हेल्थकेयर AI अब बैक ऑफिस में प्रवेश कर रहा है
हेल्थकेयर में आर्टिफिशियल इंटेलिजेंस पर सार्वजनिक चर्चा का बड़ा हिस्सा निदान, इमेजिंग, दवा खोज, या क्लिनिशियन-सामने वाले टूल्स पर केंद्रित रहा है। लेकिन सिस्टम की सबसे जिद्दी विफलताओं में से एक कहीं कम आकर्षक है: प्राथमिक देखभाल रेफ़रल और वास्तविक विशेषज्ञ अपॉइंटमेंट के बीच का प्रशासनिक भूलभुलैया। यही अंतर तय कर सकता है कि मरीज को समय पर देखा जाए, हफ्तों इंतज़ार करना पड़े, या उसे कभी कॉल बैक ही न मिले।
Basata नाम की एक स्टार्टअप का दांव है कि यह बाधा केवल एक साइड इश्यू नहीं, बल्कि हेल्थकेयर में ऑटोमेशन के सबसे महत्वपूर्ण लक्ष्यों में से एक है। दो साल पहले फ़ीनिक्स में स्थापित, कंपनी ऐसा सॉफ़्टवेयर बना रही है जो आने वाले रेफ़रल दस्तावेज़ों को पढ़ता है, संबंधित क्लिनिकल जानकारी निकालता है, और एक AI वॉइस एजेंट का उपयोग करके मरीजों से सीधे संपर्क कर अपॉइंटमेंट तय करता है। यह प्रिस्क्रिप्शन रिन्यूअल और आफ्टर-आवर्स पूछताछ जैसे सामान्य प्रशासनिक अनुरोधों के लिए फोन-आधारित ऑटोमेशन भी देती है।
कंपनी का दावा सरल है: विशेषज्ञ प्रैक्टिसेस इसलिए नहीं विफल हो रहीं कि वे मरीज नहीं चाहतीं। वे इसलिए विफल हो रही हैं क्योंकि इंटेक अब भी बहुत हद तक मैनुअल और दबाव में है।
रेफ़रल समस्या संरचनात्मक है, किस्से-कहानियों की नहीं
स्रोत पाठ एक बहुत परिचित पैटर्न का वर्णन करता है। रेफ़रल अभी भी अक्सर फैक्स से आते हैं। स्पेशलिटी प्रैक्टिसेस छोटी प्रशासनिक टीमों पर निर्भर रहते हुए सैकड़ों या हज़ारों दस्तावेज़ प्राप्त कर सकती हैं। मरीज कागज़ी काम कतारों में पड़े रहने, सिस्टमों के बीच घूमने, या बस बैकलॉग में खो जाने के कारण इंतज़ार करते रह सकते हैं।
इस तरह की रुकावट को कम आँका जाना आसान है, क्योंकि यह बाहर से लगभग अदृश्य रहती है। हेल्थकेयर की कमी अक्सर डॉक्टरों की संख्या, बीमा पहुँच, या अस्पताल क्षमता के संदर्भ में बताई जाती है। वे बाधाएँ वास्तविक हैं, लेकिन उनके बीच की परिचालन विफलता भी उतनी ही असली है। किसी मरीज के पास रेफ़रल, बाज़ार में उपलब्ध विशेषज्ञ, और यहाँ तक कि तात्कालिक आवश्यकता होने के बावजूद भी अपॉइंटमेंट तय करना मुश्किल हो सकता है, क्योंकि कार्यालय की वर्कफ़्लो मांग संभालने के लिए बहुत धीमी या बिखरी हुई है।
Basata के संस्थापक इस मुद्दे को निजी अनुभवों से समझाते हैं। एक ने बताया कि गंभीर कैरोटिड आर्टरी निदान के बाद उनके पिता को कई कार्डियोलॉजी समूहों के पास भेजा गया, लेकिन समय पर प्रतिक्रिया नहीं मिली। दूसरे ने कहा कि उनकी पत्नी की कार्डियक देखभाल यात्रा ने दिखाया कि गहरी डोमेन जानकारी वाला व्यक्ति भी प्रशासनिक जटिलता से कैसे देरी का शिकार हो सकता है।
ये कहानियाँ व्यक्तिगत हैं, लेकिन वे व्यापक रूप से मान्यता प्राप्त परिचालन वास्तविकता से मेल खाती हैं: देखभाल तक का रास्ता अक्सर चिकित्सा से कम और कागज़ी काम, फोन कतारों, और फॉलो-अप विफलता से अधिक अवरुद्ध होता है।
