์ธํฐ๋ทฐ
๋ผ์ ์ฝํ๋ฆฌ, ์ํฐ์ด์คํ ํฌ์ CEO – ์ธํฐ๋ทฐ ์๋ฆฌ์ฆ
라잔 코흘리는 시티어스테크의 최고 경영자이며, 회사의 전략 방향과 건강 관리 기술 혁신을 가속화하고 고객에게 장기적인 가치를 제공하는 시티어스테크의 사명을 책임지고 있습니다. 라잔은 디지털 변환, 애플리케이션 및 엔지니어링 서비스 분야에서 경험을 갖춘 기술 서비스 산업의 고위 경영자입니다.
시티어스테크에 입사하기 전에, 라잔은 27년 동안 위프로에서 근무했으며, 최근에는 위프로의 iDEAS(통합 디지털, 엔지니어링 및 애플리케이션 서비스) 사업부의 사장으로 재직했습니다. 그는 60억 달러의 매출을 기록한 글로벌 사업 라인을 이끌었으며, 전 세계의 고객들이 디지털 제품, 서비스 및 경험을 구축하고 제공하는 방식을 변환하고 가속화하는 것을 도왔습니다.
시티어스테크는 건강 관리 및 생명 과학 회사들에게 컨설팅 및 디지털 기술을 제공하는 선도적인 회사입니다. 세계 최고의 보험 제공업체, 의료 제공업체, 메드테크 및 생명 과학 회사들의 전략적 파트너로서, 시티어스테크는 혁신, 비즈니스 변환 및 산업 전체의 수렴을 추동합니다. 그들은 디지털 혁신을 가속화하고, 지속 가능한 가치를 추동하며, 건강 관리 생태계 전반에서 결과를 개선하는 데 깊은 역할을 합니다.
건강 관리 및 생명 과학 조직에서 디지털 변환 전략을 성공적으로 구현하기 위해 필요한 주요 요소는 무엇입니까?
건강 관리 산업은 디지털 솔루션을 받아들이는 데 어려움을 겪었으며, 성공적인 디지털 변환 여정은 간헐적으로 발생했습니다. 그러나 기술이 환자 관리에서 패러다임을 바꾸는 도약을 제공할 준비가 되었으므로, 산업이 이러한 도전에 직면해야 할 때입니다.
디지털 변환은 모든 전문 분야에서 건강 관리에 긍정적인 영향을 미칠 수 있습니다. 예를 들어, 특수 약물 제조업체는 다양한 이해 관계자와 생태계에서 발생하는 여러 요구 사항을 처리해야 하며, 이러한 요구 사항을 충족하기 위해 환자 지원 허브 서비스를 활용하여 이러한 책임을 제조업체에서 관리하고 고객-약물 성능을 최적화하는 데 도움이 됩니다. 그러나 환자 허브 서비스는 확장성과 효율성에 대한 문제로 인해 어려움을 겪고 있으며, 많은 특수 약물 제조업체는 운영을 간소화하고 전체 효율성을 강화하기 위해 디지털 변환 전략을 채택해야 합니다.
건강 관리 및 생명 과학에서 디지털 변환을 구현하는 데에는 세 가지 다면적인 접근 방식이 필요합니다.
- 리더십의 헌신은 이러한 이니셔티브를 추진하고 지속하기 위해 필수적이며, 전사적인 승인과 전략적 목표와의 일치를 보장합니다. 이는 명확한 비전과 로드맵을 생성하여 특정 목표와 里程碑를 정의하는 것을 의미하며, 또한 기술과 혁신적인 솔루션에 투자하는 것을 의미합니다.
- 데이터 관리는 또 다른 중요한 요소입니다. 강력한 정보 관리 프레임워크를 설정하여 데이터 품질, 보안 및 규제 준수를 보장합니다. 이는 데이터 표준, 정책 및 데이터 관리를 위한 프로세스를 정의하는 것을 포함하며, 또한 고급 분석 및 빅데이터 기술을 활용하여 건강 데이터에서 실행 가능한 통찰력을 추출하는 것을 포함합니다.
