Раджан Кохли, генеральный директор CitiusTech – Интервью

Раджан Кохли является генеральным директором CitiusTech и отвечает за стратегическое направление компании, а также за миссию CitiusTech по ускорению инноваций в области здравоохранения и созданию долгосрочной ценности для клиентов. Раджан – высококвалифицированный руководитель в области технологических услуг с опытом в области цифровой трансформации, приложений и инженерных услуг.

До CitiusTech Раджан провел более 27 лет в компании Wipro, где он последнее время занимал должность президента бизнеса Wipro iDEAS (Integrated Digital, Engineering and Application Services). Он возглавлял глобальную бизнес-линию с доходом в 6 миллиардов долларов и был привержен помощи клиентам во всем мире в ускорении их трансформации и изменении того, как они строят и доставляют цифровые продукты, услуги и опыт.

CitiusTech является ведущим поставщиком консультационных и цифровых технологий для компаний здравоохранения и биотехнологий. Как стратегические партнеры ведущих компаний-платежей, поставщиков медицинских услуг, MedTech и биотехнологий, CitiusTech стимулирует инновации, бизнес-трансформацию и отраслевое слияние. Они играют глубокую и осмысленную роль в ускорении цифровых инноваций, создании устойчивой ценности и улучшении результатов во всей экосистеме здравоохранения.

Каковы ключевые элементы, необходимые для успешной реализации стратегий цифровой трансформации в организациях здравоохранения и биотехнологий?

Отрасль здравоохранения испытывала трудности в принятии цифровых решений, и успешные пути цифровой трансформации происходили спорадически на протяжении многих лет. Но с технологиями, готовыми к топливу для парадигмального скачка в уходе за пациентами, пришло время для отрасли преодолеть эти проблемы.

Цифровая трансформация имеет потенциал положительно повлиять на здравоохранение во всех специальностях. Например, производители специальных лекарств сталкиваются с множеством требований со стороны различных заинтересованных сторон и экосистемы для удовлетворения их постоянно растущего спроса. Навигация по этой сложной сети заинтересованных сторон и экосистемы не является простой задачей, и многие из них обращаются к услугам поддержки пациентов, которые снимают эти обязанности с производителей лекарств для управления этими обязанностями и оптимизации производительности клиентов и лекарств. Однако с проблемами, связанными со скалируемостью и эффективностью услуг поддержки пациентов из-за растущих объемов, многие производители специальных лекарств должны принять стратегии цифровой трансформации для оптимизации операций и повышения общей эффективности.

Реализация цифровой трансформации в здравоохранении и биотехнологиях требует трехстороннего подхода.

• Коммитмент лидерства необходим для реализации и поддержания этих инициатив, обеспечивая, чтобы была верхняя поддержка и соответствие стратегическим целям. Это означает не только создание ясного видения и дорожной карты, определяющей конкретные цели и вехи, но также инвестиции в технологии и инновационные решения.
• Надежное управление данными является еще одним критическим элементом. Установление сильных рамок управления информацией обеспечивает качество, безопасность и соблюдение нормативных требований. Это включает определение стандартов данных, политик и процессов управления данными, а также использование передовых аналитических и больших данных технологий для извлечения действенных выводов из данных здравоохранения.
• Интероперабельность имеет решающее значение для цифровой трансформации, требуя принятия отраслевых стандартов, таких как HL7, FHIR и DICOM, для обеспечения беспрепятственного обмена данными между различными системами и платформами. Использование интеграционных платформ и решений middleware может связать разрозненные системы, обеспечивая беспрепятственный поток данных и общение во всей организации. Принимая интероперабельность полностью, организации смогут обеспечить более эффективную, эффективную и пациенто-ориентированную доставку здравоохранения.

Но в конце концов, цифровые трансформации начинаются и заканчиваются с пациентом. Организации здравоохранения могут автоматизировать как nhiều процессов, сколько они хотят, но если они не изменят опыт или ценность, которую пациент получает, будет особенно трудно добиться успеха. Пациенто-ориентированный подход с реализацией цифровых решений здравоохранения, которые улучшают участие пациентов, повышают доступ к уходу и позволяют создавать персонализированные планы лечения, является необходимым.

