Mohan Giridharadas, a LeanTaaS alapítója és vezérigazgatója – Interjúsorozat

Mohan Giridharadas a cég alapítója és vezérigazgatója LeanTaaS, piacvezető a biztosításban AI-alapú és SaaS-alapú kapacitásmenedzsment-, személyzet- és betegáramlási szoftver egészségügyi rendszerek számára. A cég szoftverét több mint 175 egészségügyi rendszer használja országszerte. A LeanTaaS a közelmúltban lett az első digitális egészségügyi vállalat, amely meghaladta az 1 milliárd dolláros értékét Kórház IQ megszerzése 10. január 2023-én, ami azt is követi, hogy a Bain Capital felvásárolja a többségi részesedés a cégnél 6. június 2022-án. 

Korán tudtad, hogy mérnök akarsz lenni, mi váltotta ki ezt az érdeklődést?

Felnőttként apám mérnök volt, valamint mindhárom idősebb bátyám. Mindig a felsőoktatási pályán jártam, és végül Bombayben léptem be az IIT-be (Indian Institute of Technology). Villamosmérnököt tanultam az egyetemen, mielőtt az Egyesült Államokba kerültem, és a Georgia Tech Universityn végeztem számítástechnikai mesterképzésemért, majd a Stanford Egyetemen az MBA-t.

18 évig dolgozott a McKinsey & Company-nál, melyek voltak azok a projektek, amelyeken dolgozott, és milyen leckéket tanult a tapasztalatokból?

 A McKinseynél karcsúsított gyártási és lean szolgáltatási műveleteket vezettem Észak-Amerikában, valamint lean műveleteket és lean szolgáltatási műveleteket APAC-ban. 2009 végén két fő gondolattal távoztam a LeanTaaS elindításához. Először is azt vettem észre, hogy az excel-táblázatok hátoldalán mindenütt működésfejlesztési projektek zajlanak. Ezenkívül bármilyen folyamatfejlesztési erőfeszítéshez projektcsapat szükséges – legyen az belső vagy külső. Az ilyen típusú csapatok olyan projektmunkákkal rendelkeznek, amelyek folyamatosan fejlődnek, függetlenül attól, hogy milyen projektről van szó. A LeanTaaS elindításával kapcsolatos elképzelésem az volt, hogy olyan lean transzformációs képességeket tudnék nyújtani, amelyek az excel-szintű matematikát kifinomult matematikával helyettesítik, és a helyszíni projektcsapat igényét egy Szoftver szolgáltatásként ("SaaS") platformmal helyettesíthetem.

 Megosztanád a történetet, hogyan vezetett egy kötetlen beszélgetés egy Szilícium-völgyi koktélpartin a LeanTaaS megalapításához?

 A Szilícium-völgyben minden koktél- vagy vacsorapartin elkerülhetetlenül olyan embereket látnak vendégül, akik cégeket alapítottak, cégeket adtak el vagy nyilvánosságra hoztak. Voltam az egyik ilyen bulin, és valaki új megkérdezte, mit csinálok. Mondtam neki, hogy a McKinsey-nél dolgozom, de már eldöntöttem, hogy kilépek, és szoftvercéget alapítok. Abban a pillanatban nem voltam teljesen biztos abban, hogy mi lesz. Rám nézett, és azt mondta: „Ez elég merész ugrás.” Elmondta, hogy a McKinseynél betöltött jelenlegi beosztásomban képes voltam bármelyik vezérigazgató naptárába bekerülni. Ha kilépek, hogy saját céget alapítsak, termék, technológia, finanszírozás, ügyfelek nélkül – ki látna akkor engem? Egy darabig ezen jártam a fejemben, de végül ezt a beszélgetést alapvető építőelemként használtam. Az új cégemnek olyannak kellett lennie, amely képes kamatoztatni azokat a készségeket, amelyek felépítése 20 évbe telt, miközben a szoftveres térben is bomlasztó és jellegzetes. Ez a kulcsfontosságú beszélgetés segített leszűkíteni a lehetőségeket, és egy nagyon világos küldetéssel és céllal rendelkező tematikus szoftvercég felépítésére összpontosítani.

A LeanTaaS eredeti elképzelése tág volt, mi késztette arra, hogy az egészségügyre összpontosítson?

A LeanTaaS útja 2010-ben kezdődött egy iparág-agnosztikus megközelítéssel. Körülbelül 20 vállalattal dolgoztunk együtt, köztük a Google-lal, a Home Depottal és a Flextronics-szal, hogy javítsuk a működési teljesítményt az egyedi gyártású SaaS-alkalmazásokon keresztül.

