Kamya Elawadhi, ผู้ร่วมก่อตั้งและประธานของ Doceree – ซีรีส์สัมภาษณ์

Kamya Elawadhi, ผู้ร่วมก่อตั้งและประธานของ Doceree, เป็นผู้บริหารด้านการตลาดสุขภาพและกลยุทธ์ธุรกิจที่มีบทบาทสำคัญต่อการเติบโตของบริษัทตั้งแต่เข้าร่วมในปี 2019. เธอได้ก้าวหน้าในตำแหน่งผู้นำที่ครอบคลุมกลยุทธ์แพลตฟอร์ม, การพัฒนาบริษัท, การให้บริการลูกค้าและความร่วมมือระดับโลก, ช่วยแปลงเทคโนโลยีของ Doceree ให้เป็นคุณค่าที่วัดได้สำหรับแบรนด์ยาต่าง ๆ, บริษัทโฆษณา, สำนักพิมพ์และระบบสุขภาพ. ในบทบาทปัจจุบัน, Elawadhi นำเอาแผนการเติบโตระดับโลกของบริษัทและสนับสนุนการขยายตัวในสหรัฐอเมริกา, โดยเน้นการสื่อสารที่คำนึงถึงความเป็นส่วนตัวและมีความเกี่ยวข้องทางคลินิก. ก่อนเข้าร่วม Doceree, เธอเคยดำรงตำแหน่งผู้นำระดับสูงด้านลูกค้าและบัญชีที่ HS Ad India และ McCann Worldgroup, ที่ซึ่งเธอทำงานกับแบรนด์ด้านสุขภาพ, อุปกรณ์การแพทย์และผู้บริโภคพร้อมกับนำทีมข้ามฟังก์ชันและหลายวัฒนธรรม.

Doceree เป็นระบบปฏิบัติการการตลาดสุขภาพแบบ AI‑first ที่ออกแบบมาเพื่อช่วยองค์กรด้านวิทยาศาสตร์ชีวิตให้มีส่วนร่วมกับผู้เชี่ยวชาญด้านสุขภาพและผู้ป่วยด้วยบริบทและความแม่นยำที่มากขึ้น. แพลตฟอร์มของมันรวมข้อมูลประจำตัวมืออาชีพที่ตรวจสอบแล้ว, สัญญาณเจตนาทางคลินิกแบบเรียลไทม์, การเปิดใช้งานแบบโปรแกรม, การมีส่วนร่วมที่จุดดูแลผู้ป่วยและชั้นเหตุผล AI ที่ประสานข้อความข้ามช่องทาง. ด้วยการเชื่อมโยงการรับรู้ของแพทย์และการสั่งจ่ายยาเข้ากับเส้นทางการรักษาของผู้ป่วย, รวมถึงความสามารถในการจ่าย, การเติมยาครั้งแรกและการต่ออายุ, Doceree มีเป้าหมายที่จะมอบมุมมองที่เป็นหนึ่งเดียวแก่ผู้ทำการตลาดสุขภาพเกี่ยวกับประสิทธิภาพของแคมเปญพร้อมสนับสนุนความเป็นส่วนตัวและการปฏิบัติตามกฎระเบียบ.

คุณเข้าร่วม Doceree ในปีแรกของบริษัทและมีบทบาทสำคัญในการสร้างการปรากฏตัวในสหรัฐฯ ก่อนจะกลายเป็นผู้ร่วมก่อตั้งและประธาน. สิ่งใดที่ดึงคุณให้สนใจวิสัยทัศน์การก่อตั้งของบริษัทในตอนแรก, และวิสัยทัศน์นั้นได้เปลี่ยนแปลงอย่างไรเมื่อ AI มีความสำคัญต่อสุขภาพมากขึ้น?

สิ่งที่ดึงฉันมาที่ Doceree คือความชัดเจนของปัญหาที่กำลังแก้ไข. การตลาดสุขภาพได้ดำเนินการบนโครงสร้างพื้นฐานที่ยืมมามาหลายปี, เครื่องมือที่สร้างขึ้นสำหรับอุตสาหกรรมอื่นและนำไปใช้ในหนึ่งในสภาพแวดล้อมที่มีการควบคุมเข้มงวดที่สุดในโลก. วิสัยทัศน์การก่อตั้งคือการสร้างสิ่งที่ออกแบบเฉพาะสำหรับสุขภาพตั้งแต่เริ่มต้น.

