Vasili Razhnou, CEO dan Pendiri MEDvidi – Seri Wawancara

Vasili Razhnou adalah CEO dan Pendiri MEDvidi, sebuah platform kesehatan mental yang ditenagai AI. Sebagai pendiri serial dengan lebih dari 15 tahun pengalaman di bidang kesehatan dan bisnis, ia telah membangun lima perusahaan rintisan teknologi. Di MEDvidi, Vasili memimpin pengembangan alat klinis yang ditenagai AI yang mengurangi beban administratif dan memungkinkan penyedia layanan untuk memberikan perawatan yang lebih cepat dan konsisten. Di bawah kepemimpinannya, perusahaan tersebut mencapai $30M dalam ARR.

Anda telah menghabiskan lebih dari satu dekade membangun infrastruktur kesehatan, dari digitisasi klinik awal hingga memperluas beberapa perusahaan telehealth sebelum mendirikan MEDvidi. Apa masalah spesifik atau momen yang mendorong Anda untuk memulai perusahaan, dan bagaimana pengalaman sebelumnya membentuk pendekatan Anda dalam membangun sistem klinis yang ditenagai AI?

Ini dimulai jauh sebelum MEDvidi. Pada tahun 2008, ketika saya bergabung dengan klinik pertama saya, semua masih berjalan di atas kertas. Kantor kami penuh dengan catatan medis, yang menciptakan kekacauan fisik dan mental. Butuh sekitar lima hari untuk menemukan dan mengambil catatan pasien.

Saya membeli scanner dan mesin penghancur untuk mendigitalkan semua. Perubahan sederhana itu mengubah cara klinik beroperasi. Ini menghemat uang dan waktu, dan membuat catatan pasien mudah diakses. Tindakan sederhana menunjukkan bahwa kadang-kadang infrastruktur operasional adalah fondasi dari perawatan yang baik.

Dari sana, kami membangun antarmuka online dengan penyimpanan cloud, kemudian sistem intake dan EHR kecil, menambahkan fitur tahun demi tahun.

MEDvidi awalnya muncul dari klinik offline tradisional di San Francisco dan Miami pada tahun 2019 dan beralih ke platform telehealth khusus pada tahun 2020 untuk membuat perawatan kesehatan mental lebih mudah diakses di seluruh AS. Saat membangun perusahaan, kami menyadari bahwa penyedia layanan terlalu sibuk – mereka menghabiskan rata-rata 16 jam per minggu untuk tugas administratif.

Untuk mengatasi bottleneck ini, kami mengembangkan alat klinis yang ditenagai AI. Hari ini, MEDvidi menyediakan perawatan untuk kondisi umum seperti ADHD, kecemasan, dan depresi di seluruh AS, sambil mengotomatisasi alur kerja dan pengelolaan obat resep untuk klinisi dengan AI. Dengan mengurangi gesekan dalam dokumentasi dan pekerjaan administratif, kami memperluas akses pasien dan kapasitas penyedia layanan.

Anda telah melihat evolusi kesehatan dari alur kerja manual ke platform telehealth skala besar. Apa ketidakefisienan operasional terbesar yang masih bertahan hari ini, dan mengapa mereka begitu sulit dipecahkan tanpa AI?

Masalah terbesar di bidang kesehatan masih kapasitas penyedia layanan. Mereka menghabiskan terlalu banyak waktu untuk tugas administratif, sehingga tidak ada waktu untuk pasien baru. Di MEDvidi, kami melihatnya secara langsung – dalam tiga bulan setelah bergabung dengan kami, sebagian besar penyedia layanan 80% dipesan dengan pasien follow-up.

Selama kunjungan tersebut, sebagian besar waktu dihabiskan untuk tugas administratif rutin seperti verifikasi identitas pasien, pencatatan, mengambil laporan PDMP, menilai perilaku mencari obat, meninjau riwayat medis, dll. Ini adalah tugas penting, tetapi mereka tidak memerlukan penilaian klinisi untuk diagnosis kompleks.

AI mengubah itu – kami sekarang dapat mengotomatisasi sebagian besar dari itu. Misalnya, AI Chart Generator menranskrip kunjungan secara real-time, memperbarui dokumentasi setiap 60 detik, dan memotong waktu pencatatan 10 kali lipat. AI Chart Reviewer memantau 100% pertemuan klinis untuk kepatuhan SOP, mengurangi waktu tinjauan catatan 80% sambil menangani verifikasi ID, deteksi perilaku mencari obat, dan kepatuhan pedoman. AI Receptionist menangani penjadwalan ulang melalui SMS dan suara, mengumpulkan masalah terkait resep dari pasien, memberikan pembaruan, dan mengintegrasikan informasi ke dalam alur kerja.

