Rajan Kohli, CEO di CitiusTech – Serie di Interviste

Rajan Kohli è il Chief Executive Officer di CitiusTech e si occupa della direzione strategica dell’azienda e del raggiungimento della missione di CitiusTech di accelerare l’innovazione tecnologica nel settore sanitario e di creare valore a lungo termine per i clienti. Rajan è un dirigente di alto livello nel settore dei servizi tecnologici con esperienza in trasformazione digitale, servizi di applicazione e ingegneria.

Prima di CitiusTech, Rajan ha trascorso oltre 27 anni in Wipro e più recentemente è stato il presidente del business di Wipro iDEAS (Integrated Digital, Engineering and Application Services). Ha guidato una linea di business globale con entrate di 6 miliardi di dollari e si è impegnato ad aiutare i clienti in tutto il mondo ad accelerare la loro trasformazione e a modificare il modo in cui costruiscono e forniscono prodotti, servizi e esperienze digitali.

CitiusTech è un fornitore leader di consulenza e tecnologia digitale per le aziende del settore sanitario e delle scienze della vita. Come partner strategici delle principali aziende del settore sanitario, CitiusTech guida l’innovazione, la trasformazione aziendale e la convergenza a livello di settore. Svolgono un ruolo profondo e significativo nell’accelerare l’innovazione digitale, nel creare valore sostenibile e nel migliorare i risultati nel settore sanitario.

Quali sono gli elementi chiave necessari per implementare con successo le strategie di trasformazione digitale nelle organizzazioni del settore sanitario e delle scienze della vita?

L’industria sanitaria ha faticato ad abbracciare le soluzioni digitali, con percorsi di trasformazione digitale di successo che si verificano saltuariamente nel corso degli anni. Ma con la tecnologia pronta a fornire un balzo paradigmatico nelle cure ai pazienti, è il momento per l’industria di superare queste sfide.

La trasformazione digitale ha il potenziale di impattare positivamente sul settore sanitario in tutti i suoi ambiti. Ad esempio, i produttori di farmaci speciali devono gestire molteplici richieste provenienti da vari stakeholder e dall’ecosistema per soddisfare la loro domanda in continua crescita. Navigare in questa rete intricata di stakeholder e dell’ecosistema non è facile e molti di loro cercano di sfruttare i servizi di supporto ai pazienti per scaricare queste responsabilità dai produttori di farmaci e gestire queste responsabilità e ottimizzare le prestazioni del farmaco. Tuttavia, poiché i servizi di supporto ai pazienti affrontano sfide relative alla scalabilità e all’efficienza a causa del volume in aumento, molti produttori di farmaci speciali devono adottare strategie di trasformazione digitale per razionalizzare le operazioni e rafforzare l’efficienza complessiva.

L’implementazione della trasformazione digitale nel settore sanitario e delle scienze della vita richiede un approccio multifacetto a tre livelli.

• Il impegno della dirigenza è essenziale per guidare e sostenere queste iniziative, assicurando che ci sia un endorsement dall’alto verso il basso e allineamento con gli obiettivi strategici. Ciò significa non solo creare una visione chiara e una roadmap che delinei obiettivi e pietre miliari specifici, ma anche investire in tecnologia e soluzioni innovative.
• Una gestione robusta dei dati è un altro elemento critico. Stabilire solide strutture di governance dei dati garantisce la qualità, la sicurezza e la conformità normativa dei dati. Ciò include la definizione di standard, politiche e processi per la gestione dei dati, nonché l’utilizzo di tecnologie di analisi avanzate e big data per estrarre informazioni utili dai dati sanitari.
• L’interoperabilità è cruciale per la trasformazione digitale, richiedendo l’adozione di standard di settore come HL7, FHIR e DICOM per facilitare lo scambio di dati senza soluzione di continuità tra diversi sistemi e piattaforme. L’utilizzo di piattaforme di integrazione e soluzioni di middleware può collegare sistemi diversi, garantendo un flusso di dati fluido e una comunicazione efficace in tutta l’organizzazione. Adottando pienamente l’interoperabilità, le organizzazioni saranno in grado di fornire una prestazione sanitaria più efficiente, efficace e centrata sul paziente.

Ma alla fine della giornata, le trasformazioni digitali iniziano e finiscono con il paziente. Le organizzazioni sanitarie possono automatizzare molti processi quanto vogliono, ma se non modificano l’esperienza o il valore che il paziente riceve, sarà particolarmente difficile trovare il successo. Un approccio centrato sul paziente con l’implementazione di soluzioni di salute digitale che migliorano l’engagement del paziente, migliorano l’accesso alle cure e abilitano piani di trattamento personalizzati sono essenziali.

