Jonathan Kron, administrerende direktør for BloodGPT – Intervju-serie

Jonathan Kron er administrerende direktør for BloodGPT. Han er en sundhedsstrateg og iværksætter med mere end 20 års erfaring i opbygning og udvikling af sundhedsprojekter. Før han tiltrådte stillingen som administrerende direktør i BloodGPT, grundlagde og solgte han Med24, en klinik i London (hvor han fik 5 millioner pund og solgte i 2022), og var med til at grundlægge PCG, et sundhedsstartup i Monaco, der fik mere end 1 million dollars i kontrakter på en seed-budget på 500.000 dollars, og har rådgivet digitale sundhedsprojekter, herunder Klarity og LIPS Healthcare om større fundraising og vækst.

BloodGPT er en AI-drevet platform til diagnostiske laboratorier og klinikker, der integrerer nærmest uden problemer i eksisterende arbejdsprocesser, og kan fortolke blodprøveresultater på få sekunder med en nøjagtighed på 99,99%.

Du har brugt mere end to årtier på at opbygge og udvikle sundhedsprojekter. Hvad var det, der førte dig til BloodGPT, og hvilke personlige erfaringer eller brancheproblemer fik dig til at starte?

Jeg hørte om BloodGPT tidligt i år fra en kollega. Konceptet fik straks genklang både personligt og fra forretningsmæssig side. Jeg er en person, der altid har ført nøje regnskab over mine egne blodprøver i regneark, hvor jeg har hentet tal fra PDF’er og billeder, men ofte er stødt på inkonsistente enheder, referenceværdier og navnekonventioner. Det var kedeligt og ofte upålideligt. Og dybt inde ved jeg, at jeg ikke er den eneste, der kæmper med frustrationen over at modtage ufuldstændige, fragmenterede og utilgængelige resultater fra en læge, et laboratorium eller en klinik.

Af den grund var jeg kun få dage efter, at jeg havde hørt om BloodGPT, i gang med at tale med grundlæggerne, og ved afslutningen af samtalen var jeg blevet udnævnt til CSO. Efter mere end 20 års erfaring med at arbejde på tværs af klinikker, startupvirksomheder og sundhedssystemer vidste jeg, at dette var lige op min årgang.

BloodGPT løser nogle af de problemer, jeg har set gentagne gange. Folk får resultater af blodprøver, men adgangen er fragmenteret, konteksten går tabt, og processen overvælder allerede pressede fagfolk. Tænk på det. Bloddata er en af de rigeste signaler om det generelle velvære, og alligevel er det stadig så underudnyttet.

Min tankegang var, at hvis vi kan kombinere AI og avanceret datavidenskab med stærk sundhedsviden, kan vi gøre oplysningerne brugbare i realtid for alle: enkeltpersoner, sundhedsfagfolk og hele systemer.

BloodGPT lover 99,99% nøjagtighed i fortolkning af blodprøveresultater og integrerer direkte i eksisterende laboratoriearbejdsprocesser. Kan du fortælle os om, hvordan platformen blev opbygget, og hvilke udfordringer du stødte på under udviklingen?

Det begyndte faktisk med en nabo-samtale. Nikita Udovichenko, en biokemiker og ernæringskonsulent, oplevede det samme problem i sin praksis, før han grundlagde BloodGPT. Folk fik deres blodprøveresultater og havde ingen idé om, hvad de skulle gøre med dem. Hans nabo Vasilii Lazuka, en serie-iværksætter inden for AI, så straks potentialet. Det, der startede som en casual samtale, blev hurtigt til et rigtigt projekt. Kort efter sluttede AI-produktudviklingseksperten Nata Savaścienka sig som medstifter og CPO, og jeg kom med, arbejdende sammen med dem og byggede på mine 20 års erfaring med opbygning og udvikling af sundheds- og data-platforme.

Fra det punkt blev fokus på at opbygge et system, der behandler hver enkelt værdi som verificerbar data, og ikke noget, som et sprogmodel kan gætte. Vi designede en multi-lagsarkitektur, der normaliserer hver biomarkør til LOINC-koder — Logiske Observation Identifikatorer Navne og Koder, den internationale standard for rapportering af laboratorieundersøgelser — verificerer hver enhed med UCUM, den samlede kode for måleenheder, og altid henviser til laboratoriets egne referenceværdier.

Fra mine 20 års erfaring med at arbejde med sundhedsfagfolk ved jeg, hvor central tillid er i denne sektor. Derfor var det, da vi opbyggede BloodGPT, de største udfordringer, vi fokuserede på, stabilitet og tillid. Vi skal huske, at store modeller kan give forskellige svar på samme fil, mislæse datoer eller opfinde værdier. Vi gjorde det til vores mission at sikre, at hver output var reproducerbar og fuldt sporbart til sin kilde.

I dag forbinder platformen direkte til laboratoriearbejdsprocesser via FHIR-API’er — Fast Healthcare Interoperability Resources, en moderne standard, der låter sundhedsinformationssystemer dele data sikkert og effektivt. Den fungerer også med legacy-laboratorieinformationssystemer, hvilket giver fagfolk tid tilbage og giver enkeltpersoner øjeblikkelig klarhed.