2013-ban aztán a Stanford Health Care-rel együttműködve megoldottuk az infúziós ütemezési kihívásukat. Létrehoztunk egy algoritmust, amely optimálisan illeszkedik a rendelkezésre álló kínálathoz a folyamatos keresleti jelekhez. Korábbi tapasztalataimból tudtam, hogy a kínálat és a kereslet analitikusan szigorú összehangolása kulcsfontosságú a működési teljesítmény optimalizálása szempontjából. Megoldásunk működött, és a következő 18 hónapot algoritmusaink finomításával és első termékünk, az iQueue for Infusion Centers létrehozásával töltöttük. 2015-ben arra törekedtünk, hogy teljes mértékben az egészségügyre összpontosítsunk.

Melyek azok a gépi tanulási technológiák, amelyeket a kórházak és egészségügyi intézmények működésének optimalizálására használnak?

Ahogy egyre több egészségügyi adat digitalizálódik, lehetőség nyílik arra, hogy ezeket az adatokat hasznosítsuk a szolgáltatók számára a kereslet és a kínálat hatékonyabb összehangolása érdekében. A gépi tanulási technológiák matematikai képességei messze túlmutatnak az emberi elmén, és egyre gyakrabban használják őket a kórházak és az infúziós központok működésének optimalizálására. Ezek a technológiák kihasználják az adatvezérelt betekintést a hatékonyság, a betegek kimenetelének és az erőforrások elosztásának javítása érdekében. Az egészségügyi optimalizálás kiemelkedő gépi tanulási technológiái közül néhány:

Prediktív elemzés: A gépi tanulási algoritmusok elemezhetik a korábbi adatokat, hogy előre jelezzék a betegek felvételi arányát, a betegségek kitörését és a betegek kimenetelét. Ez segít a kórházaknak hatékonyabban elosztani az erőforrásokat, és megtervezni a betegek iránti kereslet esetleges megugrását.

Betegáramlás-kezelés: A gépi tanulás optimalizálhatja a betegáramlást az elbocsátási idők vagy akadályok, az ágy elérhetőségének és a betegek kórházon belüli mozgásának előrejelzésével. Ez csökkenti a várakozási időt, javítja a betegek elégedettségét és javítja az erőforrások kihasználását.

Erőforrások elosztása és ütemezése: A gépi tanulás segíthet a kórházi személyzet, a műtők és a berendezések ütemezésében a múltbeli adatok és a valós idejű igények alapján, biztosítva az optimális erőforrás-elosztást. Ez kritikus a jelenlegi egészségügyi személyzeti válság idején.

Hogyan segít a LeanTaaS enyhíteni az egészségügyi munkaerőhiányt?

A mesterséges intelligencia és a prediktív analitika által hajtott technológiánk, amelyet az egészségügyi rendszer történeti és valós idejű adatai táplálnak, támogatja az egészségügyi rendszerek vezetőit abban, hogy teljes mértékben optimalizálják rendelkezésre álló munkaerőt a fekvőbeteg-osztályokon, infúziós központokon és műtőkön. Ezt többféleképpen tesszük:

Személyzeti megoldások, amelyek biztosítják, hogy a rendelkezésre álló személyzet a fekvőbeteg-területeken a lehető legjobban megfeleljen a jelenlegi és jövőbeli betegek igényeinek. Például, iQueue for Inpatient Flow olyan személyzeti modult kínál, amely láthatóságot biztosít a teljes egészségügyi rendszerben, időt és betekintést biztosítva az egységek ápolási vezetőinek és a személyzeti irodának a személyzeti hiányosságok proaktív azonosítására, valamint a rendelkezésre álló erőforrások elosztására az akadályok legjobb megoldása és az egyéni betegek igényeinek kielégítése érdekében. Az iQueue for Inpatient Flow használatával a Health First 44%-kal csökkentette az egészségügyi rendszerben a különböző ellátási szinteken lebegtetett magokat, 45 perccel csökkentette a napi létszámterv kommunikálását, és havonta 500 hívást szüntették meg a személyzet telepítése érdekében.

Optimalizált ütemezési eszközök, amelyek biztosítják a személyzet kiszámítható, következetes munkavégzését és a szükséges szüneteket. Például, iQueue infúziós központokhoz felhatalmazza az infúziós vezetőket arra, hogy optimalizált ütemterveket készítsenek, amelyek figyelembe veszik a találkozók kombinációját, az ápolónői és a vezetői erőforrásokat, valamint a kapcsolódó találkozókat. Ezek a beosztások „sima” déli csúcsokat hoznak a napi beosztásba azáltal, hogy az időpontokat optimális időpontokban foglalják le, és előre jelzik a várható kiegészítő és meg nem jelenő betegek számát az elkövetkező napokban, így az ápolók állandó munkaterhelést biztosítanak, amely lehetővé teszi a rendszeres szüneteket. Az iQueue for Infusion Centers segítségével az Oregon Health & Science University 39%-kal csökkent a napok százalékos arányában a maximális kapacitás felett, 14%-kal csökkent a székek csúcskihasználása, és 31%-kal csökkent a tervezett bezáráson túli futások száma.