Come viene utilizzato attualmente l’AI generativo per migliorare le cure sanitarie e i risultati dei pazienti?

L’AI generativo (Gen AI) offre benefici trasformativi in tutto l’ecosistema sanitario. Per il settore sanitario, un’industria in cui molte delle sfide pervasive possono essere attribuite a interazioni uomo-macchina inefficaci, l’AI generativo ha il potere di colmare questo divario e veramente democratizzare la sanità.

Questo è particolarmente vero per la medicina personalizzata. Sviluppare piani di trattamento personalizzati per pazienti specifici può essere difficile e lungo se fatto manualmente. Sfruttando l’AI generativo, gli algoritmi analizzano i dati genetici e le storie dei pazienti per creare piani di trattamento personalizzati adattati al profilo genetico unico e alla storia medica del paziente. Una volta che i piani di trattamento sono in atto, l’accesso del paziente agli assistenti sanitari virtuali alimentati dall’AI è cruciale, poiché i pazienti hanno accesso 24 ore su 24 a consigli medici, controllo dei sintomi e pianificazione degli appuntamenti, il che migliora l’engagement del paziente, i trattamenti più efficaci e migliori risultati dei pazienti.

L’AI generativo svolge anche un ruolo significativo nell’accelerare il processo di approvazione e lancio dei farmaci. La pandemia ha dimostrato il potenziale per uno sviluppo rapido di farmaci, guidato dalle capacità dell’AI. L’AI generativo accelera lo sviluppo di nuovi farmaci simulando le interazioni molecolari e prevedendo quali composti sono probabilmente efficaci. Ciò riduce significativamente il tempo e i costi associati ai metodi tradizionali di scoperta dei farmaci. Queste piattaforme alimentate dall’AI possono anche generare potenziali candidati farmaci e ottimizzare le loro strutture chimiche, accelerando il processo dalla concezione ai trial clinici.

Gli algoritmi dell’AI generativo migliorano anche l’accuratezza dell’imaging medico, migliorando la qualità dell’immagine e assistendo nella rilevazione di anomalie. Ciò facilita la diagnosi precoce e il trattamento di condizioni come il cancro, migliorando notevolmente i risultati dei pazienti.

Infine, l’analisi predittiva alimentata dall’AI generativo ha un potenziale rivoluzionario. I modelli di AI generativo predittivi analizzano grandi quantità di dati sanitari per prevedere focolai di malattie, riammissioni dei pazienti e potenziali complicazioni, consentendo un intervento proattivo e una migliore gestione delle malattie croniche.

In che modo l’AI generativo può aiutare a ridurre le attività ripetitive per i professionisti sanitari, consentendo loro di concentrarsi maggiormente sulla cura dei pazienti e sull’innovazione?

L’AI generativo può ridurre notevolmente il carico di attività ripetitive per i professionisti sanitari, come la documentazione clinica, la pianificazione degli appuntamenti, la gestione delle cartelle cliniche e l’elaborazione delle richieste di assicurazione. I professionisti sanitari sono liberi di concentrarsi sulla cura dei pazienti e sull’innovazione.

Ad esempio, i professionisti sanitari si affidano fortemente ai Registri Medici Elettronici (EMR) per una consegna sanitaria più sicura e coerente, ma ciò richiede che questi individui navigino costantemente tra la loro comprensione narrativa delle storie dei pazienti e dei sintomi e la presentazione dei dati strutturati degli EMR. L’AI generativo colma questo divario e riduce notevolmente il sovraccarico cognitivo per i professionisti sanitari, riassumendo la storia del paziente e automatizzando le attività manuali, liberando tempo prezioso per una cura più personalizzata del paziente.

I sistemi di supporto alle decisioni cliniche sfruttano l’AI per fornire ai professionisti sanitari raccomandazioni basate sull’evidenza, avvisi e promemoria. Questi sistemi analizzano i dati dei pazienti e la letteratura medica per offrire informazioni che aiutano nella diagnosi e nella pianificazione del trattamento, migliorando gli esiti clinici e riducendo il carico cognitivo sui fornitori di assistenza sanitaria.

Le tecnologie di monitoraggio remoto, alimentate dall’AI, monitorano costantemente i segni vitali e lo stato di salute dei pazienti, consentendo valutazioni sanitarie in tempo reale senza la necessità di frequenti visite in persona. Ciò migliora la convenienza per il paziente e consente la rilevazione precoce di potenziali problemi di salute, portando a interventi tempestivi e a una migliore gestione delle condizioni croniche.

