چگونه استارت‌آپ Conflixis از بیمارستان‌ها در برابر پزشکان فاسد محافظت می‌کند

آرون ناروا (تصویر بالا) پس از یک شغل به عنوان محقق حوادث در شرکت‌های مدیریت ریسک مانند Kroll و FTI Consulting، با یک مشتری بانک بین‌المللی بزرگ در سازنده نرم‌افزار سازگاری Exiger کار می‌کرد. او مسئول نظارت بر انطباق قانونی آن مشتری پس از آن بود که یک دهه پیش از آن به عنوان یک رسوایی پولشویی به تیتر اخبار تبدیل شد.

زمانی که من در Exiger بودم، برخی از کسب‌وکارهای نرم‌افزاری، از جمله ابزار نرم‌افزاری هوش مصنوعی را به دست آوردیم که به حذف ریسک از سوابق عمومی بدون ساختار کمک می‌کرد. ناروا به تک‌کرانچ گفت و ما ابزاری برای کمک به شناسایی ریسک‌های فساد و تحریم در روابط تجاری برای شرکت‌های بسیار بزرگ ساختیم.

این کار به او ایده داد Conflixis. بیمارستان ها و سایر مراکز پزشکی بزرگ مانند بانک ها با خطرات فساد روبرو هستند. شرکت‌های دارویی و سازندگان دستگاه‌ها آنقدر با پزشکان برخورد می‌کنند که پزشکان ملزم به افشای تضاد منافع هستند: هزینه‌های ناخواسته، هزینه‌های مشاوره، حمایت از کمک‌های مالی تحقیقاتی و موارد مشابه.

خیلی تحقیقات نشان می دهد کسانی که بیش از حد بداخلاق می‌شوند، احتمالاً آن داروها و دستگاه‌ها را تجویز می‌کنند، چه نتایج بهتری برای بیمار داشته باشند یا نه. خطر آنقدر زیاد است که دولت پایگاه داده ای به نام اجرا می کند OpenPaymentsData.com، جایی که هر کسی می تواند افشای تضاد منافع را ببیند.

با این حال، افشای چنین درگیری‌هایی مانع از این مشکل نمی‌شود که بیمارستان‌ها را در معرض خطر قانونی قرار می‌دهد. انبوهی از قوانین، چنین رفتاری را توسط پزشکان ممنوع می کند، همه چیز از قانون استارک، تا قانون ضد رشادت (AKS).

در عین حال، منافع تجاری نیاز به همکاری با پزشکان – متخصصان پزشکی – برای کمک به آنها در تحقیقات داروهای جدید و ساخت دستگاه‌ها دارند. پس هر تعاملی حرام نیست.

ناروا یک نرم‌افزار مبتنی بر هوش مصنوعی را به عنوان سرویسی در نظر گرفت که موقعیت‌های واقعی را که بیمارستان – اگر نه بیمار – را در معرض خطر قرار می‌دهد، برای بیمارستان‌ها و مراکز پزشکی بزرگ شناسایی کند.

ناروا گفت: “یک سیستم بهداشتی بزرگ ممکن است 200000 رابطه بین پزشکان و فروشندگان و تامین کنندگان داشته باشد.” “کدام یک از آن 200000 رابطه شما را از یکی از شش خطر تحت تاثیر قرار می دهد؟”

خطرات از نقض قوانین تا نتایج نامطلوب پزشکی متغیر است. دولت فدرال نیز پایگاه داده را ارائه می دهد که اطلاعات کیفیت مراقبت بیمارستان را منتشر می کند.

ناروا با دوستی که از کلاس هشتم می‌شناخت، جوزف برگن، مدیر مهندسی BuzzFeed در آن زمان، تماس گرفت تا نظر برگن را در مورد این ایده بپرسد. برگن آنقدر آن را دوست داشت، او کار خود را رها کرد و یکی از بنیانگذاران شد.

Conflixis با دریافت داده‌ها از OpenPaymentsData.com، داده‌های تدارکات بیمارستان، داده‌های ادعاها، سوابق نتیجه بیمار، فرم‌های تضاد منافع و سایر منابع کار می‌کند. تمام نقاط تضاد را برای شناسایی مواردی که یک بیمارستان باید بررسی کند، تجزیه و تحلیل می کند.

«خوب، ما همه 5000 یا 10000 رابطه را بررسی کردیم [and] در اینجا هفت موردی است که باید واقعاً به آنها نگاه کنید،» ناروا به عنوان مثال توضیح می دهد. “مثلاً، ما اقیانوس را جوشاندیم و این هفت نفر هستند.”

Conflixis آن را یک گام فراتر می برد و همچنین می تواند هزینه های بیمارستان را پیش بینی کند و راه هایی برای کاهش آن پیشنهاد دهد. به عنوان مثال، آیا بیمارستان بر اساس توصیه پزشکی که با آن فروشنده رابطه دارد، به جای تجهیزات ارزان‌تر، تجهیزات گران‌تری می‌خرد؟

او می‌گوید: «ما می‌توانیم کاری کنیم که بیمارستان‌ها ریسک نظارتی خود را به میزان قابل‌توجهی کاهش دهند، اعتماد و شفافیت خود را با بیماران خود افزایش دهند، بله، اما همچنین تصمیمات عملیاتی بهتری در مورد آنچه می‌خرند می‌گیرند».

ناروا گفت که این شرکت که در سال 2023 تأسیس شد، در حال حاضر مشتریان انگشت شماری دارد که کمتر از 5 میلیون دلار درآمد دارند. به تازگی یک دور اولیه 4.2 میلیون دلاری به رهبری لرر هیپئو (صندوقی که توسط رئیس سابق BuzzFeed، کنت لرر تأسیس شده است) و Origin Ventures، با مشارکت mark vc، Springtime Ventures و سرمایه‌گذار پیش‌بنی Cretiv Capital را اعلام کرد.

Conflixis به حوزه شلوغی از شرکت‌های نرم‌افزار انطباق با صنعت سلامت مانند Compliatric و Symplr می‌پیوندد، اگرچه برخی از آنها بیشتر بر حفاظت از داده‌های بیمار متمرکز هستند تا فساد و تدارکات.

ناروا می‌گوید آنچه Conflixis را متمایز می‌کند روشی است که با شغل کارمندانش در کار تحقیقاتی با LLM ازدواج کرده است. او می‌گوید که مدل‌های خارج از قفسه را اصلاح کرد تا الگوهایی را در داده‌ها بر اساس «پیشینه ما در نظارت بر تراکنش و فساد در تحقیقات کلان داده» جستجو کند.

TechCrunch یک خبرنامه متمرکز بر هوش مصنوعی دارد! اینجا ثبت نام کنید تا هر چهارشنبه آن را در صندوق پستی خود دریافت کنید.