Kamya Elawadhi, współzałożycielka i prezes Doceree – seria wywiadów

Kamya Elawadhi, współzałożycielka i prezes Doceree, jest specjalistką ds. marketingu opieki zdrowotnej i strategii biznesowej, która od momentu dołączenia w 2019 roku odegrała kluczową rolę w rozwoju firmy. Przejść przez stanowiska kierownicze obejmujące strategię platformy, rozwój korporacyjny, obsługę klienta i partnerstwa globalne, pomagając przetłumaczyć technologię Doceree na wymierną wartość dla marek farmaceutycznych, agencji, wydawców i systemów opieki zdrowotnej. W swojej obecnej roli Elawadhi prowadzi globalną agendę wzrostu firmy i wspiera jej ekspansję w Stanach Zjednoczonych, kładąc nacisk na komunikację świadomą prywatności i klinicznie istotną. Przed Doceree pełniła wysokie stanowiska w obszarze obsługi klienta i zarządzania kontami w HS Ad India oraz McCann Worldgroup, gdzie pracowała nad markami z zakresu opieki zdrowotnej, wyrobów medycznych i dóbr konsumenckich, prowadząc zespoły wielofunkcyjne i wielokulturowe.

Doceree to system operacyjny marketingu opieki zdrowotnej oparty na sztucznej inteligencji, zaprojektowany, aby pomóc organizacjom nauk przyrodniczych angażować profesjonalistów służby zdrowia i pacjentów z większym kontekstem i precyzją. Jego platforma łączy zweryfikowane dane tożsamości zawodowej, sygnały intencji klinicznej w czasie rzeczywistym, aktywację programatyczną, zaangażowanie w miejscu opieki oraz warstwę rozumowania AI, która koordynuje przekazy na różnych kanałach. Łącząc świadomość lekarzy i decyzje dotyczące przepisywania leków ze ścieżką pacjenta do leczenia, w tym dostępnością, pierwszymi wypłatami recept i ich odnowieniami, Doceree dąży do zapewnienia marketerom opieki zdrowotnej bardziej zintegrowanego widoku wyników kampanii, jednocześnie wspierając prywatność i zgodność regulacyjną.

Dołączyłaś do Doceree w pierwszym roku jej działalności i odegrałaś kluczową rolę w budowaniu obecności w USA, zanim zostałaś współzałożycielką i prezesem. Co początkowo przyciągnęło Cię do wizji założycielskiej firmy i jak ta wizja ewoluowała wraz ze wzrostem znaczenia sztucznej inteligencji w opiece zdrowotnej?

To, co przyciągnęło mnie do Doceree, była jasność rozwiązywanego problemu. Marketing opieki zdrowotnej działał przez lata na wypożyczonej infrastrukturze, korzystając z narzędzi stworzonych dla innych branż i stosowanych w jednym z najbardziej regulowanych środowisk na świecie. Wizją założycielską było zbudowanie czegoś stworzonego specjalnie dla opieki zdrowotnej od podstaw.

Ewolucją jest skala możliwości, które daje AI. Na początku nacisk kładziono na precyzję: dotarcie do właściwego lekarza w odpowiednim momencie. AI rozszerzyło wyobrażenie o tym momencie, od dostarczania wiadomości po odczytywanie intencji, inicjowanie rozmów i łączenie zaangażowania w całej ścieżce opieki. Podstawowe przekonanie nie uległo zmianie. Ambicje wzrosły, ponieważ narzędzia się rozwinęły.

Doceree niedawno wprowadziło generatywne łączniki AI dla ChatGPT i Claude. Jakie możliwości oferują te integracje i które zespoły opieki zdrowotnej lub farmaceutyczne najprawdopodobniej z nich skorzystają?

Integracja z platformami takimi jak ChatGPT i Claude polega na wprowadzeniu klinicznej i handlowej inteligencji Doceree do narzędzi, z których zespoły farmaceutyczne korzystają codziennie. Zamiast przełączać się między systemami, zespoły marek i agencji mogą teraz zapytać o wyniki kampanii, uzyskać wgląd w zaangażowanie HCP i wyświetlać praktyczne rekomendacje bezpośrednio w przepływie pracy ich asystenta AI.