- 상호 운용성이 디지털 변환에 필수적이며, HL7, FHIR 및 DICOM과 같은 산업 표준을 채택하여 다양한 시스템 및 플랫폼 간의 무결한 데이터 교환을 가능하게 합니다. 통합 플랫폼 및 미들웨어 솔루션을 사용하여 이질적인 시스템을 연결하여 조직 전체에서 데이터 흐름과 통신을 원활하게 할 수 있습니다. 상호 운용성을 완전히 채택함으로써, 조직은 더 효율적이고 효과적이며 환자 중심적인 건강 관리 제공을 추동할 수 있습니다.
그러나 궁극적으로 디지털 변환은 환자와 함께 시작하고 끝납니다. 건강 관리 조직은 프로세스를 자동화할 수 있지만, 환자의 경험이나 환자가 받는 가치를 변경하지 않으면 성공을 달성하기가 특히 어려울 것입니다. 환자 중심적인 접근 방식과 환자 참여, 치료 접근의 개선 및 개인화된 치료 계획을 강화하는 디지털 건강 솔루션의 구현은 필수적입니다.
생성 AI는 현재 어떻게 건강 관리 치료를 강화하고 환자 결과를 개선하는 데 사용되고 있습니까?
생성 (Gen) AI는 건강 관리 생태계 전반에 걸쳐 변환적인 이점을 제공합니다. 건강 관리와 같은 산업에서, 많은 어려움이 인간-기계 상호 작용의 비효율성에 기인할 수 있으며, Gen AI는 이 간격을 연결하고真正로 건강 관리를 민주화할 수 있습니다.
이것은 개인화된 의학에서 특히 사실입니다. 특정 환자에게 맞춤형 치료 계획을 개발하는 것은 수동으로 수행하는 경우 어려울 수 있습니다. Gen AI를 활용하여 알고리즘이 유전적 데이터와 환자 기록을 분석하여 개별 환자의 고유한 유전적 구성과 의료 기록에 맞춤형 치료 계획을 생성할 수 있습니다. 치료 계획이 마련되면 환자가 AI 기반 가상 건강 보조를 24/7 접근할 수 있도록 하는 것이 중요합니다. 환자는 의료 조언, 증상 확인 및 예약 예약과 같은 서비스를 받을 수 있으며, 이는 환자 참여, 더 효과적인 치료 및 더好的 환자 결과를 개선합니다.
Gen AI는 또한 약물 승인 및 출시 과정을 가속화하는 데 중요한 역할을 합니다. 팬데믹은 AI의 능력에 의해 추동되는 신속한 약물 개발의 잠재력을 보여주었습니다. Gen AI는 분자 상호 작용을 시뮬레이션하고 어떤 화합물이 효과적일 가능성이 있는지 예측하여 새로운 약물의 개발을 가속화합니다. 이는 전통적인 약물 발견 방법과 관련된 시간과 비용을 크게 줄입니다. 이러한 AI 기반 플랫폼은 또한 잠재적인 약물 후보를 생성하고 그들의 화학적 구조를 최적화하여 개념에서 임상 시험까지의 과정을 가속화할 수 있습니다.
Gen AI 알고리즘은 또한 의료 영상의 정확성을 향상시키고 있습니다. 영상 품질을 개선하고 종양과 같은 상태의 이상을檢出하는 것을 도와줍니다. 이를 통해 조기 진단과 치료를 가능하게 하며, 환자 결과를 크게 개선합니다.
마지막으로, Gen AI에 의해 구동되는 예측 분석은 획기적인 잠재력을 가지고 있습니다. 예측 Gen AI 모델은 건강 데이터를 분석하여 질병 발병, 환자 재입원 및 잠재적인 합병증을 예측하여 예방적 개입과 만성 질환의 더好的 관리를 가능하게 합니다.
생성 AI는 어떻게 건강 관리 전문가들에게서 단순한 업무를 줄여주고, 환자 관리와 혁신에 더 집중할 수 있도록 도와줄 수 있습니까?
