CitiusTech CEO’su Rajan Kohli – Röportaj Serisi

Rajan Kohli, CitiusTech’in CEO’sudur ve şirketin stratejik yönünü belirlemek ve CitiusTech’in sağlık teknolojisi inovasyonunu hızlandırarak müşteriler için uzun vadeli değer yaratma misyonunu ilerletmekten sorumludur. Rajan, dijital dönüşüm, uygulama ve mühendislik hizmetleri deneyimine sahip bir teknoloji hizmetleri endüstrisi yöneticisidir.

CitiusTech’e başlamadan önce Rajan, 27 yılı aşkın bir süre Wipro’da çalışmış ve son olarak Wipro’nun iDEAS (Entegre Dijital, Mühendislik ve Uygulama Hizmetleri) işinin başkanlığını yapmıştır. 6 milyar dolar gelirle küresel bir iş hattını yönetmiş ve müşterilerin dünya çapında dönüşümlerini hızlandırmasına ve dijital ürünler, hizmetler ve deneyimler oluşturmalarına yardımcı olmaya odaklanmıştır.

CitiusTech, sağlık ve yaşam bilimleri şirketlerine danışmanlık ve dijital teknoloji sağlayan önde gelen bir sağlayıcıdır. Dünyanın önde gelen ödeme, sağlayıcı, MedTech ve yaşam bilimleri şirketlerine stratejik ortak olarak, CitiusTech inovasyonu, iş dönüşümünü ve endüstri çapında birleşmeyi hızlandırır. Sağlık ekosisteminde dijital inovasyonu hızlandırarak, sürdürülebilir değer yaratmaya ve sonuçları iyileştirmeye önemli bir rol oynar.

Sağlık ve yaşam bilimleri organizasyonlarında dijital dönüşüm stratejilerini erfolgreich bir şekilde uygulamak için gereken ana unsurlar nelerdir?

Sağlık endüstrisi, dijital çözümleri benimsemekte zorluklarla karşılaşmıştır, ancak başarılı dijital dönüşüm yolculukları yıllar boyunca periyodik olarak gerçekleşmiştir. Ancak teknolojinin hasta bakımında bir paradigmaya yol açabilecek bir sıçrama için hazır olduğu bir zamanda, endüstri bu zorlukların ötesine geçmenin zamanı gelmiştir.

Dijital dönüşüm, tüm uzmanlıklarda sağlık hizmeti sunumunu olumlu yönde etkileyebilir. Örneğin, uzman ilaç üreticileri, çeşitli paydaşlardan ve ekosistemden kaynaklanan çoklu taleplerle başa çıkmak için zorluklarla karşılaşır. Bu karmaşık paydaş ve ekosistem ağını navigasyon yapmak kolay değildir ve birçokları bu sorumlulukları ilaç üreticilerinden almak ve müşteri-ilacın performansını optimize etmek için hasta destek hub hizmetlerine başvurur. Ancak hasta hub hizmetleri, artan hacim nedeniyle ölçeklenebilirlik ve verimlilik konusunda zorluklarla karşı karşıya kalır, bu nedenle birçok uzman ilaç üreticisi operasyonları akışını hızlandırmak ve genel verimliliği artırmak için dijital dönüşüm stratejilerini benimsemek zorundadır.

Sağlık ve yaşam bilimleri organizasyonlarında dijital dönüşüm uygulamak için üçlü bir yaklaşım gerekir.

• Liderlik taahhüdü, bu girişimlerin sürmesini ve stratejik hedeflerle uyumlu olmasını sağlamak için esastır. Bu, yalnızca net bir vizyon ve yol haritası oluşturmak ve özel hedefler ve kilometre taşları belirlemek anlamına gelmez, aynı zamanda teknoloji ve yenilikçi çözümlere yatırım yapmak da demektir.
• Veri yönetimi de kritik bir unsurdur. Güçlü bilgi yönetim çerçeveleri, veri kalitesi, güvenliği ve düzenleyici uyumluluğu sağlar. Bu, veri standartları, politikaları ve süreçleri tanımlamak, serta gelişmiş analitik ve büyük veri teknolojilerini kullanarak sağlık verisinden eyleme geçirilebilir içgörüler elde etmek anlamına gelir.
• İletişim, dijital dönüşüm için çok önemlidir ve farklı sistemler ve platformlar arasında sorunsuz veri alışverişi sağlamak için endüstri standartlarının benimsenmesini gerektirir. Entegrasyon platformları ve ara yazılım çözümlerini kullanarak, farklı sistemleri köprüleyerek, kuruluşun tümünde veri akışını ve iletişimi sağlayabilir ve daha verimli, etkili ve hasta odaklı sağlık hizmeti sunumunu hızlandırabilirsiniz.

