Rajan Kohli, CEO al CitiusTech – Seria de interviuri: O conversație de revenire

Rajan Kohli este directorul general al CitiusTech și este responsabil pentru strategia globală, creșterea și misiunea companiei de a accelera inovația în domeniul sănătății și științelor vieții. Un veteran al industriei tehnologiei, cu peste trei decenii de experiență, Rajan a condus inițiative de transformare digitală la scară largă în domeniul sănătății, ingineriei, modernizării cloud, platformelor de date și inteligenței artificiale. De la preluarea conducerii CitiusTech, el s-a concentrat pe ajutarea organizațiilor de sănătate să treacă dincolo de transformarea digitală către modele de operare conduse de inteligență, alimentate de IA, interoperabilitate și analize avansate.

CitiusTech este un furnizor de servicii de tehnologie pentru sănătate, consultanță și soluții digitale pentru furnizorii de servicii de sănătate, plătitorii, companiile MedTech și organizațiile din domeniul științelor vieții din întreaga lume. Compania se specializează în platforme de date pentru sănătate, interoperabilitate, modernizare cloud, inginerie digitală, analize și inteligență artificială. Pe măsură ce organizațiile de sănătate își propun tot mai mult să operaționalizeze IA la scară largă, CitiusTech și-a extins focusul către construirea de sisteme de sănătate conduse de inteligență care combină fundații de date de încredere, guvernanță, interoperabilitate și fluxuri de lucru conștiente de IA. Prin soluții precum Knewron și ecosistemul său mai larg de IA și date, CitiusTech ajută organizațiile să transforme operațiunile de sănătate fragmentate în medii conectate, conștiente de context, care îmbunătățesc eficiența, luarea deciziilor și rezultatele pacienților.

Acest interviu reprezintă o continuare a conversației noastre anterioare cu Rajan Kohli, în care am explorat rolul în creștere al inteligenței artificiale generative, interoperabilității, modernizării datelor de sănătate și transformării digitale în ecosistemul sănătății. De atunci, industria a progresat rapid de la experimentarea cu IA la implementarea acesteia în medii de producție, creând noi provocări legate de guvernanță, încredere, explicabilitate și scară operațională. În această discuție recentă, Rajan împărtășește cum organizațiile de sănătate pot trece dincolo de piloții izolați de IA către îngrijire condusă de inteligență, de ce ingineria contextului devine o fundație critică pentru IA în sănătate și ce va fi necesar pentru a construi sisteme de încredere, scalabile, capabile să susțină următoarea generație de îngrijire a pacienților.

Aduceți decenii de experiență în conducerea inițiativelor de transformare digitală la scară largă. Cum v-a modelat această călătorie perspectiva asupra complexității unice a transformării sănătății?

Transformarea sănătății este deosebit de dificilă pentru că nu există o singură definiție a succesului. Rezultatele clinice, facturarea și plățile exacte, accesul, costul și experiența adesea trag în direcții diferite. În contrast cu alte sectoare, sănătatea este constrânsă de risc clinic, examinare regulamentară și răspundere etică. Modurile de eșec sunt măsurate în rezultate ale pacienților, nu în scurgeri de venituri.

Acesta este locul în care ingineria contextului devine fundamentală: disciplina de structurare a mediului informațional în care IA operează, astfel încât ieșirile să fie clinic exacte, conștiente de fluxul de lucru și gata pentru conformitate de la început. Scalarea necesită gândirea sistemelor pe întregul lanț de valori, mai degrabă decât digitalizarea funcțiilor izolate. Sănătatea necesită o contextualizare profundă a fluxurilor de lucru, a semanticii datelor pe plan clinic, cereri și dispozitive, precum și căi de conformitate complexe. Platforme precum Knewron sunt construite pe exact acest principiu, trecând dincolo de IA cu scop general către încorporarea contextului specific domeniului la nivel de arhitectură.

Complexitatea este amplificată de ecosisteme fragmentate care implică plătitori, furnizori, MedTech și științe ale vieții. Fiecare dintre acești jucători operează pe sisteme, stimulente și standarde de date diferite. Ceea ce pare a fi o problemă de tehnologie la suprafață este aproape întotdeauna o problemă de context și coerență dedesubt.

