Mohan Giridharadas, grundare och VD på LeanTaaS – Intervjuserie

Mohan Giridharadas är grundare och VD på LeanTaaS, en marknadsledare inom AI-drivna och SaaS-baserade kapacitetslednings-, personal- och patientflödesprogramvara för hälsovårdssystem. Företagets programvara används av över 175 hälsovårdssystem i landet. LeanTaaS blev nyligen det första digitala hälsovårdsföretaget att överskrida en värdering på 1 miljard dollar med förvärvet av Hospital IQ den 10 januari 2023, vilket också följer Bain Capitals förvärv av en majoritetspost i företaget den 6 juni 2022.

Du visste från en tidig ålder att du ville bli ingenjör, vad väckte detta intresse?

Växande upp, var min pappa en ingenjör, liksom alla mina tre äldre bröder. Jag var alltid på en hög utbildningssväg och gick till slut in på IIT (Indian Institute of Technology) i Bombay. Jag studerade elektroteknik på grundnivå innan jag kom till USA och hamnade på Georgia Tech University för min master i datavetenskap och sedan Stanford University för min MBA.

Du arbetade på McKinsey & Company i 18 år, vilka var några av de projekt du arbetade med och vilka lärdomar lärde du dig av erfarenheten?

På McKinsey, ledde jag Lean Manufacturing och Lean Service Operations i Nordamerika, plus Lean Operations och Lean Service Operations i APAC. Jag lämnade i slutet av 2009 med två huvudidéer för att starta LeanTaaS. Först märkte jag att alla operativa förbättringsprojekt skedde på baksidan av Excel-ark. Dessutom kräver alla slags processförbättringsinsatser ett projektteam – antingen internt eller externt. Dessa typer av team har projektjobb som ständigt utvecklas med vad som helst som är i fokus för projektet. Min vision för att starta LeanTaaS var att kunna leverera lean-transformationsegenskaper som ersätter Excel-matematik med sofistikerad matematik och ersätter behovet av ett markbaserat projektteam med en SaaS-plattform.

Den ursprungliga visionen för LeanTaaS var bred, vad gjorde att du fokuserade på hälsovård?

LeanTaaS-resan började 2010 med en branschagnostisk ansats. Vi arbetade med cirka 20 företag, inklusive Google (GOOGL ), Home Depot (HD ) och Flextronics för att förbättra operativ prestanda genom anpassade SaaS-applikationer.
Sedan, 2013, samarbetade vi med Stanford Health Care för att lösa deras infusionsbokningssutmaning. Vi skapade en algoritm som var avsedd att matcha tillgänglig utbud med pågående efterfrågesignaler på ett analytiskt rigoröst sätt. Jag visste från min tidigare erfarenhet att matcha utbud och efterfrågan på ett analytiskt rigoröst sätt är nyckeln till att optimera operativ prestanda. Vår lösning fungerade, och vi tillbringade de följande 18 månaderna med att finslipa våra algoritmer och skapa vår första produkt, iQueue för Infusionscenter. 2015, fokuserade vi oss på att koncentrera oss helt på hälsovård.

Vilka är några av de maskinlärningsteknologier som används för att hjälpa till att optimera operationer för sjukhus och hälsovårdssystem?

Allt eftersom mer och mer hälsovårdsdata digitaliseras, finns möjligheten att utnyttja den datan för att hjälpa leverantörer att mer effektivt matcha utbud och efterfrågan. Maskinlärningsteknologier har matematiska förmågor långt utöver det mänskliga sinnet och har använts alltmer för att optimera operationer på sjukhus och infusionscenter. Dessa teknologier utnyttjar data-drivna insikter för att förbättra effektivitet, patientresultat och resursallokering. Några av de framstående maskinlärningsteknologierna för hälsovårdsoptimering inkluderar:

Prediktiv analys: Maskinlärningsalgoritmer kan analysera historiska data för att förutsäga patientinläggningstakter, sjukdomsutbrott och patientresultat. Detta hjälper sjukhus att allokera resurser mer effektivt och planera för potentiella ökningar i patientefterfrågan.

Patientflödesledning: Maskinlärning kan optimera patientflöde genom att förutsäga utskrivningstider eller hinder, sängtillgänglighet och patientrörelse inom sjukhuset. Detta minskar väntetider, förbättrar patienttillfredsställelse och förbättrar resursutnyttjande.

Resursallokering och schemaläggning: Maskinlärning kan hjälpa till att schemalägga sjukhuspersonal, operationssalar och utrustning baserat på historiska data och realtidskrav, vilket säkerställer optimal resursallokering. Detta är avgörande under den nuvarande hälsovårdskrisen.

Hur hjälper LeanTaaS till att mildra hälsovårdspersonalbrist?