कंपनी क्या ऑटोमेट कर रही है
जब कोई रेफ़रल आता है, Basata का कहना है कि उसका सिस्टम दस्तावेज़ को प्रोसेस करता है, महत्वपूर्ण क्लिनिकल विवरण निकालता है, और मरीज को विज़िट शेड्यूल करने के लिए एक AI वॉइस एजेंट कॉल करता है। मरीज किसी भी समय फोन पर AI एजेंट से सामान्य प्रशासनिक काम भी कर सकते हैं।
स्रोत पाठ कहता है कि लक्ष्य बहुत आक्रामक है: आदर्श रूप से मरीज के लिए अपॉइंटमेंट उनके प्राथमिक देखभाल विज़िट से निकलकर अपनी कार तक पहुँचते-पहुँचते तय हो जाना चाहिए। यह सटीक मानक कितना आम होगा, इससे अधिक महत्वपूर्ण है उसके पीछे की परिचालन महत्वाकांक्षा। कंपनी रेफ़रल बनने और विशेषज्ञ इंटेक के बीच का समय दिनों या हफ्तों से घटाकर मिनटों में लाना चाहती है।
अगर यह भरोसेमंद तरीके से हो सके, तो फायदा सिर्फ सुविधा तक सीमित नहीं है। तेज़ शेड्यूलिंग से leakage कम हो सकती है, मरीजों की फॉलो-थ्रू बेहतर हो सकती है, और प्रैक्टिसेस उस क्षमता को भर सकती हैं जो इंटेक प्रक्रिया के धीमे होने के कारण बर्बाद हो सकती थी।
यह क्षेत्र निवेशकों को क्यों आकर्षित कर रहा है
प्रशासनिक हेल्थकेयर कार्य महंगा, दोहराव वाला, और अक्सर सिस्टमों के बीच खराब एकीकृत होता है। इससे AI विक्रेताओं के लिए यह एक स्वाभाविक लक्ष्य बन जाता है, खासकर वे जो दस्तावेज़ निष्कर्षण, वॉइस ऑटोमेशन, और वर्कफ़्लो टूल्स का उपयोग करते हैं, न कि उच्च-जोखिम वाले नैदानिक निर्णय-निर्माण का। डायग्नोस्टिक AI की तुलना में, नियामक और देयता प्रोफ़ाइल अधिक प्रबंधनीय लग सकती है, जबकि व्यावसायिक मूल्य मापना आसान होता है।
विशेषज्ञ रेफ़रल प्रक्रिया विशेष रूप से आकर्षक है क्योंकि दर्द स्पष्ट है और वर्कफ़्लो अभी भी आश्चर्यजनक रूप से पुराने चैनलों पर निर्भर है। फैक्स-आधारित इंटेक पुराना लग सकता है, लेकिन स्रोत सामग्री स्पष्ट करती है कि यह कई प्रैक्टिसेस में अब भी केंद्रीय है। AI टूल्स को मूल्य बनाने के लिए पूरे इंफ्रास्ट्रक्चर को बदलने की ज़रूरत नहीं; उन्हें सिर्फ़ आने वाली चीज़ को समझकर तेज़ी से आगे बढ़ाना होता है।
यही एक कारण है कि बैक-ऑफिस हेल्थकेयर AI गंभीर वेंचर ध्यान आकर्षित कर रहा है। यह दिखाई देने वाली अक्षमता और अपेक्षाकृत सीधे निवेश लाभ के संगम पर बैठता है।
श्रम का सवाल अभी खत्म नहीं हुआ है
स्रोत पाठ यह भी नोट करता है कि Basata जैसी कंपनियों के ऊपर कठिन सवाल मंडरा रहा है: हेल्थकेयर कर्मचारियों को बढ़ाने और उन्हें प्रतिस्थापित करने के बीच रेखा कहाँ है? फिलहाल, कंपनी का फ्रेमिंग स्टाफ पर बोझ कम करने और प्रैक्टिसेस को मरीजों की मांग के साथ तालमेल बनाए रखने में मदद करने पर है। कई कार्यालयों में यह एक विश्वसनीय तर्क है। अगर बैकलॉग गंभीर है, तो ऑटोमेशन प्रतिस्थापन से अधिक triage जैसा लग सकता है।
