Kamya Elawadhi, medgrundare och president för Doceree – Intervjuserie

Kamya Elawadhi, medgrundare och president för Doceree, är en verkställande inom hälso- och sjukvårdsmarknadsföring samt affärsstrategi som har spelat en central roll i företagets tillväxt sedan hon började 2019. Hon har avancerat genom ledande positioner som omfattar plattformsstrategi, företagsutveckling, kundtjänst och globala partnerskap, och har hjälpt till att omvandla Docerees teknik till mätbart värde för läkemedelsvarumärken, byråer, publicister och vårdsystem. I sin nuvarande roll leder Elawadhi företagets globala tillväxtagenda och stödjer expansionen i USA, med fokus på integritetsmedveten och kliniskt relevant kommunikation. Före Doceree hade hon seniora kund- och kontolederroller på HS Ad India och McCann Worldgroup, där hon arbetade med hälso- och sjukvård, medicintekniska och konsumentvarumärken samtidigt som hon ledde tvärfunktionella och multikulturella team.

Doceree är ett AI‑först hälso- och sjukvårdsmarknadsförings‑operativsystem utformat för att hjälpa life science‑organisationer att engagera vårdpersonal och patienter med större kontext och precision. Plattformen kombinerar verifierade professionella identitetsdata, realtids‑signaler om klinisk avsikt, programmatisk aktivering, engagemang vid vårdpunkten och ett AI‑resonemangslager som samordnar budskap över kanaler. Genom att koppla läkarnas medvetenhet och förskrivningsbeslut till patientens behandlingsväg, inklusive prisvärdighet, första förskrivningsfyllningar och påfyllningar, syftar Doceree till att ge marknadsförare inom hälso‑ och sjukvård en mer enhetlig bild av kampanjprestanda samtidigt som de stödjer integritet och regulatorisk efterlevnad.

Du gick med i Doceree under dess första år och spelade en central roll i att bygga dess närvaro i USA innan du blev medgrundare och president. Vad lockade dig ursprungligen till företagets grundvision, och hur har den visionen utvecklats i takt med att AI har blivit viktigare för hälso‑ och sjukvården?

Det som lockade mig till Doceree var tydligheten i det problem som skulle lösas. Hälso‑ och sjukvårdsmarknadsföring hade i åratal byggt på lånad infrastruktur, verktyg skapade för andra branscher och tillämpade på en av de mest reglerade miljöerna i världen. Grundvisionen var att bygga något som var specifikt konstruerat för hälso‑ och sjukvården från grunden.

Det som har utvecklats är skalan av vad AI möjliggör. Tidigt var fokus på precision: att nå rätt läkare vid rätt tillfälle. AI har utvidgat vad det tillfället kan innebära, från att leverera ett budskap till att läsa av avsikt, initiera samtal och knyta samman engagemang över hela vårdresan. Den grundläggande tron har inte förändrats. Ambitionen har vuxit eftersom verktygen har gjort det.

Doceree har nyligen introducerat Generative AI Connectors för ChatGPT och Claude. Vilka funktioner ger dessa integrationer, och vilka vård‑ eller läkemedelsteam är mest benägna att dra nytta av dem?

Integrationerna med plattformar som ChatGPT och Claude handlar om att föra in Docerees kliniska och kommersiella intelligens i de verktyg som farmaceutiska team redan använder dagligen. Istället för att växla mellan system kan varumärkes‑ och byråteam nu fråga om kampanjprestanda, få tillgång till insikter om HCP‑engagemang och få fram handlingsbara rekommendationer direkt i sitt AI‑assistent‑arbetsflöde.

De team som drar mest nytta är de som fattar snabba, datadrivna beslut: varumärkeschefer som följer kampanjprestanda över marknader, byråteam som övervakar HCP‑engagemangsmönster, kommersiella ledare som behöver en syntes av flera datakällor utan att vänta på rapporter. Det tar bort ett lager av friktion som alltid har funnits mellan data och beslut. Det är, för mig, där det verkliga värdet ligger.

Hur passar Generative AI Connectors in i Docerees bredare AI‑strategi, och vilka funktioner förväntar du dig att lägga till när företagsadoptionen ökar?

Connectors fungerar som ett lager av Daily Command, placerade bredvid Semmelweis, vår farmaceut‑specifika resonemangsmodell, och Analytics Workbench. Tanken bakom dem är enkel: farmaceutiska team arbetar redan i ChatGPT och Claude varje dag, så vi för in Docerees kliniska intelligens i de verktyg de redan använder, med HIPAA‑säkra skyddsmekanismer inbyggda från början.

När adoptionen växer, går riktningen mot djupare proaktiv intelligens. System som visar rätt signal innan någon ens tänker be om den. Det är där vi bygger.

Doceree använder termen ”clinical intelligence” för att beskriva en del av sin teknik. Vad betyder det ur ett arkitekturperspektiv, och hur kompletterar det möjligheterna hos de underliggande stora språkmodellerna?

Klinisk intelligens är i grunden det lager som gör generell AI tillämpbar på hälso‑ och sjukvård. Stora språkmodeller är oerhört kraftfulla, men de förstår inte naturligt en diagnoskod, ett förskrivningsmönster eller vad det innebär när en läkare väljer en specifik terapi för en viss patientprofil. Klinisk intelligens är det som överbryggar den klyftan.