Ancak her şeyden önce, dijital dönüşümler hasta ile başlar ve biter. Sağlık kuruluşları, istedikleri kadar çok işlemi otomatikleştirebilir, ancak hasta deneyimi veya hasta tarafından alınan değeri değiştirmezlerse, başarılı olmak özellikle zor olacaktır. Hasta merkezli bir yaklaşım, hasta katılımını artıran, sağlık hizmetlerine erişimi iyileştiren ve kişiselleştirilmiş tedavi planlarını mümkün kılan dijital sağlık çözümlerinin uygulanması çok önemlidir.

Yaratıcı AI, şu anda sağlık tedavilerini iyileştirmek ve hasta sonuçlarını iyileştirmek için nasıl kullanılıyor?

Yaratıcı (Gen) AI, sağlık ekosisteminde dönüştürücü faydalar sunar. Sağlık gibi, insan-makine etkileşimlerinin etkisiz olmasının birçok yaygın zorluğun neden olduğu bir endüstri için, Gen AI bu açığı kapatma gücüne sahiptir ve gerçekten sağlık hizmeti sunumunu demokratikleştirebilir.

Bu, özellikle kişiselleştirilmiş tıpta geçerlidir. Belirli hastalara özgü tedavi planları oluşturmak, manuel olarak yapıldığında zor ve zaman alıcı olabilir. Gen AI’yi kullanarak, algoritmalar genetik verileri ve hasta geçmişini analiz ederek, hastanın benzersiz genetik yapısına ve tıbbi geçmişine göre kişiselleştirilmiş tedavi planları oluşturur. Tedavi planları belirlendikten sonra, hastaların AI güçlendirilmiş sanal sağlık asistanlarına 24/7 erişimi, tıbbi tavsiye, semptom kontrolü ve randevu ayarlaması için önemlidir, bu da hasta katılımını, daha etkili tedavileri ve daha iyi hasta sonuçlarını iyileştirir.

Gen AI, ilaç onaylanma ve lansman sürecini hızlandırmasında da önemli bir rol oynamaktadır. Pandemi, AI’nin yeteneklerinin hızlı ilaç geliştirme potansiyelini gösterdi. Gen AI, yeni ilaçların geliştirilmesini, moleküler etkileşimleri simüle ederek ve hangi bileşiklerin etkili olabileceğini öngören bir şekilde hızlandırır. Bu, geleneksel ilaç keşif yöntemleriyle ilişkili zamanı ve maliyeti önemli ölçüde azaltır. Bu AI güçlendirilmiş platformlar, potansiyel ilaç adaylarını da oluşturabilir ve kimyasal yapılarını optimize edebilir, böylece kavramdan klinik denemelere kadar olan süreci hızlandırabilir.

Gen AI algoritmaları, tıbbi görüntülemenin doğruluğunu da artırarak, görüntü kalitesini iyileştirir ve anormalliklerin tespitine yardımcı olur. Bu, erken tanı ve kanser gibi durumların tedavisi için önemli bir şekilde hasta sonuçlarını iyileştirir.

Son olarak, Gen AI tarafından sağlanan öngörülü analitik, devrim niteliğinde bir potansiyele sahiptir. Öngörülü Gen AI modelleri, hastalık salgınlarını, hasta yeniden kabulünü ve potansiyel komplikasyonları öngören büyük miktarlarda sağlık verilerini analiz eder, böylece proaktif müdahale ve kronik hastalıkların daha iyi yönetimi mümkün olur.

Yaratıcı AI, sağlık profesyonelleri için monoton görevleri azaltmada nasıl yardımcı olabilir, böylece hasta bakımına ve inovasyona daha fazla odaklanmalarına olanak tanır?

