Vasili Razhnou, CEO en oprichter van MEDvidi – Interviewreeks

Vasili Razhnou is de CEO en oprichter van MEDvidi, een op AI gebaseerd platform voor geestelijke gezondheid. Als serieel oprichter met meer dan 15 jaar ervaring in de zorg en het bedrijfsleven, heeft hij vijf technologiebedrijven opgericht. Bij MEDvidi leidt Vasili de ontwikkeling van AI-gebaseerde klinische instrumenten die de administratieve last verlichten en zorgverleners in staat stellen snellere en consistentere zorg te verlenen. Onder zijn leiding bereikte het bedrijf een omzet van 30 miljoen dollar per jaar.

U heeft meer dan een decennium besteed aan het opbouwen van de infrastructuur van de gezondheidszorg, van vroeg klinisch digitaliseren tot het opschalen van meerdere telehealth-ondernemingen voordat u MEDvidi oprichtte. Wat was het specifieke probleem of moment dat u ertoe bracht het bedrijf op te richten, en hoe hebben die eerdere ervaringen uw aanpak beïnvloed bij het opbouwen van AI-gedreven klinische systemen?

Het begon lang voordat MEDvidi bestond. In 2008, toen ik bij mijn eerste kliniek kwam, werkte alles nog op papier. Onze kantoren waren vol met medische dossiers, wat fysieke en mentale rommel creëerde. Het duurde ongeveer vijf dagen om patiëntendossiers te lokaliseren en op te halen.

Ik kocht een scanner en shredder om alles te digitaliseren. Die enkele verandering veranderde de manier waarop de kliniek werkte. Het bespaarde geld en tijd, en maakte patiëntendossiers gemakkelijk toegankelijk. Een eenvoudige actie liet zien dat soms operationele infrastructuur de basis is van goede zorg.

Van daaruit bouwden we een online interface met cloudopslag, toen een kleine intake en EHR-systeem, en voegden jaar na jaar functionaliteiten toe.

MEDvidi ontstond oorspronkelijk uit traditionele offline-klinieken in San Francisco en Miami in 2019 en maakte de overstap naar een aangepast telehealth-platform in 2020 om geestelijke gezondheidszorg toegankelijk te maken in de hele VS. Terwijl we het bedrijf opbouwden, realiseerden we ons dat zorgverleners overbelast zijn – ze besteden gemiddeld 16 uur per week aan administratieve taken.

Om deze bottleneck aan te pakken, ontwikkelden we een AI-gebaseerd klinisch instrument. Vandaag de dag biedt MEDvidi zorg voor veelvoorkomende aandoeningen zoals ADHD, angst en depressie in de hele VS, terwijl het workflows en medicatiebeheer voor zorgverleners automatiseren met AI. Door de wrijving in documentatie en administratief werk te verminderen, vergroten we zowel de toegang tot patiënten als de capaciteit van zorgverleners.

U heeft de gezondheidszorg zien evolueren van handmatige workflows naar grote telehealth-platforms. Wat zijn de grootste operationele inefficiënties die vandaag de dag nog steeds bestaan, en waarom zijn ze zo moeilijk op te lossen zonder AI?

Het grootste probleem in de gezondheidszorg is nog steeds de capaciteit van zorgverleners. Ze besteden te veel tijd aan administratieve taken, waardoor ze geen tijd hebben voor nieuwe patiënten. Bij MEDvidi zien we dit met eigen ogen – binnen drie maanden na het joinen van ons team, zijn de meeste zorgverleners voor 80% volgeboekt met follow-uppatiënten.

Tijdens die bezoeken wordt de meeste tijd besteed aan routine-administratieve taken, zoals het verifiëren van de identiteit van de patiënt, het opstellen van dossiers, het opvragen van PDMP-rapporten, het beoordelen van drug-seeking-gedrag, het bekijken van de medische geschiedenis, enz. Dit zijn belangrijke taken, maar ze vereisen geen klinische oordeel voor een complexe diagnose.

AI veranderde dat – we kunnen nu het grootste deel ervan automatiseren. Bijvoorbeeld, de AI-Chart Generator transcript bezoeken in real-time, updatet de documentatie elke 60 seconden en vermindert de tijd voor het opstellen van dossiers met 10 keer. De AI-Chart Reviewer controleert 100% van de klinische ontmoetingen voor SOP-naleving, vermindert de tijd voor het controleren van dossiers met 80% en behandelt ID-verificatie, drug-seeking-detectie en richtlijnconformiteit. Een AI-Receptionist behandelt het opnieuw plannen via SMS en voice, verzamelt problemen met betrekking tot recepten van patiënten, biedt updates en integreert de informatie in workflows.

