Kythera Labs entwickelt auf Databricks eine AI-native Plattform für Gesundheitsstrategien, die jedem Gesundheitssystem Zugang zu dem Expertenwissen bietet, das es benötigt und dem es vertrauen kann.
von Bryan Smith, Morgan Wilkie und Kaitlin Ryan
Kythera Labs entwickelt auf Databricks eine AI-native Plattform für Gesundheitsstrategien, die jedem Gesundheitssystem Zugang zu den Expertenanalysen bietet, die es benötigt und denen es vertrauen kann.
Das Meeting endet so, wie diese Meetings immer enden: mit einer Frage, die niemand schnell genug beantworten kann. Ein CEO, CIO und CFO verlassen eine Planungssitzung mit einem klaren Auftrag: herauszufinden, wie viel Umsatz im Bereich der Onkologie das System verlässt und wohin er fließt. In einem gut ausgestatteten Gesundheitssystem geht diese Frage an ein Beratungsunternehmen und wird sechs Wochen und mehrere hunderttausend Dollar später beantwortet. In den meisten Gesundheitssystemen geht sie an einen Analysten mit einem BI-Tool und wird irgendwann beantwortet – mit dem Grad an Gewissheit, den die Daten eben zulassen.
Die Lücke zwischen diesen beiden Erfahrungen zu schließen, ist genau das Problem, für dessen Lösung Kythera Labs gegründet wurde.
Führungskräfte im Gesundheitswesen stehen gleichzeitig vor einer Reihe komplexer strategischer Entscheidungen: Steigerung des Patientenvolumens, Optimierung von Verträgen mit Kostenträgern, Bewertung von M&A-Zielen, Identifizierung unterversorgter Märkte für die Expansion und Reduzierung des Verwaltungsaufwands – und das alles auf der Grundlage unvollständiger Daten. Diese Entscheidungen hängen eng mit Hebeln zur Wertschöpfung zusammen, die in der Vergangenheit Expertenwissen im Bereich der Datenanalyse erforderten, das fast ausschließlich vom Budget der jeweiligen Institution abhing.
„Der Markt wurde bisher von BI-Tools bedient, die auf Abrechnungsdaten aufsetzen“, sagt Jeff McDonald, CEO von Kythera Labs. „BI-Tools können die vorhandenen Daten gut darstellen. Sie sind jedoch nicht gut darin, Ihnen zu sagen, was nicht in den Daten enthalten ist. Das ist das genaue Gegenteil von dem, wofür das Tool eigentlich entwickelt wurde.“
Analysten, die diese Lücke schließen können (die fehlende Werte und Verzerrungen in Abrechnungsdaten verstehen, die den Weg eines Patienten aus fragmentierten Abrechnungsbelegen rekonstruieren können und die den Unterschied zwischen einer Abrechnung und dem tatsächlichen klinischen Geschehen kennen), benötigen Jahre der Ausbildung. Große Gesundheitssysteme stellen sie ein. Kleinere Organisationen müssen darauf verzichten oder Millionen für Beratungsfirmen ausgeben, um dieses Fachwissen projektweise einzukaufen. Die strategische Analyselücke im US-amerikanischen Gesundheitswesen ist nicht primär ein Datenproblem. Es ist ein Problem der Verteilung von Fachwissen.
Kythera Labs löst dieses Problem mit AI.
Bevor ein Agent eine strategische Frage zuverlässig beantworten kann, müssen die Daten, auf denen seine Argumentation basiert, verlässlich sein. Das ist schwieriger, als es klingt.
Abrechnungsdaten sind reine Abrechnungsnebenprodukte. Sie werden generiert, damit Dienstleister eine Erstattung erhalten, und nicht, damit Führungskräfte Marktstrategien festlegen können. Um sie für andere Zwecke zu nutzen, müssen die Identitäten von Dienstleistern aus Dutzenden von konkurrierenden Quellen abgeglichen, Behandlungscodes aus 130 standardisierten medizinischen Vokabularen harmonisiert, systematisch fehlende Daten korrigiert und Patientenwege als zeitliche Abläufe statt als Sammlung unzusammenhängender Abrechnungsereignisse rekonstruiert werden.