Mange patienter søger nu til almindelige LLM’er for at fortolke laboratorieundersøgelser. Hvad er risikoen ved denne trend, og hvordan tilbyder BloodGPT en sikrere og mere pålidelig alternativ?

Almindelige sprogmodeller er ikke bygget til laboratoriedata. De kan mislæse enheder, blande datoer eller opfinde referenceværdier, og de viser ikke, når de er usikre. En patient kan indsætte resultater og få et poleret svar, der blot er forkert. Og det skræmmende er, at det lyder så overbevisende, at man ikke kommer til at stille spørgsmål.

BloodGPT er trænet og valideret specifikt til laboratoriearbejdsprocesser. Hver værdi er knyttet til LOINC-identifikatorer og kontrolleres mod UCUM-målestandarder, og platformen bruger altid laboratoriets egne referenceværdier som den endelige målestok. Multi-lags sikkerhedsforanstaltninger sporer hver output tilbage til sin kilde, så samme input producerer samme, fuldt gennemskuelig resultat.

Den formål-byggede design, fokuseret på reproducerbarhed og gennemskuelig herkomst, giver fagfolk og enkeltpersoner et niveau af pålidelighed, som en almindelig chatbot ikke kan tilbyde.

Din karriere har omfattet grundlæggelse af klinikker, rådgivning af startupvirksomheder og nu ledelse af et sundheds-IT-virksomhed med AI. Hvordan er din syn på sundhedsinnovation ændret under denne rejse?

Tidligt var innovation bygning af fysiske faciliteter og tjenester for at reducere ventetider og strømline patientforløb. Senere blev det om at skabe forretningsmodeller, der kan levere sundhedsydelser mere effektivt, drift mere bæredygtig og forbedre den samlede patientoplevelse.

I dag handler det om intelligens og skala. AI åbner muligheder, der var utænkelige, da jeg startede, men en lære, der er blevet ved, er, at teknologi alene ikke forvandler sundhedsydelser. Systemer, incitamenter og adoption gør.

I den forstand er min tankegang skiftet fra “Hvordan bygger vi?” til “Hvordan integrerer vi?” Jeg er overbevist om, at de virksomheder, der lykkes, ikke nødvendigvis har de mest avancerede algoritmer. De vil være dem, hvis værktøjer nærmest umærkeligt og stille driver de daglige rutiner for læger, patienter og sundhedssystemer.

En tilbagevendende tema i sundheds-IT er balancen mellem automatisering og det menneskelige touch. Hvordan forestiller du dig, at AI som BloodGPT vil forme lægernes rolle, især i reduktion af udbrændthed, mens man bevarede dom og medfølelse?

Læger brænder ikke ud af at tage sig af mennesker. De brænder ud af papirarbejde, gentagne tests, fragmenterede systemer og alle de administrative opgaver, der trækker dem væk fra deres patienter. Hver læge, jeg kender, ville hellere bruge fem minutter på at tale med en patient end på at udfylde endnu en formular. Den ekstra arbejdsbyrde, desværre, vokser, og det slider på den tid og energi, de har til rigtig klinisk behandling.

BloodGPT er bygget til at lette noget af den pres. Platformen overtager den tungt arbejde med at organisere og fortolke laboratorieinformation og leverer klare, strukturerede indsighter, der passer ind i eksisterende arbejdsprocesser. Når disse rutine-trin håndteres automatisk og pålideligt, kan læger bruge mere af deres dag på det, de alene kan, nemlig lytte, udøve dom og bygge tillid med de mennesker, de behandler.

Jeg tror ikke, at AI vil erstatte læger. Hvis noget, tillader det dem at vende tilbage til hjertet af deres fag, bruge mere tid i samtale og mindre tid på at jagte data. Det er, hvor teknologi kan gøre medicin mere menneskelig, ikke mindre.

En af dine erklærede mål er at spare klinikker millioner om året i effektivitetsgevinster. Hvad er de mest konkrete omkostningsreducerende mekanismer, som BloodGPT tilbyder?

Besparelserne kommer fra tre hovedområder.

Først er det tid. Gennemgang og kommunikation af laboratorieundersøgelser er stadig en langsom, manuel proces i mange sundhedssystemer. BloodGPT reducerer gennemgangs- og fortolkningstiden fra flere minutter til få sekunder for hver test. Over tusinder af resultater hver uge oversætter det sig til hundredvis af kliniske timer, der returneres til patientbehandling.

Anden er kontinuitet. Platformen holder en løbende historik over hver patients bloddata, så trend og afvigelser er lette at spotte. Det reducerer gentagne tests og fanger fejl, der ellers kunne udløse unødvendige efterfølgende aftaler eller gentagne laboratorieundersøgelser.

Tredje er ressourceanvendelse. Når information leveres præcist og øjeblikkeligt, kan personalet fokusere på højere-værdiopgaver, og laboratorier kan operere med slankere supportteams.

