है। यह स्वचालित रूप से प्रक्रियाओं को भी अनुकूलित करता है ताकि कर्मचारियों से कोई सेटअप या हस्तक्षेप की आवश्यकता न हो।

मानव विशेषज्ञता सुनिश्चित करती है: प्रणाली स्वचालित रूप से हमारी चिकित्सा बिलिंग विशेषज्ञों की टीम को अपवादों और असामान्यताओं को संभालने के लिए झंडा दिखाती है, जो वास्तविक समय में कृत्रिम बुद्धिमत्ता को प्रशिक्षित करते हैं। यह विशेषज्ञ-इन-द-लूप हिस्सा है। निरंतर सीखने के निर्माण के साथ, यूनिफाइड ऑटोमेशन प्लेटफ़ॉर्म समय के साथ अधिक चतुर और कुशल हो जाता है और काम हमेशा पूरा हो जाता है।

क्या एकासा के बारे में और कुछ है जो आप साझा करना चाहेंगे?

हमारे पास एक शोध-पहले का दृष्टिकोण है, जिसका अर्थ है कि हमारे ग्राहकों को अग्रणी प्रौद्योगिकी तक पहुंच प्राप्त है। हम कृत्रिम बुद्धिमत्ता और स्वास्थ्य सेवा संचालन में हमारे दृष्टिकोण को पीयर-रिव्यू प्रकाशनों में प्रकाशित करने के लिए प्रतिबद्ध हैं ताकि हम स्वास्थ्य सेवा संचालन में कृत्रिम बुद्धिमत्ता के लिए नए राज्य-के-कला मानकों को निर्धारित कर सकें और पूरे उद्योग को आगे बढ़ा सकें।

उदाहरण के लिए, हमारे शोध को इंटरनेशनल कॉन्फ्रेंस ऑन मशीन लर्निंग (आईसीएमएल), नेचरल लैंग्वेज प्रोसेसिंग (एनएलपी) समिट, और मशीन लर्निंग फॉर हेल्थकेयर कॉन्फ्रेंस (एमएलएचसी), सहित अन्य में प्रस्तुत किया गया है। हम अपने मॉडलों का परीक्षण करने और बाजार में राज्य-के-कला कृत्रिम बुद्धिमत्ता दृष्टिकोणों के खिलाफ उनके प्रदर्शन की तुलना करने के लिए एक अनुशासित दृष्टिकोण ले रहे हैं।

हमारा पूर्वानुमानिक अस्वीकृति समाधान माना जाता है कि यह पहला प्रकाशित गहरा शिक्षण-आधारित प्रणाली है जो चिकित्सा दावों को 22% से अधिक की सटीकता के साथ अस्वीकार कर सकती है, जो मौजूदा बेसलाइन की तुलना में है। हमारे रीड, अटेंड, कोड मॉडल ने चिकित्सा दावों के स्वचालित कोडिंग के लिए एक नए राज्य-के-कला को परिभाषित किया है और मौजूदा मॉडलों को 18% से अधिक पार किया है – मानव कोडरों की उत्पादकता को पार किया है। हम मानते हैं कि ये पीछे के कार्यालय नवाचार स्वास्थ्य सेवा प्रणाली को बड़े पैमाने पर सुधारने के लिए महत्वपूर्ण हैं और इस स्थान में अनुकूलित समाधानों को चलाने के लिए जारी रहेंगे।

स्वास्थ्य सेवा में कृत्रिम बुद्धिमत्ता के बारे में बहुत अधिक भ्रम है, लेकिन जब यह आता है तो कंपनियां यह बता सकती हैं कि उनकी प्रौद्योगिकी वास्तव में क्या कर सकती है। यह अधिक कठिन है अनुसंधान करने के लिए जो एल्गोरिदम क्या करता है – और हम इस अर्थपूर्ण, लेकिन चुनौतीपूर्ण मार्ग के लिए खुद को गर्वित करते हैं ताकि यह साबित किया जा सके कि एकासा का यूनिफाइड ऑटोमेशन प्लेटफ़ॉर्म वास्तव में अस्पतालों और स्वास्थ्य प्रणालियों में सकारात्मक और अर्थपूर्ण परिवर्तन ला रहा है।

हम एकासा में भविष्य और आगे की चीजों के बारे में उत्साहित हैं क्योंकि हम कृत्रिम बुद्धिमत्ता के साथ स्वास्थ्य सेवा का भविष्य बना रहे हैं।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें एकासा पर जाना चाहिए।