Gen AI, sağlık profesyonelleri için klinik belgeler, randevu ayarlamaları, tıbbi kayıtların yönetimi ve sigorta taleplerinin işlenmesi gibi monoton görevleri önemli ölçüde azaltabilir. Sağlık profesyonelleri, hasta bakımına ve inovasyona odaklanabilir.

Örneğin, sağlık profesyonelleri, daha güvenli ve tutarlı sağlık hizmeti sunumu için Elektronik Sağlık Kayıtları (ESK)’ne güvenmektedir, ancak bu, sağlık profesyonellerinin sürekli olarak hasta geçmişleri ve semptomları hakkındaki anlatımsal anlayışları ile ESK’lerin yapılandırılmış veri sunumları arasında geçiş yapmalarını gerektirir. Gen AI, hasta geçmişini özetleyerek ve manuel görevleri otomatikleştirerek, sağlık profesyonelleri için bilişsel yükü azaltır ve daha kişiselleştirilmiş hasta bakımına zaman ayırmalarına olanak tanır.

Klinik karar destek sistemleri, sağlık profesyonellerine kanıta dayalı öneriler, uyarılar ve hatırlatmalar sağlamak için AI’yi kullanır. Bu sistemler, hasta verilerini ve tıbbi literatürü analiz ederek, tanı ve tedavi planlamasına yardımcı olan içgörüler sağlar, bu da klinik sonuçları iyileştirir ve sağlık hizmeti sağlayıcılarındaki bilişsel yükü azaltır.

AI tarafından güçlendirilmiş uzaktan izleme teknolojileri, hastaların vital bulgularını ve sağlık durumunu sürekli olarak izler, böylece gerçek zamanlı sağlık değerlendirmeleri için sık sık yüz yüze ziyaretlerin gerekmesi ortadan kalkar. Bu, hasta konforunu iyileştirir ve potansiyel sağlık sorunlarının erken tespitine ve kronik durumların daha iyi yönetimine olanak tanır.

Gen AI, insan potansiyelini artırarak, sağlık profesyonelleri için iş memnuniyetini iyileştirir, daha yenilikçi bakım sunumuna ve hasta memnuniyetine odaklanmalarına olanak tanır.

Gen AI çözümlerinin kalitesini ve sağlık kararlarında güveni en üst düzeye çıkarmak için hangi önlemler alınabilir?

Kalite ve güven, sağlık endüstrisi genelinde hızlı bir şekilde büyüyen Gen AI’nin bir parçası olarak kritik noktalar haline gelmiştir. Bu konularda güçlü bir odaklanma gereklidir, böylece faydalar sorumlu bir şekilde gerçekleştirilebilir. Alınabilecek önlemler arasında:

Gizlilik ve Veri Güvenliği: Hasta gizliliğini sağlamak esastır, bu nedenle dữ verilerin titiz bir şekilde anonimleştirilmesi ve yetkisiz erişim ve veri ihlallerini önlemek için sıkı siber güvenlik önlemleri alınması gerekir. Güçlü şifreleme protokollerinin uygulanması ve düşmanca saldırılara karşı savunma mekanizmaları, hasta verilerini koruyabilir, klinisyenler ise potansiyel AI hatalarına karşı nihai karar alma yetkisini korumalıdır.

Kalite ve Adillik: Gen AI sistemleri, eğitim verisinde bulunan önyargıları istemeden de olsa devam ettirebilir, bu da sağlık sonuçlarında eşitsizliklere yol açabilir. Önyargıları ortadan kaldırabilen algoritmaları uygulamak ve AI sistemlerini sürekli olarak yeniden eğiterek önyargıları tespit etmek ve hafifletmek önemlidir.

Sorumluluk ve Şeffaflık: Gen AI tarafından yönlendirilen kararlar, birden fazla paydaşı içerir, bunlar arasında geliştiriciler, sağlık hizmeti sağlayıcıları ve son kullanıcılar bulunur. Şeffaf, açıklanabilir AI modelleri, bilgilendirilmiş kararlar için gereklidir. Geliştiriciler, AI modellerinin önyargılı olmadığını ve güvenli olduğunu garantilemelidir, sağlık hizmeti sağlayıcıları ise AI önerileri kullanılarak alınan kararlar için hesap verebilir olmalıdır. Sorumluluk sorunlarını ele almak ve güveni korumak için güçlü düzenleyici çerçeveler oluşturmak önemlidir.

