Kythera Labs sta sviluppando su Databricks una piattaforma di strategia sanitaria nativa dell'AI che offre a ogni sistema sanitario l'accesso alle competenze specialistiche di cui ha bisogno e di cui può fidarsi.
Kythera Labs sta creando una piattaforma di strategia sanitaria nativa per l'AI su Databricks che offre a qualsiasi sistema sanitario l'accesso all'intelligence esperta di cui ha bisogno e di cui può fidarsi.
La riunione si conclude come si concludono sempre queste riunioni: con una domanda a cui nessuno sa rispondere abbastanza rapidamente. Un CEO, un CIO e un CFO escono da una sessione di pianificazione con un mandato: individuare quante entrate dell'oncologia stanno uscendo dal sistema e dove stanno andando. In un sistema sanitario ben finanziato, questa domanda viene affidata a una società di consulenza e la risposta arriva sei settimane e diverse centinaia di migliaia di dollari dopo. Nella maggior parte dei sistemi sanitari, viene affidata a un analista con uno strumento di BI e ritorna quando capita, con qualunque livello di affidabilità i dati consentano.
Il divario tra queste due esperienze è il problema che Kythera Labs è stata fondata per risolvere.
I dirigenti dei sistemi sanitari si trovano ad affrontare contemporaneamente una serie complessa di decisioni strategiche: far crescere il volume dei pazienti, ottimizzare i contratti con i pagatori, valutare i target di M&A, individuare i mercati sottoserviti per l'espansione e ridurre le spese generali amministrative, il tutto con dati incompleti. Queste decisioni si allineano con le leve di creazione del valore, che storicamente hanno richiesto una capacità analitica esperta che si correla quasi interamente con il budget istituzionale.
"Il mercato è stato servito da strumenti di BI basati sui dati delle richieste di rimborso", afferma Jeff McDonald, CEO di Kythera Labs. "Gli strumenti di BI possono fare un buon lavoro nel rappresentare ciò che c'è nei dati. Non fanno un buon lavoro nel dirti cosa non c'è nei dati. Questo è l'antitesi di ciò per cui lo strumento è stato progettato."
Gli analisti in grado di colmare questo divario (che comprendono l'incompletezza e i bias nei dati sulle richieste di rimborso, che sanno ricostruire il percorso del paziente da record di fatturazione frammentati, che conoscono la differenza tra ciò che dice una richiesta di rimborso e ciò che è realmente accaduto a livello clinico) richiedono anni di formazione. I grandi sistemi sanitari li assumono. Le organizzazioni più piccole ne fanno a meno o spendono milioni in società di consulenza per noleggiare tale competenza per singolo progetto. Il divario di intelligence strategica nella sanità americana non è principalmente un problema di dati. È un problema di distribuzione delle competenze.
Kythera Labs lo sta risolvendo con l'AI.
Prima che qualsiasi agente possa rispondere in modo affidabile a una domanda strategica, i dati su cui ragiona devono essere affidabili. È un problema più difficile di quanto sembri.
I dati sulle richieste di rimborso sono un sottoprodotto della fatturazione, generati affinché i fornitori possano essere rimborsati, non perché i dirigenti possano prendere decisioni di strategia di mercato. Riconvertirli richiede la risoluzione delle identità dei fornitori tra decine di fonti concorrenti, l'armonizzazione dei codici di procedura tra 130 vocabolari medici standardizzati, la correzione dell'incompletezza sistematica e la ricostruzione dei percorsi dei pazienti come sequenze temporali piuttosto che come raccolte di eventi di fatturazione scollegati.
La risposta è la tecnologia per i dati sanitari di Kythera, che prende 339 miliardi di richieste di rimborso medico e farmaceutico che rappresentano oltre 300 milioni di pazienti, otto anni di storia, più di tre petabyte di storage e crea qualcosa su cui un agente può effettivamente ragionare: una struttura basata su eventi in cui una protesi di ginocchio non è un codice di fatturazione ma un evento chirurgico con una storia pre-operatoria, una dimissione e un percorso di cura post-operatorio. Tutto basato su Databricks. Questa traduzione è il vero lavoro.
È anche ciò che rende affidabili le risposte dell'agente. Lo strato operativo di Kythera viene eseguito su Lakebase, Delta Lake, Delta Sharing, Unity Catalog e infrastruttura serverless, in modo che i dati transazionali che alimentano i flussi di lavoro in tempo reale condividano un'unica base governata con i dati analitici su cui ragionano gli agenti. Nessun ETL. Nessun movimento di dati. Nessuna barriera tra la domanda e la risposta.
