विवेक देसाई, राष्ट्रपति और मुख्य प्रौद्योगिकी अधिकारी, उत्तर अमेरिका में आरएलडैटिक्स – साक्षात्कार श्रृंखला

विवेक देसाई आरएलडैटिक्स के मुख्य प्रौद्योगिकी अधिकारी हैं, जो एक स्वास्थ्य सेवा संचालन सॉफ्टवेयर और सेवा कंपनी है। आरएलडैटिक्स स्वास्थ्य सेवा में बदलाव लाने के लिए एक मिशन पर है। वे संगठनों को सुरक्षित, अधिक कुशल देखभाल के लिए प्रौद्योगिकी प्रदान करके स्वास्थ्य सेवा में सुधार और सुरक्षा को बढ़ावा देने में मदद करते हैं।

आपको कंप्यूटर विज्ञान और साइबर सुरक्षा में क्या आकर्षित किया?

मुझे कंप्यूटर विज्ञान और साइबर सुरक्षा की जटिलताओं ने आकर्षित किया – हमेशा एक नई चुनौती होती है। एक अच्छा उदाहरण यह है जब क्लाउड पहली बार लोकप्रिय हो रहा था। इसमें बहुत सारे वादे थे, लेकिन कुछ सवाल भी थे जैसे कि काम की सुरक्षा के बारे में। यह बहुत जल्दी स्पष्ट हो गया था कि पारंपरिक तरीके एक अस्थायी समाधान थे, और संगठनों को क्लाउड में काम को सुरक्षित करने के लिए नए तरीके विकसित करने होंगे। इन नए तरीकों को नेविगेट करना मेरे लिए और इस क्षेत्र में काम करने वाले कई लोगों के लिए एक रोमांचक यात्रा थी। यह एक गतिशील और विकसित होता हुआ उद्योग है, इसलिए हर दिन कुछ नया और रोमांचक होता है।

आप आरएलडैटिक्स के सीटीओ के रूप में अपनी वर्तमान जिम्मेदारियों के बारे में कुछ बता सकते हैं?

वर्तमान में, मैं हमारी डेटा रणनीति का नेतृत्व कर रहा हूं और हमारे उत्पादों और डेटा के बीच संबंध बनाने के तरीके खोज रहा हूं, ताकि हम रुझानों को बेहतर ढंग से समझ सकें। हमारे कई उत्पाद समान प्रकार के डेटा को संग्रहीत करते हैं, इसलिए मेरा काम उन सिलोस को तोड़ना और हमारे ग्राहकों, अस्पतालों और स्वास्थ्य प्रणालियों के लिए डेटा तक पहुंच बनाना आसान बनाना है। इसके साथ ही, मैं हमारी वैश्विक कृत्रिम बुद्धिमत्ता (एआई) रणनीति पर काम कर रहा हूं ताकि हम डेटा तक पहुंच और उपयोग को पूरे पारिस्थितिकी तंत्र में सूचित कर सकें।

विभिन्न उद्योगों में उभरते रुझानों पर अद्यतित रहना मेरी भूमिका का एक और महत्वपूर्ण पहलू है, ताकि हम सही रणनीतिक दिशा में आगे बढ़ सकें। मैं वर्तमान में बड़े भाषा मॉडल (एलएलएम) पर करीब से नजर रख रहा हूं। एक कंपनी के रूप में, हम एलएलएम को हमारी प्रौद्योगिकी में एकीकृत करने के तरीके खोज रहे हैं, ताकि हम स्वास्थ्य सेवा प्रदाताओं को सशक्त बना सकें, उनके संज्ञानात्मक भार को कम कर सकें, और उन्हें रोगियों की देखभाल पर ध्यान केंद्रित करने में मदद कर सकें।

आपके लिंक्डइन ब्लॉग पोस्ट में लिखा है, “सीटीओ अकेले काम नहीं करते हैं। वे एक टीम का हिस्सा हैं।” आप इस बारे में कुछ बता सकते हैं कि आपने किन चुनौतियों का सामना किया और आप तकनीकी रूप से चुनौतीपूर्ण परियोजनाओं पर प्रतिनिधित्व और टीम वर्क कैसे करते हैं?