L’AI generativo aumenta il potenziale umano, migliorando la soddisfazione del lavoro per i professionisti sanitari, concentrandosi maggiormente sulla cura innovativa e sulla soddisfazione del paziente.

Quali misure possono essere adottate per massimizzare l’efficacia delle soluzioni di AI generativo nel monitoraggio della qualità e nel garantire la fiducia nelle decisioni sanitarie?

La qualità e la fiducia sono diventate punti critici di discussione in tutto il settore sanitario, in mezzo alla rapida crescita dell’AI generativo. È necessario un focus robusto su questi problemi per garantire che i benefici siano realizzati in modo responsabile. Tra le misure che possono essere adottate:

Privacità e sicurezza dei dati: garantire la privacy del paziente è essenziale, richiedendo un’attenta anonimizzazione dei dati e misure di sicurezza rigorose per prevenire l’accesso non autorizzato e le violazioni dei dati. L’implementazione di protocolli di crittografia robusti e meccanismi di difesa contro gli attacchi adversariali può proteggere i dati dei pazienti, mentre i clinici devono mantenere l’autorità decisionale ultima per salvaguardare contro gli errori potenziali dell’AI.

Mantenimento della qualità e dell’equità: i sistemi di AI generativo possono involontariamente perpetuare i pregiudizi presenti nei dati di allenamento, portando a disparità negli esiti sanitari. L’implementazione di algoritmi in grado di eliminare i pregiudizi e il riaddestramento continuo dei sistemi di AI per rilevare e mitigare i pregiudizi è fondamentale.

Responsabilità e trasparenza: la responsabilità nelle decisioni guidate dall’AI coinvolge多pli stakeholder, tra cui sviluppatori, fornitori di assistenza sanitaria e utenti finali. I modelli di AI spiegabili e trasparenti sono necessari per la presa di decisioni informata. Gli sviluppatori devono garantire che i modelli di AI siano privi di pregiudizi e sicuri, mentre i fornitori di assistenza sanitaria devono capire che rimangono responsabili delle decisioni prese utilizzando le raccomandazioni dell’AI. L’implementazione di quadri normativi robusti è essenziale per affrontare le questioni di responsabilità e mantenere la fiducia.

Quadri etici: lo sviluppo di quadri etici per l’AI generativo è fondato sulla promozione della responsabilità senza soffocare l’innovazione. I giocatori del settore sanitario devono allinearsi proattivamente con gli standard etici in evoluzione per garantire che le applicazioni di AI generativo siano eque, responsabili e centrate sul paziente. Un approccio “uomo nella catena” combinato con pratiche di AI responsabili può aiutare a raggiungere risultati sanitari equi, massimizzando al contempo il potenziale dell’AI generativo.

Quadri di qualità e fiducia basati sulla piattaforma: la costruzione di quadri di qualità e fiducia che si integrino nei sistemi di gestione della qualità esistenti e si allineino con le raccomandazioni normative è cruciale. Questi quadri devono misurare, convalidare e monitorare le soluzioni di AI generativo per garantire risultati coerenti e affidabili.

Lo scorso anno, abbiamo lanciato la soluzione di qualità e fiducia dell’AI generativo di CitiusTech, la prima soluzione completa del suo genere nel settore sanitario. La soluzione può affrontare questi requisiti fornendo una convalida completa, un monitoraggio continuo e l’adeguamento agli standard normativi, garantendo l’efficacia e l’affidabilità delle soluzioni di AI generativo nel settore sanitario.

Come possono le organizzazioni sanitarie lavorare per identificare e mitigare i pregiudizi algoritmici e dei dati di allenamento per garantire decisioni di cura eque?

Le organizzazioni sanitarie devono essere estremamente proattive nel loro approccio. Utilizzare dataset diversi e rappresentativi durante la fase di allenamento aiuta a ridurre i pregiudizi, garantendo che i modelli di AI si eseguano bene su diversi gruppi di popolazione. L’implementazione di strumenti di rilevamento dei pregiudizi può aiutare a identificare e affrontare i pregiudizi nei modelli di AI, analizzando gli output del modello per rilevare eventuali disparità nelle raccomandazioni di trattamento o nelle previsioni.

Regolari audit e revisioni dei sistemi di AI aiutano a identificare e correggere i pregiudizi. Ciò include la valutazione delle prestazioni del sistema su vari gruppi demografici e l’apportare le necessarie modifiche. La progettazione e lo sviluppo inclusivi, che consistono nell’includere un gruppo diversificato di stakeholder nella progettazione e nello sviluppo delle soluzioni di AI, garantiscono che vengano considerate diverse prospettive, riducendo la probabilità di pregiudizi. Infine, l’educazione e la formazione per i dipendenti sui potenziali pregiudizi nei sistemi di AI e su come affrontarli sono fondamentali per creare consapevolezza e promuovere l’uso responsabile dell’AI.

