Rajan Kohli, CEO av CitiusTech – Intervju-serie

Rajan Kohli er administrerende direktør i CitiusTech og er ansvarlig for selskapets strategiske retning og for å fremme CitiusTechs misjon om å akselerere helse-teknologisk innovasjon og drive langsiktig verdi for kunder. Rajan er en høyt kvalifisert teknologitjenesteindustri-eksekutiv med erfaring fra digital transformasjon, applikasjons- og ingeniørtjenester.

Før CitiusTech, har Rajan tilbragt over 27 år i Wipro og var nylig president for Wipros iDEAS (Integrert Digital, Ingeniør- og Applikasjonstjenester)-forretning. Han ledet en global forretningslinje med inntekter på 6 milliarder USD og var dedikert til å hjelpe kunder over hele verden å akselerere deres transformasjon og endre hvordan de bygger og leverer digitale produkter, tjenester og opplevelser.

CitiusTech er en ledende leverandør av konsulenttjenester og digitale teknologier til helse- og life sciences-selskaper. Som strategiske partnere til verdens ledende betalere, leverandører, MedTech- og life sciences-selskaper, driver CitiusTech innovasjon, forretningstransformasjon og bransjeomfattende konvergens. De spiller en dypt og meningsfull rolle i å akselerere digital innovasjon, drive bærekraftig verdi og hjelpe med å forbedre resultater over hele helseøkosystemet.

Hva er de viktigste elementene som kreves for å implementere digitale transformasjonsstrategier i helse- og life sciences-organisasjoner?

Helseindustrien har kjempet med å omfavne digitale løsninger, med vellykkede digitale transformasjonsreiser som skjer sporadisk over årene. Men med teknologi klar til å drive en paradigme-endring i pasientbehandling, er det på tide for industrien å gå forbi disse utfordringene.

Digital transformasjon har potensialet til å positivt påvirke helse over alle spesialiteter. For eksempel, spesialmedisinske legemiddelprodusenter jugglerer multiple krav fra ulike interessenter og økosystemer for å møte deres konstant økende etterspørsel. Å navigere i dette komplekse nettverket av interessenter og økosystemer er ikke enkelt, og mange av dem søker å utnytte pasientstøttehub-tjenester som overfører disse ansvarlige fra legemiddelprodusentene til å håndtere disse ansvarlige og optimalisere klient-legemiddel-ytelse. Men med pasienthub-tjenester som møter utfordringer med hensyn til skalerbarhet og effisiens på grunn av økende volumer, må mange spesialmedisinske legemiddelprodusenter omfavne digitale transformasjonsstrategier for å strømlinjeforme operasjoner og styrke den totale effisiensen.

Implementering av digital transformasjon i helse og life sciences krever en tredelt multifasett-tilnærming.

• Lederkommisjon er essensiell for å drive og opprettholde disse initiativene, og sikre at det er en topp-ned-endorsement og alignering med strategiske mål. Dette innebærer ikke bare å skape en tydelig visjon og veikart som omfatter bestemte mål og milepæler, men også å investere i teknologi og innovative løsninger.
• Robust datamanagement er et annet kritisk element. Å etablere sterke informasjonsstyringsrammer sikrer datakvalitet, sikkerhet og regulatorisk overholdelse. Dette inkluderer å definere datastandarder, politikker og prosesser for datamanagement, samt å utnytte avanserte analyser og big data-teknologier for å trekke ut håndterbare innsikter fra helsedata.
• Interoperabilitet er avgjørende for digital transformasjon, og krever at industrien standarder som HL7, FHIR og DICOM blir adoptert for å fasilitere sømløs datautveksling mellom ulike systemer og plattformer. Å utnytte integrasjonsplattformer og middleware-løsninger kan brobygge ulike systemer, og sikre jevn datastrøm og kommunikasjon over hele organisasjonen. Ved å omfavne interoperabilitet fullstendig, kan organisasjonene drive mer effektive, effektive og pasient-sentriske helse-tjenester.

Men til slutt handler digitale transformasjoner om pasienten. Helseorganisasjoner kan automatisere så mange prosesser som de vil, men hvis de ikke endrer opplevelsen eller verdien som pasienten mottar, vil det være svært å finne suksess. En pasient-sentrert tilnærming med implementering av digitale helse-løsninger som forbedrer pasientengasjement, forbedrer tilgang til omsorg og muliggjør personaliserte behandlingsplaner, er essensielle.

