Vasili Razhnou, VD och grundare av MEDvidi – Intervju-serie

Vasili Razhnou är VD och grundare av MEDvidi, en AI-driven plattform för mental hälsa. Som en seriegrundare med över 15 års erfarenhet inom hälso- och sjukvård och näringsliv, har han byggt fem teknikstartups. På MEDvidi leder Vasili utvecklingen av AI-drivna kliniska verktyg som minskar administrativ börda och möjliggör för vårdgivare att tillhandahålla snabbare och mer konsekvent vård. Under hans ledning har företaget nått $30M i årlig omsättning.

Du har tillbringat över ett decennium med att bygga hälso- och sjukvårdsinfrastruktur, från tidig klinisk digitalisering till skalning av flera telehälsovårdsföretag innan du grundade MEDvidi. Vad var det specifika problemet eller ögonblicket som fick dig att starta företaget, och hur har dessa tidigare erfarenheter format din approach till att bygga AI-drivna kliniska system?

Det började långt innan MEDvidi. År 2008, när jag gick med i min första klinik, var allt fortfarande pappersbaserat. Våra kontor var fulla av medicinska journaler, vilket skapade fysisk och mental röra. Det tog ungefär fem dagar att hitta och hämta patientjournaler. 

Jag köpte en skanner och en shredder för att digitalisera allt. Den här enkla åtgärden visade att ibland är operativ infrastruktur grunden för god vård.

Därefter byggde vi ett onlinegränssnitt med molnlagring, sedan ett litet intag och EHR-system, och lade till funktioner år för år. 

MEDvidi uppkom ursprungligen från traditionella offline-kliniker i San Francisco och Miami 2019 och gick över till en anpassad telehälsovårdsplattform 2020 för att göra mental hälsovård tillgänglig i hela USA. Medan vi byggde företaget, insåg vi att vårdgivare är överbelastade – de tillbringar i genomsnitt 16 timmar per vecka på administrativa uppgifter.

För att åtgärda denna flaskhals utvecklade vi ett AI-drivet kliniskt verktyg. Idag tillhandahåller MEDvidi vård för vanliga tillstånd som ADHD, ångest och depression i hela USA, samtidigt som det automatiserar arbetsflöden och receptmedicinshantering för kliniker med AI. Genom att minska friktionen i dokumentation och administrativt arbete, utökar vi både patienttillgång och vårdgivarkapacitet.

Du har sett hälso- och sjukvården utvecklas från manuella arbetsflöden till storskaliga telehälsovårdsplattformar. Vilka är de största operativa ineffektiviteterna som fortfarande kvarstår idag, och varför har de varit så svåra att lösa utan AI?

Det största problemet inom hälso- och sjukvården är fortfarande vårdgivarnas kapacitet. De tillbringar för mycket tid på administrativa uppgifter, vilket lämnar ingen tid för nya patienter. På MEDvidi ser vi det första hand – inom tre månader efter att de gått med i oss, är de flesta vårdgivare 80% bokade med uppföljningspatienter.

Under dessa besök tillbringas den största delen av tiden på rutinmässiga administrativa uppgifter, såsom att verifiera patientens identitet, journalföring, hämtning av PDMP-rapporter, bedömning av drogsökande beteende, granskning av medicinsk historia etc. Dessa är viktiga uppgifter, men de kräver inte en klinikers omdöme för en komplex diagnos.

AI ändrade på det – vi kan nu automatisera det mesta av det. Till exempel transkriberar AI-journalgenereringen besök i realtid, uppdaterar dokumentationen var 60:e sekund och minskar journaleringstiden med 10 gånger. AI-journalgranskaren övervakar 100% av kliniska möten för SOP-efterlevnad, minskar journalgranskningstiden med 80% samtidigt som den hanterar ID-verifiering, drogsökande upptäckt och riktlinjekompatibilitet. En AI-receptionist hanterar omplanering via SMS och röst, samlar in receptrelaterade problem från patienter, tillhandahåller uppdateringar och integrerar informationen i arbetsflöden.