Etik Çerçeveler: Gen AI için etik çerçeveler geliştirmek, sorumluluğu teşvik etmek anlamına gelir, ancak inovasyonu engellememektedir. Sağlık aktörleri, Gen AI uygulamalarının adil, sorumlu ve hasta odaklı olduğundan emin olmak için proaktif bir şekilde gelişen etik standartlara uymalıdır. İnsan-çevrimiçi bir yaklaşım, sorumlu AI uygulamalarıyla birleştirildiğinde, eşitlikçi sağlık sonuçlarını elde etmeye yardımcı olabilir ve Gen AI’nin potansiyelini en üst düzeye çıkarabilir.

Platform Tabanlı Kalite ve Güven Çerçeveleri: Mevcut kalite yönetim sistemlerine entegre edilen ve düzenleyici önerilerle uyumlu olan kalite ve güven çerçevelerini oluşturmak önemlidir. Bu çerçeveler, Gen AI çözümlerinin tutarlı ve güvenilir sonuçlar üretmesini sağlamak için ölçmek, doğrulamak ve izlemek gerekir.

Bu yılın başlarında, sağlık sektöründe ilk uçtan uca çözüm olan CitiusTech Gen AI Kalite ve Güven Çözümü’nü piyasaya sürdük. Bu çözüm, bu gereksinimleri karşılayarak, Gen AI çözümlerinin sağlık hizmetlerinde etkili ve güvenilir olmasını sağlar. Gen AI çözümlerinin geçerliliğini, sürekli izlenmesini ve düzenleyici standartlara uymasını sağlayarak, AI tarafından yönlendirilen içgörülerin güvenilirliğini ve güvenirliğini garanti eder.

Algoritmik ve eğitim veri önyargılarını azaltmak ve eşitlikçi bakım kararları sağlamak için sağlık organizasyonları nasıl çalışabilir?

Algoritmik ve eğitim veri önyargılarını azaltmak ve eşitlikçi bakım kararları sağlamak için sağlık organizasyonları, çok proaktif bir yaklaşım benimsemelidir. Eğitim aşamasında çeşitli ve temsil edilen veri kümelerini kullanmak, AI modellerinin farklı nüfus grupları arasında iyi performans göstermesini sağlar. Önyargı algılama araçlarını uygulamak, AI modellerindeki önyargıları tespit etmeye ve ele almaya yardımcı olabilir.

AI sistemlerinin düzenli olarak denetimi ve gözden geçirilmesi, önyargıların belirlenmesine ve düzeltilmesine yardımcı olur. Bu, sistemin çeşitli demografik gruplar arasındaki performansını değerlendirmeyi ve gerekli ayarlamaları yapmayı içerir. AI çözümlerinin tasarım ve geliştirilmesinde çeşitli paydaşların katılımı, farklı bakış açılarının dikkate alınmasını sağlar ve önyargı olasılığını azaltır. Son olarak, AI sistemlerindeki potansiyel önyargılar hakkında personel eğitimi ve farkındalık yaratmak, AI’nin sorumlu kullanımını teşvik eder.

Sosyal Sağlık Belirleyicileri (SSB) verilerini kullanarak hasta bakımını iyileştirmek ve hasta verilerini resmi tanı kodlarına entegre etmenin zorlukları nelerdir?

SSB verilerini entegre etmek, hasta bakımını önemli ölçüde iyileştirebilir, ancak bazı zorluklar vardır. Toplumun sosyoekonomik durumu, eğitim ve çevresel faktörler gibi kapsamlı veri toplamak önemlidir. Bu veriler, hastaların sağlığını etkileyen sosyal faktörler hakkında içgörüler sağlar.

Veri entegrasyonu ve interoperabilite, SSB verilerini etkili bir şekilde kullanmak için çok önemlidir. Bu verilerin elektronik sağlık kayıtlarına (ESK) entegre edilmesi ve farklı sistemler arasındaki interoperabilite, sağlık hizmeti sağlayıcılarının hastaların sağlığı hakkında bütüncül bir bakış açısına sahip olmasını sağlar. Örneğin, düşük gelirli hastalar veya sınırlı sağlık hizmetlerine erişim olan bölgelerde yaşayan hastalar, kronik durumları yönetmek için ek destek gerektirebilir. SSB verilerini entegre ederek, sağlık organizasyonları, hedeflenmiş ulaşım programları, tıbbi randevular için ulaşım yardımı ve beslenme desteği gibi kaynaklar sunabilir.

