مقابلات
باتريك ليونج، الرئيس التنفيذي للتقنية في فارو هيلث – سلسلة المقابلات
باتريك ليونج، الرئيس التنفيذي للتقنية في فارو هيلث، يقود منصة الشركة التي تعمل بالذكاء الاصطناعي، والتي تسهل وتسرع تصميم بروتوكول التجارب السريرية. تعزز أدوات فارو هيلث الكفاءة والتوحيد والدقة في تخطيط التجارب، من خلال دمج رؤى البيانات وتسلسل العمليات لتقليل مخاطر التجارب والتكاليف وعبء المرضى.
فارو هيلث تمكن فرق البحث السريري من تطوير بروتوكولات تجارب سريرية محسنة ومتوحدة بشكل أسرع، مما ي推د التطور في البحث السريري.
قضيت nhiều سنوات في بناء الذكاء الاصطناعي في جوجل. ما هي بعض أكثر المشاريع إثارة التي عملت عليها خلال فترة وجودك في جوجل، وكيف أثرت تلك الخبرات على نهجك في الذكاء الاصطناعي؟
كنت جزءًا من الفريق الذي بنى جوجل دبلكس، نظام ذكاء اصطناعي للتعاملات الهاتفية الذي يتصل بالمطاعم والشركات الأخرى باسم المستخدم. كان هذا مشروعًا سريًا للغاية، يضم أشخاصًا موهوبين للغاية. كان الفريق سريع الحركة، ويجرب أفكارًا جديدة باستمرار، وكان هناك عروض تقنية رائعة لأحدث الأشياء التي يعمل عليها الناس كل أسبوع. لقد كان ملهمًا أن أكون جزءًا من فريق مثل ذلك.
إحدى الأشياء الكثيرة التي تعلمتها في هذا الفريق هي أنك حتى عندما تعمل مع أحدث نماذج الذكاء الاصطناعي، في بعض الأحيان ما زلت بحاجة إلى أن تكون قاسيًا لتحقيق تجربة المستخدم والقيمة التي تريدها. من أجل توليد محادثات حوارية واقعية للغاية، قام الفريق بدمج التسجيلات مع مؤقتات مثل “م” لجعل المحادثة تبدو أكثر طبيعية. لقد كان من الممتع قراءة ما كتبته الصحافة حول سبب وجود تلك “م” بعد إطلاقنا!
كلاك أنت ورئيس فارو يأتيان من شركات تقنية كبيرة. كيف أثرت خبرتكما السابقة على تطوير واستراتيجية فارو؟
في عدة مرات في مسيرتي المهنية، بنيت شركات تباعث منتجات وخدمات إلى شركات كبيرة. فارو أيضًا تستهدف أكبر شركات الأدوية في العالم، لذلك هناك الكثير من الخبرة حول ما يلزم للفوز بالشركات الكبيرة والشراكة معها. العمل في تو سيجما، صندوق استثمار خوارزمي كبير في مدينة نيويورك، قد شكل كيفية نهجي للعلوم البيانية. لديهم عملية صارمة قائم على الفرضيات، حيث يتم اختبار جميع الأفكار الجديدة في خطة بحث واختبار شاملة. لديهم أيضًا منظمة هندسة بيانات متقدمة للتحميل والتحويل الميزات. مع تعميق فارو لقدرات الذكاء الاصطناعي لمواجهة مشاكل أكثر في تطوير التجارب السريرية، ستكون هذه النهج ذات صلة وقابلة للتطبيق لما نقوم به.
فارو هيلث مبنية حول تبسيط تعقيد تصميم التجارب السريرية بالذكاء الاصطناعي. قادمًا من خلفية غير سريرية، ما كان “اللحظة الإلهامية” التي أدت إلى فهمك للنقاط العرضية في تصميم البروتوكول التي تحتاج إلى معالجة؟
كانت لحظتي الأولى عندما واجهت مفهوم “قانون إرووم”. إرووم ليس شخصًا، إنه فقط “مور” مكتوب بالعكس. هذا الاسم المزيف هو إشارة إلى حقيقة أن تكاليف وتواريخ تطوير الأدوية السريرية قد زادت تقريبًا مرتين كل تسع سنوات خلال الخمسين عامًا الماضية. هذا يتعارض مع ثورة تكنولوجيا المعلومات بأكملها، وترك ذلك انطباعًا كبيرًا علي. لقد باعني هذا على حقيقة أن هناك مشكلة هائلة يجب حلها!