Gen AI는 건강 관리 전문가들에게서 임상 기록, 예약 관리, 의료 기록 관리 및 보험 청구 처리와 같은 단순한 업무를 크게 줄여줄 수 있습니다. 건강 관리 전문가들은 환자 관리와 혁신에 더 집중할 수 있습니다.
예를 들어, 건강 관리 전문가들은 더 안전하고 일관된 건강 관리 제공을 위해 전자 의료 기록 (EMR)을 많이 의존합니다. 그러나 이러한 기록을 항상 환자 기록과 증상에 대한 서술적 이해와 EMR의 구조화된 데이터 표현 사이를 이동해야 합니다. Gen AI는 환자 기록을 요약하고 수동 작업을 자동화하여 건강 관리 전문가들의 인지 과부화를 크게 줄여줍니다. 이는 더 개인화된 환자 관리를 위한 귀중한 시간을 해방시킵니다.
임상 의사 결정 지원 시스템은 건강 관리 전문가들에게서 증거 기반의 추천, 경고 및 리마인더를 제공하기 위해 AI를 활용합니다. 이러한 시스템은 환자 데이터와 의료 문헌을 분석하여 진단과 치료 계획을 지원하는 통찰력을 제공합니다. 이는 임상 결과를 향상시키고 건강 관리 제공자의 인지 과부화를 줄입니다.
원격 모니터링 기술은 AI에 의해 구동되며, 환자의 생명 징후와 건강 상태를 지속적으로 추적하여 실시간 건강 평가를 가능하게 합니다. 이는 환자 편의성을 개선하고 잠재적인 건강 문제를 조기 발견하여 즉시 개입과 만성 질환의 더好的 관리를 가능하게 합니다.
Gen AI는 인간의 잠재력을 강화하여 건강 관리 전문가들의 직무 만족도를 높이고, 더 혁신적인 치료 제공과 환자 만족도를 높입니다.
Gen AI 솔루션의 품질과 신뢰성을 최대화하고 건강 관리 결정에서 신뢰를 보장하기 위한 조치는 무엇입니까?
품질과 신뢰는 건강 관리 산업에서 빠르게 성장하는 Gen AI에 따라 중요한 논의의 주제가 되었습니다. 이러한 이점을 책임감 있게 실현하기 위해 이러한 문제에 대한 강력한 집중이 필요합니다. 이러한 조치 중 일부는 다음과 같습니다.
개인 정보 및 데이터 보안: 환자 개인 정보를 보장하는 것이 필수적이며, 데이터를 신중하게 익명화하고, 데이터 침해와 무단 접근을 방지하기 위한 엄격한 보안 조치를 취하는 것이 필요합니다. 강력한 암호화 프로토콜과 적대적 공격에 대한 방어 메커니즘을 구현하여 환자 데이터를 보호할 수 있습니다. 또한, 임상의가 궁극적인 의사 결정 권한을 유지하여 잠재적인 AI 오류를 방지해야 합니다.
품질과 공정성 유지: Gen AI 시스템은 훈련 데이터에 존재하는 편향을 부주의하게 퍼펫츠할 수 있으며, 이는 건강 관리 결과에 대한 차이를 초래할 수 있습니다. 편향을 제거할 수 있는 알고리즘을 구현하고, 지속적으로 AI 시스템을 재훈련하여 편향을 감지하고 완화하는 것이 핵심입니다.
책임과 투명성: Gen AI 기반 의사 결정에 대한 책임에는 개발자, 건강 관리 제공업체 및 최종 사용자가 포함됩니다. 투명하고 설명 가능한 AI 모델은 정보에 기반한 의사 결정에 필수적입니다. 개발자는 AI 모델이 편향되지 않고 안전하다는 것을 보장해야 하며, 건강 관리 제공자는 AI 추천에 대한 책임을 지고, 규제 프레임워크를 구현하여 책임 문제를 해결하고 신뢰를 유지해야 합니다.
