Vasili Razhnou, CEO dan Pendiri MEDvidi – Seri Wawancara

Vasili Razhnou adalah CEO dan Pendiri MEDvidi, sebuah platform kesehatan mental yang ditenagai oleh 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 oleh 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 menskala 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 oleh AI?

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

Saya membeli scanner dan shredder 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, lalu 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 tersedia di seluruh AS. Saat membangun perusahaan, kami menyadari bahwa penyedia layanan terlalu banyak beban – mereka menghabiskan rata-rata 16 jam per minggu untuk tugas administratif.

Untuk mengatasi bottleneck ini, kami mengembangkan alat klinis yang ditenagai oleh 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 diatasi tanpa AI?

Masalah terbesar di kesehatan masih kapasitas penyedia layanan. Mereka menghabiskan terlalu banyak waktu pada 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% telah dijadwalkan dengan pasien follow-up.

Selama kunjungan tersebut, sebagian besar waktu dihabiskan pada 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 menyalin kunjungan secara real-time, memperbarui dokumentasi setiap 60 detik, dan memotong waktu pencatatan 10x. 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 psikiatri rutin sambil menjaga dokter tetap dalam peran pengawasan. 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 menggantikan mereka. Setiap keputusan klinis, resep, dan rencana perawatan ditinjau dan disetujui oleh penyedia layanan medis yang berlisensi.

Saya percaya bahwa kesehatan memerlukan 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 stabil datang untuk kunjungan follow-up rutin, dan kasusnya sederhana, AI dapat menangani persiapan, dokumentasi, dan tinjauan, dan penyedia layanan menyetujui keputusan. Manusia selalu dalam peran pengawasan, tetapi kami memastikan bahwa waktu mereka dihabiskan di tempat yang benar-benar penting.

Asisten Preskripsi 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 begitu kritis?

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

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

Sistem AI kami bekerja sebagai lapisan verifikasi klinis, didasarkan pada pedoman berbasis bukti dan dataset historis ribuan kunjungan 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 kesehatan, ada dua komponen: sisi bisnis dan sisi klinis. Banyak perusahaan telehealth 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 oleh 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 yang berlisensi dan selaras 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 obat tertentu karena mereka membacanya di internet, tetapi itu tidak klinis sesuai, 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 praktik 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 psikiatri adalah follow-up rutin. Bagaimana mengotomatisasi interaksi ini secara mendasar 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 psikiatri adalah follow-up rutin – sering didorong oleh persyaratan regulasi daripada kompleksitas klinis. Dalam banyak kasus ini, penyedia layanan memverifikasi bahwa pasien stabil terus mengikuti perawatan yang sama, tanpa perubahan yang signifikan.

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

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

Dengan menggeser interaksi rutin ini ke AI, kami secara mendasar 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 untuk melayani pasien stabil turun secara signifikan, sementara produktivitas penyedia layanan meningkat. Sebagai gantinya, waktu klinisi menjadi 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 dapat mengambil cuti kerja.

Singkatnya, 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.

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

Orang masih cenderung berpikir bahwa “AI di kesehatan” hanya berarti ChatGPT berbicara dengan pasien bukan dokter nyata 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, peraturan, 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 oleh MEDvidi.

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

Kesalahan terbesar adalah mencoba melapis AI di atas alur kerja yang rusak. Tujuan tidak boleh menjadi perbaikan inkremental – itu harus berpikir tentang bagaimana alur kerja baru sepenuhnya dapat dibangun dengan AI.

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, aliran pasien, dan dokumentasi. Ini adalah tugas berulang dengan volume tinggi di mana AI dapat memberikan ROI langsung. Otomatisasi penjadwalan mengurangi tidak hadir dan waktu idle penyedia layanan. Dokumentasi yang ditenagai oleh AI – seperti transkripsi waktu nyata dan pembuatan catatan – menghilangkan salah satu beban terberat pada klinisi.

Namun, kesempatan sebenarnya melampaui optimisasi. Beberapa alur kerja, terutama follow-up rutin atau pemeriksaan kepatuhan, dapat dirancang ulang sepenuhnya di sekitar AI daripada hanya dibantu olehnya. Itulah di mana 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 peraturan 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 memungkinkan.

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

AI harus dilatih pada data klinis 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 produksi yang siap juga perlu memperhitungkan bagaimana perawatan sebenarnya disampaikan. Penyedia layanan sangat berbasis protokol. Ketika Anda merekrut klinisi independen, mereka membawa kebiasaan dari pengaturan sebelumnya. AI memstandarisasi 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 atas keputusan akhir.

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

Menghadap 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 resep yang dibantu AI?

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

Dalam tiga tahun ke depan, kita akan melihat perawatan follow-up yang sepenuhnya otomatis untuk pasien stabil. Kunjungan yang dikelola oleh 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. Itulah standar yang kita coba tetapkan.

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