สิ่งที่พัฒนาไปคือขนาดของสิ่งที่ AI ทำให้เป็นไปได้. ในช่วงแรก, ความสำคัญอยู่ที่ความแม่นยำ: การเข้าถึงแพทย์ที่เหมาะสมในเวลาที่เหมาะสม. AI ได้ขยายขอบเขตของเวลานั้นให้ครอบคลุมตั้งแต่การส่งข้อความไปจนถึงการอ่านเจตนา, การเริ่มต้นสนทนา, และการเชื่อมต่อการมีส่วนร่วมตลอดเส้นทางการดูแลทั้งหมด. ความเชื่อพื้นฐานไม่ได้เปลี่ยนแปลง. ความทะเยอทะยานได้เติบโตเพราะเครื่องมือได้พัฒนา.

Doceree เพิ่งเปิดตัว Generative AI Connectors สำหรับ ChatGPT และ Claude. ความสามารถที่การรวมเหล่านี้มอบให้คืออะไร, และทีมสุขภาพหรือทีมเภสัชกรรมใดที่น่าจะได้รับประโยชน์มากที่สุดจากมัน?

การรวมกับแพลตฟอร์มเช่น ChatGPT และ Claude คือการนำข้อมูลเชิงคลินิกและเชิงพาณิชย์ของ Doceree เข้าสู่เครื่องมือที่ทีมเภสัชกรรมใช้ในชีวิตประจำวัน. แทนที่จะสลับระหว่างระบบ, ทีมแบรนด์และเอเจนซี่สามารถสอบถามประสิทธิภาพของแคมเปญ, เข้าถึงข้อมูลเชิงลึกการมีส่วนร่วมของ HCP, และแสดงคำแนะนำที่สามารถดำเนินการได้โดยตรงในกระบวนการทำงานของผู้ช่วย AI ของพวกเขา.

ทีมที่ได้รับประโยชน์สูงสุดคือทีมที่ต้องทำการตัดสินใจอย่างรวดเร็วและอิงข้อมูล: ผู้จัดการแบรนด์ที่ติดตามประสิทธิภาพของแคมเปญในหลายตลาด, ทีมเอเจนซี่ที่ตรวจสอบรูปแบบการมีส่วนร่วมของ HCP, ผู้นำเชิงพาณิชย์ที่ต้องสังเคราะห์ข้อมูลจากหลายแหล่งโดยไม่ต้องรอรายงาน. มันขจัดชั้นความตึงเครียดที่เคยมีอยู่ระหว่างข้อมูลและการตัดสินใจ. สำหรับฉัน, นั่นคือจุดที่คุณค่าจริง ๆ อยู่.

Generative AI Connectors เข้ากับกลยุทธ์ AI ที่กว้างขวางของ Doceree อย่างไร, และคุณคาดว่าจะเพิ่มความสามารถอะไรเมื่อการนำไปใช้ในองค์กรเพิ่มขึ้น?

คอนเนคเตอร์ทำหน้าที่เป็นชั้น Daily Command, อยู่เคียงข้าง Semmelweis, โมเดลเหตุผลเฉพาะสำหรับเภสัชกรรมของเรา, และ Analytics Workbench. แนวคิดเบื้องหลังนั้นง่ายดาย: ทีมเภสัชกรรมทำงานใน ChatGPT และ Claude ทุกวัน, ดังนั้นเรานำข้อมูลเชิงคลินิกของ Doceree เข้าสู่เครื่องมือที่พวกเขาใช้แล้ว, พร้อมกับแนวป้องกันที่ปลอดภัยตาม HIPAA ตั้งแต่แรก.

เมื่อการนำไปใช้เพิ่มขึ้น, แนวทางคือการพัฒนาเชิงรุกที่ลึกซึ้งยิ่งขึ้น. ระบบที่แสดงสัญญาณที่ถูกต้องก่อนที่ใครจะคิดจะขอ. นั่นคือจุดที่เรากำลังสร้าง.

Doceree ใช้คำว่า “clinical intelligence” เพื่ออธิบายส่วนหนึ่งของเทคโนโลยี. นั่นหมายความว่าอย่างไรจากมุมมองสถาปัตยกรรม, และมันเสริมความสามารถของโมเดลภาษาขนาดใหญ่ที่อยู่ภายใต้ได้อย่างไร?

Clinical intelligence, ในแก่นของมัน, คือชั้นที่ทำให้ AI ทั่วไปสามารถนำไปใช้ในสุขภาพได้. โมเดลภาษาขนาดใหญ่มีความสามารถอย่างมหาศาล, แต่พวกมันไม่ได้เข้าใจโดยธรรมชาติถึงรหัสการวินิจฉัย, รูปแบบการสั่งจ่ายยา, หรือความหมายเมื่อแพทย์เลือกการบำบัดเฉพาะสำหรับโปรไฟล์ผู้ป่วยเฉพาะ. Clinical intelligence คือสิ่งที่เชื่อมช่องว่างนั้น.