सीटीओ की भूमिका पिछले दशक में मूल रूप से बदल गई है। सर्वर रूम में काम करने के दिन चले गए हैं। अब यह काम अधिक सहयोगी है। हम व्यावसायिक इकाइयों के साथ मिलकर संगठनात्मक प्राथमिकताओं पर सहमत होते हैं और उन आकांक्षाओं को तकनीकी आवश्यकताओं में बदल देते हैं जो हमें आगे बढ़ाते हैं। अस्पताल और स्वास्थ्य प्रणालियों को वर्तमान में कई दैनिक चुनौतियों का सामना करना पड़ता है, जैसे कि कार्यबल प्रबंधन से लेकर वित्तीय प्रतिबंधों तक, और नई प्रौद्योगिकी को अपनाना हमेशा एक प्राथमिकता नहीं हो सकती है। हमारा सबसे बड़ा लक्ष्य यह दिखाना है कि प्रौद्योगिकी इन चुनौतियों को कम करने में मदद कर सकती है, न कि उन्हें जोड़ सकती है, और यह उनके व्यवसाय, कर्मचारियों और मरीजों के लिए क्या मूल्य लाती है। यह प्रयास अकेले या मेरी टीम के भीतर नहीं किया जा सकता है, इसलिए सहयोग विभिन्न अनुशासनात्मक इकाइयों में फैला हुआ है ताकि एक सुसंगत रणनीति विकसित की जा सके जो मूल्य दिखा सके।

स्वास्थ्य सेवा संचालन के भविष्य में कृत्रिम बुद्धिमत्ता की भूमिका क्या है?

एकीकृत डेटा के साथ, कृत्रिम बुद्धिमत्ता विभिन्न प्रणालियों को जोड़ सकती है और देखभाल की निरंतरता में सुरक्षा और सटीकता में सुधार कर सकती है। यह जुड़ी हुई स्वास्थ्य सेवा संचालन की अवधारणा एक श्रेणी है जिस पर हम आरएलडैटिक्स में ध्यान केंद्रित कर रहे हैं क्योंकि यह स्वास्थ्य सेवा निर्णय लेने वालों के लिए क्रियाशील डेटा और अंतर्दृष्टि प्रदान करता है – और कृत्रिम बुद्धिमत्ता इसे वास्तविकता बनाने में महत्वपूर्ण है।

इस एकीकरण का एक अनिवार्य पहलू यह सुनिश्चित करना है कि डेटा का उपयोग सुरक्षित और अनुपालन है। हम नीति, जोखिम और सुरक्षा में बाजार के नेता हैं, जिसका अर्थ है कि हमारे पास एलएलएम को प्रशिक्षित करने के लिए पर्याप्त डेटा है। जुड़ी हुई स्वास्थ्य सेवा संचालन को प्राप्त करने के लिए, पहला कदम विभिन्न समाधानों को मिलाना है, और दूसरा उन समाधानों में से डेटा निकालना और उसे सामान्य बनाना है। अस्पतालों को एक समूह से जुड़े समाधानों से लाभ होगा जो डेटा सेट को मिला सकते हैं और उपयोगकर्ताओं को क्रियाशील मूल्य प्रदान कर सकते हैं, न कि अलग-अलग बिंदु समाधानों से अलग डेटा सेट बनाए रख सकते हैं।

हाल ही में एक मुख्य भाषण में, मुख्य उत्पाद अधिकारी बारबरा स्टारुक ने बताया कि आरएलडैटिक्स रोगी सुरक्षा घटना रिपोर्टिंग को स्ट्रीमलाइन और स्वचालित करने के लिए कृत्रिम बुद्धिमत्ता और बड़े भाषा मॉडल का उपयोग कैसे कर रहा है। आप इस पर और बता सकते हैं?

यह आरएलडैटिक्स के लिए एक महत्वपूर्ण पहल है और यह दिखाता है कि हम एलएलएम की क्षमता को कैसे अधिकतम कर रहे हैं। जब अस्पताल और स्वास्थ्य प्रणालियां घटना रिपोर्ट पूरी करती हैं, तो नुकसान के स्तर को निर्धारित करने के लिए तीन मानक प्रारूप होते हैं: एजेंसी फॉर हेल्थकेयर रिसर्च एंड क्वालिटी के सामान्य प्रारूप, राष्ट्रीय समन्वय परिषद दवा त्रुटि रिपोर्टिंग और रोकथाम और स्वास्थ्य प्रदर्शन सुधार (एचपीआई) सुरक्षा घटना वर्गीकरण (एसईसी)। हम एलएलएम को आसानी से प्रशिक्षित कर सकते हैं ताकि वह घटना रिपोर्ट में पाठ पढ़ सके। यदि एक रोगी मर जाता है, तो एलएलएम आसानी से उस जानकारी को चुन सकता है। चुनौती यह है कि एलएलएम को संदर्भ निर्धारित करने और अधिक जटिल श्रेणियों के बीच अंतर करने के लिए प्रशिक्षित करना है, जैसे कि गंभीर स्थायी नुकसान, जो एचपीआई एसईसी में एक कराधान है।