Как генеративный ИИ в настоящее время используется для улучшения лечения и результатов пациентов?

Генеративный (Gen) ИИ предлагает трансформационные выгоды во всей экосистеме здравоохранения. Для здравоохранения, отрасли, в которой многие из распространенных проблем можно отнести к неэффективным взаимодействиям между человеком и машиной, Gen ИИ имеет силу мостить этот разрыв и действительно демократизировать здравоохранение.

Это особенно верно для персонализированной медицины. Разработка планов лечения, адаптированных к конкретным пациентам, может быть трудной и耗ительной, если делать это вручную. Используя Gen ИИ, алгоритмы анализируют генетические данные и истории пациентов для создания персонализированных планов лечения, адаптированных к уникальному генетическому составу и медицинской истории пациента. Как только планы лечения составлены, доступ пациентов к виртуальным помощникам здравоохранения, работающим на основе ИИ, имеет решающее значение, поскольку пациенты имеют круглосуточный доступ к медицинским советам, проверке симптомов и планированию назначений, что улучшает участие пациентов, более эффективное лечение и лучшие результаты пациентов.

Gen ИИ также играет значительную роль в ускорении процесса утверждения и запуска лекарств. Пандемия продемонстрировала потенциал для быстрой разработки лекарств, обусловленной возможностями ИИ. Gen ИИ ускоряет разработку новых лекарств, моделируя молекулярные взаимодействия и прогнозируя, какие соединения, вероятно, будут эффективными. Это значительно сокращает время и стоимость, связанные с традиционными методами открытия лекарств. Эти платформы, работающие на основе ИИ, также могут генерировать потенциальные кандидаты на лекарства и оптимизировать их химические структуры, ускоряя процесс от концепции до клинических испытаний.

Алгоритмы Gen ИИ также улучшают точность медицинской визуализации, повышая качество изображений и помогая в обнаружении аномалий. Таким образом, это облегчает раннюю диагностику и лечение состояний, таких как рак, значительно улучшая результаты пациентов.

Наконец, прогностическая аналитика, работающая на основе Gen ИИ, имеет прорывной потенциал. Модели прогностического анализа Gen ИИ анализируют огромные объемы данных здравоохранения для прогнозирования вспышек заболеваний, повторных госпитализаций пациентов и потенциальных осложнений, позволяя проводить профилактические меры и лучше управлять хроническими заболеваниями.

Как генеративный ИИ может помочь в снижении рутинных задач для медицинских работников, позволяя им сосредоточиться больше на уходе за пациентами и инновациях?

Gen ИИ может значительно снизить бремя рутинных задач для медицинских работников, таких как клиническая документация, планирование назначений, управление медицинскими записями и обработка страховых претензий. Медицинские работники могут сосредоточиться на уходе за пациентами и инновациях.

Например, медицинские работники сильно полагаются на электронные медицинские записи (EMR) для более безопасной и последовательной доставки здравоохранения, но для этого им необходимо постоянно ориентироваться между их повествовательным пониманием истории и симптомов пациентов и структурированным представлением данных EMR. Gen ИИ мостит этот разрыв и значительно снижает когнитивную нагрузку на медицинских работников, суммируя историю пациента и автоматизируя ручные задачи, освобождая ценное время для более персонализированного ухода за пациентами.

Системы поддержки клинического принятия решений используют ИИ для предоставления медицинским работникам рекомендаций, основанных на доказательствах, оповещений и напоминаний. Эти системы анализируют данные пациентов и медицинскую литературу для предоставления выводов, которые помогают в диагностике и планировании лечения, улучшая клинические результаты и снижая когнитивную нагрузку на поставщиков медицинских услуг.

Технологии удаленного мониторинга, работающие на основе ИИ, непрерывно отслеживают жизненно важные показатели и состояние здоровья пациентов, позволяя проводить оценки здоровья в режиме реального времени без необходимости частых личных посещений. Это улучшает удобство для пациентов и позволяет проводить раннее обнаружение потенциальных проблем со здоровьем, что приводит к своевременным вмешательствам и лучшему управлению хроническими заболеваниями.