كما تعمق tôi في هذا المجال وبدأت في فهم المشاكل الأساسية بشكل أفضل، كانت هناك رؤى كثيرة مثل هذه. واحدة أساسية وواضحة هي أن مستندات وورد ليست تنسيقًا جيدًا لتصميم وتخزين التجارب السريرية المعقدة! هذه ملاحظة رئيسية، مستمدة من خبرة رئيسنا التنفيذي سكوت السريرية، والتي بنيت فارو عليها. هناك أيضًا ملاحظة أن التجارب تميل إلى أن تصبح أكثر تعقيدًا مع مرور الوقت، حيث يضيف فريق الدراسة السريرية تقييمات جديدة لجمع المزيد من البيانات. تزويد المستخدمين بالعديد من الرؤى القيمة كما早 càng في عملية تصميم الدراسة هو قيمة أساسية لفارو.
ما هو الدور الذي يلعب الذكاء الاصطناعي في منصة فارو لضمان سرعة وaccuracy في تصميم بروتوكول التجارب السريرية؟ كيف يختلف أداة “الكاتب المشترك بالذكاء الاصطناعي” في فارو عن حلول الذكاء الاصطناعي الأخرى؟
قد يبدو واضحًا، لكنك لا تستطيع أن تطلب من تشات جبت أن يولد وثيقة بروتوكول تجربة سريرية. أولًا، تحتاج إلى معلومات تجربة结构ية محددة مثل جدول الأنشطة ممثلة بالتفصيل من أجل تقديم المعلومات الصحيحة في الأقسام الفنية من وثيقة البروتوكول. ثانيًا، هناك العديد من التفاصيل والشروط المحددة التي يجب أن تكون موجودة في الوثائق للتجارب من نوع معين، ونمط ومتطلبات تفصيل متوقعة من قبل الكتاب الطبي والمراجعين. في فارو، بنينا نظام تقييم بروتوكول ملكي لضمان أن المحتوى الذي يطرحه نموذج اللغة الكبيرة (LLM) سيلبي معايير المستخدمين والمنظمين.
كما تزداد تجارب الأمراض النادرة وعلم المناعة السرطاني تعقيدًا، كيف يضمن فارو أن الذكاء الاصطناعي يمكن أن يلبي هذه الطلبات المتخصصة دون التضحية بالدقة أو الجودة؟
النموذج جيد فقط كما البيانات التي يتم تدريبه عليها. مع تقدم حدود الطب الحديث، نحتاج إلى مواكبة ذلك من خلال تدريب وتجريب نماذجنا مع أحدث التجارب السريرية. هذا يتطلب منا توسيع مكتبتنا من بروتوكولات التجارب السريرية الرقمية – نحن فخورون جدًا بالحجم الكبير من بروتوكولات التجارب السريرية التي قمنا بدمجها في مكتبتنا في فارو، ونحن دائمًا نركز على نمو هذه القاعدة البيانية. كما يتطلب منا الاعتماد بشكل كبير على فريقنا الداخلي من الخبراء السريريين، الذين يقومون باستمرار بتقييم مخرجات نموذجنا وتقديم أي تعديلات ضرورية إلى “قوائم التقييم” التي نستخدمها لضمان دقته وجودته.
تعاون فارو مع فييفا وشركات رائدة أخرى لتكامل منصتها في النظام البيئي السريري الأوسع. كيف تساعد هذه التعاونات في تسهيل عملية التجربة بأكملها، من تصميم البروتوكول إلى التنفيذ؟
قلب التجربة السريرية هو البروتوكول، الذي يساعد تصميمه وتحسينه نظام فارو ستدي ديزاينر. ي告诉 البروتوكول كل شيء لاحقًا حول التجربة، ولكن تقليديًا، يتم تصميم البروتوكولات وتخزينها في مستندات وورد. لذلك، واحدة من التحديات الكبيرة في تشغيل التطوير السريري اليوم هي النسخ أو “الترجمة” المستمرة للبيانات من البروتوكول أو مصادر وثائقية أخرى إلى أنظمة أخرى أو حتى وثائق أخرى. كما يمكنك أن تتخيل، فإن نقل المعلومات من وثائق إلى أنظمة يدوية يدوية ي introduce الكثير من الفرص للخطأ على طول الطريق.