Hvordan brukes generativ AI i dag til å forbedre helsebehandlinger og forbedre pasientresultater?

Generativ (Gen) AI tilbyr transformative fordeler over hele helseøkosystemet. For helse, en industri hvor mange av de gjennomgående utfordringene kan tilskrives ineffektive menneske-maskin-interaksjoner, har Gen AI kraften til å brobygge denne gapen og virkelig demokratisere helse.

Dette er spesielt sant med tanke på personalisert medisin. Å utvikle behandlingsplaner som er tilpasset bestemte pasienter, kan være vanskelig og tidskrevende hvis det gjøres manuelt. Ved å utnytte Gen AI, analyserer algoritmene genetiske data og pasienthistorier for å skape personaliserte behandlingsplaner tilpasset den enkeltes unike genetiske oppbygning og medisinske historie. Når behandlingsplanene er på plass, er det avgjørende at pasientene har 24/7-tilgang til AI-drevne virtuelle helse-assistenter, som forbedrer pasientengasjement, mer effektive behandlinger og bedre pasientresultater.

Gen AI spiller også en betydelig rolle i å akselerere legemiddelgodkjennings- og lanseringsprosessen. Pandemien viste potensialet for rask legemiddelutvikling, drevet av AI-kapasiteter. Gen AI akselererer utviklingen av nye legemidler ved å simulere molekylær interaksjoner og forutsi hvilke forbindelser som sannsynligvis vil være effektive. Dette reduserer betydelig tiden og kostnadene forbundet med tradisjonelle legemiddelfunn-metoder. Disse AI-drevne plattformene kan også generere potensielle legemiddelkandidater og optimalisere deres kjemiske strukturer, og akselerere prosessen fra konsept til kliniske prøver.

Gen AI-algoritmer forbedrer også nøyaktigheten av medisinske bilder, og hjelper med å oppdage anomalier. Dette fasiliteter tidlig diagnose og behandling av tilstander som kreft, og forbedrer pasientresultater betydelig.

Til slutt har prediktiv analyse drevet av Gen AI banebrytende potensial. Prediktive Gen AI-modeller analyserer store mengder helsedata for å forutsi sykdomsutbrudd, pasientgjeninntak og potensielle komplikasjoner, og muliggjør proaktiv inngripen og bedre håndtering av kroniske sykdommer.

Hvordan kan generativ AI hjelpe med å redusere rutineoppgaver for helsepersonell, og la dem fokusere mer på pasientbehandling og innovasjon?

Gen AI kan betydelig redusere byrden av rutineoppgaver for helsepersonell, som klinisk dokumentasjon, timeplanlegging, medisinske journaler og forsikringskrav. Helsepersonell er fri til å konsentrere seg om pasientbehandling og innovasjon.

For eksempel, er helsepersonell avhengige av Elektroniske Medisinske Journaler (EMR) for tryggere og mer konsistent helse-levering, men dette krever at disse personene konstant navigerer mellom deres narrative-forståelse av pasienthistorier og symptomer, og EMR-er sin strukturerte data-presentasjon. Gen AI brobygger denne gapen og reduserer betydelig kognitivt overbelastning for helsepersonell ved å sammenfatte pasienthistorie og automatisere manuelle oppgaver, og frigjør verdifull tid for mer personalisert pasientbehandling.

Kliniske beslutningsstøttesystemer utnytter AI til å gi helsepersonell evidens-baserte anbefalinger, varsler og påminnelser. Disse systemene analyserer pasientdata og medisinsk litteratur for å tilby innsikter som hjelper med diagnose og behandlingsplanlegging, og forbedrer kliniske resultater og reduserer kognitivt overbelastning på helsepersonell.

Fjernovervåkningsteknologier, drevet av AI, overvåker kontinuerlig pasienters vitale tegn og helsesituasjon, og muliggjør sanntids helse-vurderinger uten behov for hyppige fysiske besøk. Dette forbedrer pasient-behagelighet og muliggjør tidlig oppdaging av potensielle helse-problemer, og fører til rask inngripen og bedre håndtering av kroniske tilstander.

Gen AI forbedrer menneskelig potensial, og øker jobbtilfredshet for helsepersonell, og fokuserer mer på innovativ omsorg-levering og pasient-tilfredshet.

Hva kan helseorganisasjoner gjøre for å maksimere effekten av Gen AI-løsninger i overvåking av kvalitet og sikre tillit i helse-beslutninger?