आरएलडैटिक्स एक सरल कराधान लागू करने का लक्ष्य रखता है, वैश्विक स्तर पर, हमारे पोर्टफोलियो में, जो एलएलएम द्वारा आसानी से पहचाना जा सकता है। समय के साथ, उपयोगकर्ता बस घटना क्या हुई और एलएलएम यहां से संबंधित सभी महत्वपूर्ण जानकारी निकालेगा और घटना फॉर्म को पूर्व-भर देगा। यह न केवल एक महत्वपूर्ण समय-बचत है बल्कि एक तनावग्रस्त कार्यबल के लिए, बल्कि जैसे ही मॉडल और अधिक उन्नत होता है, हम महत्वपूर्ण रुझानों की पहचान करने में सक्षम होंगे जो स्वास्थ्य सेवा संगठनों को सुरक्षित निर्णय लेने में मदद करेंगे।

आरएलडैटिक्स ने अपने संचालन में एलएलएम को शामिल करने के अन्य तरीके क्या हैं?

एक अन्य तरीका है जिससे हम एलएलएम का उपयोग कर रहे हैं वह है प्रमाणन प्रक्रिया को स्ट्रीमलाइन करना। प्रत्येक प्रदाता के प्रमाणपत्र अलग-अलग प्रारूप में होते हैं और विशिष्ट जानकारी होती है। इसके बारे में सोचें कि हर किसी का रेज्यूमे अलग दिखता है – फोंट, काम का अनुभव, शिक्षा और समग्र प्रारूप। प्रमाणन इसी तरह है। प्रदाता ने कॉलेज कहां भाग लिया? उनकी प्रमाणीकरण क्या है? किन लेखों में वे प्रकाशित हुए हैं? प्रत्येक स्वास्थ्य पेशेवर उस जानकारी को अपने तरीके से प्रदान करेगा।

आरएलडैटिक्स में, एलएलएम हमें इन प्रमाणपत्रों को पढ़ने और उस डेटा को एक मानक प्रारूप में निकालने में सक्षम बनाता है, ताकि डेटा एंट्री में काम करने वाले लोगों को इसके लिए व्यापक रूप से खोज न करनी पड़े। यह उन्हें प्रशासनिक घटक पर कम समय बिताने और मूल्य जोड़ने वाले कार्यों पर ध्यान केंद्रित करने में सक्षम बनाता है।

साइबर सुरक्षा हमेशा चुनौतीपूर्ण रही है, खासकर क्लाउड-आधारित प्रौद्योगिकियों में स्थानांतरण के साथ। आप इन चुनौतियों पर चर्चा कर सकते हैं?

साइबर सुरक्षा वास्तव में चुनौतीपूर्ण है, जो इसे महत्वपूर्ण बनाता है कि आप सही साथी के साथ काम करें। एलएलएम को सुरक्षित और अनुपालन रखना सबसे महत्वपूर्ण विचार है जब आप इस प्रौद्योगिकी का उपयोग कर रहे हों। यदि आपके पास घर में ऐसा करने के लिए समर्पित कर्मचारी नहीं हैं, तो यह बहुत चुनौतीपूर्ण और समय लेने वाला हो सकता है। यही कारण है कि हम अपनी अधिकांश साइबर सुरक्षा पहलों पर अमेज़न वेब सेवाओं (एडब्ल्यूएस) के साथ काम करते हैं। एडब्ल्यूएस हमें अपनी प्रौद्योगिकी में सुरक्षा और अनुपालन को मूल सिद्धांतों के रूप में स्थापित करने में मदद करता है, ताकि आरएलडैटिक्स अपने ग्राहकों के लिए महान उत्पाद बनाने पर ध्यान केंद्रित कर सके।

एलएलएम के हाल ही में तेजी से अपनाने के साथ आप किन नए सुरक्षा खतरों का सामना कर रहे हैं?