Olyan funkciók, amelyek csökkentik vagy megszüntetik a személyzet időigényes vagy stresszes feladatait a napi munkájuk során. Például, iQueue a műtőknek olyan modulokat biztosít, amelyek leegyszerűsítik és digitalizálják a foglalási folyamatokat az OR-ban, egyetlen igazságforrást mutatnak meg az OR ütemezési információihoz, és lehetővé teszik az ütemezők számára, hogy ne több telefonhívással, hanem egyetlen kattintással felszabadítsanak időt vagy kérjenek esetfoglalást. Az iQueue for Operating Rooms használatával a Baptist Health Jacksonville 46%-kal csökkentette a félbehagyott hívások számát, kórházonként napi 4 további esetet, 50%-kal csökkentette a hívások átlagos kezelési idejét, és 40%-kal csökkentette a hívások számát legnagyobb kórházában.

Beszélne néhány alapvető funkcióról, amelyek segítik a betegáramlás automatizálását?

A fekvőbeteg-kapacitás menedzselése a kórházak számára az egyik legkritikusabb kihívás. Az ágyak rendelkezésre állása, a betegek áteresztőképessége és a személyzeti szükségletek összehangolása komplex egyensúlyozást igényel, hogy biztosítsák a megfelelő erőforrások rendelkezésre állását a betegek igényeinek kielégítésére. A kapacitás és a személyzet proaktív kezelésének képessége nélkül szűk keresztmetszetek lépnek fel, amelyek befolyásolják a betegek áramlását, ami magas várakozási időt, hosszú tartózkodási időt, elterelést vagy kezelés nélkül távozó betegeket eredményez. Ez a fajta működési gyakorlat nem megfelelő betegellátást, csökkent személyzeti elégedettséget és bevételkiesést eredményez a kórház számára.

LeanTaaS' iQueue for Inpatient Flow A megoldás felhatalmazza a kórházi vezetőket és a frontvonali csapatokat arra, hogy összehangolják az ágyak rendelkezésre állását, a betegellátást és a személyzeti igényeket, hogy biztosítsák a kapacitás rendelkezésre állását, a prioritások összehangolását az ellátási csoportok között, és a személyzetet azokon a területeken osztják ki, ahol a legnagyobb szükség van rájuk. Az iQueue összegyűjti és elemzi a meglévő rendszerek adatait (pl. EHR, betegáramlás, munkaerő-menedzsment stb.), hogy dinamikusan igazítsa kapacitásukat. Az iQueue minden csapattagot támogat azáltal, hogy folyamatosan figyeli kórháza működési állapotát, hogy valós idejű betekintést nyújtson, és pontosan meghatározza az akadályokat, lehetővé téve számukra, hogy felkészüljenek a közelgő eseményekre. A technológia által támogatott automatizálás és átláthatóság révén a kórházak javíthatják munkájukat azáltal, hogy proaktívan kezelik az ellátás előrehaladását elősegítő kapacitást, megszervezik a napi elbocsátást és áthelyezést, és ésszerűsítik a napi létszámot.

A LeanTaaS számos kórház számára fontos szerepet játszott a COVID-19 világjárvány kezelésében. Milyen eredményeket tapasztaltak?

 A COVID-19 világjárvány nyilvánosan a kórházakat kapacitásuk határára szorította. Keresleti oldalon hirtelen több beteg szorult intenzív orvosi ellátásra, míg kínálati oldalon PPE, majd intenzív osztályos ágyak, majd rendes ágyak, végül ápolószemélyzet hiány alakult ki. A kórházi határok a mai napig borotvavékonyak a megnövekedett betegterhelés és a csökkent elektív beavatkozások miatt. Anélkül, hogy bővíthették volna lábnyomukat vagy vásárolhatnának több eszközt, a kórházaknak arra kellett összpontosítaniuk, hogy többet hozzanak ki meglévő eszközeikből.

A LeanTaaS megoldások segítettek a kórházaknak ütemezni a műtéteket, csökkenteni az adminisztratív feladatokat, és végső soron költséghatékonyabbakká váltak – ez egy win-win-win helyzet. Például a világjárvány idején a Novant Health a rendelkezésre álló műtői idő hiányával, 8,000 elhalasztott műtéti esettel és alacsony blokkkihasználással szembesült. A rendszer megvalósítva iQueue a műtőknek segít javítani a VAGY kapacitást, és olyan eszközt biztosít a sebészek és ütemezőik számára, amelyek megkönnyítik a VAGY idő megtekintését, elérését és megosztását. Az eszköz létfontosságúnak bizonyult a műtéti esetek visszatérésének következményeiben való eligazodásban. A Novant Health 4%-kal növelte az esetszámot, és további 75 nap alatt törölte a 90-90 nap alatt felgyülemlett teljes hátralékát. Végül 6.15-szeres megtérülést értek el, valamint a sebészek és a rendelői adminisztrátoraik szélesebb körű elköteleződését.