Uw platform richt zich zwaar op het automatiseren van routinepsychiatrische workflows, terwijl artsen in de lus worden gehouden. Hoe definieert u de juiste grens tussen automatisering en klinische besluitvorming?

Gezondheidszorgverleners blijven centraal in de zorg staan. Dit is de enige juiste manier om het te doen. De AI van MEDvidi is ontworpen om zorgverleners te ondersteunen en te empoweren, niet om ze te vervangen. Elke klinische beslissing, recept en behandelplan wordt beoordeeld en goedgekeurd door een bevoegde medische zorgverlener.

Ik geloof dat de gezondheidszorg meer bewijs nodig heeft dat de technologie de efficiëntie kan verbeteren zonder de veiligheid te compromitteren. Ons doel is ervoor te zorgen dat zorgverleners hun oordeel niet verspillen aan taken die het niet verdienen. Wanneer een stabiele patiënt voor een routine-follow-up komt en de zaak eenvoudig is, kan AI de voorbereiding, documentatie en controle behandelen, en de zorgverlener bevestigt de beslissing. De mens is altijd in de lus, maar we zorgen ervoor dat hun tijd wordt besteed waar het echt toe doet.

Het AI-Recept-Assistent is getraind op echte klinische gegevens en vereist de goedkeuring van een arts voor elke beslissing. Hoe denkt u over veiligheid, aansprakelijkheid en controleerbaarheid bij het inzetten van AI in zo’n hoge-inzetomgeving?

Wanneer u opereert in een sterk gereguleerde ruimte zoals de gezondheidszorg, kunt u het zich niet veroorloven om dit verkeerd te doen.

In tegenstelling tot andere AI-gezondheidstools die getraind zijn op niet-specifieke medische gegevens, is de AI van MEDvidi getraind op 130.000+ echte psychiatrische bezoeken, waardoor domeinspecifieke nauwkeurigheid wordt geboden. Het is een unieke infrastructuur, speciaal gebouwd en getraind voor psychiatrische workflows, regelgeving en vereisten voor gecontroleerde stoffen.

Ons AI-systeem werkt als een klinische verificatielaag, gebaseerd op evidence-based richtlijnen en een propriëtaire dataset van duizenden echte historische bezoeken. Het zorgt ervoor dat elk recept in overeenstemming is met de normen en biedt toezichthouders transparante toezicht. Cruciaal is dat de AI geen onafhankelijke beslissingen neemt. Dat is de architectuur die we opzettelijk hebben gebouwd.

Veel telehealth-platforms hebben kritiek gekregen vanwege overvoorschrijven en niet-aangepaste incentives. Hoe kunnen AI-systemen de naleving eigenlijk verbeteren en het vertrouwen herstellen in plaats van deze risico’s te verhogen?

In de gezondheidszorg zijn er altijd twee componenten: de businesskant en de klinische kant. Veel telehealth-bedrijven hebben die lijn vervaagd tijdens de groeijaren, waarbij ze de klinische rigor soms hebben gecompromitteerd.

Bij MEDvidi hebben we die functies altijd strikt gescheiden gehouden. Klinische beslissingen worden nooit beïnvloed door business-incentives. Onze AI-systemen versterken die scheiding zelfs, in plaats van ze te verzwakken.

Een van de belangrijkste manieren waarop we dit doen, is door AI-gebaseerde chart-controle. Elke patiëntontmoeting wordt gecontroleerd op SOP-naleving om ervoor te zorgen dat het behandelplan passend en conform is. Deze SOP’s worden niet door business-teams gemaakt – ze worden ontwikkeld en voortdurend beoordeeld door een commissie van bevoegde medische professionals en afgestemd op alle van toepassing zijnde wetten en regelgeving. Ze zijn ontworpen met één doel voor ogen: het leveren van de beste mogelijke zorg voor elke individuele patiënt. Belangrijk is dat deze protocollen volledig controleerbaar zijn en door toezichthouders op elk moment kunnen worden beoordeeld.