În cele din urmă, succesul transformării depinde nu numai de modernizarea tehnologică, ci și de ingineria încrederii. Trebuie să proiectăm activ un strat de încredere în IA globală pentru sănătate, concepând sisteme în care clinicienii și regulatorii se pot baza implicit în medii de îngrijire reală. Ingineria contextului este mecanismul care face această încredere posibilă. Atunci când IA înțelege contextul clinic și operațional complet al unei decizii, câștigă acea încredere sistematic, nu din întâmplare.

Ați descris sănătatea ca ajungând la un punct de inflexiune. Care sunt forțele specifice care determină această schimbare în acest moment?

Punctul de inflexiune pe care îl experimentăm acum este determinat de stresul operațional, nu de noutatea tehnologică. Presiunile asupra costurilor, epuizarea clinicianului și lipsa acută de personal medical forțează sistemele de sănătate să reconsidere complet modelele de operare, mai degrabă decât să digitalizeze doar cele existente. Procesele manuale nu mai sunt scalabile, în special în domeniul cererilor, facturării și operațiunilor clinice, ceea ce face ca IA să fie trasă agresiv în medii de producție.

Dar a trage IA în producție este doar jumătate din ecuație; cealaltă jumătate este asigurarea că IA operează cu contextul corect. Fără ingineria contextului, IA în fluxurile de lucru clinice și operaționale riscă să genereze ieșiri care sunt tehnic corecte, dar clinic sau administrativ nealinate.

Forțele regulatorii, precum regulile de interoperabilitate ale CMS, transparența prețurilor și măsurile calității digitale, impun lichiditatea datelor și accelerează modernizarea. Adoptarea cloud-ului a depășit un prag de maturitate, făcând modernizarea și implementarea IA conformă cu normele enterprise fezabile. IA este acum pe deplin aliniată cu pregătirea pentru sănătate, deoarece avem în sfârșit fluxuri de lucru digitalizate, active mai bogate și cadre de răspundere mai clare decât în valurile tehnologice anterioare.

Ceea ce a lipsit până acum a fost țesătura de legătură între activele de date brute și acțiunea IA semnificativă, și acea țesătură de legătură este contextul. Vedem o cerere distinctă de soluții care sunt create special pentru a ajuta organizațiile de sănătate să transforme stresul operațional în eficiență măsurabilă.

Sănătatea a rămas în urmă în digitalizare în comparație cu alte industrii. Ce s-a schimbat pentru a face posibilă implementarea IA la scară în prezent?

IA scalează acum pentru că organizațiile de sănătate învață să codifice politici, ghiduri clinice și logică operațională, mai degrabă decât să ingereze cantități uriașe de date. Schimbarea fundamentală constă în trecerea de la modele care interpretează informații brute la sisteme care execută cunoștințe programate cu supraveghere strictă. Acesta este exact ceea ce ingineria contextului permite, mutând IA de la interpretarea pasivă la execuția guvernată și activă, prin structurarea mediului de cunoaștere în care modelele operează.

Frictionarea fundamentală a fost drastic redusă prin adoptarea pe scară largă a FHIR, HL7, platformelor de date cloud-native și arhitecturilor bazate pe evenimente. Organizațiile de sănătate recunosc din ce în ce mai mult că IA trebuie încorporată în fluxurile de lucru, mai degrabă decât să existe ca tablouri de bord separate. IA conștientă de fluxul de lucru este cheia pentru a permite acest lucru, asigurând că sistemele înțeleg semantica fluxului de lucru și conduc către rezultate actionabile.

Unelte precum MLOps, DevSecOps și automatizarea conformității au permis validarea continuă, monitorizarea și reantrenarea controlată. Vedem o schimbare distinctă de la experimentare la cazuri de utilizare legate de valoare, cum ar fi lacunele de îngrijire, autorizarea prealabilă, integritatea cererilor, imagistica și suportul decizional clinic. Această scară este posibilă doar atunci când încorporăm garduri robuste și supraveghere umană direct în aceste fluxuri de lucru operaționale.