Gen ИИ дополняет человеческий потенциал, улучшая удовлетворенность работой медицинских работников, больше внимания уделяя инновационной доставке ухода и удовлетворенности пациентов.

Какие меры можно принять для максимизации эффективности решений Gen ИИ в мониторинге качества и обеспечении доверия к решениям в здравоохранении?

Качество и доверие стали важными темами для обсуждения во всей отрасли здравоохранения на фоне быстрого роста Gen ИИ. Это требует прочного внимания к этим вопросам для обеспечения того, чтобы выгоды были реализованы ответственно. Среди мер, которые можно принять:

Конфиденциальность и безопасность данных: Обеспечение конфиденциальности пациентов имеет решающее значение, требуя тщательной анонимизации данных и строгих мер кибербезопасности для предотвращения несанкционированного доступа и утечки данных. Реализация надежных протоколов шифрования и механизмов защиты от атак может защитить данные пациентов, в то время как клиницисты должны сохранять окончательную власть принятия решений для защиты от потенциальных ошибок ИИ.

Поддержание качества и справедливости: Системы Gen ИИ могут непреднамеренно увековечить предвзятости, присутствующие в обучающих данных, что приводит к различиям в результатах здравоохранения. Реализация алгоритмов, способных устранить предвзятости, и постоянное переобучение систем ИИ для обнаружения и смягчения предвзятостей является ключевым.

Ответственность и прозрачность: Ответственность в решениях, обусловленных Gen ИИ, включает несколько заинтересованных сторон, включая разработчиков, поставщиков медицинских услуг и конечных пользователей. Прозрачные, объяснимые модели ИИ необходимы для информированного принятия решений. Разработчики должны обеспечить, чтобы модели ИИ были без предвзятости и безопасны, в то время как поставщики медицинских услуг должны понимать, что они остаются ответственными за решения, принятые с помощью рекомендаций ИИ. Реализация прочных нормативных рамок имеет решающее значение для решения вопросов ответственности и поддержания доверия.

Этические рамки: Разработка этических рамок для Gen ИИ заключается в содействии ответственности без подавления инноваций. Игроки в области здравоохранения должны активно соответствовать эволюционирующим этическим стандартам для обеспечения того, чтобы применения Gen ИИ были справедливыми, ответственными и ориентированными на пациентов. Подход “человек в цикле”, в сочетании с ответственной практикой ИИ, может помочь достичь справедливых результатов здравоохранения, максимизируя при этом потенциал Gen ИИ.

Платформенные рамки качества и доверия: Создание рамок качества и доверия, интегрированных в существующие системы управления качеством и соответствующих нормативным рекомендациям, является важным. Эти рамки должны измерять, проверять и контролировать решения Gen ИИ для обеспечения последовательных и достоверных результатов.

Ранее в этом году мы запустили решение CitiusTech Gen ИИ для качества и доверия, первое комплексное решение этого типа в здравоохранении. Решение может решить эти требования, предоставляя комплексную проверку, постоянный мониторинг и соблюдение нормативных стандартов, гарантируя эффективность и достоверность решений Gen ИИ в здравоохранении.

Как организации здравоохранения могут работать над выявлением и смягчением алгоритмических и предвзятостей обучающих данных для обеспечения справедливых решений по уходу за пациентами?

Организации здравоохранения должны быть чрезвычайно активными в своем подходе. Использование разнообразных и представительных наборов данных во время фазы обучения помогает снижать предвзятости, обеспечивая, что модели ИИ работают хорошо в разных группах населения. Реализация инструментов обнаружения предвзятости может помочь выявить и устранить предвзятости в моделях ИИ, анализируя выводы модели для обнаружения любых различий в рекомендациях по лечению или прогнозах.

Регулярные аудиты и проверки систем ИИ помогают выявить и исправить предвзятости. Это включает оценку производительности системы в разных демографических группах и внесение необходимых корректировок. Включение в процесс разработки и проектирования ИИ разнообразной группы заинтересованных сторон снижает вероятность предвзятости. Наконец, образование и обучение сотрудников о потенциальных предвзятостях в системах ИИ и о том, как их устранить, имеет решающее значение для создания осведомленности и содействия ответственной практике ИИ.