Come possono le organizzazioni sanitarie utilizzare efficacemente i dati sui Determinanti Sociali della Salute (DSS) per migliorare la cura dei pazienti e quali sono le sfide nell’integrare questi dati nei codici diagnostici ufficiali?

L’integrazione dei dati sui DSS migliora notevolmente la cura dei pazienti, ma ci sono sfide da affrontare. La raccolta completa dei dati è essenziale, compresa informazioni come lo stato socioeconomico, l’istruzione e i fattori ambientali. Questi dati forniscono informazioni sui fattori sociali che influenzano la salute del paziente.

L’integrazione dei dati e l’interoperabilità sono cruciali per utilizzare efficacemente i dati sui DSS. Integrare questi dati nei registri elettronici dei pazienti e garantire l’interoperabilità tra diversi sistemi consente ai fornitori di assistenza sanitaria di avere una visione olistica della salute del paziente, abilitando piani di cura personalizzati. Ad esempio, i pazienti provenienti da ambienti a basso reddito o che vivono in aree con accesso limitato ai servizi sanitari possono richiedere ulteriore supporto per gestire le condizioni croniche. Integrando i dati sui DSS, le organizzazioni sanitarie possono sviluppare programmi di outreach mirati, fornire risorse per il trasporto agli appuntamenti medici e offrire assistenza alimentare a coloro che ne hanno bisogno.

La gestione della salute della popolazione è un’altra area in cui i dati sui DSS svolgono un ruolo critico. Analizzando i dati sui DSS a livello di comunità, le organizzazioni sanitarie possono identificare tendenze e modelli che informano le strategie di salute pubblica.

Tuttavia, l’integrazione dei dati sui DSS nei codici diagnostici ufficiali presenta un problema di interoperabilità o standardizzazione. Non esiste attualmente un quadro universalmente accettato per la codifica dei dati sui DSS. Garantire la qualità dei dati è anche difficile, poiché i dati sui DSS spesso provengono da varie fonti con livelli di accuratezza e completezza diversi. La collaborazione tra organizzazioni sanitarie, responsabili delle politiche e fornitori di tecnologie sarà un passo importante per affrontare queste sfide.

Quali sono le principali sfide di sicurezza informatica che le organizzazioni sanitarie devono affrontare e come possono essere affrontate?

Come abbiamo visto negli ultimi anni, le organizzazioni sanitarie sono estremamente vulnerabili alle minacce informatiche. Le violazioni dei dati e gli attacchi di ransomware sono problemi significativi, richiedendo l’implementazione di crittografia robusta, autenticazione a più fattori e audit di sicurezza regolari per mitigare queste minacce. I sistemi legacy e le vulnerabilità del software sono comuni nel settore sanitario, poiché molti utilizzano ancora sistemi obsoleti. Aggiornare regolarmente e correggere il software, nonché migrare verso piattaforme moderne e sicure, è essenziale.

Le minacce interne, dove i dipendenti con accesso ai dati sensibili, rappresentano rischi significativi. Implementare controlli di accesso rigorosi, monitorare l’attività degli utenti e fornire formazione sulla sicurezza informatica può svolgere un ruolo significativo nel prevenire questi problemi. È fondamentale creare un team di conformità dedicato responsabile di condurre audit di sicurezza regolari e valutazioni del rischio per identificare le vulnerabilità e garantire la conformità con i requisiti normativi come il HIPAA.

La misura più importante è la formazione e l’educazione continua per il personale IT e i professionisti sanitari per proteggere contro le minacce informatiche in evoluzione. Molte di queste minacce sfruttano le vulnerabilità umane, quindi più il personale è formato sulle migliori pratiche di sicurezza informatica, meno probabile sarà che si verifichino errori umani, portando a dati dei pazienti più sicuri.

Quali sono le principali considerazioni etiche che le organizzazioni sanitarie devono tenere presente quando implementano soluzioni di AI e come possono navigare la resistenza all’implementazione di AI negli ospedali?

Questo è uno dei problemi più importanti che le organizzazioni sanitarie devono affrontare, con la necessità di considerare diversi aspetti etici e navigare nella resistenza potenziale all’implementazione di AI. Garantire la privacy e la riservatezza del paziente è fondamentale, con soluzioni di AI che aderiscono a norme di protezione dei dati severe e impiegano misure di sicurezza robuste. I pazienti devono essere informati sull’uso dell’AI nella loro cura e fornire il consenso, con una spiegazione di come l’AI sarà utilizzata e dei potenziali benefici e rischi.