Platform Anda berfokus pada mengotomatisasi alur kerja psikiatris rutin sambil menjaga dokter tetap dalam loop. Bagaimana Anda mendefinisikan batas yang tepat antara otomatisasi dan pengambilan keputusan klinis?

Penyedia layanan kesehatan tetap berada di pusat perawatan. Ini adalah satu-satunya cara yang benar untuk melakukannya. AI MEDvidi dirancang untuk mendukung dan memberdayakan klinisi, bukan menggantikannya. Setiap keputusan klinis, resep, dan rencana perawatan ditinjau dan disetujui oleh penyedia layanan medis yang berlisensi.

Saya percaya bahwa kesehatan membutuhkan lebih banyak bukti bahwa teknologi dapat meningkatkan efisiensi tanpa mengorbankan keamanan. Tujuan kami adalah memastikan bahwa penyedia layanan tidak membuang-buang penilaian mereka pada tugas yang tidak memerlukannya. Ketika pasien yang stabil datang untuk follow-up rutin, dan kasusnya sederhana, AI dapat menangani persiapan, dokumentasi, dan tinjauan, dan penyedia layanan mengkonfirmasi keputusan. Manusia selalu dalam loop, tetapi kami memastikan bahwa waktu mereka dihabiskan di mana itu benar-benar penting.

Asisten Pemberian Resep AI dilatih pada data klinis nyata dan memerlukan persetujuan dokter untuk setiap keputusan. Bagaimana Anda memikirkan tentang keamanan, akuntabilitas, dan kemampuan audit ketika menggelar AI dalam lingkungan yang berisiko tinggi seperti itu?

Ketika Anda beroperasi di ruang yang sangat diatur seperti kesehatan, Anda tidak bisa salah.

Tidak seperti alat kesehatan AI lain yang dilatih pada data medis non-spesifik, AI MEDvidi dilatih pada 130.000+ kunjungan psikiatris nyata, memberikan akurasi spesifik domain. Ini adalah infrastruktur unik, dibangun dan dilatih khusus untuk alur kerja psikiatris, peraturan, dan persyaratan zat terkendali.

Sistem AI kami bekerja sebagai lapisan verifikasi klinis, yang didasarkan pada pedoman berbasis bukti dan dataset propietary dari ribuan kunjungan historis nyata. Ini memastikan bahwa setiap resep sesuai dengan standar dan memberikan regulator dengan pengawasan transparan. Yang paling penting, AI tidak membuat keputusan independen. Itulah arsitektur yang kami bangun secara sengaja.

Banyak platform telehealth telah menghadapi pengawasan seputar pemberian resep berlebihan dan insentif yang tidak sejalan. Bagaimana sistem AI sebenarnya dapat meningkatkan kepatuhan dan membangun kembali kepercayaan daripada memperkuat risiko tersebut?

Di bidang kesehatan, ada dua komponen: sisi bisnis dan sisi klinis. Banyak perusahaan telehealth yang mengaburkan garis antara keduanya selama tahun-tahun booming, memprioritaskan pertumbuhan dan, dalam beberapa kasus, mengorbankan ketat klinis.

Di MEDvidi, kami selalu menjaga fungsi-fungsi tersebut secara terpisah. Keputusan klinis tidak pernah dipengaruhi oleh insentif bisnis. Sistem AI kami sebenarnya memperkuat pemisahan tersebut daripada melemahkannya.

Salah satu cara utama kami melakukannya adalah melalui tinjauan catatan yang ditenagai AI. Setiap pertemuan pasien diperiksa terhadap SOP klinis standar untuk memastikan bahwa rencana perawatan sesuai dan patuh. SOP ini tidak dibuat oleh tim bisnis – mereka dikembangkan dan terus ditinjau oleh komite profesional medis berlisensi dan diselaraskan dengan semua hukum dan peraturan yang berlaku. Mereka dirancang dengan satu tujuan: memberikan perawatan terbaik bagi setiap pasien individu. Yang penting, protokol ini sepenuhnya dapat diaudit dan dapat ditinjau oleh regulator kapan saja.