จากมุมมองสถาปัตยกรรม, มันอยู่ระหว่างสัญญาณข้อมูลดิบที่มาจากกระบวนการทำงานคลินิกและโมเดล AI ที่ตีความข้อมูลเหล่านั้น. มันให้บริบทที่ทำให้ผลลัพธ์เป็นการกระทำได้แทนที่จะเป็นทั่วไป. หากไม่มีมัน, คุณจะมีโมเดลที่ทรงพลังแต่ทำงานกับข้อมูลที่ไม่ครบถ้วน. มีมัน, คุณจะมีสิ่งที่สามารถส่งผลต่อช่วงเวลาคลินิกจริงได้.

ระบบ AI Semmelweis ของ Doceree ช่วยตีความข้อมูลสุขภาพและแปลงเป็นข้อมูลเชิงลึกที่เป็นประโยชน์สำหรับทีมเภสัชกรรมอย่างไร?

Semmelweis ถูกสร้างขึ้นบนแนวคิดง่าย ๆ: ข้อมูลสุขภาพมีประโยชน์เฉพาะเมื่อสามารถตีความในบริบทคลินิก, ไม่ใช่แค่ประมวลผลในระดับใหญ่. ทีมเภสัชกรรมมีข้อมูลการมีส่วนร่วมและการสั่งจ่ายยาจำนวนมหาศาล, แต่ช่องว่างมักอยู่ระหว่างการมีข้อมูลเหล่านั้นและการรู้ว่าจะทำอย่างไรกับมัน.

Semmelweis ปิดช่องว่างนั้นโดยการอ่านสัญญาณตลอดเส้นทางคลินิกและระบุว่าจุดใดที่เจตกำลังก่อตัวหรือหายไป. ข้อมูลเชิงลึกเหล่านั้นส่งตรงเข้าสู่ Daily Command, ระบบ AI ของเราสำหรับทีมแบรนด์เภสัชกรรม, ทำให้การจดจำรูปแบบกลายเป็นคำแนะนำที่ทีมเชิงพาณิชย์สามารถดำเนินการได้ทันที, โดยไม่ต้องมีทีมวิทยาศาสตร์ข้อมูลอยู่ในห้อง.

ChatGPT และ Claude มีโมเดล, อินเทอร์เฟซและสภาพแวดล้อมองค์กรที่แตกต่างกัน. ทีมของคุณเผชิญความท้าทายทางเทคนิคอะไรบ้างเมื่อต้องสร้างประสบการณ์ที่สอดคล้องกันบนทั้งสองแพลตฟอร์ม?

ความท้าทายหลักคือการทำให้แน่ใจว่าทุกคำสั่งและการตอบกลับ, ไม่ว่าจะอยู่บนแพลตฟอร์มใด, ยังคงอยู่ในแนวป้องกันการปฏิบัติตามเดียวกัน. ข้อมูลสุขภาพไม่ปรับเปลี่ยนตามว่า AI ผู้ช่วยคนใดเป็นผู้ตั้งคำถาม. งานจริงคือการสร้างชั้นการรวมที่ควบคุมระหว่าง Clinical intelligence ของ Doceree กับทั้งสองแพลตฟอร์ม, ทำให้คำตอบอิงกับเหตุผลของ Semmelweis และข้อมูลของ Doceree เสมอและสามารถตรวจสอบได้จากต้นจนจบ. ความสอดคล้องในการปฏิบัติตามเป็นปัญหาที่ยากกว่า.

คอนเนคเตอร์ช่วยผู้ใช้เข้าใจว่าข้อมูลเชิงลึกที่สร้างโดย AI มาจากที่ไหนและข้อมูลหรือเหตุผลใดที่มีส่วนร่วมในการตอบกลับอย่างไร?

ทุกการตอบกลับผ่านคอนเนคเตอร์อิงกับข้อมูลของ Doceree และเหตุผลของ Semmelweis. เมื่อทีมแบรนด์ถามคำถามเชิงพาณิชย์, การตอบกลับจะได้รับการสนับสนุนจากสัญญาณเจตนาทางคลินิก, ข้อมูลประจำตัว, และข้อมูลแคมเปญที่เฉพาะเจาะจงกับแบรนด์ของพวกเขา. กระบวนการทำงานทั้งหมดถูกควบคุมและสามารถตรวจสอบได้จากต้นจนจบ. ในอุตสาหกรรมที่มีการควบคุม, ความสามารถในการติดตามนี้คือสิ่งที่ทำให้ AI ใช้งานได้จริงในบริบทการตัดสินใจเชิงพาณิชย์, และเป็นหลักการออกแบบตั้งแต่วันแรก.

องค์กรสุขภาพมักทำงานกับข้อมูลที่ละเอียดอ่อนและข้อกำหนดการควบคุมที่ซับซ้อน. ความเป็นส่วนตัว, ความปลอดภัย, การควบคุมการเข้าถึง, และการปฏิบัติตามกฎระเบียบถูกผนวกเข้าไปในการออกแบบการรวมเหล่านี้อย่างไร?