Vår teknik, som drivs av AI och prediktiv analys och matas med hälsovårdssystemets historiska och realtidsdata, stöder hälsovårdssystemledare i att fullständigt optimera deras tillgängliga arbetskraft över inpatientavdelningar, infusionscenter och operationssalar. Vi gör detta på flera sätt:

Personalningslösningar, för att säkerställa att tillgänglig personal är konfigurerad över inpatientområden för att bäst möta behoven hos nuvarande och framtida patienter. Exempelvis erbjuder iQueue för Inpatient Flow en personalmodul som ger synlighet över hela hälsovårdssystemet, vilket ger enhetschefer och personalavdelningen tid och insikt för att proaktivt identifiera personalbrister och allokera tillgängliga resurser för att bäst hantera hinder och möta enskilda patientbehov. Med iQueue för Inpatient Flow uppnådde Health First en 44-procentig minskning av kärnflytning över hela hälsovårdssystemet till olika vårdnivåer, en 45-minuters minskning av kommunikationen av den dagliga personalplanen och 500 samtal eliminerade månadsvis för att distribuera personal.

Optimerade schemaläggningverktyg som säkerställer att personal arbetar förutsägbara, konsekventa dagar och tar nödvändiga pauser. Exempelvis ger iQueue för Infusionscenter infusionsledare möjlighet att skapa optimerade scheman som tar hänsyn till läkemedelsblandning, sjuksköterske- och stolresurser och länkade möten. Dessa scheman “jämnar ut” middagspikar i dagliga scheman genom att placera möten i optimala tider och förutsäger sannolika tilläggs- och uteblivna patienter i kommande dagar för att ge sjuksköterskorna konsekventa arbetsbelastningar som tillåter regelbundna pauser. Med iQueue för Infusionscenter uppnådde Oregon Health & Science University en 39-procentig minskning av procenten av dagar över maxkapacitet, en 14-procentig minskning av toppstolshantering och en 31-procentig minskning av att köra förbi schemalagd stängning.

Funktioner som minskar eller eliminerar tidskrävande eller stressiga uppgifter för personal i deras dagliga arbete. Exempelvis ger iQueue för Operationssalar moduler som förenklar och digitaliserar bokningsprocesserna i operationssalen, visar en enda källa till sanning för operationssalsschemainformation och tillåter schemaläggare att släppa tid eller begära en fallbokning inte med flera telefonsamtal, utan med ett enda klick. Genom att använda iQueue för Operationssalar uppnådde Baptist Health Jacksonville en 46-procentig minskning av avbrutna samtal, 4 ytterligare fall schemalagda dagligen per sjukhus, en 50-procentig minskning av genomsnittlig hanteringstid för samtal och en 40-procentig minskning av samtalsvolymen på deras största sjukhus.

Kan du diskutera några av de kärnfunktioner som hjälper till att automatisera patientflöde?

Att hantera inpatientkapacitet är en av de mest kritiska utmaningarna för sjukhus. Det kräver en komplex balansakt av att koordinera sängtillgänglighet, patientgenomströmning och personalbehov för att säkerställa att rätt resurser är tillgängliga för att möta patientefterfrågan. Utan förmågan att proaktivt hantera kapacitet och personal, uppstår flaskhalsar som påverkar patientflöde, vilket leder till långa väntetider, långa vårdtider, omdirigeringar eller patienter som lämnar utan att ha fått behandling. Denna typ av operativ praxis resulterar i undermålig patientvård, minskad personal tillfredsställelse och förlorad inkomst för sjukhuset.
LeanTaaS iQueue för Inpatient Flow-lösning ger sjukhusledare och frontlinjeteam möjlighet att koordinera sängtillgänglighet, patientgenomströmning och personalbehov i samverkan för att säkerställa att kapacitet är tillgänglig, prioriteringar är anpassade över vårdteam och personal är tilldelad till de områden där de behövs mest. iQueue samlar in och analyserar data från befintliga system (t.ex. EHR, patientflöde, personalhantering etc.) för att dynamiskt justera deras kapacitet. iQueue stöder varje teammedlem genom att ständigt övervaka den operativa hälsan i deras sjukhus för att ge realtidsinsikter och peka ut hinder, vilket gör det möjligt för dem att förbereda sig för vad som kommer. Genom teknikaktiverad automation och transparens kan sjukhus förbättra sitt sätt att arbeta genom att proaktivt hantera kapacitet för att driva vårdframsteg, orkestrera dagliga utskrivningar och överföringar och förenkla daglig personalplanering.

För många sjukhus var LeanTaaS avgörande för att hantera COVID-19-pandemin, vilka resultat sågs?