AI menjadi lapisan konsistensi dan akuntabilitas. Ini membantu memastikan bahwa keputusan perawatan didasarkan pada standar klinis, bukan tekanan subjektif, keterbatasan waktu, atau tuntutan pasien. Itu juga berarti kami terkadang mengatakan tidak. Jika pasien datang dengan harapan resep tertentu karena mereka membacanya di internet, tetapi tidak secara klinis tepat, penyedia layanan kami tidak akan meresepkannya – dan AI membantu memperkuat standar tersebut secara konsisten.

Ada pertukaran. Pasien yang tidak menerima perawatan yang mereka harapkan mungkin akan meninggalkan ulasan negatif. Tetapi itu adalah biaya dari praktek kedokteran yang bertanggung jawab. Dalam jangka panjang, sistem transparan, berbasis protokol, dan dapat diaudit seperti ini adalah yang memperkuat kepatuhan dan membangun kembali kepercayaan di antara pasien, penyedia layanan, dan regulator.

Anda telah menyoroti bahwa hingga 80% kunjungan psikiatris adalah follow-up rutin. Bagaimana mengotomatisasi interaksi ini secara fundamental mengubah akses ke perawatan dan ekonomi pengiriman kesehatan mental?

Hari ini, akses ke perawatan kesehatan mental dibatasi tidak oleh permintaan tetapi oleh bagaimana waktu klinisi dialokasikan. Hingga 80% kunjungan psikiatris adalah follow-up rutin – sering didorong oleh persyaratan regulasi daripada kompleksitas klinis. Dalam banyak kasus, penyedia layanan memverifikasi bahwa pasien yang stabil terus meneruskan perawatan yang sama, tanpa perubahan yang signifikan.

Itu menciptakan bottleneck struktural. Klinisi menghabiskan sebagian besar waktu mereka untuk memelihara pasien yang sudah ada, sementara pasien baru menunggu 6 hingga 9 minggu untuk dilihat. Ini adalah tempat di mana otomatisasi memiliki dampak terbesar. Untuk pasien yang stabil, alur kerja sangat terstruktur: pemeriksaan gejala, pemantauan efek samping, verifikasi kepatuhan, dan tinjauan kepatuhan.

Ini adalah interaksi yang dipandu protokol yang dapat ditangani AI secara konsisten dan skala besar. Ketika sesuatu jatuh di luar parameter yang diharapkan – reaksi buruk, perubahan gejala, atau bendera merah – kasus tersebut segera dinaikkan ke penyedia layanan.

Dengan mengalihkan interaksi rutin ini ke AI, kami secara fundamental mengimbangkan kapasitas. Klinisi dapat mengalihkan waktu mereka ke pasien baru dan kasus yang lebih kompleks di mana penilaian manusia sangat penting.

Itu saja memperluas akses tanpa meningkatkan jumlah penyedia layanan.

Ekonominya juga berubah. Biaya melayani pasien yang stabil turun secara signifikan, sementara produktivitas penyedia layanan meningkat. Sebaliknya, waktu klinisi bukanlah faktor pembatas, tetapi sumber daya yang diperkuat. Dalam skala besar, ini berarti waktu tunggu yang lebih singkat, biaya yang lebih rendah, dan kemampuan untuk melayani populasi yang sebelumnya tidak terlayani – termasuk pasien pedesaan dan mereka yang tidak bisa mengambil cuti kerja.

Dalam singkat, otomatisasi tidak menggantikan perawatan – itu mengalokasikan kembali. Ini menghilangkan beban administratif dan regulasi dari klinisi dan mengubahnya menjadi infrastruktur yang dapat diskalakan, yang pada akhirnya membuka akses.

Dalam artikel terbaru Anda, Mengapa AI di Kesehatan Sedang Diterapkan di Tempat yang Salah, Anda berargumen bahwa industri ini terlalu fokus pada menggantikan klinisi daripada memperbaiki bottleneck administratif. Apa kesalahpahaman terbesar yang mendorong ketidaksesuaian ini?

Orang masih cenderung berpikir bahwa “AI di kesehatan” hanya berarti ChatGPT berbicara dengan pasien bukan dokter sungguhan dan meresepkan obat tanpa kontrol.

Infrastruktur AI di kesehatan sangat kompleks dan selalu memerlukan pengawasan manusia. Ketika perusahaan mencoba untuk memotong dan langsung menuju pengambilan keputusan klinis otonom, mereka menghadapi masalah kepercayaan, regulasi, dan keamanan.

Titik masuk yang tepat adalah lapisan administratif. Perbaiki itu terlebih dahulu, tunjukkan dan buktikan keamanan, bangun kepercayaan, dan kemudian perluas dari sana. Itulah jalur yang diambil MEDvidi.