윤리 프레임워크: Gen AI에 대한 윤리 프레임워크 개발은 책임감 있게 혁신을 방해하지 않는 것입니다. 건강 관리 관련자들은 진화하는 윤리 표준과 일치하여 Gen AI 애플리케이션이 공정하고 책임감 있고 환자 중심적인지 보장해야 합니다. 인간-루프 접근 방식과 책임감 있는 AI 관행의 조합은 공정한 건강 관리 결과를 달성하고 Gen AI의 잠재력을 최대화하는 데 도움이 될 수 있습니다.
플랫폼 기반 품질 및 신뢰 프레임워크: 기존의 품질 관리 시스템에 통합되고 규제 권고안과 일치하는 품질 및 신뢰 프레임워크를 구축하는 것이 중요합니다. 이러한 프레임워크는 Gen AI 솔루션의 일관성과 신뢰성을 측정, 검증 및 모니터링하여 건강 관리에서 신뢰할 수 있는 결과를 보장합니다.
이번 년초에, 우리는 시티어스테크 Gen AI 품질 및 신뢰 솔루션을 출시했습니다. 이는 건강 관리에서 처음으로 끝까지의 솔루션으로, 이러한 요구 사항을 해결하기 위해 포괄적인 검증, 지속적인 모니터링 및 규제 표준 준수를 제공하여 건강 관리에서 Gen AI 솔루션의 효과성과 신뢰성을 보장합니다.
건강 관리 조직은 어떻게 알고리즘 및 훈련 데이터 편향을 식별하고 완화하여 공정한 치료 결정에 대한 적합한 조치를 취할 수 있습니까?
건강 관리 조직은 매우 적극적인 접근 방식을 취해야 합니다. 훈련 단계에서 다양한 대표적인 데이터 세트를 사용하여 편향을 줄이는 데 도움이 됩니다. 이는 AI 모델이 다양한 인구 그룹에서 잘 수행되도록 보장합니다. 편향 감지 도구를 구현하여 AI 모델의 출력을 분석하고 치료 추천이나 예측에서 불일치가 있는지 감지하는 데 도움이 될 수 있습니다.
정기적인 감사 및 AI 시스템 검토는 편향을 식별하고 수정하는 데 도움이 됩니다. 이는 시스템의 성능을 다양한 인구 통계 그룹에서 평가하고 필요한 조정을 하는 것을 포함합니다. 포괄적인 설계 및 개발, 즉 AI 솔루션 설계 및 개발에 다양한 이해 관계자가 참여하여 다른 관점을 고려하여 편향의 가능성을 줄이는 데 도움이 됩니다. 마지막으로, 직원들에게 AI 시스템의 잠재적인 편향과 이를 어떻게 해결하는지에 대한 교육 및 훈련을 제공하는 것이 중요합니다.
건강 관리 조직은 사회적 결정 요인(SDOH) 데이터를 어떻게 효과적으로 사용하여 환자 치료를 개선할 수 있으며, 이러한 데이터를 공식적인 진단 코드로 통합하는 데는 어떤 어려움이 있습니까?
SDOH 데이터를 통합하면 환자 치료를 크게 개선할 수 있지만, 이를 주소해야 하는 몇 가지 어려움이 있습니다. 포괄적인 데이터 수집은 필수적이며, 이는 사회 경제적 지위, 교육 및 환경적 요인과 같은 정보를 포함합니다. 이러한 데이터는 환자의 건강에 영향을 미치는 사회적 요소에 대한 통찰력을 제공합니다.
데이터 통합 및 상호 운용성이 SDOH 데이터를 효과적으로 사용하는 데 중요합니다. 이러한 데이터를 전자 건강 기록(EHR)으로 통합하고, 다양한 시스템 간의 상호 운용성을 보장하여, 건강 관리 제공자가 환자의 건강에 대한 종합적인 관점을 가질 수 있습니다. 이는 개인화된 치료 계획을 개발하는 데 도움이 됩니다. 예를 들어, 저소득층 또는 의료 서비스에 접근하기 어려운 지역에 거주하는 환자는 만성 질환을 관리하기 위해 추가적인 지원이 필요할 수 있습니다. SDOH 데이터를 통합함으로써, 건강 관리 조직은 목표적인 아웃리치 프로그램을 개발하고, 의료 예약을 위한 교통 지원을 제공하고, 필요한 환자에게 영양 지원을 제공할 수 있습니다.