Industria adaugă locuri de muncă de la o lună la alta, și acest lucru ajută pentru că IA nu este văzută ca fiind cea care ia locurile de muncă. IA scalabilă ajută la direcționarea investițiilor pentru rezultate mai bune pentru pacienți și clinicieni.

Multe organizații rămân blocate în fazele de pilot. Care sunt principalele bariere care împiedică IA să treacă în utilizarea operațională reală în sănătate?

IA se luptă să scaleze în sănătate pentru că realitățile structurale multiple apar simultan. Procesele de sănătate rareori operează spre un singur obiectiv; rezultatele clinice, costul, accesul, experiența pacientului, acuratețea rambursării și riscul pe termen lung adesea concurează, implicând furnizori, plătitori, regulatori și pacienți. Definirea succesului este complexă, dar esențială. Multe piloții eșuează pentru că nu sunt ancorate în metrici de rezultat clare și partajate. Contextul operațional structurat ajută la abordarea acestui lucru prin codificarea obiectivelor, constrângerilor și priorităților părților interesate dinainte, mai degrabă decât să se bazeze pe modele pentru a le infera din date brute.

O a doua barieră este costul și efortul de anotare și validare. Scalarea necesită implicarea continuă a clinicienilor și experților din domeniul ciclului de venituri, a căror timp este atât limitat, cât și scump și adesea subestimat în fazele de pilot.

Al treilea, lacunele de guvernanță și integrare devin mai vizibile la scară. Piloții frecvent lipsesc auditabilitate, controale de politică și supraveghere umană necesare pentru fluxurile de lucru cu risc ridicat care implică informații privind sănătatea (PHI). În plus, erorile apar târziu în medii reale, în special în domeniul cererilor și facturării, unde ieșirile nu respectă regulile plătitorilor sau așteptările de interoperabilitate. Ecosistemele tehnologice fragmentate, inclusiv sistemele legacy, platformele proprietare și adoptarea neuniformă HL7/FHIR, fac integrările fragile și dificile pentru soluțiile IA generice.

Scalarea reușește doar atunci când IA se aliniază cu obiectivele operaționale reale, este susținută de fundații de date solide și este proiectată pentru fluxuri de lucru complexe. O schimbare apare acum către MVP-uri (produse minime viable) orientate spre lanțul de valori, care vizează cazuri de utilizare cu impact ridicat și valoare comercială clară, cu sponsorizare executivă, mutând conversația de la experimentarea IA la transformarea procesului măsurabil.

Din punct de vedere al sistemului, cum arată o arhitectură de sănătate pregătită pentru IA, în special în ceea ce privește conductele de date, interoperabilitatea și infrastructura cloud?

O arhitectură pregătită pentru IA este una în care aplicarea politicii, validarea și escaladarea sunt încorporate direct în fluxurile de lucru, nu gestionate extern ca o gândire de după. Aceasta necesită platforme de date cloud-native unificate care absorb cererile, înregistrările electronice de sănătate (EHR), imagistica, datele dispozitivelor și datele operaționale în straturi guvernate înalt.

Trebuie să prioritizăm interoperabilitatea bazată pe standarde, utilizând FHIR, HL7, SMART pe FHIR și DICOM, sprijinite de motoare de validare dedicate. Trebuie să existe o separare clară a preocupărilor în straturile de ingestie, prelucrare, analize, servicii IA și guvernanță. Ingineria contextului se află la intersecția acestor straturi; este disciplina care conectează datele brute ingerate la intrări guvernate și îmbogățite semantic, pe care serviciile IA le pot acționa cu precizie și răspundere.

Securitatea încorporată este incontestabilă, cuprinzând controlul accesului bazat pe rol (RBAC), criptarea, gestionarea consimțământului, linia de proveniență și urmele de audit. Succesul arhitectural este măsurat în cele din urmă de capacitatea sistemelor de a eșua în siguranță, nu de sofisticarea componentelor. Prin încodarea directă a cadrului HIPAA și GDPR în stratul de execuție, construim încrederea arhitecturală necesară pentru implementarea globală.