La prova è in produzione. Un sistema sanitario in Louisiana ha firmato un contratto con Kythera a dicembre 2024 ed è diventato operativo prima di Natale. Dieci giorni dal contratto al primo insight, con una visibilità sulla popolazione dei pazienti che non avevano mai avuto prima:
150% di visibilità in più sulle interazioni con i pazienti,
12% in più di ritenzione,
22% in meno di dispersione e
$3,8M di valore annualizzato stimato derivante dalle interazioni mantenute.
Questo tipo di time-to-value è possibile solo perché la base di dati era già stata creata.
Con l'Healthcare Strategy Agent di Kythera, basato sul framework Agent Bricks e distribuito nell'area di lavoro Databricks del sistema sanitario, il Chief Strategy Officer avvia una conversazione e chiede: "Quanti pazienti oncologici vengono indirizzati a fornitori non affiliati per servizi che offriamo?"
Ciò che segue non è un semplice aggiornamento della dashboard. L'agente analizza la domanda come farebbe un analista esperto, individuando 6.800 pazienti oncologici indirizzati altrove, nominando i fornitori concorrenti che ne acquisiscono il volume, identificando per nome i medici invianti con la maggiore dispersione e mettendo sul tavolo un'opportunità di rimborso di 23,1 milioni di dollari. Seguono strategie di ritenzione specifiche. L'intera sessione dura pochi minuti.
Ogni risultato in quella risposta rappresenta una query che un analista umano avrebbe dovuto scrivere, testare, convalidare e consolidare. L'agente le esegue in pochi minuti.
"Gran parte di ciò che facciamo consiste nel racchiudere le competenze su come lavorare con questi dataset in agenti intelligenti, in modo che tale capacità non sia limitata a un piccolo gruppo di specialisti", afferma Ryan Leurck, Co-founder e Chief Analytics Officer. "Anche quando si hanno le persone giuste, rispondere a domande complesse può richiedere giorni o settimane. L'idea è rendere tale competenza più accessibile e aiutare le persone a ottenere risposte molto più velocemente."
Lo scenario oncologico è una dimostrazione di una piattaforma creata per affrontare più di una dozzina di tipi di domande strategiche, dall'ottimizzazione del mix di pagatori e la previsione della domanda al dimensionamento dei mercati greenfield e alla valutazione dei target di M&A. La stessa piattaforma soddisfa le esigenze di un CFO che chiede informazioni sulle prestazioni dei contratti con i pagatori, del direttore della linea di servizio che chiede informazioni sul posizionamento competitivo e del team di sviluppo aziendale che chiede informazioni sui target di acquisizione, ciascuno nella propria lingua e ciascuno ottenendo risposte calibrate sul proprio contesto. Per i team dei sistemi sanitari che desiderano esplorare i dati al di fuori di un flusso di lavoro strutturato dell'agente, Databricks Genie può estendere questa stessa accessibilità, consentendo a qualsiasi utente di porre domande sui dati aziendali in linguaggio naturale, senza richiedere un team di BI o competenze SQL.
Nulla di tutto questo ha importanza se i dirigenti del sistema sanitario non possono fidarsi di ciò che dice l'agente, o se il CIO non può difendere l'implementazione davanti a un team di conformità.
La fiducia in una piattaforma di AI sanitaria ha un significato specifico. Significa che un analista finanziario che chiede informazioni sulle prestazioni dei contratti con i pagatori non può far emergere accidentalmente dati da una linea di servizio diversa. Significa che la query di un agente lascia una traccia verificabile che soddisfa i requisiti HIPAA. Significa che i dati su cui ragiona l'agente sono stati convalidati, sottoposti a controlli di qualità e approvati dalla governance prima che qualsiasi modello li tocchi. In un settore regolamentato in cui una singola violazione dell'accesso ai dati può innescare significative conseguenze legali e di reputazione, questi non sono semplici optional: sono la condizione stessa che rende possibile l'implementazione.
La risposta di Kythera è Databricks Unity Catalog, implementato come livello di governance in ogni implementazione dei clienti. Unity Catalog fornisce un unico piano di controllo per l'accesso ai dati, la sicurezza e la lineage dell'intera piattaforma, il che significa che le stesse policy che regolano una query SQL regolano la query di un agente, e gli stessi controlli di accesso che si applicano a un report di BI si applicano a una raccomandazione generata dall'AI. Un direttore di linea di servizio vede il suo mercato. Un CFO vede i suoi dati finanziari. Un dirigente strategico vede il quadro completo che è autorizzato a vedere. Nessuno vede più di quanto dovrebbe e ogni evento di accesso viene registrato.
Jeff McDonald, che ha trascorso 32 anni nel settore sanitario, è diretto su ciò che questo rappresenta in pratica: “È un problema complesso da risolvere e Databricks unisce tutti i pezzi in un unico posto. Unity Catalog ci consente di effettuare la distribuzione su tutti e tre i cloud in un solo giorno, e Delta Sharing consente un accesso quasi istantaneo a dati su scala petabyte. Questo elimina gli attriti e ci aiuta a operare più velocemente.”
