AI เป็นกีฬาของทีม

หมายเหตุบรรณาธิการ: นี่คือเจ็ดในซีรีส์ของเราเกี่ยวกับหัวหน้าเจ้าหน้าที่ AI ในการดูแลสุขภาพ โปรไฟล์ CAIO ล่าสุดอื่น ๆ ได้แก่ Dennis Chornenky โดย UC Davis Health, Dr. Karandeep Singh โดย UC San Diego Health, Alda Mizaku ที่โรงพยาบาลเด็กแห่งชาติ, Dr. Zafar Chaudry ที่ Seattle Children’s, Mouneer Odeh ที่ Cedars-Sinai และ Sameer Sethi

ในฐานะหัวหน้าข้อมูลและเจ้าหน้าที่ AI ที่โรงพยาบาลเด็ก Ann & Robert H. Lurie ในชิคาโก Rajiv Kolagani สร้างแพลตฟอร์มข้อมูลขั้นสูงที่ใช้ประโยชน์จากปัญญาประดิษฐ์เพื่อยกระดับคุณภาพทางคลินิกดำเนินงานความเชี่ยวชาญในการดำเนินงานและปรับปรุงประสบการณ์ของผู้ให้บริการผู้ป่วยและครอบครัว

อาชีพ 20 ปีของ Kolagani มีบทบาทความเป็นผู้นำที่สำคัญในองค์กรรวมถึงสุขภาพและการดูแลที่เหมาะสม Davita และ Centene ซึ่งเขาประสบความสำเร็จในการปรับขนาดผลประโยชน์ของ Medicare ดำเนินการตามรูปแบบการชำระเงินคืนตามความเสี่ยงและดำเนินการวิเคราะห์สุขภาพประชากร AI ที่ตรวจพบผลลัพธ์ของผู้ป่วย

ตอนนี้เขามีหนึ่งในชื่อล่าสุดและเติบโตเร็วที่สุดในการดูแลสุขภาพ: หัวหน้าเจ้าหน้าที่ AI

“สองสามปีที่ผ่านมา Lurie Children– “มันตระหนักถึงความจำเป็นในการเปลี่ยนแปลงในห้องข้อมูลส่วนใหญ่เป็นเพราะเทคโนโลยีและรูปแบบการดำเนินงานล้าสมัย

“ มีปัญหาเกี่ยวกับความไว้วางใจในข้อมูลและการรับเลี้ยงบุตรบุญธรรม” เขากล่าวต่อ “นั่นคือตอนที่พวกเขาเคาะไหล่ของฉันที่จะพูดว่า ‘สวัสดีคุณจะสำรวจโอกาสนี้ในการแปลงข้อมูลและ AI และการวิเคราะห์จริง ๆ หรือไม่?’ ในช่วงสองปีครึ่งที่ผ่านมามีการลงทุนจำนวนมากในการเปลี่ยนแปลงผู้คนกระบวนการและเทคโนโลยีที่นี่ที่ Lurie จากหนึ่ง มุมมองข้อมูลและการวิเคราะห์ เราได้ปรับปรุงชั้นวางเทคโนโลยีทั้งหมดของเราให้ทันสมัย –

สร้างทีมค้นหาคุณค่า

จากมุมมองของผู้คนองค์กรได้เพิ่มบางคนที่มุ่งเน้นไปที่การปฏิบัติทางเทคนิคและบริการที่ดีที่สุด Kolagani มีผู้อำนวยการอาวุโสที่มุ่งเน้นในพื้นที่นี้ นอกจากนี้เขายังมีผู้อำนวยการของ AI ผู้อำนวยการอาวุโสของผลิตภัณฑ์และผู้อำนวยการอาวุโสด้านข้อมูลและการรู้หนังสือ AI

“ และในด้านกระบวนการเราได้ย้ายออกจากรูปแบบตั๋วและบริการที่บริสุทธิ์สำหรับผลิตภัณฑ์และผลิตภัณฑ์ภายในและรูปแบบการจัดส่งที่ยืดหยุ่นซึ่งเพิ่มขึ้นวิธีที่เรามีส่วนร่วมกับลูกค้าของเราและวิธีที่พวกเขาได้รับคุณค่าในโปรแกรมของเรา” เขาอธิบาย