Die Antwort ist die Gesundheitstechnologie von Kythera. Sie nutzt 339 Milliarden medizinische und pharmazeutische Abrechnungen von über 300 Millionen Patienten aus acht Jahren, die mehr als drei Petabyte Speicherplatz beanspruchen, und erstellt daraus eine Struktur, auf deren Basis ein Agent tatsächlich logische Schlüsse ziehen kann – eine ereignisbasierte Struktur, in der ein Kniegelenksersatz kein bloßer Abrechnungscode ist, sondern ein chirurgisches Ereignis mit präoperativer Vorgeschichte, Entlassung und postoperativem Behandlungsverlauf. Alles aufgebaut auf Databricks. Diese Übersetzung ist die eigentliche Arbeit.
Das ist es auch, was die Antworten des Agenten vertrauenswürdig macht. Die operative Ebene von Kythera läuft auf Lakebase, Delta Lake, Delta Sharing, Unity Catalog und einer serverlosen Infrastruktur. So teilen sich die Transaktionsdaten für Echtzeit-Workflows dieselbe kontrollierte Basis wie die Analysedaten, auf die sich die Agenten stützen. Kein ETL. Keine Datenverschiebung. Keine Nahtstellen zwischen Frage und Antwort.
Der Beweis liegt in der Praxis. Ein Gesundheitssystem in Louisiana unterzeichnete im Dezember 2024 einen Vertrag mit Kythera und ging noch vor Weihnachten live. Nur zehn Tage vom Vertragsabschluss bis zur ersten Erkenntnis – mit einem Einblick in ihre Patientengruppe, den sie so noch nie hatten:
150 % bessere Sichtbarkeit bei Patientenkontakten,
12 % mehr Patientenbindung,
22 % weniger Patientenabwanderung und
geschätzte 3,8 Mio. $ an jährlichem Wert durch gehaltene Patientenkontakte.
Eine so schnelle Wertschöpfung ist nur möglich, weil das Datenfundament bereits vorhanden war.
Mit dem auf dem Agent Bricks-Framework basierenden und im Databricks-Workspace des Gesundheitssystems bereitgestellten Healthcare Strategy Agent von Kythera öffnet der Chief Strategy Officer einen Chat und fragt: „Wie viele Krebspatienten werden für von uns angebotene Leistungen an nicht angeschlossene Anbieter überwiesen?“
Was folgt, ist keine einfache Aktualisierung des Dashboards. Der Agent geht die Frage so an, wie es ein erfahrener Analyst tun würde: Er ermittelt 6.800 überwiesene Onkologie-Patienten, nennt die konkurrierenden Anbieter, die diese Patienten übernehmen, identifiziert namentlich die überweisenden Ärzte mit der höchsten Abwanderungsrate und zeigt ein Umsatzpotenzial von 23,1 Millionen Dollar auf. Konkrete Strategien zur Patientenbindung schließen sich an. Die gesamte Sitzung dauert nur wenige Minuten.
Jedes Ergebnis in dieser Antwort entspricht einer Abfrage, die ein menschlicher Analyst hätte schreiben, testen, validieren und konsolidieren müssen. Der Agent führt sie in wenigen Minuten aus.
„Ein Großteil unserer Arbeit besteht darin, das Fachwissen im Umgang mit diesen Datensätzen in intelligenten Agenten zu bündeln, damit diese Fähigkeit nicht auf eine kleine Gruppe von Spezialisten beschränkt bleibt“, sagt Ryan Leurck, Mitbegründer und Chief Analytics Officer. „Selbst wenn man die richtigen Leute hat, kann die Beantwortung komplexer Fragen Tage oder Wochen dauern. Die Idee ist, dieses Fachwissen zugänglicher zu machen und den Menschen zu helfen, viel schneller an Antworten zu gelangen.“
Das Onkologie-Szenario ist nur ein Beispiel für eine Plattform, die für die Beantwortung von mehr als einem Dutzend strategischer Fragen entwickelt wurde – von der Optimierung des Kostenträgermixes und der Nachfrageprognose bis hin zur Erschließung neuer Märkte und der Bewertung von M&A-Zielen. Dieselbe Plattform erfüllt die Anforderungen eines CFO, der nach der Performance von Kostenträgerverträgen fragt, eines Abteilungsleiters, der sich nach der Wettbewerbspositionierung erkundigt, und des Business-Development-Teams, das nach Übernahmezielen sucht – jeder in seiner eigenen Sprache, jeder mit Antworten, die auf seinen Kontext abgestimmt sind. Für Teams im Gesundheitssystem, die Daten außerhalb eines strukturierten Agenten-Workflows untersuchen möchten, kann Databricks Genie diese Zugänglichkeit noch erweitern: Jeder Benutzer kann Fragen zu Unternehmensdaten in einfacher Sprache stellen, ohne dass ein BI-Team oder SQL-Kenntnisse erforderlich sind.
