Kamya Elawadhi, medgründer og president i Doceree – Intervjuserie

Kamya Elawadhi, medgründer og president i Doceree, er en leder innen helsemarkedsføring og forretningsstrategi som har spilt en sentral rolle i selskapets vekst siden hun begynte i 2019. Hun har avansert gjennom lederstillinger som omfatter plattformstrategi, bedriftsutvikling, kundeservice og globale partnerskap, og har bidratt til å omsette Docerees teknologi til målbar verdi for legemiddelfirmaer, byråer, publisister og helsesystemer. I sin nåværende rolle leder Elawadhi selskapets globale vekstagenda og støtter ekspansjonen i USA, med vekt på personvernbevisst og klinisk relevant kommunikasjon. Før Doceree hadde hun seniorroller innen klient- og kontoadministrasjon hos HS Ad India og McCann Worldgroup, hvor hun arbeidet med helsemessige, medisinsk utstyr og forbrukermerker mens hun ledet tverrfaglige og multikulturelle team.

Doceree er et AI‑først helsemarkedsførings‑operativsystem designet for å hjelpe livsvitenskapsorganisasjoner med å engasjere helsepersonell og pasienter med større kontekst og presisjon. Plattformen kombinerer verifiserte profesjonelle identitetsdata, sanntids‑kliniske intensjonssignaler, programmatisk aktivering, engasjement på behandlingsstedet og et AI‑resonneringslag som koordinerer meldinger på tvers av kanaler. Ved å koble legebevissthet og reseptbeslutninger med pasientens behandlingsvei, inkludert prisbarhet, første reseptutfyllinger og påfyll, har Doceree som mål å gi helsemarkedsførere en mer samlet oversikt over kampanjeytelse samtidig som de støtter personvern og regulatorisk etterlevelse.

Du begynte i Doceree i løpet av det første året og spilte en sentral rolle i å bygge selskapets tilstedeværelse i USA før du ble medgründer og president. Hva trakk deg opprinnelig til selskapets grunnleggende visjon, og hvordan har den visjonen utviklet seg etter hvert som AI har blitt viktigere i helsevesenet?

Det som tiltrakk meg ved Doceree var klarheten i problemet som ble løst. Helsemarkedsføring hadde i årevis blitt drevet på lånt infrastruktur, verktøy bygget for andre bransjer og anvendt i et av de mest regulerte miljøene i verden. Den opprinnelige visjonen var å bygge noe spesialtilpasset helsevesenet fra bunnen av.

Det som har utviklet seg er omfanget av hva AI gjør mulig. Tidlig var fokuset presisjon: å nå riktig lege på riktig tidspunkt. AI har utvidet hva dette tidspunktet kan innebære, fra å levere en melding til å lese intensjon, starte samtaler og knytte engasjement på tvers av hele behandlingsforløpet. Den grunnleggende troen har ikke endret seg. Ambisjonen har vokst fordi verktøyene har det.

Doceree introduserte nylig Generative AI Connectors for ChatGPT og Claude. Hvilke funksjoner gir disse integrasjonene, og hvilke helse‑ eller farmasøytteam er mest sannsynlig å dra nytte av dem?

Integrasjonen med plattformer som ChatGPT og Claude handler om å bringe Docerees kliniske og kommersielle intelligens inn i verktøyene som farmasøytteamene allerede bruker daglig. I stedet for å bytte mellom systemer, kan merke‑ og byråteam nå spørre om kampanjeytelse, få tilgang til innsikt i HCP‑engasjement og frembringe handlingsbare anbefalinger direkte i arbeidsflyten til AI‑assistenten.

Teamene som får mest nytte er de som tar raske, datadrevne beslutninger: merkeansvarlige som følger kampanjeytelse på tvers av markeder, byråteam som overvåker HCP‑engasjementsmønstre, kommersielle ledere som trenger en syntese av flere datastrømmer uten å vente på rapporter. Det fjerner et lag med friksjon som alltid har eksistert mellom data og beslutning. For meg er det her den reelle verdien ligger.

Hvordan passer Generative AI Connectors inn i Docerees bredere AI‑strategi, og hvilke funksjoner forventer du å legge til etter hvert som bedriftsadopsjonen øker?

Connectorene fungerer som et lag av Daily Command, som ligger ved siden av Semmelweis, vår farmasøytspesifikke resonneringsmodell, og Analytics Workbench. Tanken bak dem er enkel: farmasøytteamene jobber allerede i ChatGPT og Claude hver dag, så vi bringer Docerees kliniske intelligens inn i verktøyene de allerede bruker, med HIPAA‑sikre retningslinjer bygget inn fra starten.

Etter hvert som adopsjonen vokser, går retningen mot dypere proaktiv intelligens. Systemer som frembringer riktig signal før noen tenker på å be om det. Det er der vi bygger.

Doceree bruker begrepet «klinisk intelligens» for å beskrive en del av teknologien sin. Hva betyr det fra et arkitekturperspektiv, og hvordan komplementerer det mulighetene til de underliggende store språkmodellene?

Klinisk intelligens er i kjernen laget som gjør generell AI anvendelig i helsevesenet. Store språkmodeller er usedvanlig kraftige, men de forstår ikke naturlig en diagnosekode, et reseptmønster eller hva det betyr når en lege velger en spesifikk behandling for en bestemt pasientprofil. Klinisk intelligens er det som bygger bro over dette gapet.