Cum gestionează organizațiile procesarea și integrarea în timp real a datelor de la înregistrările electronice de sănătate (EHR), dispozitive medicale și platforme de plătitori pentru a permite luarea deciziilor conduse de IA?

Procesarea în timp real contează doar atunci când informațiile apar în fluxurile de lucru ale clinicienilor și operatorilor, nu în tablourile secundare. Provocarea de bază constă în gestionarea variabilității și excepțiilor, mai degrabă decât concentrarea asupra debitului de date. Organizațiile abordează acest lucru prin intermediul software-ului de middleware care normalizează și îmbogățește datele înainte de consumul IA, mai degrabă decât a alimenta fluxuri brute în aval.

Acesta este locul în care ingineria contextului joacă un rol critic. Sistemul trebuie să structureze datele intrate de la EHR, dispozitive medicale și platforme de plătitori într-o fundație contextuală coerentă, asigurând că intrările IA sunt aliniate semantic cu decizia clinică sau operațională specifică. Acest lucru permite o integrare strânsă cu fluxurile de lucru EHR, permițând informațiilor să apară la punctul de îngrijire.

Mai important, acest lucru face integrarea semnificativă, mai degrabă decât pur tehnică, asigurând că ieșirile reflectă nu numai date, ci și ghiduri clinice, reguli ale plătitorilor și constrângeri de flux de lucru relevante pentru fiecare pacient și întâlnire. Accentul se pune pe interceptarea fluxului de lucru în momentul potrivit și oferirea de suport acționabil fără a perturba ritmurile operaționale existente.

Care sunt cele mai mari provocări tehnice în implementarea modelului de IA în medii clinice, în special în ceea ce privește validarea modelului, monitorizarea și gestionarea derapării?

Provocarea cea mai dificilă nu este doar decăderea acurateței, ci și propagarea erorilor nedetectate în fluxurile de lucru interconectate. Ingineria contextului servește ca prima linie de apărare prin structurarea mediului de cunoaștere în care modelele operează. Sistemul trebuie să valideze intrările pentru coerență clinică și operațională înainte de a începe raționamentul IA, reducând erorile la sursă.

Validarea trebuie să meargă dincolo de metricile automate și să includă reinterpretarea umană, asigurând că ieșirile reflectă relevanța clinică reală, mai degrabă decât doar performanța statistică. Acest abordaj fundamentează evaluarea modelului în rezultate clinice și administrative reale, mai degrabă decât în repere abstracte.

Derapajul modelului trebuie, de asemenea, să fie gestionat activ pe măsură ce populațiile de pacienți, ghidurile clinice și comportamentele evoluează. Acest lucru necesită monitorizare continuă legată de bucle de feedback din lumea reală, cu puncte de control încorporate pentru a detecta derapajul în ceea ce privește relevanța clinică, alinierea regulilor plătitorilor și coerența fluxului de lucru.

În cele din urmă, succesul depinde de echilibrarea adaptabilității cu așteptările regulatorii stricte. Implementarea IA în medii clinice și dispozitivele medicale necesită un strat de încredere puternic, care să impună garduri, să declanșeze revizuirea umană și să asigure reantrenarea controlată înainte de orice impact asupra îngrijirii pacientului.

Cum abordați construirea explicabilității și auditabilității în sistemele de IA utilizate în mediile de sănătate reglementate?

Explicabilitatea există astfel încât oamenii să poată contesta, anula și învăța din ieșirile IA, nu doar să le înțeleagă. Ingineria contextului face această contestabilitate structurală, mai degrabă decât superficială, prin încodarea directă a ghidurilor clinice, regulilor de politică și logicii operaționale în mediul IA. Ca urmare, fiecare ieșire poate fi urmărită înapoi la intrările contextuale care au modelat-o, mai degrabă decât să fie reconstruită după fapt.

Auditabilitatea, similar, trebuie să creeze o memorie instituțională, mai degrabă decât să servească ca o gândire de conformitate de după. Acest lucru se realizează prin utilizarea politicii ca cod pentru a încorpora regulile regulatorii și organizaționale direct în fluxurile de execuție, tratând cadrele precum HIPAA și ghidurile CMS ca intrări guvernante de la început, nu ca verificări externe aplicate ulterior.