Jika otomatisasi administratif adalah titik masuk dengan return tertinggi untuk AI di kesehatan, apa alur kerja spesifik yang harus diutamakan organisasi pertama kali untuk melihat dampak langsung?

Kesalahan terbesar adalah mencoba melapisi AI di atas alur kerja yang rusak. Tujuan tidak boleh menjadi perbaikan inkremental – itu harus merancang ulang alur kerja sepenuhnya di mana AI dapat dibangun.

Mulailah dengan memetakan proses klinis dan operasional dari ujung ke ujung dan mengidentifikasi di mana waktu sebenarnya dihabiskan. Di sebagian besar organisasi, bottleneck terbesar adalah penjadwalan, alur pasien, dan dokumentasi. Ini adalah tugas berulang dengan volume tinggi di mana AI dapat memberikan ROI langsung. Otomatisasi penjadwalan mengurangi no-show dan waktu idle penyedia layanan. Dokumentasi yang ditenagai AI – seperti transkripsi waktu nyata dan pembuatan catatan – menghilangkan salah satu beban terberat pada klinisi.

Tapi kesempatan sebenarnya melampaui optimasi. Beberapa alur kerja, terutama follow-up rutin atau pemeriksaan kepatuhan, dapat dirancang ulang sepenuhnya di sekitar AI daripada hanya dibantu olehnya. Itulah tempat keuntungan langkah besar terjadi.

Pemantauan kepatuhan adalah contoh lain yang baik. Hari ini, organisasi secara manual mengaudit sebagian kecil pertemuan. Dengan AI, Anda dapat meninjau 100% interaksi secara real-time, menandai celah dokumentasi, deviasi SOP, dan potensi risiko sebelum mereka eskalasi.

Dalam beberapa kasus, alur kerja AI-native baru ini mungkin tidak sesuai dengan kerangka regulasi yang ada. Itu berarti organisasi perlu siap untuk memvalidasi pendekatan mereka, menghasilkan bukti, dan bekerja sama dengan regulator untuk menunjukkan keamanan dan kepatuhan.

Perusahaan yang akan melihat dampak terbesar bukanlah mereka yang menambahkan fitur AI, tetapi mereka yang mau membangun kembali alur kerja inti di sekitar apa yang AI buat mungkin.

Kesehatan secara unik kompleks dengan regulasi yang berlapis, data yang terfragmentasi, dan konsekuensi yang tinggi untuk kesalahan. Apa arsitektur AI yang siap produksi sebenarnya terlihat seperti di lingkungan ini dibandingkan dengan sistem demo atau pilot?

AI harus dilatih pada data klinis nyata dan spesifik domain dan dibangun di sekitar alur kerja nyata. Setiap output harus dapat diaudit. Ini berarti semua catatan, resep yang ditandai, dan pemeriksaan SOP dapat ditinjau dan dilacak.

Sistem yang siap produksi juga perlu memperhitungkan bagaimana perawatan sebenarnya disampaikan. Penyedia layanan sangat berbasis protokol. Ketika Anda merekrut klinisi independen, mereka membawa kebiasaan dari pengaturan sebelumnya. AI menstandarisasi ini dengan cara dan mendukung alur kerja tersebut.

Lagi, lapisan pengawasan manusia sangat penting. AI harus menangani beban kerja administratif dan analitis, sementara klinisi tetap bertanggung jawab untuk keputusan akhir.

Yang paling penting, sistem harus dibangun dari awal dengan kepatuhan, keamanan, dan keandalan dalam pikiran.

Menjelang ke depan, bagaimana Anda melihat AI mengubah telehealth dan pemberian resep dalam tiga tahun ke depan, terutama karena regulator mulai merespons penerapan awal seperti alur kerja pemberian resep yang dibantu AI?

Lingkungan regulasi berubah. AI sudah ada di kesehatan. Negara bagian seperti Utah menciptakan sandbox untuk membiarkan perusahaan teknologi menunjukkan apa yang dapat dilakukan AI, termasuk pemberian resep zat terkendali.

Dalam beberapa tahun ke depan, kita akan melihat perawatan follow-up yang sepenuhnya otomatis untuk pasien yang stabil. Kunjungan yang dikelola AI dengan dokter dalam peran pengawasan, mengkonfirmasi keputusan. Model ini membuat perawatan lebih cepat dan lebih murah bagi orang-orang yang saat ini tidak dapat mengaksesnya sama sekali. Itulah standar yang kami coba tetapkan.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi MEDvidi.