Arkitektonisk sitter den mellom de rå datasignalene som kommer fra kliniske arbeidsflyter og AI‑modellene som tolker dem. Den gir konteksten som gjør resultatene handlingsbare i stedet for generiske. Uten den har du en kraftig modell som arbeider med ufullstendig informasjon. Med den har du noe som faktisk kan påvirke et reelt klinisk øyeblikk.

Hvordan hjelper Docerees Semmelweis AI‑system med å tolke helsedata og omsette dem til nyttige innsikter for farmasøytteam?

Semmelweis er bygget rundt en enkel idé: helsedata er kun nyttige hvis de kan tolkes i klinisk kontekst, ikke bare behandles i stor skala. Farmasøytteam har enorme mengder engasjement‑ og reseptdata, men gapet har alltid vært mellom å ha disse dataene og å vite hva man skal gjøre med dem.

Semmelweis lukker dette gapet ved å lese signaler gjennom den kliniske reisen og identifisere hvor intensjon dannes eller forsvinner. Disse innsiktene mates direkte inn i Daily Command, vårt AI‑arbeidssystem for farmasøytmerketeam, og omdanner mønstergjenkjenning til anbefalinger som kommersielle team kan handle på umiddelbart, uten at et datavitenskapsteam må være til stede.

ChatGPT og Claude har ulike modeller, grensesnitt og bedriftsmiljøer. Hvilke tekniske utfordringer støtte teamet ditt på da dere skapte en konsistent opplevelse på tvers av begge plattformene?

Hovedutfordringen var å sikre at hver prompt og respons, uavhengig av hvilken plattform brukeren var i, holdt seg innenfor de samme etterlevelsesretningslinjene. Helsedata tilpasses ikke etter hvilken AI‑assistent som stiller spørsmålet. Det egentlige arbeidet var å bygge et styrt integrasjonslag som ligger mellom Docerees kliniske intelligens og begge plattformene, og som sikrer at svar alltid er forankret i Semmelweis‑resonnering og Doceree‑data og alltid er reviderbare fra ende til ende. Konsistens i etterlevelse var det vanskeligste problemet å løse.

Hvordan hjelper connectorene brukerne med å forstå hvor en AI‑generert innsikt kommer fra og hvilke data eller resonnement som bidro til svaret?

Hver respons gjennom connectorene er forankret i Doceree‑data og Semmelweis‑resonnering. Når et merketeam stiller et kommersielt spørsmål, støttes svaret av kliniske intensjonssignaler, identitetsdata og kampanjainputt som er spesifikke for deres merke. Hele arbeidsflyten er styrt og reviderbar fra ende til ende. I en regulert bransje er den sporbarheten det som gjør AI faktisk brukbar i en kommersiell beslutningskontekst, og det var et designprinsipp fra dag én.

Helseorganisasjoner arbeider ofte med sensitiv data og komplekse regulatoriske krav. Hvordan er personvern, sikkerhet, tilgangskontroller og etterlevelse innarbeidet i designet av disse integrasjonene?

Dette er noe vi tenkte på fra første stund som et designprinsipp. Connectorene er bygget slik at ingen pasientdata noen gang kommer inn i arbeidsflyten. Alt opererer kun på de‑identifisert HCP‑kontekst. Hver prompt og respons holder seg innenfor HIPAA‑sikre retningslinjer, og hele arbeidsflyten er styrt og reviderbar fra ende til ende.

Hva dette betyr i praksis er at et merketeam kan stille kommersielle spørsmål i ChatGPT eller Claude og få svar forankret i klinisk intelligens, uten noen av de personvernrisikoene som normalt ville oppstå ved å koble sensitiv helsedata til en generell AI‑assistent. Retningslinjene er grunnlaget som integrasjonen er bygget på.

Hvordan evaluerer du kvaliteten på systemets resultater, inkludert deres nøyaktighet, relevans, konsistens og nytteverdi for helsepersonell?

Kvalitet i denne sammenhengen betyr noe svært spesifikt. Et resultat er kun nyttig hvis det fører til en bedre kommersiell beslutning, og det er i bunn og grunn hvordan vi evaluerer det: om handling på det påvirker en viktig metrikk, om det øker HCP‑stadieprogresjon, første utfyllingsrater, kampanjeytelse.

Den lukkede sløyfen er det som gjør dette mulig. Daily Command er designet for å mate resultatene tilbake inn i resonneringsmodellen, slik at hver anbefaling skjerpes av det som faktisk fungerte. Det er annerledes enn en generell AI‑assistent hvor resultatet evalueres isolert. Her lærer systemet av hva som skjer etter at noen handler på en anbefaling, og over tid er det den eneste ærlige målingen av kvalitet.

Etter hvert som farmasøytiske selskaper tar i bruk generativ AI, hvilke prinsipper bør styre ansvarlig bruk i kommunikasjon rettet mot klinikere og pasienter?

Prinsippet jeg vender tilbake til oftest er at AI i helsevesenet skal redusere usikkerhet, ikke skape den. Når en kliniker mottar informasjon som påvirker en behandlingsbeslutning, må kilden til informasjonen og resonnementet bak den være sporbare. Det er en grunnleggende tillitsstandard.

Utover sporbarhet mener jeg at ansvarlig bruk innebærer å ha et menneske i sløyfen for alt som har klinisk eller kommersiell betydning. AI bør anbefale og presentere. Mennesker bør bestemme og godkjenne. Det øyeblikket grensen blir uklar, er når risikoene begynner å veie tyngre enn fordelene.

Og etterlevelse må være en del av arkitekturen, ikke bare en policy. I helsevesenet er forskjellen mellom de to tingene alt.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Doceree.