นี่คือสิ่งที่เราคิดตั้งแต่ต้นเป็นหลักการออกแบบ. คอนเนคเตอร์ถูกสร้างขึ้นโดยที่ไม่มีข้อมูลผู้ป่วยใด ๆ เข้าสู่กระบวนการทำงาน. ทุกอย่างทำงานบนบริบทของ HCP ที่ไม่มีการระบุตัวตนเท่านั้น. ทุกคำสั่งและการตอบกลับอยู่ภายในแนวป้องกันที่ปลอดภัยตาม HIPAA, และกระบวนการทำงานทั้งหมดถูกควบคุมและสามารถตรวจสอบได้จากต้นจนจบ.

ในทางปฏิบัติหมายความว่าทีมแบรนด์สามารถถามคำถามเชิงพาณิชย์ใน ChatGPT หรือ Claude และได้รับคำตอบที่อิงกับข้อมูลเชิงคลินิก, โดยไม่มีความเสี่ยงด้านความเป็นส่วนตัวของข้อมูลที่โดยปกติจะเกิดจากการเชื่อมข้อมูลสุขภาพที่ละเอียดอ่อนกับผู้ช่วย AI ทั่วไป. แนวป้องกันเป็นพื้นฐานที่การรวมนี้สร้างขึ้น.

คุณประเมินคุณภาพของผลลัพธ์ของระบบอย่างไร, รวมถึงความแม่นยำ, ความเกี่ยวข้อง, ความสอดคล้อง, และประโยชน์ต่อผู้เชี่ยวชาญด้านสุขภาพ?

คุณภาพในบริบทนี้หมายถึงสิ่งที่เฉพาะเจาะจงมาก. ผลลัพธ์จะมีประโยชน์ก็ต่อเมื่อมันนำไปสู่การตัดสินใจเชิงพาณิชย์ที่ดีกว่า, และนั่นคือวิธีที่เราประเมินมัน: ว่าการดำเนินการตามผลลัพธ์นั้นทำให้เมตริกที่สำคัญเปลี่ยนแปลงหรือไม่, ว่ามันเพิ่มการก้าวหน้าในขั้นตอนของ HCP, อัตราการเติมยาครั้งแรก, หรือประสิทธิภาพของแคมเปญหรือไม่.

วงจรปิดคือสิ่งที่ทำให้สิ่งนี้เป็นไปได้. Daily Command ถูกออกแบบให้ป้อนผลลัพธ์กลับเข้าสู่โมเดลเหตุผล, ดังนั้นทุกคำแนะนำจะถูกปรับให้แม่นยำยิ่งขึ้นโดยสิ่งที่ทำงานจริง. นั่นแตกต่างจากผู้ช่วย AI ทั่วไปที่ประเมินผลลัพธ์แยกจากกัน. ที่นี่, ระบบเรียนรู้จากสิ่งที่เกิดขึ้นหลังจากผู้ใช้ดำเนินการตามคำแนะนำ, ซึ่งตามกาลเวลาเป็นมาตรการที่ซื่อสัตย์ที่สุดของคุณภาพ.

เมื่อบริษัทเภสัชกรรมนำ Generative AI มาใช้, หลักการใดควรเป็นแนวทางการใช้ที่รับผิดชอบในการสื่อสารที่มุ่งเป้าไปยังคลินิกและผู้ป่วย?

หลักการที่ฉันกลับมานึกถึงบ่อยที่สุดคือ AI ในสุขภาพควรลดความไม่แน่นอน, ไม่ใช่สร้างมันขึ้น. เมื่อคลินิกได้รับข้อมูลที่มีผลต่อการตัดสินใจการรักษา, แหล่งที่มาของข้อมูลและเหตุผลเบื้องหลังต้องสามารถตรวจสอบได้. นั่นเป็นมาตรฐานพื้นฐานของความเชื่อถือ.

นอกเหนือจากการตรวจสอบได้, ฉันคิดว่าการใช้ที่รับผิดชอบหมายถึงการคงมนุษย์ไว้ในวงจรสำหรับสิ่งที่มีน้ำหนักทางคลินิกหรือเชิงพาณิชย์. AI ควรให้คำแนะนำและแสดงผล. คนควรตัดสินใจและอนุมัติ. ช่วงเวลาที่เส้นแบ่งนี้เบลอคือเมื่อความเสี่ยงเริ่มเกินกว่าประโยชน์.

และการปฏิบัติตามต้องเป็นสถาปัตยกรรม, ไม่ใช่นโยบาย. ในสุขภาพ, ความแตกต่างระหว่างสองสิ่งนี้คือทุกอย่าง.

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม, ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม Doceree.