Din plattform fokuserar kraftigt på att automatisera rutinmässiga psykiatriska arbetsflöden samtidigt som läkare hålls i loopet. Hur definierar du den rätta gränsen mellan automatisering och kliniskt beslutsfattande?

Hälso- och sjukvårdspersonal förblir i centrum för vården. Detta är den enda rätta vägen att göra det på. MEDvidis AI är utformad för att stödja och stärka kliniker, inte för att ersätta dem. Varje kliniskt beslut, recept och behandlingsplan granskas och godkänns av en legitimerad medicinsk vårdgivare. 

Jag tror att hälso- och sjukvården behöver mer bevis på att tekniken kan förbättra effektiviteten utan att kompromissa med säkerheten. Vårt mål är att se till att vårdgivare inte slösar bort sitt omdöme på uppgifter som inte kräver det. När en stabil patient kommer in för en rutinmässig uppföljning och fallet är enkelt, kan AI hantera förberedelse, dokumentation och granskning, och vårdgivaren bekräftar beslutet. Människan är alltid i loopet, men vi ser till att deras tid används där det faktiskt betyder något.

AI-receptassistenten är utbildad på riktiga kliniska data och kräver läkargodkännande för varje beslut. Hur tänker du kring säkerhet, ansvar och granskning när du distribuerar AI i sådana högriskmiljöer?

När du opererar i ett starkt reglerat utrymme som hälso- och sjukvården, kan du inte ha råd att göra fel. 

Till skillnad från andra AI-hälsovårdsverktyg som är utbildade på icke-specifika medicinska data, är MEDvidi AI utbildad på 130 000+ riktiga psykiatriska besök, vilket ger domänspecifik noggrannhet. Det är en unik infrastruktur, särskilt utformad och utbildad för psykiatriska arbetsflöden, regler och krav på kontrollerade ämnen.

Vårt AI-system fungerar som en klinisk verifieringslager, grundad på evidensbaserade riktlinjer och en proprietär dataset av tusentals riktiga historiska besök. Det säkerställer att varje recept överensstämmer med standarder och ger tillsynsmyndigheterna transparent översyn. Avgörande är att AI inte fattar oberoende beslut. Det är den arkitektur vi avsiktligt byggt.

Många telehälsovårdsplattformar har mött kritik kring överförskrivning och feljusterade incitament. Hur kan AI-system faktiskt förbättra regelefterlevnaden och återuppbygga förtroendet snarare än förstärka dessa risker?

Inom hälso- och sjukvården finns det alltid två komponenter: affärssidan och den kliniska sidan. Många telehälsovårdsföretag suddade ut den gränsen under tillväxtåren, prioriterade tillväxt och, i vissa fall, komprometterade den kliniska rigorositeten.

På MEDvidi har vi alltid hållit dessa funktioner strikt åtskilda. Kliniska beslut påverkas aldrig av affärsincitament. Våra AI-system förstärker den separationen snarare än att försvaga den.

En av de viktigaste sätten vi gör detta är genom AI-driven journalgranskning. Varje patientmöte granskas mot standardiserade kliniska SOP:er för att säkerställa att behandlingsplanen är lämplig och regelefterlevande. Dessa SOP:er skapas inte av affärsteam – de utvecklas och granskas kontinuerligt av en kommitté av legitimerade medicinska yrkesutövare och är i linje med alla tillämpliga lagar och regler. De är utformade med ett enda mål i åtanke: att tillhandahålla den bästa möjliga vården för varje enskild patient. Viktigt är att dessa protokoll är fullständigt granskningsbara och kan granskas av tillsynsmyndigheter när som helst.