인구 건강 관리도 SDOH 데이터가 중요한 역할을 하는 또 다른 영역입니다. 건강 관리 조직은 커뮤니티 수준에서 SDOH 데이터를 분석하여 공중 보건 전략을 정보에 기초하여 결정할 수 있습니다.
그러나 SDOH 데이터를 공식적인 진단 코드로 통합하는 것은 상호 운용성 또는 표준화 문제입니다. 현재 SDOH 데이터를 코딩하기 위한 보편적으로 수용된 프레임워크는 없습니다. 또한, 데이터 품질을 보장하는 것이 어렵습니다. SDOH 데이터는 정확성과 완전성 수준이 다른 다양한 출처에서 제공됩니다. 건강 관리 조직, 정책 입안자 및 기술 벤더 간의 협력은 표준적인 관행을 확립하고, 포괄적인 데이터 통합을 보장하는 데 중요한 단계입니다.
건강 관리 조직이 직면하는 주요 사이버 보안 도전은 무엇이며, 어떻게 해결할 수 있습니까?
건강 관리 조직은 사이버 보안 위협에 매우 취약합니다. 데이터 침해와 랜섬웨어 공격은 중요한 문제이며, 이러한 위협을 완화하기 위해 강력한 암호화, 다요소 인증 및 정기적인 보안 감사를 구현하는 것이 필요합니다. 구식 시스템과 소프트웨어 취약성은 건강 관리 조직에서 흔히 볼 수 있습니다. 소프트웨어를 정기적으로 업데이트하고 패치하고, 최신의 안전한 플랫폼으로 마이그레이션하는 것이 중요합니다.
내부 위협, 즉 민감한 데이터에 접근할 수 있는 직원이 중요한 위험을 나타냅니다. 접근 통제를 엄격하게 구현하고, 사용자 활동을 모니터링하며, 사이버 보안 교육을 제공하는 것이 이러한 문제를 방지하는 데 도움이 됩니다. 규제 요구 사항을 준수하고, 사이버 보안 위협에 대한 지속적인 교육 및 훈련을 제공하는 데 전념하는 전용 규제 팀을 구성하는 것이 중요합니다.
가장 중요한 조치는 사이버 보안 위협이 진화하는 것을 방지하기 위해 IT 직원과 건강 관리 전문가들에게 지속적인 교육 및 훈련을 제공하는 것입니다. 이러한 위협은 인간의 취약성을 악용하므로, 직원이 사이버 보안 최선의 관행에 대해 더 많이 교육을 받을수록, 인간의 오류가 줄어들고, 환자 데이터가 더 안전해집니다.
건강 관리 조직은 AI 솔루션을 구현할 때 몇 가지 주요 윤리적 고려 사항을 주의해야 하며, 병원에서 AI 구현에 대한 반대를 어떻게 극복할 수 있습니까?
이것은 건강 관리 조직이 해결해야 할 가장 중요한 문제 중 하나입니다. 환자 개인 정보와 기밀성을 보장하는 것이 중요합니다. AI 솔루션은 엄격한 데이터 보호 규정과 강력한 보안 조치를 준수해야 합니다. 환자는 자신의 치료에서 AI의 사용에 대해 정보를 제공받고, 동의해야 하며, 이는 AI의 사용과 잠재적인 이점 및 위험에 대한 설명을 포함합니다.
편향과 공정성도 중요한 고려 사항입니다. AI 시스템은 편향을 피하고, 모든 환자에게 공정한 치료를 보장하기 위해 설계되어야 합니다. 그러나, 조직이 주의하지 않으면, 여기서 문제가 발생할 수 있습니다. 따라서, 이러한 AI 모델을 지속적으로 모니터링하고, 공정성을 유지하기 위해 필요한 조정을 하는 것이 필수적입니다.
AI의 사용에 대해 투명하게 하고, AI 시스템에 의해 내린 결정에 대한 책임을 지는 것도 중요합니다. 이는 AI 기반 결정에 대한 설명을 제공하고, 감독을 위한 메커니즘을 설정하는 것을 포함합니다.