رؤية فارو هي منصة موحدة حيث يمكن أن تتدفق “التعريف” أو عناصر التجربة السريرية من نظام التصميم حيث يتم تصورها لأول مرة، إلى أنظمة مختلفة أو كما هو مطلوب خلال مرحلة التشغيل. عندما يكون هناك تدفق معلومات متسلسل مثل هذا، فهناك فرصة كبيرة للتحسين التلقائي والجودة، مما يمكننا من تقليل الوقت والتكلفة لتصميم وتنفيذ التجربة السريرية. تعاوننا مع فييفا لتوصيل نظام ستدي ديزاينر بفييفا فاولت إديسي هو خطوة واحدة في هذا الاتجاه، مع المزيد قادم.
ما هي بعض التحديات الرئيسية التي يواجهها الذكاء الاصطناعي في تبسيط التجارب السريرية، وكيف يغلب فارو عليها، خاصة حول ضمان الشفافية وتجنب مشاكل مثل التحيز أو الهلوسة في مخرجات الذكاء الاصطناعي؟
هناك معيار أعلى للتجارب السريرية أكثر من معظم المجالات الأخرى. هذه الوثائق تؤثر على حياة أشخاص حقيقيين، وبالتالي تمر بمراجعة تنظيمية دقيقة للغاية. عندما بدأنا لأول مرة في توليد وثائق سريرية باستخدام نموذج LLM، كان واضحًا أن مخرجات النموذج لم تكن قريبة من تلبية التوقعات. بالطبع، النغمة ومستوى التفصيل والتنسيق – كل شيء – كان بعيدًا، وكان أكثر توجيهًا نحو اتصالات الأعمال العامة، وليس وثائق سريرية خبيرة. لقد كان من التحديات الرئيسية الهلوسة وغياب تفاصيل ضرورية. لضمان تطوير حل ذكاء اصطناعي يمكن أن يلبي معايير المستخدمين والمنظمين، كان علينا قضاء وقت طويل في التعاون مع الخبراء السريريين لتحديد إرشادات وقوائم تقييم تضمن أن مخرجاتنا لا تهلوس ولا تغيّب تفاصيل رئيسية، ولها النغمة الصحيحة. كما كان علينا توفير القدرة على المستخدمين لتقديم إرشاداتهم وتصحيحاتهم الخاصة للمخرجات، حيث يملك العملاء قوالب ومعايير مختلفة توجيه عملية كتابة الوثائق.
ما هو النصيحة التي تقدمها لشركات أو مستартآب تسعى إلى دمج الذكاء الاصطناعي في عمليات التجارب السريرية، بناءً على خبراتك في جوجل وفارو؟
هذه هي النقاط الرئيسية التي أود تقديمها حتى الآن من تجربتنا في تطبيق الذكاء الاصطناعي على هذا المجال:
- اقسم واقيم دفع الذكاء الاصطناعي. نماذج اللغة الكبيرة مثل جبت ليست مصممة لإنتاج وثائق سريرية من الدرجة العالية. لذلك، إذا كنت تخطط لاستخدام الذكاء الاصطناعي لتوليد وثائق التجارب السريرية، تحتاج إلى إطار تقييم يضمن أن المخرجات المولدة دقيقة وكاملة وذات مستوى تفصيل مناسب وطابع مناسب، وهكذا. هذا يتطلب الكثير من الاختبار الدقيق للنموذج بإرشاد الخبراء السريريين.
- استخدم تمثيلًا منظمًا للتجربة. لا توجد طريقة ل توليد التحليلات البيانية المطلوبة لتصميم تجربة سريرية مثالية دون مخزن منظم. العديد من الشركات تستخدم مستندات وورد – وليس حتى إكسيل! – لنمذجة التجارب السريرية. هذا يجب أن يتم باستخدام نموذج مجال منظم ي代表 بدقة تعقيد التجربة – مخططها وأهدافها ونقاط نهايتها، وجدول التقييمات، وهكذا. هذا يتطلب الكثير من المدخلات والتعليقات من الخبراء السريريين.
- الخبراء السريريون حاسمون لضمان الجودة. كما هو موضح في النقطتين السابقتين، فإن وجود خبراء سريريين مشاركين مباشرة في تصميم واختبار أي نظام تطور سريري بالذكاء الاصطناعي أمر بالغ الأهمية. هذا أكثر من أي مجال آخر عملت فيه، ببساطة لأن المعرفة المطلوبة تكون متخصصة ومفصلة ومتأصلة في أي منتج تحاول بناءه في هذا المجال.
نحن نحاول دائمًا أشياء جديدة ونشارك اكتشافاتنا بانتظام على مدونتنا لمساعدة الشركات على التنقل في هذا المجال.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في التعلم أكثر يجب أن يزوروا فارو هيلث.