AI wordt een laag van consistentie en aansprakelijkheid. Het helpt ervoor te zorgen dat zorgbeslissingen zijn gebaseerd op klinische normen, niet op subjectieve druk, tijdsbeperkingen of patiënteneisen. Dat betekent ook dat we soms nee zeggen. Als een patiënt komt met een specifiek medicijn omdat hij er online over heeft gelezen, maar het is niet klinisch passend, zullen onze zorgverleners het niet voorschrijven – en AI helpt die norm consistent te handhaven.

Er is een afweging. Patiënten die de behandeling niet krijgen die ze verwachten, kunnen negatieve beoordelingen achterlaten. Maar dat is de prijs van het beoefenen van verantwoorde geneeskunde. Op lange termijn is dit soort transparante, protocol-gedreven en controleerbare systeem wat de naleving versterkt en het vertrouwen herstelt bij patiënten, zorgverleners en toezichthouders.

U hebt benadrukt dat tot 80% van de psychiatrische bezoeken routine-follow-ups zijn. Hoe verandert het automatiseren van deze interacties fundamenteel de toegang tot zorg en de economie van geestelijke gezondheidszorg?

Vandaag de dag is de toegang tot geestelijke gezondheidszorg beperkt, niet door vraag, maar door hoe de tijd van zorgverleners wordt toegewezen. Tot 80% van de psychiatrische bezoeken zijn routine-follow-ups – vaak gedreven door regelgevingsvereisten in plaats van klinische complexiteit. In veel van deze gevallen besteedt de zorgverlener de meeste tijd aan het verifiëren dat een stabiele patiënt dezelfde behandeling voortzet, zonder significante veranderingen.

Dat creëert een structurele bottleneck. Zorgverleners besteden de meeste tijd aan het onderhouden van bestaande patiënten, terwijl nieuwe patiënten 6 tot 9 weken moeten wachten om te worden gezien. Dit is exact waar automatisering het meeste impact heeft. Voor stabiele patiënten is de workflow zeer gestructureerd: symptoomcontrole, bijwerkingenbewaking, therapietrouwverificatie en conformiteitscontrole.

Deze zijn protocol-gedreven interacties die AI consistent en op grote schaal kan afhandelen. Wanneer iets buiten de verwachte parameters valt – een bijwerking, een verandering in symptomen of een rode vlag – wordt de zaak onmiddellijk doorverwezen naar een zorgverlener.

Door deze routine-interacties naar AI te verschuiven, herstellen we fundamenteel de capaciteit. Zorgverleners kunnen hun tijd heroriënteren naar nieuwe patiënten en complexere gevallen waarin menselijk oordeel cruciaal is.

Dat alleen al vergroot de toegang zonder de hoeveelheid zorgverleners te verhogen.

De economie verandert ook. De kosten van het behandelen van een stabiele patiënt dalen aanzienlijk, terwijl de productiviteit van de zorgverlener toeneemt. In plaats van een beperkende factor te zijn, wordt de tijd van de zorgverlener een hefboomresource. Op grote schaal betekent dit kortere wachttijden, lagere kosten en de mogelijkheid om populaties te bedienen die eerder niet toegankelijk waren – inclusief plattelandsbewoners en mensen die niet van hun werk kunnen worden afgeleid.

Kortom, automatisering vervangt geen zorg – het heralloceert deze. Het verwijdert de regelgevings- en administratieve last van zorgverleners en converteert deze naar schaalbare infrastructuur, wat uiteindelijk toegang ontgrendelt.

In uw recente artikel, Waarom AI in de gezondheidszorg op de verkeerde plaats wordt ingezet, betoogt u dat de industrie te veel focust op het vervangen van zorgverleners in plaats van het oplossen van administratieve bottlenecks. Wat zijn de grootste misvattingen die deze misalignering drijven?

Mensen denken nog steeds dat “AI in de gezondheidszorg” alleen maar betekent dat ChatGPT met patiënten praat in plaats van echte artsen en medicijnen voorschrijft zonder controle.

AI-infrastructuur in de gezondheidszorg is zeer complex en vereist altijd menselijke toezicht. Wanneer bedrijven proberen om snel door te gaan naar autonome klinische besluitvorming, lopen ze tegen vertrouwens-, regelgevings- en veiligheidsproblemen aan.

Het juiste startpunt is de administratieve laag. Fix dat eerst, toon en bewijs veiligheid, bouw vertrouwen op en breid dan uit van daaruit. Dat is de route die MEDvidi neemt.