Melyek azok a kihívások, amelyek mögött az egészségügy modern korba lépése áll?

 Hagyományosan az egészségügyi ágazatot az elavult örökölt infrastruktúra határozza meg, amely inkább csodálja a problémákat, semmint proaktívan megoldja azokat; a biztonsággal és pontossággal kapcsolatos különleges kötelezettsége, amely elriasztja az újabb technológiák iránti bizalomtól; és végül, mivel a pénzügyi források értékesek, vezetői nem kockáztathatják meg, hogy garantált jutalom nélkül befektetést hajtsanak végre. A járvány valójában segített megváltoztatni ezt a dallamot. Az egészségügyi rendszereknek gyorsan el kellett fogadniuk a digitális megoldásokat, például a távegészségügyet és a kapacitásmenedzsment-megoldásainkat, hogy fenntartsák az ellátáshoz való hozzáférést, és e folyamat során bebizonyították, hogy a szolgáltató és a beteg igénye van a legmodernebb megoldásokra, a ROI-ra, és gyorsabban és agilisabban alkalmazkodhatnak. technológiát, mint ők maguk is ismerték.

Több évtizedes lemaradás után más iparágakban, a digitális átalakulás közelmúltbeli felfutása az egészségügyet úgy pozicionálja, hogy kihagyjon egy technológiai generációt. Nem tudja utolérni a fogyasztást, de előre tud ugrani, és a töltést az AI-ba vezetheti. Az egészségügyi vezetők most már tudják, hogyan kell előnyben részesíteni a biztonságot, a magánélet védelmét, az azonnali eredményeket és a befektetések bizonyított megtérülését a technológiájukban, amelynek valóban támogató és hasznos munkafolyamatokat kell kínálnia, amelyek megőrzik és javítják az emberi szakértelmet. Az ilyen gyors digitalizálás során kiépítették azt az infrastruktúrát, amely az új mesterséges intelligencia-alapú technológiák biztonsággal való fenntartásához szükséges.

Az új technológia egészségügyi ellátásba való bevezetésének kritikus eleme azonban a változásmenedzsment. A technológia önmagában nem vezet fenntartható átalakuláshoz. Változásmenedzsment-szakértőkkel kell párosulnia, akik a szervezeteket a megszakításokon át tudják vezetni az eredmények felé. Ezért az év elején a LeanTaaS bejelentette a bevezetését Transformation as a Service (TaaS), a maga nemében elsőrangú szolgáltatás, amely garantálja az eredményeket. A TaaS-ajánlat minden ügyfél számára egy dedikált csapatot biztosít, amely biztosítja a szükséges szolgáltatásokat a technológiánk megvalósításához, a normalizált adathigiéniához, a meglévő munkafolyamatok automatizálásához és digitalizálásához, a változáskezeléshez, a rendszerszintű irányítás kialakításához és a siker garantálásához.

Van még valami, amit meg szeretne osztani a LeanTaaS-ről?

 Folyamatosan hallgatunk ügyfeleink véleményére, és újításokat végzünk sajátos igényeik és a mesterséges intelligencia terén elért fejlődésük alapján. Mint ilyen, nemrégiben elindítottuk az iQueue Autopilotot, a maga nemében első számú, generatív mesterséges intelligencia megoldást a kórházi üzemeltetéshez, amely emberszerű beszélgetéseket és gyakorlati betekintést nyújt a kórházi vezetőknek a betegáramlással, az ütemezéssel, a parancsnoki központtal kapcsolatos döntéshozatal támogatására, blokkkezelési, személyzeti és egyéb kapacitáskezelési felhasználási esetek mind a fekvő-, mind a járóbeteg-ellátásban. Az ilyen elérhető, azonnali és hatékony támogatás révén a kórházi vezetők magasabb pénzügyi eredményeket érhetnek el, és növelhetik az ellátáshoz való hozzáférést; az ápolók és ápolók szabadon szentelhetik idejüket és legnagyobb figyelmüket a betegeknek; és a személyzet hatékonyan dolgozhat a mindennapokban, miközben elkerüli a kiégést. Az iQueue Autopilot segítségével a LeanTaaS életre kelti az egészségügyi ellátás „légiforgalmi irányításáról” szóló víziónkat – a betegáramlás és a kapacitás optimalizálását az ellátás folyamatosságában egyetlen platformon.

Köszönjük a remek interjút, azoknak az olvasóknak, akik többet szeretnének megtudni, látogassanak el LeanTaaS.