“ หกถึงแปดเดือนที่ผ่านมามุ่งเน้นไปที่การได้รับ AI และกลยุทธ์สำหรับ AI และรัฐบาลสำหรับ AI อย่างถูกต้อง” เขากล่าวต่อ “สิ่งที่เรารู้คือเราต้องการผู้จัดการระดับธุรกิจที่สามารถเตรียม AI ทั้งหมดในองค์กรควบคุมมันเป็นศูนย์กลาง แต่ดำเนินการในท้องถิ่นมากขึ้น”

มันเป็นมนต์เพราะไม่มีคนที่ควรทำ Al Ai, Kolagani เพิ่ม.

“ AI ต้องเกิดขึ้นทั่วทั้ง บริษัท ” เขากล่าว “ดังนั้นเมื่อพวกเขาทำให้ฉันเป็นหัวหน้าเจ้าหน้าที่ AI ฉันรายงานต่อหัวหน้าเจ้าหน้าที่ดิจิตอลและข้อมูลฉันได้ทำบทบาท AI เป็นเวลาประมาณหนึ่งปี แต่ชื่อทางการมาในเดือนมีนาคม 2568”

เทคนิคและข้อมูลกลยุทธ์

Kolagani กล่าวว่าเขามีความสามารถในการกำหนดกลยุทธ์เสมอ เขาเริ่มต้นในห้องเทคโนโลยีและเป็นที่ที่การเติบโตของเขาเกิดขึ้นครั้งแรกในช่วงห้าปีแรกของอาชีพของเขา แต่หลังจากได้รับ MBA ของเขาจาก Duke เขาคิดว่าบทบาทที่เขากลายเป็นสะพานเชื่อมระหว่างเทคโนโลยีกลยุทธ์และข้อมูลและการวิเคราะห์ มันเตรียมเขาไว้สำหรับบทบาทเชิงกลยุทธ์ชั้นนำ

“ เมื่อคุณคิดถึง กลยุทธ์กลยุทธ์และเทคโนโลยีของ AI พวกเขาต้องทำให้กลยุทธ์ทางธุรกิจเย็นลงจริงๆ “เขากล่าว” พวกเขาไม่ควรมีอยู่แยกต่างหากจากกลยุทธ์ทางธุรกิจ การทำความเข้าใจกับธุรกิจของผู้ให้บริการทำความเข้าใจกับ บริษัท วิจัยทำความเข้าใจกับการดูแลสุขภาพโดยทั่วไปได้เตรียมความพร้อมให้ฉันรับตำแหน่งหัวหน้า AI -Officer

“ จากมุมมองของ AI ฉันได้ทำ AI ในช่วง 10 ปีที่ผ่านมาหรือมากกว่านั้นในหน้าผู้ให้บริการและด้านผู้ขาย” เขากล่าวเสริม “เมื่อฉันทำงานกับ Press Gainey เราทำงานกับชุดข้อมูลขนาดใหญ่เราจะนำข้อมูลทางคลินิกความปลอดภัยและประสบการณ์ผู้ป่วยและข้อมูลประสบการณ์พนักงาน 80% ของการดูแลสุขภาพในฐานข้อมูลการเปรียบเทียบขนาดใหญ่มาก”

ดังนั้น Kolagani จะพบความสัมพันธ์โดยใช้การเรียนรู้ของเครื่องระหว่างชุดข้อมูลเหล่านี้ทั้งหมดและค้นหาว่าอะไรเป็นแรงผลักดันผลลัพธ์ผู้นำและตัวบ่งชี้ที่แขวนอยู่คืออะไรและการเชื่อมต่อที่แท้จริงระหว่างทั้งสองคืออะไร

