Kamya Elawadhi、Doceree共同創業者兼社長 – インタビューシリーズ

Kamya Elawadhi、Docereeの共同創業者兼社長は、ヘルスケアマーケティングとビジネス戦略のエグゼクティブで、2019年に入社してから同社の成長に中心的な役割を果たしてきました。プラットフォーム戦略、企業開発、クライアントサービス、グローバルパートナーシップにわたるリーダーシップポジションを経て、Docereeの技術を製薬ブランド、エージェンシー、出版社、医療機関に測定可能な価値として転換する支援を行っています。現在の役割では、Elawadhiは同社のグローバル成長アジェンダを主導し、米国での拡大を支援しています。その際、プライバシーに配慮し、臨床的に関連性のあるコミュニケーションに重点を置いています。Docereeに入社する前は、HS Ad India と McCann Worldgroup でシニアクライアントおよびアカウントリーダーシップを務め、ヘルスケア、医療機器、消費財ブランドの仕事に従事し、クロスファンクショナルかつ多文化チームを率いていました。

Docereeは、AIファーストのヘルスケアマーケティングオペレーティングシステムで、ライフサイエンス組織が医療専門家や患者とよりコンテキストと精度を持ってエンゲージできるよう設計されています。そのプラットフォームは、検証済みのプロフェッショナルIDデータ、リアルタイムの臨床意図シグナル、プログラマティックなアクティベーション、ポイントオブケアエンゲージメント、そしてチャネル横断的にメッセージングを調整するAI推論層を組み合わせています。医師の認知と処方決定を、患者の治療への道筋（費用負担、初回処方の充填、リフィルなど）と結びつけることで、Docereeはヘルスケアマーケターにキャンペーンパフォーマンスのより統合されたビューを提供し、プライバシーと規制遵守を支援します。

Docereeに入社したのは創業初年度で、米国でのプレゼンス構築に中心的な役割を果たした後、共同創業者兼社長になりました。最初に会社の創業ビジョンに惹かれた理由は何ですか？また、AIがヘルスケアでますます重要になる中で、そのビジョンはどのように変化しましたか？

私がDocereeに惹かれたのは、解決しようとしている課題の明確さでした。ヘルスケアマーケティングは長年、他業界向けに作られたツールを借用したインフラ上で運用され、世界で最も規制の厳しい環境の一つに適用されていました。創業ビジョンは、ヘルスケア専用にゼロから構築されたものを作ることでした。

進化したのは、AIが可能にする規模です。初期は正確さ、すなわち適切な医師に適切なタイミングでリーチすることが焦点でした。AIはそのタイミングの形を拡大し、メッセージの配信から意図の読み取り、会話の開始、そしてケアジャーニー全体にわたるエンゲージメントの接続まで可能にしました。根本的な信念は変わっていません。野心が大きくなったのは、ツールが進化したからです。

Docereeは最近、ChatGPT と Claude 用のジェネレーティブ AI コネクタを導入しました。これらの統合はどのような機能を提供し、どのヘルスケアまたは製薬チームが最も恩恵を受けると考えられますか？

ChatGPT や Claude といったプラットフォームとの統合は、Doceree の臨床および商業インテリジェンスを、製薬チームが日常的に使用しているツールに取り込むことを目的としています。システム間を切り替える必要はなく、ブランドやエージェンシーチームはキャンペーンのパフォーマンスを問い合わせ、HCP エンゲージメントのインサイトにアクセスし、実行可能な推奨事項を AI アシスタントのワークフロー内で直接提示できるようになりました。

最も恩恵を受けるチームは、迅速でデータ依存の意思決定を行うチームです。市場全体でキャンペーンパフォーマンスを追跡するブランドマネージャー、HCP エンゲージメントのパターンを監視するエージェンシーチーム、レポートを待たずに複数のデータストリームを統合する必要がある商業リーダーなどです。データと意思決定の間に常に存在していた摩擦の層を取り除きます。私にとって、そこに本当の価値があります。

ジェネレーティブ AI コネクタは Doceree のより広範な AI 戦略の中でどのように位置付けられ、エンタープライズでの採用が拡大するにつれてどのような機能を追加することを期待していますか？

コネクタは Daily Command の層として機能し、当社の製薬特化型推論モデルである Semmelweis と Analytics Workbench の隣に配置されます。その背後にある考えはシンプルです。製薬チームはすでに毎日 ChatGPT や Claude を使用しているため、Doceree の臨床インテリジェンスを彼らが既に使っているツールに取り込み、最初から HIPAA に安全なガードレールを組み込んでいます。

採用が拡大するにつれて、方向性はより深いプロアクティブインテリジェンスへと向かいます。ユーザーが求める前に適切なシグナルを提示するシステムです。そこが私たちが構築している領域です。

Doceree はその技術の一部を表すために「臨床インテリジェンス」という用語を使用しています。アーキテクチャ的観点からそれは何を意味し、基盤となる大規模言語モデルの機能をどのように補完していますか？

臨床インテリジェンスは、本質的に汎用 AI をヘルスケアに適用可能にする層です。大規模言語モデルは非常に高性能ですが、診断コードや処方パターン、あるいは医師が特定の患者プロファイルに対して特定の治療法を選択したときの意味を自動的に理解できません。臨床インテリジェンスはそのギャップを埋めるものです。