Når du lægger disse effekter sammen, kan et mellemstort sundhedssystem se årlige besparelser på millioner, samtidig med at det forbedrer resultater. I sundhedssektoren er det usædvanligt at reducere omkostninger og forbedre kvalitet på samme tid, og det er præcis, hvad vi sigter mod.

Du har bemærket, at kortvarige investerhorisonter ofte dræber systemisk innovation i sundheds-IT. Hvordan kan grundlæggere og investorer samarbejde for at sikre langsigtede resultater?

Det begynder med en fælles mission. Hvis en investor søger en 12-måneders exit, er sundhedssektoren det forkerte område. Denne sektor kræver tålmodighed, streng overholdelse og år med opbygning af tillid.

Grundlæggere har en rol at spille i at sætte forventninger. De skal forklare regulatoriske tidsrammer, adoptionscykler og realiteterne omkring refundering, så partnere forstår, hvorfor fremgang kan se langsom ud fra udenfor.

Investorer skal på deres side støtte milepæl-baseret vækst og modstå jagten på overfladiske mål. De virksomheder, der virkelig forandrer sundheds-IT, vil blive bygget af partnere, der er villige til at tænke på en 5- til 10-årig horisont og blive engageret i hele rejsen, ikke kun det første opsving i værdi eller en hurtig exit.

Med reguleringer, der strammes omkring AI i sundhedssektoren, hvordan tilnærmer BloodGPT sig overholdelse, sikkerhed og opbygning af tillid hos både sundhedsfagfolk og patienter?

Fra begyndelsen behandlede vi ansvarlig design som en del af produktet, ikke en eftertanke. Vores team følger de større privatlivs- og sikkerhedsstandarder, der bruges i sundhedssektoren, og holder et vågent øje på udviklingen i reguleringer i USA, Europa og andre nøglemarkeder. Vores fokus er på stærke datahåndteringssædvaner, gennemskuelige algoritmer og output, der kan fuldt ud gennemskues.

Som jeg tidligere nævnte, var tillid vores største udfordring fra starten, og det er blevet vores nordlys. For os handler det om mere end at afkrydse regulatoriske kasser. Fagfolk kan se, hvor hver værdi kommer fra og hvordan den er behandlet, hvilket giver dem tillid til informationen. Patienter værdsætter den samme klarhed. BloodGPT er et værktøj til at organisere og præsentere deres egne resultater, ikke til at erstatte en læges rolle. I den forstand er sikkerhed og tillid ikke funktioner, vi tilføjer senere. De er produktet selv.

Med fremtiden for øje, ser du AI-fortolkning udvide sig ud over blodprøver til andre diagnostiske områder — og hvis ja, hvor tror du, de største gennembrud kommer først?

Det er allerede i gang.Radiologi, genomik og oftalmologi er gået langt ud over den eksperimentelle fase. I disse felter hjælper AI-systemer med at identificere tidlige kræftformer på scanninger, analysere komplekse genetiske variationer og pege på tegn på diabetisk retinopati i retinabilleder. I hvert tilfælde går outputtet til en kvalificeret læge til gennemgang, så fagfolket forbliver i kontrol over den endelige beslutning.

Den næste bølge vil handle om forbindelse og integration snarere end enkeltområder. Tænk på, at billedanalyse, genetik, wearables og laboratoriedata stadig behandles som separate strømme. AI vil mere og mere bringe dem sammen, korrelerer subtile signaler — en blodmarkør, en genetisk variation, en mønster fra en wearable — for at afsløre risiko lang tid før en enkelt test kunne.

Det virkelige gennembrud vil være denne slags integration: Et lag af intelligens, der forbinder multiple input til at give læger og patienter en kontinuerlig, realtidsvisning af sundhed og risiko. Den skift fra episodisk til proaktiv og forudsigelig pleje er, hvor den største indvirkning ligger.

Til sidst, hvad er det, der begejstrer dig mest om fremtiden for AI i sundhedssektoren, og hvilken rol ser du for BloodGPT i formning af denne fremtid?

Det, der begejstrer mig mest, er, som jeg lige nævnte, skiftet fra reaktiv til proaktiv sundhedspleje. I årtier har vi ventet, til folk blev syge, før vi greb ind. Ja, forebyggelse og personligt ansvar har altid været en del af samtalen, men AI kan endelig gøre denne vision praktisk, ved at identificere risiko tidligt, guide sundere valg og personliggøre information i en skala, vi aldrig har set før.

BloodGPT er designet til at være en del af denne grundlæggelse. Bloddata er det mest almindelige og tilgængelige sundhedsignal, og alligevel er det ofte underudnyttet. Ved at gøre denne information lettere at forstå og bruge, hjælper vi med at omforme rå tal til klare indsigt og indsigt til sundere liv. Til sidst er det det simple mål. Tag noget komplekst og omdan det til noget, folk kan bruge. Vi lægger grundlaget for den type pleje, folk kommer til at behøve i årene fremover, samtidig med at vi også gør hverdags-sundhedspleje bedre lige nu.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge BloodGPT.