“ เมื่อฉันอยู่กับ Davita นี่เป็นเมื่อไม่กี่ปีที่ผ่านมาเราคาดการณ์ความก้าวหน้าของโรคจากมุมมองของโรคไตเรื้อรัง” เขากล่าว “ มันบริสุทธิ์สำหรับข้อมูลโรคไตเรื้อรัง

“ ตอนนี้เป็น AI ใหม่ที่เกิดขึ้นใหม่ แต่วินัย AI นั้นกว้างกว่า AI ที่เกิดขึ้นมาก” เขากล่าวต่อ “แง่มุมการเรียนรู้ของเครื่องจักรของมันและสิ่งที่เราเรียกว่าคลาสสิก AI ฉันได้ทำมาเป็นเวลานานในด้านสุขภาพฉันได้ทำงานมากมายในพื้นที่จ่าย”

ไม่ใช่ ‘สิ่งเดียว’

Kolagani กล่าวว่าผู้นำที่ต้องการเป็นหัวหน้าเจ้าหน้าที่ AI ต้องการการสับ AI ทางเทคนิคเพียงเพื่อทำความเข้าใจพื้นฐานของ AI แต่มันเกี่ยวกับกลยุทธ์การทำความเข้าใจ – การปรับ AI และความก้าวหน้าทางเทคโนโลยีเข้ากับกลยุทธ์ทางธุรกิจ และนำผู้คนมารวมกันและทำงานร่วมกันในเป้าหมายระยะยาว

“ AI เป็นกีฬาของทีมมันไม่สามารถเป็นคนเดียวได้” เขากล่าว “ สิ่งที่ฉันอยากจะแนะนำ ผู้นำที่ต้องการทำ AI มากขึ้นคือการเข้าใจความสามารถและเทคโนโลยีเข้าใจสิ่งที่สามารถทำได้เข้าใจศักยภาพเข้าใจขีด จำกัด ของเทคโนโลยีนี้ คุณต้องค้นหาว่าเมื่อใดที่คุณต้องการให้ผู้ชายอยู่ในวงและเมื่อคุณปล่อยให้ AI วิ่งสิ่งที่ควรทำ

“ มันเป็นศิลปะและวิทยาศาสตร์” เขากล่าวต่อ “เมื่อคุณเป็นผู้เชี่ยวชาญครั้งแรกเมื่อคุณต้องการที่จะทำให้คน ๆ นั้นอยู่ในวงคุณจะได้รับประโยชน์มากมายที่จะมาถึงฉันจะพูดทักษะทางเทคนิค แต่ยังเข้าใจว่าปัญหาทางธุรกิจคืออะไรที่คุณพยายามแก้ปัญหา”

เจ้าหน้าที่ AI หัวหน้าต้องเข้าใจปัญหาทางธุรกิจและความท้าทายที่สำคัญที่สุดที่จะได้รับการแก้ไขและทำแผนที่กลยุทธ์เพื่อติดตามพวกเขาเขากล่าวเสริม

Caio กำลังทำอะไรอยู่

โดยพื้นฐานแล้วบทบาทของ Kolagani ในฐานะหัวหน้าเจ้าหน้าที่ AI คือการจัดระเบียบ AI สำหรับโรงพยาบาลเด็ก Lurie อันดับแรก, การเปิดใช้งาน AI ในองค์กร ตัวเลือกที่แตกต่างกันทั้งหมดในการเปิดใช้งานคืออะไร? ผู้นำให้คำแนะนำเกี่ยวกับความสามารถที่เหมาะสมในการใช้งานได้อย่างไร? มันถูกสร้างหรือซื้อ?