이 모든 것을 수행하는 것은 우려와 저항, 즉 건강 관리 전문가와 환자들이 AI 구현에 대해 가지는 것을 해결하는 데 중요한 단계입니다. 그러나, 또한 AI의 구현과 이점에 대한 교육을 제공하고, 이해 관계자를 AI 구현 프로세스에 참여시키며, 포괄적인 접근 방식을 채택하여 신뢰를 구축하고, 투명성을 제공하며, AI의 윤리적인 사용을 보장하는 것이 중요합니다.
시티어스테크의 솔루션은 어떻게 건강 관리 조직이 다양한 플랫폼 및 애플리케이션에서 데이터 통합 및 상호 운용성을 달성하는 데 도움이 될 수 있습니까?
시티어스테크에서, 우리는 건강 관리 디지털 혁신, 비즈니스 변환 및 산업 전체의 수렴을 위해 세계적인 건강 관리 및 생명 과학 회사들을 위해 동력입니다. 우리의 솔루션은 다양한 플랫폼 및 애플리케이션에서 데이터 통합 및 상호 운용성을 달성하도록 설계되었습니다. 우리의 고급 통합 플랫폼은 이질적인 시스템이 효과적으로 통신하고 데이터를 공유할 수 있도록 보장하여, 환자 정보에 대한 통일된 관점을 제공합니다.
예를 들어, 100만 명이 넘는 회원을 보유한 주요 블루 플랜은 회원의 청구 데이터와 수동 차트 추적을 넘어서, 임상 데이터를 활용하여 치료 격차를 가속화하기를 원했습니다. 임상 데이터를 효과적으로 활용할 수 있는 솔루션을 찾고, 시티어스테크를 통해 다양한 EHR 및 데이터 집계기에서 임상 데이터를無шов하게 통합하여, 매년 1,000만 달러의 절약을 달성했습니다.
시티어스테크의 관리 솔루션은 데이터 품질, 보안 및 규제 준수를 유지하여, 건강 관리 데이터의 복잡성을 처리합니다. 이는 다양한 데이터 소스 및 플랫폼의 통합 및 상호 운용성을 포함합니다.
최근에 출시된 시티어스테크 Gen AI 품질 및 신뢰 솔루션은, 건강 관리에서 처음으로 끝까지의 솔루션으로, 데이터 통합을 더욱 강화하여, 신뢰할 수 있고 규제 준수된 AI 기반 데이터 통합 및 분석을 제공합니다. 이는 건강 관리 조직이 AI를 효과적으로 사용하여 의사 결정과 환자 결과를 개선할 수 있도록 합니다.
건강 관리 및 생명 과학에서 AI의 통합에 대한 미래의 트렌드는 무엇이며, 시티어스테크는 이러한 트렌드를 어떻게 해결할 계획입니까?
건강 관리 및 생명 과학에서 AI의 통합이 빠르게 성장하고 있습니다. 예측 분석 및 개인화된 의학을 위한 AI의 사용, 자동화를 통한 운영 효율성의 향상, 의료 영상 및 진단의 발전은 산업에重大한 영향을 미칠 것입니다.
시티어스테크에서, 우리는 이러한 트렌드를 앞서가기 위해 지속적으로 연구 개발에 투자하고 있습니다. 앞서 언급한 바와 같이, 우리는 Gen AI 솔루션을 개발했으며, 이는 최신 기술을 활용하여 환자 결과와 운영 효율성을 개선합니다. 또한, AI의 윤리적이고 공정한 사용에 중점을 두고, 편향을 해결하며, AI 기반 결정에서 투명성과 책임성을 유지하는 것이 중요합니다. 우리 팀은 AI의 최신 트렌드를 따라가기 위해 최선을 다하고 있으며, 건강 관리 조직이 빠르게 진화하는 AI 통합 풍경을 탐색하는 데 필요한 최선의 자원을 제공하는 데 최선을 다하고 있습니다.
멋진 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 시티어스테크를 방문할 수 있습니다.