All das spielt keine Rolle, wenn die Führungskräfte des Gesundheitssystems den Aussagen des Agenten nicht vertrauen können oder wenn der CIO die Bereitstellung vor einem Compliance-Team nicht rechtfertigen kann.
Vertrauen in eine AI-Plattform im Gesundheitswesen hat eine ganz bestimmte Bedeutung. Es bedeutet, dass ein Finanzanalyst, der nach der Performance von Kostenträgerverträgen fragt, nicht versehentlich Daten aus einem anderen Leistungsbereich aufrufen kann. Es bedeutet, dass eine Agentenabfrage einen prüfbaren Pfad hinterlässt, der die HIPAA-Anforderungen erfüllt. Es bedeutet, dass die Daten, auf denen die Argumentation des Agenten basiert, validiert, qualitätsgeprüft und freigegeben wurden, bevor überhaupt ein Modell damit in Berührung kommt. In einer regulierten Branche, in der ein einziger Verstoß gegen den Datenschutz erhebliche rechtliche und rufschädigende Folgen haben kann, sind dies keine Zusatzfunktionen – sie sind die Grundvoraussetzung dafür, dass eine Bereitstellung überhaupt möglich ist.
Die Antwort von Kythera lautet Databricks Unity Catalog, implementiert als Governance-Ebene für jede Kundenbereitstellung. Unity Catalog bietet eine zentrale Steuerungsebene für Datenzugriff, Sicherheit und Datenherkunft (Lineage) über die gesamte Plattform hinweg. Das bedeutet, dass dieselben Richtlinien, die für eine SQL-Abfrage gelten, auch für eine Agentenabfrage gelten, und dieselben Zugriffskontrollen, die für einen BI-Bericht gelten, auch für eine AI-generierte Empfehlung angewendet werden. Eine Abteilungsleiterin sieht ihren Markt. Ein CFO sieht seine Finanzdaten. Eine Strategie-Führungskraft sieht das Gesamtbild, für das sie autorisiert ist. Niemand sieht mehr, als er sollte, und jeder Zugriff wird protokolliert.
Jeff McDonald, der seit 32 Jahren im Gesundheitswesen tätig ist, bringt es auf den Punkt, was dies in der Praxis bedeutet: „Es ist ein komplexes Problem, und Databricks führt die einzelnen Teile an einem Ort zusammen. Unity Catalog ermöglicht es uns, an einem einzigen Tag über alle drei Clouds hinweg bereitzustellen, und Delta Sharing ermöglicht einen nahezu sofortigen Zugriff auf Daten im Petabyte-Bereich. Das reduziert Reibungsverluste und hilft uns, schneller zu agieren.“
In einer traditionellen Unternehmensarchitektur erfordert Governance Ebenen von benutzerdefinierten Tools, separate Zugriffsverwaltungssysteme und erheblichen laufenden Entwicklungsaufwand. Unity Catalog reduziert dies auf die Konfiguration: Richtlinien werden einmal festgelegt und überall durchgesetzt. Für ein Unternehmen, das mehr als 55 Gesundheitssysteme in einer stark regulierten Branche bedient, ist das der Unterschied zwischen einer Plattform, die skalieren kann, und einer, die es nicht kann.
Die Chief Strategy Officer hat nun ihre Onkologie-Analyse. Sie weiß, welche Ärzte sie anrufen muss, auf welche Wettbewerber sie reagieren muss und wie die Umsatzchancen aussehen. Doch die Frage, die sich bei jeder Erkenntnis letztendlich stellt, ist dieselbe: Was jetzt?