AI blir ett lager av konsekvens och ansvar. Det hjälper till att säkerställa att vårdbeslut baseras på kliniska standarder, inte subjektiva påtryckningar, tidsbegränsningar eller patientkrav. Det betyder också att vi ibland säger nej. Om en patient kommer in och förväntar sig ett visst läkemedel för att de har läst om det på nätet, men det inte är kliniskt lämpligt, kommer våra vårdgivare inte att förskriva det – och AI hjälper till att verkställa den standarden konsekvent.

Det finns en avvägning. Patienter som inte får den behandling de förväntar sig kan lämna negativa recensioner. Men det är kostnaden för att utöva ansvarsfull medicin. På lång sikt är det en sådan här transparent, protokollstyrd och granskningsbar system som stärker regelefterlevnaden och återuppbygger förtroendet hos patienter, vårdgivare och tillsynsmyndigheter.

Du har betonat att upp till 80% av psykiatriska besök är rutinmässiga uppföljningar. Hur förändrar automatiseringen av dessa interaktioner tillgången till vård och hälso- och sjukvårdens ekonomi?

Idag är tillgången till mental hälsovård begränsad, inte av efterfrågan, utan av hur vårdgivartiden allokeras. Upp till 80% av psykiatriska besök är rutinmässiga uppföljningar – ofta driven av regulatoriska krav snarare än klinisk komplexitet. I många av dessa fall verifierar vårdgivaren att en stabil patient fortsätter samma behandling, utan några betydande förändringar.

Det skapar en strukturell flaskhals. Vårdgivare tillbringar större delen av sin tid med att upprätthålla befintliga patienter, medan nya patienter väntar 6 till 9 veckor för att bli sedda. Det är exakt där automatiseringen har störst inverkan. För stabila patienter är arbetsflödet högt strukturerat: symtomkontroll, bieffektsövervakning, adherensverifiering och regelefterlevnadsgranskning. 

Dessa är protokollstyrda interaktioner som AI kan hantera konsekvent och i stor skala. När något faller utanför förväntade parametrar – en biverkning, en förändring i symtom eller någon röd flagga – eskaleras fallet omedelbart till en vårdgivare.

Genom att förskjuta dessa rutinmässiga interaktioner till AI, återbalanserar vi kapaciteten. Vårdgivare kan om dirigera sin tid mot nya patienter och mer komplexa fall där mänskligt omdöme är avgörande. 

Det utvidgar tillgången utan att öka antalet vårdgivare.

Ekonomiskt förändras det också. Kostnaden för att serva en stabil patient minskar avsevärt, medan vårdgivarens produktivitet ökar. Istället för att vara en begränsande faktor, blir vårdgivartiden en hävstångsresurs. I stor skala innebär det kortare väntetider, lägre kostnader och möjligheten att serva befolkningar som tidigare var underservade – inklusive landsbygdspatienter och de som inte kan ta ledigt från jobbet.

Sammanfattningsvis, automatisering ersätter inte vården – den omfördelar den. Den tar bort den regulatoriska och administrativa bördan från vårdgivare och omvandlar den till skalbar infrastruktur, vilket är vad som slutligen låser upp tillgången.

I din nyliga artikel, Varför AI i hälso- och sjukvården distribueras på fel plats, hävdar du att branschen fokuserar för mycket på att ersätta läkare istället för att lösa administrativa flaskhalsar. Vilka är de största missuppfattningarna som driver denna feljustering?

Människor tenderar fortfarande att tro att “AI i hälso- och sjukvården” bara betyder att ChatGPT pratar med patienter istället för riktiga läkare och förskriver medicin utan kontroll.

AI-infrastruktur i hälso- och sjukvården är högt komplex och kräver alltid mänsklig tillsyn. När företag försöker kringgå och gå direkt till autonomt kliniskt beslutsfattande, springer de in i förtroende-, reglerings- och säkerhetsproblem.

Rätt ingångspunkt är det administrativa lagret. Fixa det först, visa och bevisa säkerhet, bygg förtroende och expandera sedan därifrån. Det är den väg MEDvidi är på.