จากนั้นก็มีความพร้อม AI ผู้นำให้ความรู้เกี่ยวกับพลังของ AI ได้อย่างไร? ตัวเลือกที่กำลังเปิดตัว ประโยชน์ที่ความสามารถจะมีในองค์กร

“ สิ่งที่ดูเหมือนว่าเรามี AI Enterprise ซึ่งเป็นทุกสิ่งที่ Microsoft และ Workday และแพลตฟอร์มเหล่านี้ทั้งหมดส่งมอบ” เขาอธิบาย “เรามี AI ทางคลินิกซึ่งเป็นมหากาพย์และระบบคลินิกและฟังก์ชั่นที่พวกเขามีจากนั้นเรามีสิ่งที่เราเรียกว่าช่างตัดเสื้อ AI หรือ AI ที่กำหนดเองเราพัฒนา บริษัท และ AI ทางคลินิกไม่ได้ให้

“ เราต้องสร้างระบบที่กำหนดเองเหล่านี้ด้วยตัวเอง” เขากล่าวต่อ “สำหรับธุรกิจและทางการแพทย์เราทำงานร่วมกับพันธมิตรทางธุรกิจของเราเพื่อเปิดใช้งานความสามารถเหล่านี้และย้ายพวกเขาผ่านรูปแบบการจัดการ AI และกระบวนการอนุมัติ”

จากนั้นทีมพัฒนาระบบ AI ที่กำหนดเองทั้งหมด

โมเดลจะมีประสิทธิภาพหรือไม่?

“ ดังนั้นในวันปกติมันอาจดูเหมือนว่าเรากำลังดำเนินการกำกับดูแลในคณะอนุกรรมการวันหนึ่งเราขับรถหนึ่งวันซึ่งโดยพื้นฐานแล้วการบริโภคของความสามารถและความเข้าใจ AI ทั้งหมดซึ่งจะสร้างคุณค่า” Kolagani กล่าว “จากนั้นเราเรียกใช้พวกเขาผ่านกระบวนการตรวจสอบความปลอดภัยการทบทวนทางกฎหมายการทบทวนความเสี่ยงการตรวจสอบแบบจำลอง AI เพื่อทำความเข้าใจจริง ๆ ‘รุ่นนี้จะมีประสิทธิภาพหรือไม่’

“ จากนั้นโมเดล ROI เต็มรูปแบบสำหรับทุกความสามารถของ AI” เขากล่าวต่อ “แล้วสิ่งนี้จำเป็นต้องผ่านกระบวนการนำร่องหรือยังพร้อมสำหรับการผลิตหรือไม่เราจะใช้ความสามารถของ AI เหล่านี้ได้อย่างไร”

Kolagani และทีมต้องครอบคลุมวงจรชีวิตทั้งหมดของ AI เขามีทีมที่ปรึกษาและทีมงานภายในที่พบกับเจ้าของธุรกิจและผู้มีส่วนได้ส่วนเสียจำนวนมากเพื่อให้กระบวนการทั้งหมดนี้ทำงานได้ พวกเขาดำเนินการจัดการที่ปรึกษาการอ่านและกระบวนการรับเลี้ยงบุตรบุญธรรม

โครงการ AI Kolagani ภูมิใจในระบบที่สร้างขึ้นโดยเขาและทีมงานของเขาที่เข้าใจเงื่อนไขที่ได้รับของโรงพยาบาลเนื่องจากการติดเชื้อในกระแสเลือดที่เกี่ยวข้องกับสายกลางการติดเชื้อขั้นตอนการผ่าตัดและอื่น ๆ

“ มันคือการเข้าใจว่าการติดเชื้อเกิดขึ้นได้อย่างไร” เขาอธิบาย “กระบวนการทั่วไปสำหรับการป้องกันการติดเชื้อพวกเขาจะเงียบผ่านปริมาณและจำนวนข้อมูลหากเรามีผู้ป่วยที่มีระยะเวลาหนึ่งถึงสามเดือนคุณกำลังพูดถึงเวชระเบียนที่มีค่าเกือบห้าถึง 10 เล่มที่คุณจะต้องผ่าน

“ แต่เราพบมัน Generative LLM ทำงานได้อย่างมีประสิทธิภาพมากเมื่อเราแทรกพวกเขาโดยการอ่านทั่วร่างกายความรู้ “เขากล่าวต่อ” พวกเขาสามารถอ่านได้ตลอดแผนภาพและเราสามารถถามคำถามได้ ดังนั้นเราจึงได้สร้างตัวแทนผู้ช่วยอัจฉริยะซึ่งนั่งอยู่ด้านบนของบันทึกทางคลินิกของผู้ป่วย และคุณสามารถถามคำถามได้ –

AI กำลังมองหาอะไร?