Arkitektoniskt sitter den mellan de råa datasignalerna som kommer från kliniska arbetsflöden och AI‑modellerna som tolkar dem. Den ger den kontext som gör resultaten handlingsbara snarare än generiska. Utan den har du en kraftfull modell som arbetar med ofullständig information. Med den har du något som faktiskt kan påverka ett verkligt kliniskt ögonblick.

Hur hjälper Docerees Semmelweis AI‑system att tolka hälso‑ och sjukvårdsdata och omvandla dem till användbara insikter för farmaceutiska team?

Semmelweis är byggt kring en enkel idé: hälso‑ och sjukvårdsdata är bara användbara om de kan tolkas i klinisk kontext, inte bara bearbetas i stor skala. Farmaceutiska team har enorma mängder engagemangs‑ och förskrivningsdata, men klyftan har alltid varit mellan att ha dessa data och att veta vad man ska göra med dem.

Semmelweis överbryggar den klyftan genom att läsa av signaler längs den kliniska resan och identifiera var avsikt bildas eller avtar. Dessa insikter matas direkt in i Daily Command, vårt AI‑arbetssystem för farmaceutiska varumärkesteam, och omvandlar mönsterigenkänning till rekommendationer som kommersiella team kan agera på omedelbart, utan att behöva ha ett data‑science‑team i rummet.

ChatGPT och Claude har olika modeller, gränssnitt och företagsmiljöer. Vilka tekniska utmaningar stötte ditt team på när ni skapade en konsekvent upplevelse över båda plattformarna?

Huvudutmaningen var att säkerställa att varje prompt och svar, oavsett vilken plattform användaren befann sig i, höll sig inom samma efterlevnadsramar. Hälso‑ och sjukvårdsdata anpassar sig inte efter vilken AI‑assistent som ställer frågan. Det egentliga arbetet var att bygga ett styrt integrationslager som sitter mellan Docerees kliniska intelligens och båda plattformarna, och garanterar att svaren alltid är förankrade i Semmelweis‑resonemang och Doceree‑data samt alltid är auditabla från början till slut. Konsistens i efterlevnad var det svårare problemet att lösa.

Hur hjälper connectors användare att förstå var en AI‑genererad insikt kommer ifrån och vilken data eller vilket resonemang som bidrog till svaret?

Varje svar via connectors är förankrat i Doceree‑data och Semmelweis‑resonemang. När ett varumärkesteam ställer en kommersiell fråga, stöds svaret av signaler om klinisk avsikt, identitetsdata och kampanjinput specifika för deras varumärke. hela arbetsflödet är styrt och auditabelt från början till slut. I en reglerad bransch är den spårbarheten det som gör AI faktiskt användbart i ett kommersiellt beslutsfattande, och det var en designprincip från dag ett.

Hälso‑ och sjukvårdsorganisationer arbetar ofta med känslig data och komplexa regulatoriska krav. Hur integreras integritet, säkerhet, åtkomstkontroller och efterlevnad i designen av dessa integrationer?

Detta är något vi tänkt på från allra första början som en designprincip. Connectors är byggda så att ingen patientdata någonsin kommer in i arbetsflödet. Allt fungerar endast på de‑identifierad HCP‑kontext. Varje prompt och svar hålls inom HIPAA‑säkra skyddsmekanismer, och hela arbetsflödet är styrt och auditabelt från början till slut.

Det som detta innebär i praktiken är att ett varumärkesteam kan ställa kommersiella frågor i ChatGPT eller Claude och få svar förankrade i klinisk intelligens, utan någon av de dataskyddsrisker som normalt skulle uppstå vid anslutning av känslig hälso‑ och sjukvårdsdata till en generell AI‑assistent. Skyddsmekanismerna är den grund som integrationen är byggd på.

Hur utvärderar du kvaliteten på systemets resultat, inklusive deras noggrannhet, relevans, konsistens och användbarhet för vårdpersonal?

Kvalitet i detta sammanhang betyder något mycket specifikt. Ett resultat är bara användbart om det leder till ett bättre kommersiellt beslut, och det är i slutändan hur vi utvärderar det: om handling på det förändrar en viktig metrisk, om det ökar HCP‑stadieutveckling, första fyllningsgrader, kampanjprestanda.

Den slutna loopen är det som möjliggör detta. Daily Command är designat för att föra tillbaka resultat till resonemangsmodellen, så varje rekommendation förfinas av vad som faktiskt fungerade. Det skiljer sig från en generell AI‑assistent där resultatet utvärderas isolerat. Här lär sig systemet av vad som händer efter att någon agerat på en rekommendation, vilket med tiden är det enda ärliga måttet på kvalitet.

När läkemedelsföretag tar i bruk generativ AI, vilka principer bör styra dess ansvarsfulla användning i kommunikation riktad till kliniker och patienter?

Den princip jag återkommer till oftast är att AI inom hälso‑ och sjukvård ska minska osäkerhet, inte skapa den. När en kliniker får information som påverkar ett behandlingsbeslut, måste källan till den informationen och resonemanget bakom den vara spårbara. Det är en grundläggande förtroendestandard.

Utöver spårbarhet tror jag att ansvarsfull användning innebär att ha en människa i loopen för allt som har klinisk eller kommersiell vikt. AI bör rekommendera och visa. Människor bör besluta och godkänna. Så snart den gränsen suddas ut är riskerna större än fördelarna.

Och efterlevnad måste vara en del av arkitekturen, inte bara en policy. Inom hälso‑ och sjukvård är skillnaden mellan dessa två saker allt.

Tack för den fantastiska intervjun, läsare som vill lära sig mer bör besöka Doceree.