Om administrativ automatisering är den högsta avkastningen för AI i hälso- och sjukvården, vilka specifika arbetsflöden bör organisationer prioritera först för att se omedelbar inverkan?

Det största misstaget är att försöka lägga till AI ovanpå trasiga arbetsflöden. Målet bör inte vara en inkrementell förbättring – det bör vara att omdefiniera var helt nya arbetsflöden kan byggas med AI.

Börja med att kartlägga det kliniska och operativa processen från början till slut och identifiera var tiden faktiskt tillbringas. I de flesta organisationer är de största flaskhalsarna schemaläggning, patientflöde och dokumentation. Dessa är högvolym-, upprepade uppgifter där AI kan leverera omedelbar avkastning. Automatiserad schemaläggning minskar utebliven tid och ledig vårdgivartid. AI-driven dokumentation – som realtids-transkription och journalgenerering – tar bort en av de tyngsta bördorna på kliniker.

Men den riktiga möjligheten går utöver optimering. Vissa arbetsflöden, särskilt rutinmässiga uppföljningar eller regelefterlevnadsgranskningar, kan omkonstrueras kring AI snarare än bara assisteras av det. Det är där steg-funktionens vinster sker.

Regelefterlevnadsgranskning är ett annat bra exempel. Idag granskar organisationer manuellt en liten andel av mötena. Med AI kan du granska 100% av interaktionerna i realtid, flagga dokumentationsluckor, SOP-avvikelser och potentiella risker innan de eskalerar.

I vissa fall kan dessa nya AI-nativa arbetsflöden inte passa in i befintliga regulatoriska ramverk. Det betyder att organisationer måste vara beredda att validera sin approach, generera bevis och arbeta nära med tillsynsmyndigheter för att demonstrera säkerhet och regelefterlevnad.

De företag som kommer att se den största inverkan är inte de som lägger till AI-funktioner, utan de som är villiga att ombygga core-arbetsflöden kring vad AI möjliggör.

Hälso- och sjukvården är unikt komplex med skiktade regleringar, fragmenterad data och höga konsekvenser för fel. Vad ser en produktionsklar AI-arkitektur ut som i den här miljön jämfört med en demo- eller pilotsystem?

AI bör utbildas på domänspecifika, riktiga kliniska data och byggas kring riktiga arbetsflöden. Varje utdata bör vara granskningsbar. Det betyder att alla journaler, flaggade recept, och SOP-kontroller är granskningsbara och spårbara.

Ett produktionsklart system måste också ta hänsyn till hur vården faktiskt tillhandahålls. Vårdgivare är mycket protokollbaserade. När du anställer oberoende kliniker, bringar de vanor från tidigare inställningar. AI standardiserar detta på ett sätt och stödjer dessa arbetsflöden.

Återigen är det mänskliga tillsynslagret avgörande. AI bör hantera den administrativa och analytiska arbetsbördan, medan kliniker förblir ansvariga för slutliga beslut.

Viktigast är att systemet bör byggas från grunden med regelefterlevnad, säkerhet och tillförlitlighet i åtanke.

Om man ser framåt, hur ser du att AI omformar telehälsovården och receptförskrivningen under de kommande tre åren, särskilt när tillsynsmyndigheter börjar svara på tidiga distributioner som AI-assisterade receptarbetsflöden?

Den regulatoriska miljön förändras. AI är redan här i hälso- och sjukvården. Stater som Utah skapar sandlådor för att låta teknikföretag demonstrera vad AI kan göra, inklusive receptförskrivning av kontrollerade ämnen.

Under de kommande åren kommer vi att se fullständigt automatiserad uppföljningsvård för stabila patienter. AI-hanterade besök med läkare i en övervakande roll, som bekräftar beslut. Det modellen gör vården snabbare och billigare för människor som för närvarande inte kan komma åt den alls. Det är den standard vi försöker sätta.

Tack för den utmärkta intervjun, läsare som vill lära sig mer bör besöka MEDvidi.