Als administratieve automatisering het hoogste rendement heeft voor AI in de gezondheidszorg, welke specifieke workflows moeten organisaties eerst prioriteren om onmiddellijke impact te zien?

De grootste fout is het proberen om AI op te leggen aan gebroken workflows. Het doel zou niet moeten zijn om incrementele verbetering te bereiken – het zou moeten zijn om volledig nieuwe workflows te heroverwegen die met AI kunnen worden gebouwd.

Begin door de klinische en operationele processen van einde tot einde in kaart te brengen en te identificeren waar de tijd werkelijk wordt besteed. In de meeste organisaties zijn de grootste bottlenecks planning, patiëntstroom en documentatie. Dit zijn hoge-volumetaken waar AI onmiddellijke ROI kan leveren. Het automatiseren van planning vermindert no-shows en idle zorgverlenertijd. AI-gedreven documentatie – zoals real-time-transcriptie en chartgeneratie – verwijdert een van de zwaarste lasten van zorgverleners.

Maar de echte kans gaat verder dan optimalisatie. Sommige workflows, vooral routine-follow-ups of conformiteitscontroles, kunnen volledig worden herontworpen rond AI in plaats van alleen te worden ondersteund. Dat is waar stap-functie-winsten gebeuren.

Conformiteitscontrole is een ander goed voorbeeld. Vandaag de dag controleren organisaties handmatig een klein percentage van ontmoetingen. Met AI kunnen we 100% van de interacties in real-time controleren, waardoor we documentatiegaten, SOP-afwijkingen en potentiële risico’s kunnen identificeren voordat ze escaleren.

In sommige gevallen passen deze nieuwe AI-natieve workflows mogelijk niet netjes in bestaande regelgevingskaders. Dat betekent dat organisaties bereid moeten zijn om hun aanpak te valideren, bewijs te genereren en nauw samen te werken met toezichthouders om veiligheid en conformiteit te demonstreren.

De bedrijven die de grootste impact zullen zien, zijn niet diegenen die AI-functies toevoegen, maar diegenen die bereid zijn om core-workflows opnieuw op te bouwen rond wat AI mogelijk maakt.

De gezondheidszorg is uniek complex met gelagen regelgeving, gefragmenteerde gegevens en hoge gevolgen voor fouten. Wat ziet een productieklare AI-architectuur eruit in deze omgeving in vergelijking met een demo- of pilotsysteem?

De AI moet getraind zijn op domeinspecifieke, echte klinische gegevens en gebouwd zijn rond echte workflows. Elke output moet controleerbaar zijn. Dit betekent dat alle charts, gemarkeerde recepten en SOP-controles beoordeeld en getraceerd kunnen worden.

Een productieklare systeem moet ook rekening houden met hoe zorg werkelijk wordt geleverd. Zorgverleners zijn zeer protocol-gebaseerd. Wanneer u onafhankelijke zorgverleners inhuurt, brengen ze gewoonten mee uit eerdere instellingen. AI standaardiseert dit op een manier en ondersteunt die workflows.

Opnieuw is de menselijke toezichtlaag cruciaal. AI moet het administratieve en analytische werkload afhandelen, terwijl zorgverleners verantwoordelijk blijven voor de finale beslissingen.

Het belangrijkste is dat het systeem vanaf de grond af aan moet zijn gebouwd met conformiteit, beveiliging en betrouwbaarheid in gedachten.

Als we vooruitkijken, hoe ziet u AI de telehealth en voorschrijven veranderen in de komende drie jaar, vooral nu regelgevers beginnen te reageren op vroege implementaties zoals AI-ondersteunde voorschrijfworkflows?

De regelgevingsomgeving verandert. AI is al in de gezondheidszorg. Staten zoals Utah creëren zandbakken om technologiebedrijven te laten demonstreren wat AI kan doen, inclusief het voorschrijven van gecontroleerde stoffen.

In de komende drie jaar zullen we volledig geautomatiseerde follow-upzorg voor stabiele patiënten zien. AI-beheerde bezoeken met artsen in een toezichthoudende rol, die beslissingen bevestigen. Dat model maakt zorg sneller en goedkoper voor mensen die het momenteel niet kunnen betalen. Dat is de standaard die we proberen te bereiken.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten MEDvidi bezoeken.