आरएलडैटिक्स के दृष्टिकोण से, एलएलएम विकसित और प्रशिक्षित करते समय हम कई विचारों पर काम कर रहे हैं। हमारे लिए एक महत्वपूर्ण फोकस पूर्वाग्रह और अन्याय को कम करना है। एलएलएम केवल उतना ही अच्छा है जितना डेटा उन्हें प्रशिक्षित किया जाता है। जैसे कि लिंग, जाति और अन्य जनसांख्यिकी जैसे कारकों में निहित पूर्वाग्रह के कारण डेटासेट में पूर्वाग्रह हो सकता है। उदाहरण के लिए, दक्षिणपूर्वी संयुक्त राज्य अमेरिका में “यॉल” शब्द का उपयोग दैनिक भाषा में कैसे किया जाता है, यह एक विशिष्ट भाषा पूर्वाग्रह है जो एक विशिष्ट रोगी आबादी में निहित है। शोधकर्ताओं को एलएलएम को प्रशिक्षित करते समय इस तरह के पूर्वाग्रहों पर विचार करना होगा।

सुरक्षा, पारदर्शिता और जवाबदेही बनाए रखना हमारे संगठन के लिए भी बड़े फोकस बिंदु हैं, साथ ही साथ हॉलुसिनेशन और गलत सूचना के अवसरों को कम करना भी है। यह सुनिश्चित करना कि हम सक्रिय रूप से गोपनीयता चिंताओं का समाधान कर रहे हैं, हमें यह समझने में सक्षम होना चाहिए कि मॉडल ने एक निश्चित उत्तर कैसे पहुंचाया, और हमारे पास एक सुरक्षित विकास चक्र है, सभी प्रभावी कार्यान्वयन और रखरखाव के महत्वपूर्ण घटक हैं।

आरएलडैटिक्स में उपयोग किए जाने वाले अन्य मशीन लर्निंग एल्गोरिदम क्या हैं?

मशीन लर्निंग का उपयोग महत्वपूर्ण अनुसूची अंतर्दृष्टि को उजागर करने के लिए हमारे संगठन में एक दिलचस्प उपयोग का मामला रहा है। यूके में, विशेष रूप से, हम यह देखने के लिए जांच कर रहे हैं कि हम कैसे मशीन लर्निंग का उपयोग कर सकते हैं ताकि नर्सों और डॉक्टरों की अनुसूची (रोस्टरिंग) को बेहतर ढंग से समझा जा सके। आरएलडैटिक्स के पास पिछले दशक से अनुसूची डेटा की एक बड़ी मात्रा है, लेकिन हम इस जानकारी के साथ क्या कर सकते हैं? यहीं पर मशीन लर्निंग आती है। हम एक ऐतिहासिक डेटा का विश्लेषण करने के लिए एक मशीन लर्निंग मॉडल का उपयोग कर रहे हैं और एक विशिष्ट अस्पताल या क्षेत्र में दो सप्ताह से आगे की स्थिति के बारे में अंतर्दृष्टि प्रदान कर रहे हैं।

यह विशिष्ट उपयोग मामला एक बहुत ही प्राप्य मशीन लर्निंग मॉडल है, लेकिन हम इसे वास्तविक जीवन की घटनाओं से जोड़कर आगे बढ़ा रहे हैं। उदाहरण के लिए, यदि हम किसी क्षेत्र में हर फुटबॉल अनुसूची को देखते हैं, तो हम जानते हैं कि खेल की घटनाएं आमतौर पर अधिक चोटों का कारण बनती हैं और स्थानीय अस्पताल को एक खेल के दिन अधिक रोगियों का सामना करना पड़ सकता है। हम अपने ग्राहकों के लिए अनुसूची को और अधिक सुव्यवस्थित बनाने के लिए सार्वजनिक डेटा सेट को बीज करने के लिए एएडब्ल्यूएस और अन्य भागीदारों के साथ काम कर रहे हैं। हमारे पास पहले से ही डेटा है जो सुझाव देता है कि हम प्रमुख खेल आयोजनों या यहां तक कि खराब मौसम के आसपास रोगियों में वृद्धि देखेंगे, लेकिन मशीन लर्निंग मॉडल इसे एक कदम आगे ले जा सकता है ताकि यह डेटा ले सके और अस्पतालों को सुरक्षित रूप से स्टाफ करने में मदद करने के लिए महत्वपूर्ण रुझानों की पहचान कर सके, अंततः हमारे कार्यबल पर दबाव को कम कर सके और सुरक्षित देखभाल की दिशा में हमारे उद्योग को एक कदम आगे ले जा सके।

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