Nüfus sağlığı yönetimi de SSB verilerinin kritik bir rol oynadığı bir alandır. SSB verilerini toplu olarak analiz ederek, sağlık organizasyonları, halk sağlığı stratejilerini bilgilendiren trendleri ve modelleri belirleyebilir.

SSB verilerini resmi tanı kodlarına entegre etmek, interoperabilite veya standartlaşma sorununu ortaya çıkarır. SSB verilerini kodlamak için evrensel olarak kabul edilen bir çerçeve yoktur. Veri kalitesini sağlamak da zordur, çünkü SSB verileri farklı kaynaklardan gelir ve farklı doğruluk ve eksiksizlik seviyelerine sahiptir. Sağlık organizasyonları, politika yapıcılar ve teknoloji satıcıları arasındaki işbirliği, bu engelleri aşmak için standart uygulamaları oluşturmak önemlidir.

Sağlık organizasyonlarının karşılaştığı ana siber güvenlik zorlukları nelerdir ve bu zorluklar nasıl ele alınabilir?

Geçtiğimiz yılın deneyimleri, sağlık organizasyonlarının siber güvenlik tehditlerine karşı son derece savunmasız olduğunu göstermiştir. Veri ihlalleri ve fidye yazılımları önemli sorunlardır ve bu tehditleri azaltmak için güçlü şifreleme, çok faktörlü kimlik doğrulama ve düzenli güvenlik denetimleri uygulanmalıdır. Eski sistemler ve yazılım açıkları, sağlık organizasyonlarında yaygındır, çünkü birçok organizasyon hala eski sistemleri kullanmaktadır. Yazılımların düzenli olarak güncellenmesi ve yamalanması, serta modern, güvenli platformlara geçilmesi önemlidir.

İç tehditler, erişim izni olan personelin önemli riskler oluşturabileceği bir diğer önemli sorundur. Erişim kontrollerini uygulamak, kullanıcı faaliyetlerini izlemek ve siber güvenlik eğitimi vermek, bu sorunları önlemede önemli bir rol oynayabilir. Düzenleyici gereksinimlerini karşılamak ve düzenli güvenlik denetimleri ve risk değerlendirmeleri yapmak için bir uyum ekibinin oluşturulması önemlidir.

En önemli önlem, siber güvenlik en iyi uygulamaları hakkında IT personeli ve sağlık profesyonellerinin sürekli eğitim ve farkındalığını sağlamaktır. Çoğu tehdit, insan zafiyetlerini sömürür, bu nedenle personelin siber güvenlik konusunda ne kadar eğitimli olursa, insan hatası o kadar azalır ve hasta verisi daha güvenli olur.

AI çözümlerinin sağlık hizmetlerinde kullanılmasında etik dikkate almaları gereken ana konular nelerdir ve sağlık organizasyonları AI uygulamalarına karşı oluşan tepkiyi nasıl yönetebilir?

Bu, sağlık organizasyonlarının ele alması gereken en önemli konulardan biridir. AI çözümlerinin kullanımında hasta gizliliğini ve mahremiyetini sağlamak esastır ve AI çözümlerinin katı veri koruma düzenlemelerine uyması ve güçlü güvenlik önlemlerini uygulaması gerekir. Hastalar, bakımında AI’nin kullanılacağı konusunda bilgilendirilmeli ve açıklanmalıdır, bu da AI’nin nasıl kullanılacağı ve potansiyel faydaları ve riskleri hakkında bilgi verilmesini içerir.

Önyargı ve adillik de kritik öneme sahiptir. AI sistemleri, önyargılı olmaktan kaçınmalı ve tüm hastalara eşit davranmalıdır, ancak organizasyonlar dikkatli olmazsa sorunlar ortaya çıkabilir. AI modellerinin sürekli olarak izlenmesi ve ayarlanması, adilliklerini korumak için çok önemlidir.

Ayrıca, AI’nin kullanımını ve AI sistemleri tarafından alınan kararları şeffaf ve hesap verebilir olmak önemlidir. AI tarafından yönlendirilen kararlar için açıklamalar sağlamak ve AI önerileri kullanılarak alınan kararlar için denetim mekanizmaları oluşturmak, özellikle önemlidir.