Как организации здравоохранения могут эффективно использовать данные о социальных определителях здоровья (SDOH) для улучшения ухода за пациентами и какие проблемы возникают при интеграции этих данных в официальные диагностические коды?

Интеграция данных SDOH значительно улучшает уход за пациентами, но есть проблемы, которые необходимо решить. Комплексный сбор данных имеет решающее значение, включая информацию, такую как социально-экономический статус, образование и факторы окружающей среды. Эти данные предоставляют информацию о социальных факторах, влияющих на здоровье пациентов.

Интеграция данных и интероперабельность имеют решающее значение для эффективного использования данных SDOH. Интеграция этих данных в электронные медицинские записи (EHR) и обеспечение интероперабельности между различными системами позволяет поставщикам медицинских услуг иметь всесторонний вид пациента, позволяя создавать персонализированные планы лечения. Например, пациенты из семей с низкими доходами или те, кто живет в районах с ограниченным доступом к медицинским услугам, могут потребовать дополнительной поддержки для управления хроническими заболеваниями. Включая данные SDOH, организации здравоохранения могут разработать целевые программы выездных услуг, предоставить ресурсы для транспортировки к медицинским назначениям и предложить помощь в питании тем, кто в ней нуждается.

Управление здоровьем населения является еще одной областью, где данные SDOH играют решающую роль. Анализируя данные SDOH на уровне сообщества, организации здравоохранения могут выявить тенденции и закономерности, которые информируют стратегии общественного здравоохранения.

Однако интеграция данных SDOH в официальные диагностические коды представляет проблему интероперабельности или стандартизации. В настоящее время нет универсально принятой рамки для кодирования данных SDOH. Обеспечение качества данных также является сложной задачей, поскольку данные SDOH часто поступают из различных источников с разными уровнями точности и полноты. Сотрудничество между организациями здравоохранения, политиками и поставщиками технологий для установления стандартизированных практик и обеспечения комплексной интеграции данных будет важным шагом в решении этих препятствий.

Какие основные проблемы кибербезопасности возникают у организаций здравоохранения и как их можно решить?

Как мы видели в прошлом году, организации здравоохранения чрезвычайно уязвимы для угроз кибербезопасности. Нарушения данных и атаки с вымогательством являются значительными проблемами, требующими реализации надежного шифрования, многофакторной аутентификации и регулярных аудитов безопасности для смягчения этих угроз. Устаревшие системы и уязвимости программного обеспечения являются распространенными в организациях здравоохранения, поскольку многие из них все еще используют устаревшие системы. Регулярное обновление и исправление программного обеспечения, а также миграция на современные, безопасные платформы, является важным.

Внутренние угрозы, где сотрудники с доступом к конфиденциальным данным, также представляют значительные риски. Реализация строгих контролей доступа, мониторинг пользовательской деятельности и предоставление обучения по кибербезопасности может сыграть значительную роль в предотвращении этих проблем. Создание специальной команды по соблюдению требований, ответственной за проведение регулярных аудитов безопасности и оценку рисков для выявления уязвимостей и обеспечения соблюдения нормативных требований, таких как HIPAA, является важным.

Возможно, наиболее важной мерой является постоянное обучение и образование для сотрудников ИТ и медицинских работников для защиты от эволюционирующих киберугроз. Многие из этих угроз используют уязвимости человека, поэтому чем больше сотрудники знают о лучших практиках кибербезопасности, тем больше вероятность снижения ошибок человека, что приведет к более безопасным данным пациентов.

Какие ключевые этические соображения должны учитываться организациями здравоохранения при развертывании решений ИИ, и как они могут ориентироваться в сопротивлении против реализации ИИ в больницах?

Это одна из наиболее важных проблем, которые организации здравоохранения должны решить, с необходимостью учитывать несколько этических аспектов и ориентироваться в потенциальном сопротивлении. Обеспечение конфиденциальности и конфиденциальности пациентов имеет первостепенное значение, с решениями ИИ, которые должны соответствовать строгим правилам защиты данных и использовать надежные меры безопасности. Пациенты должны быть проинформированы об использовании ИИ в их уходе и дать согласие, включая объяснение того, как ИИ будет использоваться и потенциальные выгоды и риски.