Najbardziej korzystają zespoły podejmujące szybkie, oparte na danych decyzje: menedżerowie marek śledzący wyniki kampanii w różnych rynkach, zespoły agencji monitorujące wzorce zaangażowania HCP, liderzy handlowi, którzy potrzebują syntezy z wielu strumieni danych bez czekania na raporty. Usuwa to warstwę tarcia, która zawsze istniała między danymi a decyzją. To właśnie, moim zdaniem, jest prawdziwą wartością.

Jak generatywne łączniki AI wpisują się w szerszą strategię AI Doceree i jakie możliwości planujesz dodać w miarę rosnącej adopcji w przedsiębiorstwach?

Łączniki działają jako warstwa Daily Command, obok Semmelwis, naszego modelu rozumowania specyficznego dla farmacji, oraz Analytics Workbench. Myśl stojąca za nimi jest prosta: zespoły farmaceutyczne już codziennie pracują w ChatGPT i Claude, więc wprowadzamy kliniczną inteligencję Doceree do narzędzi, z których już korzystają, z wbudowanymi zabezpieczeniami zgodnymi z HIPAA od samego początku.

W miarę rosnącej adopcji kierunek zmierza w stronę głębszej proaktywnej inteligencji. Systemy, które wyświetlają właściwy sygnał, zanim ktoś pomyśli o jego zapytaniu. To jest miejsce, nad którym budujemy.

Doceree używa terminu „inteligencja kliniczna” do opisania części swojej technologii. Co to oznacza z perspektywy architektonicznej i jak uzupełnia możliwości leżących pod spodem dużych modeli językowych?

Inteligencja kliniczna, w swojej istocie, to warstwa, która sprawia, że ogólna AI jest zastosowalna w opiece zdrowotnej. Duże modele językowe są niezwykle potężne, ale nie rozumieją natywnie kodu diagnozy, wzorca przepisywania leków ani tego, co oznacza, gdy lekarz wybiera konkretną terapię dla określonego profilu pacjenta. Inteligencja kliniczna jest tym, co wypełnia tę lukę.

Z architektonicznego punktu widzenia znajduje się pomiędzy surowymi sygnałami danych pochodzącymi z przepływów klinicznych a modelami AI je interpretującymi. Dostarcza kontekst, który sprawia, że wyniki są praktyczne, a nie ogólne. Bez niej masz potężny model pracujący na niekompletnych informacjach. Z nią masz coś, co może rzeczywiście wpływać na rzeczywisty moment kliniczny.

Jak system AI Semmelwis firmy Doceree pomaga interpretować dane opieki zdrowotnej i przekształcać je w przydatne wnioski dla zespołów farmaceutycznych?

Semmelwis opiera się na prostej idei: dane opieki zdrowotnej są użyteczne tylko wtedy, gdy można je zinterpretować w kontekście klinicznym, a nie jedynie przetworzyć na dużą skalę. Zespoły farmaceutyczne dysponują ogromną ilością danych o zaangażowaniu i receptach, ale zawsze istniała przepaść między posiadaniem tych danych a wiedzą, co z nimi zrobić.

Semmelwis zamyka tę lukę, odczytując sygnały w całej ścieżce klinicznej i identyfikując, gdzie intencja się kształtuje lub zanika. Te wnioski trafiają bezpośrednio do Daily Command, naszego systemu AI wspierającego pracę zespołów marek farmaceutycznych, przekształcając rozpoznawanie wzorców w rekomendacje, które zespoły handlowe mogą natychmiast wdrożyć, bez potrzeby obecności zespołu data science.

ChatGPT i Claude mają różne modele, interfejsy i środowiska korporacyjne. Jakie wyzwania techniczne napotkał Twój zespół przy tworzeniu spójnego doświadczenia na obu platformach?

Podstawowym wyzwaniem było zapewnienie, że każde zapytanie i odpowiedź, niezależnie od platformy, na której użytkownik się znajduje, pozostają w ramach tych samych zabezpieczeń zgodności. Dane opieki zdrowotnej nie zmieniają się w zależności od tego, który asystent AI zadaje pytanie. Rzeczywistą pracą było zbudowanie zarządzanej warstwy integracji, która leży pomiędzy kliniczną inteligencją Doceree a obiema platformami, zapewniając, że odpowiedzi są zawsze oparte na rozumowaniu Semmelwis i danych Doceree oraz są zawsze audytowalne od początku do końca. Spójność w zakresie zgodności była trudniejszym problemem do rozwiązania.