Kvalitet og tillit har blitt kritiske punkter for diskusjon over hele helseindustrien, og det krever en robust fokus på disse problemene for å sikre at fordeler realiseres ansvarlig. Blant tiltakene som kan settes i verk:

Personvern og datasikkerhet: Det er essensielt å sikre pasientpersonvern, og dette krever nøye anonymisering av data og strenge sikkerhetsmessige tiltak for å forhindre uautorisert tilgang og data-lekkasjer. Implementering av robuste krypteringsprotokoller og forsvarsmekanismer mot motstandere kan beskytte pasientdata, mens klinikerne må beholde den endelige beslutningsmyndigheten for å beskytte mot potensielle AI-feil.

Opprettholde kvalitet og rettferdighet: Gen AI-systemer kan utilsiktet videreformidle fordommer som er til stede i treningsdata, og føre til ulikheter i helse-resultater. Implementering av algoritmer som kan eliminere fordommer, og kontinuerlig om-trenere AI-systemer for å oppdage og mildne fordommer, er nøkkel.

Ansvar og gjennomsiktighet: Ansvar i Gen AI-drevne beslutninger involverer flere interessenter, inkludert utviklere, helsepersonell og sluttbrukere. Gjennomsiktige, forklarbare AI-modeller er nødvendige for informert beslutning. Utviklere må sikre at AI-modellene er upartiske og sikre, mens helsepersonell må forstå at de forblir ansvarlige for beslutninger tatt med AI-anbefalinger. Implementering av robuste regulatoriske rammer er essensielt for å håndtere ansvar-problemer og opprettholde tillit.

Etiske rammer: Utvikling av etiske rammer for Gen AI handler om å fremme ansvar uten å kvette innovasjon. Helse-aktører må proaktivt alignere med utviklende etiske standarder for å sikre at Gen AI-applikasjoner er rettferdige, ansvarlige og pasient-fokuserte. En menneske-i-løkken-tilnærming, kombinert med ansvarlige AI-praksiser, kan hjelpe med å oppnå rettferdige helse-resultater samtidig som Gen AI-potensialet maksimeres.

Plattform-basert kvalitet og tillit-rammer: Bygging av kvalitet og tillit-rammer som integrerer i eksisterende kvalitetsstyringssystemer og aligner med regulatoriske anbefalinger, er avgjørende. Disse rammene måler, validerer og overvåker Gen AI-løsninger for å sikre konsistente og pålitelige resultater.

Tidligere i år lanserte vi CitiusTech Gen AI Kvalitet og Tillit-løsningen, den første løsningen av denne typen i helse. Løsningen kan håndtere disse kravene ved å tilby omfattende validering, kontinuerlig overvåking og overholdelse av regulatoriske standarder, og sikrer effekten og tilliten til Gen AI-løsninger i helse.

Hvordan kan helseorganisasjoner arbeide for å identifisere og mildne algoritme- og treningsdata-fordommer for å sikre rettferdige omsorgs-beslutninger?

Helseorganisasjoner må være ekstremt proaktive i deres tilnærming. Bruk av diverse og representative datasett under treningsfasen hjelper med å redusere fordommer, og sikrer at AI-modellene fungerer godt over ulike befolkningsgrupper. Implementering av fordom-dettektør-verktøy kan hjelpe med å identifisere og håndtere fordommer i AI-modellene ved å analysere modellens utdata for å oppdage noen ulikheter i behandlings-anbefalinger eller forutsigelser.

Regelmessige auditor og gjennomganger av AI-systemer hjelper med å identifisere og korrigere fordommer. Dette inkluderer å evaluere systemets ytelse over ulike demografiske grupper og å gjøre nødvendige justeringer. Inklusiv design og utvikling, bestående av en divers gruppe av interessenter i design og utvikling av AI-løsninger, sikrer at ulike perspektiver blir vurdert, og reduserer sannsynligheten for fordommer. Til slutt er utdanning og opplæring for ansatte om potensielle fordommer i AI-systemer og hvordan de kan håndteres, avgjørende for å skape bevissthet og fremme ansvarlig bruk av AI.

Hvordan kan helseorganisasjoner effektivt bruke data om sosiale bestemmelsesfaktorer (SDOH) for å forbedre pasientbehandling, og hva er utfordringene i å integrere denne data i offisielle diagnostiske koder?