लेकिन प्रशासनिक ऑटोमेशन की अर्थव्यवस्था इतनी स्पष्ट है कि कार्यबल पर प्रभाव को नज़रअंदाज़ नहीं किया जा सकता। अगर AI सिस्टम रेफ़रल पढ़ सकते हैं, कॉल उठा सकते हैं, मरीजों को शेड्यूल कर सकते हैं, और हर समय रिन्यूअल संभाल सकते हैं, तो फ्रंट-ऑफिस टीमों द्वारा किया जाने वाला कुछ काम काफ़ी बदल जाएगा।
यह तकनीक को अस्वीकार करने का कारण नहीं है। यह उसके दावों का ईमानदारी से मूल्यांकन करने का कारण है। हेल्थकेयर में, श्रम वृद्धि और श्रम प्रतिस्थापन अक्सर एक ही पैकेज में आते हैं, बस अलग-अलग गति से।
सफलता वास्तव में कैसी दिखेगी
ऐसे टूल्स के लिए असली परीक्षा यह नहीं है कि डेमो प्रभावशाली लगता है या नहीं। परीक्षा यह है कि तैनाती देरी कम करती है या नहीं, बिना नए विफलता मोड बनाए। एक AI शेड्यूलर जो मरीजों से तेज़ी से संपर्क करता है लेकिन रेफ़रल की तात्कालिकता, बीमा आवश्यकताओं, भाषा ज़रूरतों, या क्लिनिकल तैयारी की बारीकियों को चूक जाता है, तो वह बस बाधा को कहीं और खिसका देगा।
इस तकनीक के सबसे मूल्यवान संस्करण वे होंगे जो नियमित काम भरोसेमंद तरीके से करें और जटिलता को इंसानों तक बढ़ा दें। विशेषज्ञ देखभाल में अपवाद बहुत मायने रखते हैं। हर रेफ़रल पूरा नहीं होता। हर मरीज तक पहुँचना संभव नहीं होता। हर शेड्यूल स्लॉट उपयुक्त नहीं होता। प्रशासनिक ऑटोमेशन तब सफल होता है जब वह दोहराव वाले बोझ को हटाए, बिना हर मामले को एक ही स्क्रिप्ट में समतल किए।
हेल्थकेयर AI की एक शांत लेकिन महत्वपूर्ण सीमा
Basata का दृष्टिकोण AI बाज़ार में एक व्यापक बदलाव दिखाता है। सबसे तात्कालिक मूल्य शायद नैदानिक निर्णय को बदलने से नहीं, बल्कि पहुँच के आसपास की मशीनरी को दुरुस्त करने से आए। यह AI-सहायता प्राप्त निदान जितना दिखावटी नहीं हो सकता, लेकिन विशेषज्ञों की प्रतीक्षा कर रहे मरीजों के लिए यह अधिक तात्कालिक हो सकता है।
कंपनी एक अनाकर्षक समस्या को निशाना बना रही है क्योंकि वह वास्तविक, सामान्य और महंगी है। हेल्थकेयर में ऐसे हालात अक्सर अपनाने के लिए सबसे अच्छे होते हैं। अगर प्रैक्टिसेस फैक्स किए गए रेफ़रल और छोटी स्टाफ टीमों के बोझ तले दबी रहती हैं, तो रेफ़रल से अपॉइंटमेंट तक का रास्ता छोटा करने वाला ऑटोमेशन ध्यान आकर्षित करता रहेगा।
गहरी सीख यह है कि पहुँच की विफलताएँ अक्सर प्रशासनिक विफलताओं के रूप में छुपी होती हैं। मरीज “workflow fragmentation” को एक अमूर्त सिस्टम समस्या के रूप में अनुभव नहीं करते। वे इसे रेफ़रल के बाद की खामोशी, अगले कदमों को लेकर अनिश्चितता, और देर से मिलती देखभाल के रूप में महसूस करते हैं। अगर AI इस अंतर को भरोसेमंद तरीके से कम कर सकता है, तो वह हेल्थकेयर में ऑटोमेशन के सबसे व्यावहारिक उपयोगों में से एक बन सकता है, भले ही वह परीक्षा कक्ष से दूर हो।
यह लेख TechCrunch की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.
Originally published on techcrunch.com