ตัวอย่างเช่นเหตุการณ์การติดเชื้อนี้เกิดขึ้นเมื่อใด จุลินทรีย์ที่คุณพบในวันนี้คืออะไร? อุณหภูมิของผู้ป่วยในเหตุการณ์เฉพาะคืออะไร?

“ และมันก็ดึงทั้งหมดนี้” Kolagani พูดว่า. “การป้องกันการติดเชื้อบางส่วนได้กล่าวว่าพวกเขาจะใช้เวลาหลายชั่วโมงในการตรวจสอบแผนภูมิที่ซับซ้อนเหล่านี้และพวกเขาสามารถนำมันลงด้วย AI ได้เพียงไม่กี่นาทีในเวลาน้อยกว่าหนึ่งชั่วโมงพวกเขาสามารถทำการวิเคราะห์แผนภาพเต็มรูปแบบเพียงแค่ถามคำถาม

“ และนี่คือที่ที่พลังของ LLM พลังของ AI มีชีวิตอยู่จริงๆเพราะเราพบปัญหาที่แท้จริงซึ่งเป็นภาระการบริหารที่ตอนนี้สามารถนำไปใช้ในการทำสิ่งอื่น ๆ ได้” เขากล่าวเสริม “พวกเขาสามารถหมุนได้อย่างมีประสิทธิภาพพวกเขาสามารถให้ความรู้พวกเขาสามารถใช้งานได้ในเชิงรุกด้วยการติดเชื้อเหล่านี้”

Kolagani และทีมของเขาพัฒนาทั้งหมดนี้ในเวลาน้อยกว่าสามเดือน เขาให้เครดิต AI และใช้งานได้ก่อนที่จะสร้างระบบนี้

“ เราดึงข้อมูลทั้งหมดไปยังสถานที่ที่เหมาะสม” เขาอธิบาย “เราวางมันทั้งหมดบนแพลตฟอร์มที่เหมาะสมซึ่งมีทั้งคุณสมบัติ AI และข้อมูลและเดาว่าเกิดอะไรขึ้นเราสามารถสร้างโมดูล LLM เหล่านี้ได้ที่ด้านบนของข้อมูลนี้เพราะเรารู้ว่าเรามีชุดข้อมูลที่ดีเรามีชุดข้อมูลที่เชื่อถือได้และเราสามารถดึงประเภทนี้หรือสร้างความจุประเภทนี้สำหรับผู้ใช้ปลายทางของเรา

“ และพวกเขาก็ไม่มีความสุขมากขึ้น” เขากล่าวต่อ “ตอนนี้พวกเขาต้องการมากขึ้นตอนนี้เราได้เปิดพอร์ตน้ำท่วมผลิตภัณฑ์นี้สามารถทำได้หรือไม่จริง ๆ นี้สามารถทำงานกับการติดเชื้ออื่น ๆ เหล่านี้ได้หรือไม่เรากำลังตรวจสอบแผนภูมิสำหรับเงื่อนไขที่ซับซ้อนมากมายฉันภูมิใจในทีมของฉันและภูมิใจในผลลัพธ์และผลลัพธ์”

คลิกที่นี่ หากต้องการดูวิดีโอสั้น ๆ ของเนื้อหาโบนัสที่ Kolagani อธิบายว่าการดำเนินการที่ควรเริ่มต้นด้วย AI Generative และสถานที่ที่ต้องระวัง

ติดตามการโจมตีของ Bill ที่ LinkedIn: Bill Siwicki
ส่ง e -mail ให้เขา: [email protected]
การดูแลสุขภาพข่าวไอทีเป็นสื่อสิ่งพิมพ์ HIMS

ดูตอนนี้: Generative AI -Council จากผู้จัดการ AI ผู้จัดการชั้นนำ