Integrering av data om SDOH forbedrer betydelig pasientbehandling, men det finnes utfordringer å håndtere. Omfattende datainnsamling er essensiell, inkludert informasjon som sosioøkonomisk status, utdanning og miljøfaktorer. Denne dataen gir innsikt i de sosiale faktorene som påvirker pasientens helse.

Data-integrasjon og interoperabilitet er avgjørende for å bruke SDOH-data effektivt. Integrering av denne dataen i elektroniske helsejournaler (EHR) og sikring av interoperabilitet mellom ulike systemer, muliggjør at helsepersonell har en helhetlig visning av pasientens helse, og muliggjør personaliserte behandlingsplaner. For eksempel, pasienter fra lavinntekts-bakgrunn eller de som bor i områder med begrenset tilgang til helse-tjenester, kan kreve ekstra støtte for å håndtere kroniske tilstander. Ved å inkorporere SDOH-data, kan helseorganisasjoner utvikle målrettede outreach-programmer, tilby ressurser for transport til medisinske møter, og tilby ernæringshjelp til de som trenger det.

Populasjons-helse-håndtering er et annet område hvor SDOH-data spiller en kritisk rolle. Ved å analysere SDOH-data på et samfunnsnivå, kan helseorganisasjoner identifisere trender og mønster som informerer offentlige helse-strategier.

Men integrering av SDOH-data i offisielle diagnostiske koder presenterer en interoperabilitets- eller standardiserings-problem. Det finnes for tiden ingen universelt akseptert ramme for å kode SDOH-data. Sikring av datakvalitet er også vanskelig, da SDOH-data ofte kommer fra ulike kilder med ulike nivåer av nøyaktighet og fullstendighet. Samarbeid mellom helseorganisasjoner, politikere og teknologileverandører for å etablere standardiserte praksiser og sikre omfattende data-integrasjon, vil være et viktig skritt for å håndtere disse hindringene.

Hva er de viktigste cybersecurity-utfordringene som helseorganisasjoner møter, og hvordan kan de håndteres?

Som vi har sett over det siste året, er helseorganisasjoner ekstremt sårbare for cybersecurity-trusler. Data-lekkasjer og ransomware-angrep er betydelige problemer, og krever implementering av robust kryptering, multi-faktor-autentisering og regelmessige sikkerhets-auditor for å mildne disse truslene. Arve-systemer og programvare-sårbarheter er vanlige i helseorganisasjoner, da mange fortsatt bruker gamle systemer. Regelmessig oppdatering og patching av programvare, samt migrering til moderne, sikre plattformer, er essensielt.

Insider-trusler, hvor ansatte med tilgang til sensitive data, utgjør også betydelige risikoer. Implementering av strenge tilgangskontroller, overvåking av brukeraktivitet og sikkerhets-opplæring, kan spille en betydelig rolle i å forebygge disse problemene. Det er kritisk å opprette en dedikert compliance-team som er ansvarlig for å gjennomføre regelmessige sikkerhets-auditor og risiko-vurderinger for å identifisere sårbarheter og sikre overholdelse av regulatoriske krav som HIPAA.

Potensielt det viktigste tiltaket er kontinuerlig opplæring og utdanning for IT-personell og helsepersonell for å beskytte mot utviklende cyber-trusler. Mange av disse truslene utnytter menneskelige sårbarheter, så jo mer utdannet personalet er om sikkerhets-praksiser, jo mer sannsynlig er det at menneskelig feil vil bli redusert, og det vil føre til mer sikre pasientdata.

Hva er de viktigste etiske overveielser som helseorganisasjoner må ta i betraktning når de implementerer AI-løsninger, og hvordan kan de navigere motstanden mot AI-implementeringer i sykehus?

Dette er et av de viktigste problemene helseorganisasjoner må håndtere, med en rekke etiske aspekter å ta i betraktning og navigere potensiell motstand. Sikring av pasientpersonvern og konfidensialitet er avgjørende, og krever at AI-løsningene overholder strenge data-beskyttelsesregler og anvender robuste sikkerhetsmessige tiltak. Pasienter må informeres om bruken av AI i deres behandling og gi samtykke, inkludert en forklaring av hvordan AI vil bli brukt og de potensielle fordeler og risikoer.

Fordom og rettferdighet er også avgjørende overveielser. AI-systemer er designet for å unngå fordommer og sikre rettferdig behandling for alle pasienter, men som vi vet, kan problemer oppstå her hvis organisasjonene ikke er forsiktige. Det gjør kontinuerlig overvåking og justering av disse AI-modellene avgjørende for å opprettholde rettferdighet.