アーキテクチャ上では、臨床ワークフローからの生データシグナルとそれを解釈する AI モデルの間に位置します。出力を汎用的ではなく実行可能にするコンテキストを提供します。これがなければ、強力なモデルは不完全な情報で動作するだけです。これがあれば、実際の臨床の瞬間に影響を与えることができるようになります。

Doceree の Semmelweis AI システムは、ヘルスケアデータをどのように解釈し、製薬チームにとって有用なインサイトに変換するのでしょうか？

Semmelwis はシンプルな考えに基づいて構築されています：ヘルスケアデータは、スケールで処理されるだけでなく、臨床コンテキストで解釈できる場合にのみ有用です。製薬チームは膨大なエンゲージメントと処方データを保有していますが、常にデータを持っていることとそれをどう活用すべきかを知ることの間にギャップがありました。

Semmelwis は臨床ジャーニー全体のシグナルを読み取り、意図が形成されつつあるか、薄れつつあるかを特定することでそのギャップを埋めます。これらのインサイトは Daily Command に直接供給され、製薬ブランドチームのための AI ワークシステムとして、パターン認識を商業チームが即座に実行できる推奨事項に変換し、データサイエンスチームが同席する必要をなくします。

ChatGPT と Claude はモデル、インターフェース、エンタープライズ環境が異なります。両プラットフォームで一貫した体験を作る際に、チームはどのような技術的課題に直面しましたか？

根本的な課題は、ユーザーがどのプラットフォームを使用していても、すべてのプロンプトとレスポンスが同じコンプライアンスガードレール内に収まることを保証することでした。ヘルスケアデータは、どの AI アシスタントが質問しているかによって柔軟に変わるわけではありません。実際の作業は、Doceree の臨床インテリジェンスと両プラットフォームの間に統治された統合層を構築し、回答が常に Semmelwis の推論と Doceree データに基づき、エンドツーエンドで監査可能であることを保証することでした。コンプライアンスの一貫性が解決すべき難しい問題でした。

コネクタは、ユーザーが AI 生成インサイトの出所や、どのデータや推論が回答に寄与したかをどのように理解できるよう支援しますか？

コネクタを通じたすべての回答は Doceree のデータと Semmelwis の推論に基づいています。ブランドチームが商業的な質問をすると、回答は臨床意図シグナル、ID データ、ブランド固有のキャンペーン入力に裏付けられます。全体のワークフローはエンドツーエンドで統治され、監査可能です。規制のある業界では、このトレーサビリティが AI を商業的意思決定の文脈で実際に活用できるようにする要素であり、設計原則は最初から組み込まれていました。

ヘルスケア組織はしばしば機密データと複雑な規制要件を扱いますが、これらの統合の設計にはプライバシー、セキュリティ、アクセス制御、コンプライアンスがどのように組み込まれていますか？

これは最初から設計原則として考慮してきた点です。コネクタは、患者データがワークフローに入らないように構築されています。すべては匿名化された HCP コンテキストのみで動作します。すべてのプロンプトとレスポンスは HIPAA 安全なガードレール内に収まり、全体のワークフローはエンドツーエンドで統治され、監査可能です。

実際には、ブランドチームは ChatGPT や Claude 内で商業的な質問を行い、臨床インテリジェンスに基づく回答を得ることができ、機密ヘルスケアデータを汎用 AI アシスタントに接続する際に通常伴うデータプライバシーリスクは一切ありません。ガードレールが統合の基盤となっています。

システムの出力の品質（正確性、関連性、一貫性、ヘルスケア専門家にとっての有用性）をどのように評価していますか？

この文脈での品質は非常に具体的な意味を持ちます。出力は、より良い商業的意思決定につながる場合にのみ有用であり、私たちが評価するのはそれが重要な指標を向上させるか、HCP のステージ進行や初回処方率、キャンペーンパフォーマンスを向上させるかどうかです。

クローズドループがこれを可能にします。Daily Command は結果を推論モデルにフィードバックするよう設計されており、すべての推奨は実際に機能したものによって洗練されます。これは、出力が単独で評価される一般的な AI アシスタントとは異なります。ここでは、誰かが推奨に基づいて行動した後に起こることからシステムが学習し、時間とともに品質の唯一の正直な指標となります。

製薬会社がジェネレーティブ AI を採用する中で、臨床医や患者を対象としたコミュニケーションにおける責任ある使用を導くべき原則は何ですか？

私が最も繰り返し強調する原則は、ヘルスケアにおける AI は不確実性を狭めるべきであり、むしろ増やすべきではないということです。臨床医が治療決定に影響を与える情報を受け取る際、その情報の出所と背後にある推論が追跡可能である必要があります。これが信頼の基本的な基準です。

トレーサビリティを超えて、責任ある使用とは、臨床的または商業的な重みを持つすべての事柄において人間をループに残すことだと考えます。AI は推奨し、提示すべきであり、最終的な決定と承認は人が行うべきです。その境界が曖昧になる瞬間が、リスクが利益を上回り始める時点です。

そして、コンプライアンスはポリシーではなくアーキテクチャであるべきです。ヘルスケアにおいて、これら二つの違いは全てです。

素晴らしいインタビューをありがとうございました。詳しく知りたい読者は Doceree をご覧ください。