Diese Frage markiert den Beginn der langfristigen Roadmap von Kythera und rückt den Unterschied zwischen besserer Analytik und echter Entscheidungsfindung in den Fokus. Die Entwicklung von AI bei Gesundheitsdaten ist einem bekannten Verlauf gefolgt: von statischen Dashboards, die zeigten, was passiert ist, über prädiktive Tools, die vorhersagten, was als Nächstes passieren könnte, bis hin zur heutigen geführten Analytik, mit der jede Führungskraft im Unternehmen komplexe Fragen in natürlicher Sprache stellen und auf ihre Rolle und ihren Kontext abgestimmte Antworten erhalten kann. Kythera hat diese dritte Stufe in der Praxis umgesetzt – im Produktionsmaßstab und auf einer governed Infrastruktur.
Doch die Ambitionen des Unternehmens enden nicht damit, Fragen schneller zu beantworten. Nach Kytheras eigener veröffentlichter Philosophie ist die Zukunft der Analytik im Gesundheitswesen nicht nur deskriptiv, sondern prädiktiv, präskriptiv und zunehmend autonom. Die nächste Stufe von Wayfinder ist eine Plattform, auf der eine Erkenntnis nicht nur eine Entscheidung vorbereitet, sondern einen Workflow initiiert. Wo die Referral-Leakage-Analyse eine Kontaktaufnahme-Sequenz für die einflussreichsten überweisenden Ärzte auslöst. Wo die Marktlückenanalyse direkt an das Immobilienteam weitergeleitet wird. Wo der gesamte Bogen von der strategischen Frage bis zur operativen Aktion auf einer einzigen governed Plattform abläuft, ohne dass die Daten jemals das Lakehouse verlassen.
„Niemand will einfach nur Daten“, sagt McDonald. „Die Menschen wollen Antworten. Und warum wollen sie Antworten? Damit sie etwas für jemanden tun können. Das ist der Workflow, der sich an die Antwort anschließt.“
Dies ist der Übergang von Guided BI zu Compound Decisioning – Systemen, die Informationen nicht nur aufbereiten, sondern danach handeln, und zwar innerhalb der Leitplanken einer governed Architektur, die das regulatorische Umfeld des Gesundheitswesens erfordert. Um dies in großem Maßstab zu erreichen, ist dieselbe Zutat erforderlich, die überhaupt erst die Analytik-Ebene ermöglicht hat: Daten, die patienten-gemastert, harmonisiert und governed sind, noch bevor ein Agent sie überhaupt berührt.
Wie das Engineering-Team von Kythera festgestellt hat, kann ein gut trainierter und validierter Agent Daten tiefer und gründlicher untersuchen als ein Mensch, behält dabei stets den interpretativen Kontext im Blick und arbeitet ermüdungsfrei – Eigenschaften, die umso wertvoller werden, je mehr sich das System von der Beantwortung von Fragen hin zum Ergreifen von Maßnahmen entwickelt.
Die Auswirkungen reichen über ein einzelnes Gesundheitssystem hinaus. Ein regionales System mit 200 Betten stellt dieselben strategischen Fragen wie ein großes integriertes Versorgungsnetzwerk und agiert schließlich auf Basis der Antworten mit derselben Geschwindigkeit und derselben Qualität an Expertenwissen – ganz ohne Beratervertrag. Das ist eine andere Art von Gesundheitsmarkt. Es ist der Markt, auf den Kythera hinarbeitet, ein Gesundheitssystem nach dem anderen, auf Databricks.
Und wenn genügend Gesundheitssysteme bessere Entscheidungen darüber treffen können, wo Kapital eingesetzt, der Zugang erweitert und administrativer Aufwand reduziert werden soll, und dann schneller nach diesen Entscheidungen handeln, rückt die ursprüngliche Vision in greifbare Nähe: dass die Kosten im Gesundheitswesen tatsächlich sinken könnten.
Um die Plattform für Gesundheitsstrategie von Kythera zu erkunden und eine Demo des Healthcare Strategy Agent anzufordern, besuchen Sie kytheralabs.com. Um mehr über die Databricks-Technologien zu erfahren, die sie governed, skalierbar und bereit für die nächste Stufe der autonomen Entscheidungsfindung machen – Genie, Agent Bricks, Unity Catalog und Lakebase – oder um das Built On-Partnerprogramm zu erkunden, beginnen Sie hier.
Kythera Labs ist ein Databricks Built On-Partner. Erfahren Sie mehr auf kytheralabs.com.
(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag
Abonnieren Sie unseren Blog und erhalten Sie die neuesten Beiträge direkt in Ihren Posteingang.