Предвзятость и справедливость также являются важными соображениями. Системы ИИ должны быть разработаны для избежания предвзятости и обеспечения справедливого лечения всех пациентов, но проблемы могут возникнуть, если организации не будут осторожны. Это делает постоянный мониторинг и корректировку этих моделей ИИ крайне необходимыми для поддержания справедливости.

Также важно быть прозрачным в использовании ИИ и нести ответственность за решения, принятые системами ИИ, особенно путем предоставления объяснений для решений, обусловленных ИИ, и установления механизмов надзора. Выполнение этих шагов является важным шагом в решении проблем и сопротивления, которые медицинские работники и пациенты могут иметь против реализации ИИ.

Но также важно предоставить образование вокруг реализации и преимуществ ИИ, вовлекая заинтересованные стороны в процесс реализации ИИ, устанавливая приверженность комплексному подходу, сосредоточенному на построении доверия, предоставлении ясной коммуникации и обеспечении этического использования ИИ.

Как решения CitiusTech могут помочь организациям здравоохранения достичь беспрепятственной интеграции данных и интероперабельности между различными платформами и приложениями?

В CitiusTech мы имеем возможность стимулировать цифровые инновации, бизнес-трансформацию и отраслевое слияние для компаний здравоохранения и биотехнологий во всем мире. Наши решения предназначены для достижения беспрепятственной интеграции данных и интероперабельности между различными платформами и приложениями. Наши передовые интеграционные платформы обеспечивают, что разрозненные системы общаются и обмениваются данными эффективно, облегчая беспрепятственный обмен данными для единого вида информации о пациенте.

Например, крупный план с более чем миллионом участников хотел выйти за рамки данных претензий и ручного сбора данных и использовать клинические данные для ускорения закрытия пробелов в уходе. Ищущий решение, которое могло бы эффективно использовать клинические данные, они использовали CitiusTech для беспрепятственной интеграции клинических данных из различных электронных медицинских записей и агрегаторов данных, что привело к экономии в размере 10 миллионов долларов в год.

Решения CitiusTech по управлению поддерживают качество, безопасность и соблюдение требований на протяжении всего процесса интеграции для решения сложностей данных здравоохранения, включая интеграцию и интероперабельность различных источников и платформ данных.

Недавно запущенное решение CitiusTech Gen ИИ для качества и доверия, комплексное решение, еще больше улучшает интеграцию данных, обеспечивая надежность, точность и достоверность выводов ИИ. Решение предоставляет надежную проверку, постоянный мониторинг и соблюдение нормативных стандартов, гарантируя эффективность и достоверность решений ИИ в здравоохранении.

Какие будущие тенденции вы видите в интеграции ИИ в здравоохранение и биотехнологии, и как CitiusTech готовится решить эти тенденции?

С интеграцией ИИ в здравоохранение и биотехнологии, растущей с огромной скоростью, растущее использование ИИ для прогностической аналитики и персонализированной медицины, повышение операционной эффективности за счет автоматизации и продвижение медицинской визуализации и диагностики будут иметь значительное влияние на отрасль.

В CitiusTech мы опережаем эти тенденции, постоянно инвестируя в исследования и разработки для поддержания лидерства в области достижений ИИ. Как упоминалось, мы разработали решения Gen ИИ, такие как наше решение для качества и доверия, а также другие решения ИИ, которые используют последние технологии для улучшения результатов пациентов и операционной эффективности. Это имеет важное значение для фокусировки на обеспечении этического и справедливого использования ИИ, решении предвзятости и поддержании прозрачности и ответственности в решениях, обусловленных ИИ. Это приоритет нашей команды – оставаться в курсе последних тенденций ИИ, обеспечивая, что у нас есть лучшие ресурсы для помощи организациям здравоохранения в навигации по эволюционирующему ландшафту интеграции ИИ.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить CitiusTech.