W jaki sposób łączniki pomagają użytkownikom zrozumieć, skąd pochodzi generowany przez AI wgląd i które dane lub rozumowanie przyczyniły się do odpowiedzi?

Każda odpowiedź uzyskana za pośrednictwem łączników opiera się na danych Doceree i rozumowaniu Semmelwis. Gdy zespół marki zadaje pytanie handlowe, odpowiedź jest poparta sygnałami intencji klinicznej, danymi tożsamości i informacjami o kampanii specyficznymi dla ich marki. Cały przepływ pracy jest zarządzany i audytowalny od początku do końca. W regulowanym sektorze to właśnie taka możliwość śledzenia sprawia, że AI jest praktycznie użyteczne w kontekście podejmowania decyzji handlowych, a była to zasada projektowa od samego początku.

Organizacje opieki zdrowotnej często pracują z wrażliwymi danymi i skomplikowanymi wymaganiami regulacyjnymi. Jak prywatność, bezpieczeństwo, kontrola dostępu i zgodność są włączane w projektowanie tych integracji?

To było dla nas rozważane od samego początku jako zasada projektowa. Łączniki są zbudowane tak, aby żadne dane pacjenta nie trafiały do przepływu pracy. Wszystko działa wyłącznie na zdeidentyfikowanym kontekście HCP. Każde zapytanie i odpowiedź pozostają w ramach zabezpieczeń zgodnych z HIPAA, a cały przepływ pracy jest zarządzany i audytowalny od początku do końca.

W praktyce oznacza to, że zespół marki może zadawać pytania handlowe w ChatGPT lub Claude i otrzymywać odpowiedzi oparte na klinicznej inteligencji, bez ryzyka naruszenia prywatności danych, które normalnie wiązałoby się z podłączeniem wrażliwych danych opieki zdrowotnej do ogólnego asystenta AI. Zabezpieczenia są fundamentem, na którym oparta jest integracja.

Jak oceniasz jakość wyników systemu, w tym ich dokładność, trafność, spójność i przydatność dla profesjonalistów opieki zdrowotnej?

Jakość w tym kontekście oznacza coś bardzo konkretnego. Wynik jest przydatny tylko wtedy, gdy prowadzi do lepszej decyzji handlowej, i to właśnie tak go oceniamy: czy działanie na jego podstawie wpływa na istotny wskaźnik, czy podnosi postęp etapów HCP, wskaźniki pierwszych wypłat recept, wyniki kampanii.

Zamknięta pętla to element, który to umożliwia. Daily Command jest zaprojektowane tak, aby zwracać wyniki z powrotem do modelu rozumowania, dzięki czemu każda rekomendacja jest udoskonalana na podstawie tego, co rzeczywiście zadziałało. To różni się od ogólnego asystenta AI, w którym wynik jest oceniany w izolacji. Tutaj system uczy się na podstawie tego, co dzieje się po podjęciu rekomendacji, co z czasem jest jedyną rzetelną miarą jakości.

W miarę jak firmy farmaceutyczne przyjmują generatywną AI, jakie zasady powinny kierować jej odpowiedzialnym użyciem w komunikacji skierowanej do klinicystów i pacjentów?

Zasada, do której najczęściej wracam, to że AI w opiece zdrowotnej powinna zmniejszać niepewność, a nie ją tworzyć. Gdy klinicysta otrzymuje informacje wpływające na decyzję terapeutyczną, źródło tych informacji i leżące u ich podstaw rozumowanie muszą być możliwe do śledzenia. To podstawowy standard zaufania.

Oprócz możliwości śledzenia, uważam, że odpowiedzialne użycie oznacza utrzymanie człowieka w pętli przy wszystkim, co ma wagę kliniczną lub handlową. AI powinna rekomendować i prezentować. Ludzie powinni decydować i zatwierdzać. Gdy ta granica zostaje zamazana, ryzyka zaczynają przewyższać korzyści.

A zgodność musi być architekturą, a nie polityką. W opiece zdrowotnej różnica między tymi dwoma kwestiami jest wszystkim.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Doceree.