In un'architettura aziendale tradizionale, la governance richiede livelli di strumenti personalizzati, sistemi di gestione degli accessi separati e un'attività di engineering continua. Unity Catalog riduce tutto questo a una semplice configurazione: le policy vengono impostate una sola volta e applicate ovunque. Per un'azienda che serve oltre 55 sistemi sanitari in un settore fortemente regolamentato, questa è la differenza tra una piattaforma in grado di scalare e una che non lo è.
Ora la Chief Strategy Officer ha a disposizione la sua analisi oncologica. Sa quali medici chiamare, a quali concorrenti rispondere e quali siano le opportunità di ricavo. Ma la domanda che ogni insight finisce per sollevare è sempre la stessa: e adesso?
Questa domanda segna l'inizio della roadmap a lungo termine di Kythera e mette a fuoco la differenza tra una migliore analytics e un vero e proprio processo decisionale. Il percorso dell'AI nei dati sanitari ha seguito una progressione familiare: dalle dashboard statiche che mostravano cosa fosse accaduto, agli strumenti predittivi che indicavano cosa sarebbe potuto accadere in seguito, fino all'analytics guidata di oggi, che consente a qualsiasi leader dell'organizzazione di porre domande complesse in un linguaggio naturale e ottenere risposte calibrate sul proprio ruolo e contesto. Kythera ha reso reale questa terza fase, su scala di produzione, su un'infrastruttura governata.
Ma l'ambizione dell'azienda non si ferma a rispondere alle domande più velocemente. Secondo la visione pubblicata da Kythera, il futuro dell'analytics sanitaria non è solo descrittivo, ma è predittivo, prescrittivo e sempre più autonomo. La fase successiva di Wayfinder è una piattaforma in cui un insight non si limita a informare una decisione, ma avvia un workflow. Dove l'analisi del referral leakage attiva una sequenza di contatti con i medici referenti a più alto impatto. Dove l'analisi dei gap di mercato viene indirizzata direttamente al team immobiliare. Dove l'intero percorso, dalla domanda strategica all'azione operativa, viene eseguito su un'unica piattaforma governata, senza che i dati lascino mai il lakehouse.
"Nessuno vuole solo i dati", afferma McDonald. "Le persone vogliono risposte. E perché vogliono risposte? Per poter fare qualcosa per qualcuno. Questo è il workflow adiacente alla risposta."
Questa è la transizione dalla BI guidata al compound decisioning, sistemi che non si limitano a far emergere informazioni utili, ma agiscono in base ad esse, all'interno dei limiti di un'architettura governata richiesta dal contesto normativo del settore sanitario. Raggiungere questo obiettivo su scala richiede lo stesso ingrediente che ha reso possibile il livello di analytics in primo luogo: dati incentrati sul paziente, armonizzati e governati prima ancora che qualsiasi agente li tocchi.
Come ha osservato il team di engineering di Kythera, un agente adeguatamente addestrato e convalidato può esplorare i dati in modo più profondo e approfondito rispetto a un essere umano, rimanere costantemente consapevole del contesto interpretativo e farlo senza affaticarsi: qualità che diventano sempre più preziose man mano che il sistema passa dal rispondere alle domande all'intraprendere azioni.
Le implicazioni vanno oltre ogni singolo sistema sanitario. Un sistema regionale da 200 posti letto che pone le stesse domande strategiche di una grande rete di servizi sanitari integrati e che infine agisce in base alle risposte con la stessa velocità e con la stessa qualità di un'intelligenza esperta, senza dover ricorrere a una consulenza continuativa. Questo è un tipo diverso di mercato sanitario. È il mercato verso cui Kythera si sta muovendo, un sistema sanitario alla volta, su Databricks.
E se un numero sufficiente di sistemi sanitari riuscisse a prendere decisioni migliori su dove allocare i capitali, dove espandere l'accesso e dove ridurre gli sprechi amministrativi, per poi agire più rapidamente su tali decisioni, l'ambizione originaria inizierebbe a sembrare a portata di mano: ridurre concretamente i costi dell'assistenza sanitaria.
Per esplorare la piattaforma di strategia sanitaria di Kythera e richiedere una demo di Healthcare Strategy Agent, visita kytheralabs.com. Per saperne di più sulle tecnologie Databricks che la rendono governata, scalabile e pronta per la fase successiva del processo decisionale autonomo — Genie, Agent Bricks, Unity Catalog e Lakebase — o per esplorare il programma per i partner Built On, inizia da qui.
Kythera Labs è un partner Built On di Databricks. Scopri di più su kytheralabs.com.
(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale
Iscriviti al nostro blog e ricevi gli ultimi articoli direttamente nella tua casella di posta.