I pregiudizi e l’equità sono anche considerazioni cruciali. I sistemi di AI sono progettati per evitare pregiudizi e garantire un trattamento equo per tutti i pazienti, ma come sappiamo, possono sorgere problemi se le organizzazioni non sono attente. Ciò rende necessario il monitoraggio continuo e l’aggiustamento di questi modelli di AI per mantenere l’equità.

È anche estremamente importante essere trasparenti sull’uso dell’AI e responsabili delle decisioni prese dai sistemi di AI, in particolare fornendo spiegazioni per le decisioni guidate dall’AI e stabilendo meccanismi di controllo. Seguire questo approccio è un passo significativo per affrontare le preoccupazioni e la resistenza che sia i professionisti sanitari che i pazienti hanno nei confronti dell’implementazione di AI.

Ma è anche importante fornire educazione sull’implementazione e sui benefici dell’AI, coinvolgendo gli stakeholder nel processo di implementazione di AI, stabilendo un impegno a seguire un approccio globale centrato sulla costruzione della fiducia, sulla comunicazione chiara e sull’uso etico dell’AI.

Come possono le soluzioni di CitiusTech aiutare le organizzazioni sanitarie a raggiungere un’integrazione dei dati senza soluzione di continuità e l’interoperabilità tra diverse piattaforme e applicazioni?

In CitiusTech, possiamo alimentare l’innovazione digitale sanitaria, la trasformazione aziendale e la convergenza a livello di settore per le aziende del settore sanitario e delle scienze della vita in tutto il mondo. Le nostre soluzioni sono progettate per raggiungere un’integrazione dei dati senza soluzione di continuità e l’interoperabilità tra diverse piattaforme e applicazioni. Le nostre piattaforme di integrazione avanzate garantiscono che i sistemi diversi comunichino e condividano i dati in modo efficace, facilitando lo scambio di dati per una visione unificata delle informazioni sui pazienti.

Ad esempio, un importante piano sanitario con oltre un milione di iscritti stava cercando di andare oltre i dati delle richieste e le ricerche cartacee dei referti e di sfruttare i dati clinici per accelerare la chiusura delle lacune di cura. Cercando una soluzione che potesse utilizzare efficacemente i dati clinici, hanno sfruttato CitiusTech per integrare senza soluzione di continuità i dati clinici da una serie di registri elettronici dei pazienti e aggregatori di dati, portando a risparmi annuali di 10 milioni di dollari.

Le soluzioni di gestione di CitiusTech mantengono la qualità, la sicurezza e la conformità dei dati durante il processo di integrazione per gestire le complessità dei dati sanitari, compresa l’integrazione e l’interoperabilità di fonti di dati e piattaforme diverse.

La recentemente lanciata soluzione di qualità e fiducia dell’AI generativo di CitiusTech, una soluzione completa di questo tipo nel settore sanitario, può affrontare questi requisiti fornendo convalida completa, monitoraggio continuo e aderenza agli standard normativi, garantendo l’efficacia e l’affidabilità delle soluzioni di AI generativo nel settore sanitario.

Quali tendenze future si prevedono nell’integrazione dell’AI nel settore sanitario e delle scienze della vita e come CitiusTech si sta preparando ad affrontare queste tendenze?

Con l’integrazione dell’AI nel settore sanitario e delle scienze della vita in rapida crescita, l’uso crescente dell’AI per l’analisi predittiva e la medicina personalizzata, il miglioramento dell’efficienza operativa attraverso l’automazione e l’avanzamento dell’imaging e della diagnostica medica avranno un impatto significativo sul settore.

In CitiusTech, stiamo anticipando queste tendenze continuando a investire in ricerca e sviluppo per rimanere all’avanguardia dei progressi dell’AI. Come menzionato, abbiamo sviluppato soluzioni di AI generativo come il nostro strumento di qualità e fiducia, nonché altre soluzioni di AI che sfruttano le tecnologie più recenti per migliorare i risultati dei pazienti e l’efficienza operativa. È fondamentale per noi concentrarci sull’uso etico e equo dell’AI, affrontando i pregiudizi e mantenendo la trasparenza e la responsabilità nelle decisioni guidate dall’AI. È una priorità per il nostro team rimanere aggiornati con le ultime tendenze dell’AI, garantendo di avere le migliori risorse disponibili per aiutare le organizzazioni sanitarie a navigare nel paesaggio in evoluzione dell’integrazione dell’AI.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare CitiusTech.