Det er også ekstremt viktig å være gjennomsiktig om bruken av AI og ansvarlig for beslutninger tatt av AI-systemer, spesielt ved å gi forklaringer for AI-drevne beslutninger og etablere mekanismer for tilsyn.

Å følge opp med alt dette er et stort skritt mot å håndtere bekymringer og motstand som både helsepersonell og pasienter har mot implementering. Men det er også viktig å gi utdanning om implementering og fordeler av AI, og å involvere interessenter i AI-implementeringsprosessen, og å etablere en kompromiss for å bygge tillit, gi klar kommunikasjon og sikre ansvarlig bruk av AI.

Hvordan kan CitiusTechs løsninger hjelpe helseorganisasjoner å oppnå sømløs data-integrasjon og interoperabilitet over ulike plattformer og applikasjoner?

Hos CitiusTech kan vi drive helse-digital innovasjon, forretnings-transformasjon og bransjeomfattende konvergens for helse- og life sciences-selskaper over hele verden. Våre løsninger er designet for å oppnå sømløs data-integrasjon og interoperabilitet over ulike plattformer og applikasjoner. Våre avanserte integrasjonsplattformer sikrer at ulike systemer kommuniserer og deler data effektivt, og muliggjør en helhetlig visning av pasientinformasjon.

For eksempel, var en stor blåplan med over en million medlemmer på jakt etter å gå utenfor medlemmenes krav-data og manuelle kart-chase, og å utnytte klinisk data for å akselerere omsorgs-lukkinger. De søkte en løsning som kunne utnytte klinisk data effektivt, og de utnyttet CitiusTech for å sømløst integrere klinisk data fra en rekke elektroniske helsejournaler og data-aggregatorer, og dette førte til en årlig besparelse på 10 millioner dollar.

CitiusTechs ledelsesløsninger opprettholder datakvalitet, sikkerhet og overholdelse gjennom hele integrasjonsprosessen for å håndtere kompleksiteten i helsedata, inkludert integrasjon og interoperabilitet av ulike datakilder og plattformer.

Den nylig lanserte CitiusTech Gen AI Kvalitet og Tillit-løsningen, en løsning som ytterligere forbedrer data-integrasjon, sikrer påliteligheten, nøyaktigheten og tilliten til AI-drevne innsikter. Løsningen tilbyr robust validering, kontinuerlig overvåking og overholdelse av regulatoriske standarder, og sikrer effekten og tilliten til AI-drevne data-integrasjon og analyse. Dette muliggjør at helseorganisasjoner kan utnytte AI effektivt for å forbedre beslutning og pasientresultater.

Hva er de fremtidige trendene du forutser i integreringen av AI i helse og life sciences, og hvordan forbereder CitiusTech seg på å håndtere disse trendene?

Med den raske veksten av AI-integrering i helse og life sciences, vil den økende bruken av AI for prediktiv analyse og personalisert medisin, forbedring av operasjonell effisiens gjennom automatisering, og fremme av medisinsk bilde-diagnostikk og -behandling, ha en betydelig innvirkning på industrien.

Hos CitiusTech holder vi oss foran disse trendene ved å kontinuerlig investere i forskning og utvikling for å holde oss i forkant av AI-fremgang. Som nevnt, har vi utviklet Gen AI-løsninger som vår kvalitet og tillit-verktøy, samt andre AI-løsninger som utnytter de siste teknologiene for å forbedre pasientresultater og operasjonell effisiens. Det er en avgjørende prioritet å fokusere på å sikre den etiske og rettferdige bruken av AI, å håndtere fordommer og å opprettholde gjennomsiktighet og ansvar i AI-drevne beslutninger. Det er en prioritet for vårt team å holde oss oppdatert med de siste AI-trendene for å sikre at vi har de beste ressursene tilgjengelige for å hjelpe helseorganisasjoner å navigere i den utviklende landskapet av AI-integrasjon. Det er en prioritet for vårt team å holde oss oppdatert med de siste AI-trendene for å sikre at vi har de beste ressursene tilgjengelige for å hjelpe helseorganisasjoner å navigere i den utviklende landskapet av AI-integrasjon og å maksimere vår evne til å støtte helseorganisasjoner i å oppnå sine mål.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke CitiusTech.