Bu adımları tamamlamak, sağlık profesyonelleri ve hastaların AI uygulamalarına karşı olan endişelerini ve direncini ele almak için önemli bir adımdır. Ancak AI’nin uygulanması ve faydaları hakkında eğitim vermek, paydaşları AI uygulama sürecine dahil etmek ve şeffaflık, iletişim ve AI’nin etik kullanımına odaklanan bir yaklaşım oluşturmak da önemlidir.

CitiusTech’in çözümleri, sağlık organizasyonlarının çeşitli platformlar ve uygulamalar arasında sorunsuz veri entegrasyonu ve interoperabiliteyi nasıl başarabilir?

CitiusTech’te, sağlık ve yaşam bilimleri şirketleri için dijital inovasyonu, iş dönüşümünü ve endüstri çapında birleşmeyi hızlandırıyoruz. Çözümlerimiz, farklı platformlar ve uygulamalar arasında sorunsuz veri entegrasyonu ve interoperabiliteyi sağlamak için tasarlanmıştır. Gelişmiş entegrasyon platformlarımız, farklı sistemlerin etkili bir şekilde iletişim kurmasını ve veri alışverişi yapmasını sağlar, bu da hasta bilgilerinin birleşik bir görünümünü sağlar.

Örneğin, milyonlarca üyesi olan büyük bir blue plan, üyelerin taleplerini ve manuel grafiklerini hızlandırmak için klinik verilerini kullanmak istiyordu. Klinik verilerini etkili bir şekilde kullanabilen bir çözüm aradılar ve CitiusTech’i kullanarak, çeşitli EHR’ler ve veri toplayıcılarından klinik verilerini sorunsuz bir şekilde entegre ettiler, bu da yıllık 10 milyon dolar tasarrufa yol açtı.

CitiusTech’in yönetim çözümleri, entegrasyon sürecinde veri kalitesini, güvenliğini ve düzenleyici uyumluluğunu korur, sağlık verilerinin karmaşıklıklarını, çeşitli veri kaynaklarını ve platformlarını entegre etmeyi ve uyumlu hale getirmeyi ele alır.

Çok yakın zamanda piyasaya sürdüğümüz CitiusTech Gen AI Kalite ve Güven Çözümü, sağlık hizmetlerinde AI tarafından yönlendirilen içgörülerin güvenilirliğini, doğruluğunu ve uyumluluğunu garantileyen uçtan uca bir çözümdür. Bu çözüm, AI tarafından yönlendirilen veri entegrasyonu ve analizini daha da geliştirir, AI tarafından yönlendirilen içgörülerin tutarlı ve güvenilir olmasını sağlar.

Gelecekte sağlık ve yaşam bilimleri sektöründe AI entegrasyonunda hangi trendleri öngörüyorsunuz ve CitiusTech bu trendleri nasıl ele alacak?

AI’nin sağlık ve yaşam bilimleri sektörüne entegrasyonu hızla büyümektedir. AI’nin öngörülü analitik ve kişiselleştirilmiş tıp için artan kullanımı, operasyonel verimliliği otomasyon yoluyla artırması ve tıbbi görüntüleme ve teşhisleri geliştirmesi, sektörde önemli bir etkiye sahip olacaktır.

CitiusTech’te, bu trendlerin önünde kalabilmek için sürekli Ar-Ge’ye yatırım yapıyoruz. Gen AI çözümleri geliştiriyoruz, bunlar arasında kalite ve güven aracımız ve diğer AI çözümleri yer alıyor, bunlar en son teknolojileri kullanarak hasta sonuçlarını iyileştirmek ve operasyonel verimliliği artırmak için tasarlanmıştır. AI’nin etik ve adil kullanımına odaklanmak, önyargıları ele almak ve AI tarafından yönlendirilen kararlar için şeffaflık ve hesap verebilirlik sağlamak, bizim için temel bir önceliktır. AI trendlerini takip etmek ve sağlık organizasyonlarının AI entegrasyonunun değişen manzarasını gezinmelerine yardımcı olmak için en iyi kaynaklara sahip olmak, bizim için bir önceliktır.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular CitiusTech ziyaret edebilir.