În plus, jurnalele de audit imutabile și urmele de audit sunt esențiale pentru a sprijini supravegherea regulatorie și încrederea clinică. Sistemul ar trebui să capteze nu numai ce decizie a fost luată, ci și contextul complet, inclusiv date, constrângeri și stare de flux care au informat-o.

Pe tot parcursul acestui proces, supravegherea umană în buclă rămâne o cerință esențială pentru decizii clinice cu risc ridicat sau ireversibile. Construirea acestui strat de încredere transparent asigură că atunci când un regulator sau clinician întreabă de ce un sistem IA a făcut o anumită recomandare, răspunsul este imediat accesibil și justificabil.

Având în vedere apariția sistemelor bazate pe agenți și a sistemelor autonome, care sunt gardurile necesare pentru a asigura fiabilitatea și a preveni rezultatele nedorite în fluxurile de lucru clinice?

În sănătate, sistemele agențiale sunt valoroase doar atunci când granițele de automatizare sunt explicite și reversibile. Ingineria contextului ajută la definirea acestor granițe prin structurarea sferei operaționale, a constrângerilor clinice și a logicii de escaladare în mediul respectiv, asigurând că autonomia operează într-un cadru guvernat, mai degrabă decât să se bazeze pe modele pentru a se autoregla.

Acest lucru necesită autonomie cu răspundere, inclusiv definiții clare de rol, căi de escaladare și puncte de control deterministice încorporate în comportamentul agentului. Sistemul trebuie să asigure că agenții operează în limite clinice și operaționale aprobate, care sunt arhitectural impuse, mai degrabă decât doar definite de politică.

De asemenea, necesită monitorizarea continuă a comportamentului agentului, a calității deciziilor și a interacțiunilor nedorite. Implementăm constrângeri bazate pe politică care împiedică agenții să acționeze în afara sferei clinice sau operaționale aprobate. Pentru fluxurile de lucru clinice, supravegherea umană în buclă este un principiu fundamental de proiectare, nu o soluție de rezervă.

Pe măsură ce ne îndreptăm către orchestrarea avansată de la agent la agent, acești agenți trebuie să opereze strict în cadrul unor cadre guvernate și codificate pentru a asigura fiabilitatea.

Privind spre viitor, cum arată îngrijirea condusă de inteligență pentru pacienți în următorul deceniu?

Următorul deceniu va vedea IA reducând fricțiunea înainte de a transforma îngrijirea, începând cu administrarea, coordonarea și suportul decizional. Îngrijirea condusă de inteligență reușește atunci când clinicienii se bazează pe valorile implicite, dar păstrează ferm autoritatea. IA devine un orchestrator de-a lungul continuumului de îngrijire, anticipând nevoi mai degrabă decât reacționând doar la evenimente.

Ingineria contextului permite această schimbare prin structurarea datelor clinice, cererilor și operaționale longitudinale, astfel încât IA să poată raționa de-a lungul întregului continuum cu profunzimea necesară pentru acțiune fiabilă, nu doar pentru perspicacitate predictivă. Acest lucru susține căi de îngrijire mai personalizate, continue și conștiente de context, pe tot parcursul îngrijirii.

Termenul “conștient de context” este cel operativ, și nu este accidental. Furnizarea de căi de îngrijire personalizate la scară necesită ca sistemele IA să moștenească cunoașterea contextuală profundă a istoricului clinic, a mediului de plată și a setării de îngrijire a fiecărui pacient. Clinicienii vor fi sprijiniți de copiloți și inteligență decizională, reducând semnificativ povara cognitivă și administrativă.

În timp, sistemele de sănătate se vor evolua în sisteme de învățare, îmbunătățindu-se continuu pe măsură ce datele, modelele și feedback-ul din lumea reală se acumulează. Prin proiectarea unui strat robust de încredere astăzi, punem bazele operaționale pentru acest viitor fără fricțiune.

Mulțumim pentru răspunsurile detaliate; cititorii care doresc să afle mai multe pot vizita CitiusTech.