COVID-19-pandemin pressade sjukhus till gränsen av deras kapacitet. På efterfrågesidan, behövde fler patienter plötsligt intensiv medicinsk vård, medan på utbuds-sidan, fanns det brist på PPE, sedan ICU-sängar, sedan vanliga sängar och slutligen sjuksköterskepersonal. Än i dag är sjukhusmarginalerna mycket tunna på grund av ökade patientbelastningar och minskade elektiva ingrepp. Utan möjlighet att utöka sin verksamhet eller köpa fler tillgångar, har sjukhusen varit tvungna att skifta fokus till att få ut mer av sina befintliga tillgångar.
LeanTaaS-lösningar hjälpte sjukhus att schemalägga operationer, minska administrativa uppgifter och bli mer kostnadseffektiva – en vinst-vinst-vinst-situation. Exempelvis, under pandemin, mötte Novant Health en brist på tillgänglig operationssalstid, 8 000 uppskjutna kirurgiska fall och låg blockanvändning. Systemet implementerade iQueue för Operationssalar för att hjälpa till att förbättra operationssalskapacitet och ge kirurger och deras schemaläggare ett verktyg som gjorde operationssalstid enkelt att visa, komma åt och dela. Verktyget visade sig vara avgörande för att navigera i efterspelet av återkomsten av kirurgiska fall. Novant Health ökade antalet fall med 4 procent och klarade sin helakumulerade backlog, som hade ackumulerats under 75-90 dagar, på bara ytterligare 90 dagar. De uppnådde slutligen en ROI på 6,15 gånger, tillsammans med en större bredd av engagemang från kirurger och deras praktikadministratörer.

Vilka är några av de utmaningarna bakom att föra hälsovården in i den moderna eran?

Traditionellt sett, har hälsovårdsindustrin varit definierad av sin föråldrade arvstruktur som beundrar problem snarare än proaktivt löser dem; dess särskilda skyldighet till säkerhet och noggrannhet som avskräcker från att lita på nyare teknologier; och slutligen, eftersom finansiella resurser är dyrbara, kan dess ledare inte riskera att göra en investering utan en garanterad belöning. Pandemin hjälpte faktiskt till att ändra på detta. Hälsovårdssystem behövde snabbt anta digitala lösningar som telehälsovård och vår kapacitetsledningslösningar för att upprätthålla tillgång till vård, och i processen visade de på leverantörs- och patientefterfrågan på toppmoderna lösningar, ROI och att de kunde vara mer snabba och agila i att anta teknologi än de visste om själva.

Efter decennier av att ligga efter andra industrier, positionerar denna senaste digitala transformation hälsovården att hoppa över en teknologigeneration. Den kan inte komma ikapp konsumentismen, men den kan ta ledningen in i AI. Hälsovårdsledare vet nu hur man prioriterar säkerhet, sekretess, omedelbara resultat och bevisad avkastning på investeringen i sin teknologi, som måste erbjuda riktigt stödjande och användbara arbetsflöden som bevarar och förbättrar mänsklig expertis. Genom att digitalisera så snabbt, har de byggt den infrastruktur som behövs för att hålla nya AI-baserade teknologier med säkerhet.
Men en kritisk komponent i att föra ny teknologi till hälsovården är förändringshantering. Teknologi ensam ger inte varaktig transformation. Den måste kombineras med förändringshanteringsexperter som kan guida organisationer genom störningar mot resultat. Därför tillkännagav LeanTaaS tidigare i år lanseringen av Transformation som en tjänst (TaaS), en första i sitt slag-tjänst som garanterar resultat. TaaS-erbjudandet ger varje kund en dedikerad team som levererar de tjänster som krävs för att implementera vår teknologi, säkerställa normaliserad datahygien, automatisera och digitalisera befintliga arbetsflöden, driva förändringshantering, etablera systemomfattande styrning och garantera framgång.

Finns det något annat du vill dela om LeanTaaS?

Vi lyssnar kontinuerligt på våra kunder och innovativa baserat på deras specifika behov och framsteg inom AI. Som sådan, lanserade vi nyligen iQueue Autopilot, en första i sitt slag, generativ AI-lösning för sjukhusoperationer som ger sjukhusledare mänskliga konversationer och handlingsbara insikter för att stödja beslutsfattande för patientflöde, schemaläggning, kommandocentral, blockhantering, personal och annan kapacitetsledning i både inpatient- och outpatientsammanhang. Givet ett sådant tillgängligt, omedelbart och kraftfullt stöd, kan sjukhusledare driva högre finansiella resultat och öka tillgången till vård; sjuksköterskor och vårdgivare kan fritt ägna sin tid och högsta uppmärksamhet åt patienter; och personal kan arbeta produktivt dag för dag medan de undviker utbrändhet. Med iQueue Autopilot, förverkligar LeanTaaS vår vision om “flygledning” för hälsovården – hantering av patientflöde och kapacitetsoptimering över hela vårdspektrumet på en enda plattform – till liv.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka LeanTaaS.