Tony Hogben, Immersive Studio Lead hos Pfizer Digital Omnichannel Services & Solutions (OSS) – Interview Serie

Tony Hogben er Immersive Studio Lead hos Pfizer (PFE ) Digital Omnichannel Services & Solutions (OSS). Pfizer Digital Omnichannel Services & Solutions (OSS) er i frontlinjen for at transformere, hvordan Pfizer kommunikerer med patienter, sundhedsprofessionelle og -myndigheder på verdensplan. Gennem innovative digitale strategier, avanceret teknologi og data-drevne indsighter, giver OSS mulighed for sammenhængende, personlige og effektive oplevelser. Ved at integrere avanceret analyse, automatisering og AI-drevne løsninger, forbedrer teamet engagement, kommunikation og skaber meningsfulde forbindelser på tværs af alle digitale kontaktpunkter.

Du har en omfattende karriere inden for digital innovation og immersive teknologier. Hvad var det, der først fik din interesse for dette felt, og hvordan har din rejse ført dig til din nuværende stilling?

Min vej har været lidt usædvanlig. Efter at have afsluttet en uddannelse i ‘New Media’ ved årtusindskiftet – da det digitale stadig var under udvikling – etablerede og drev jeg min egen digitale agentur. At arbejde under opblomstringen af Web 2.0 var virkelig ophidsende. Vi var pionerer inden for SAAS-løsninger og tidlige mobile applikationer i en verden, hvor innovation ikke blot var en buzzword, men vores daglige virkelighed. Hver projekt brød ny jord, og det entreprenørielle energi var smittende.

Efter at have solgt min forretning lige før pandemien, nød jeg først fritiden, men opdagede hurtigt, at jeg havde brug for en ny udfordring, der ville udnytte mine kompetencer. At være en del af Pfizer Digital har givet mig mulighed for at kombinere både min kreative vision og tekniske evner, og bygge på næsten to årtiers erfaring med at hjælpe organisationer af alle størrelser med at transformere digitalt.

At opbygge Immersive Studio fra bunden har været særligt tilfredsstillende – at skabe en intern innovationshub, der giver mulighed for, at teams på tværs af hele virksomheden kan udnytte immersive og interaktive teknologier. For tiden er jeg en del af et team, der står i spidsen for vores initiativer for at integrere AI-løsninger på tværs af multiple afdelinger og brugsområder, og hjælper teams med at genopfinde deres arbejdsprocesser og kapaciteter.

Hvad der har været mest tilfredsstillende ved at skifte til sundhedssektoren, er at anvende min passion for skæringen mellem teknologi og menneskelig oplevelse i en verden, hvor vores arbejde har en konkrete indvirkning. Her har den præcision, realisme og engagement, vi skaber gennem immersive teknologier, en direkte indvirkning på uddannelse af sundhedsprofessionelle og, i sidste ende, patientresultater. Denne forbindelse mellem teknologisk innovation og menneskelig trivsel driver mig hver dag.

Medicinsk uddannelse er undergennem en forandring med AI-drevne simulationer. Hvordan sammenligner disse AI-drevne immersive oplevelser med traditionelle træningsmetoder i forhold til effektivitet og tilgængelighed?

Jeg skal starte med at beskæftige mig med immersive oplevelser, før jeg udforsker, hvordan AI transformerer landskabet.

Immersive træningsoplevelser transformerer grundlæggende den medicinske uddannelse ved at tilbyde en fleksibilitet, som traditionelle metoder ikke kan matche. Lærere kan gensende komplekse scenarier fra næsten hvor som helst, i deres eget tempo, og så mange gange som nødvendigt. Beviserne er overbevisende, og videnstilbageholdelsesrater for immersive læring er betydeligt bedre end traditionelle træningsmetoder – op til 76% bedre end traditionelle træningsmetoder*.

AI er nu revolutionerende disse immersive oplevelser på fire afgørende måder:

Inden for indholdsskabelse demokratiserer AI udviklingen af high-fidelity-simulationer. Det, der tidligere krævede hold af specialiserede udviklere og måneder af arbejde, kan nu gøres hurtigere og af langt færre mennesker – dette vil låse udviklingspotentialen og give mulighed for, at indhold kan skabes i stor målestok.

For lærerens oplevelse giver AI mulighed for dynamisk tilpasning – justering af scenarier i realtid baseret på beslutninger og færdighedsniveau, og skaber autentiske udfordringer, der bedre spejler klinisk usikkerhed.

På tilbagemeldingsfronten giver AI en nuanceret vurdering ud over simple bestå/påbegynd-metrikker. Det kan analysere lærernes bevægelser, beslutningssekvenser og sammenligne præstationer med tusinder af tidligere sessioner for at tilbyde personlig coaching.

Til sidst giver AI mulighed for samarbejdende læring gennem naturlig sprogbehandling og intelligente avatarer, der simulerer realistiske patient- og teaminteraktioner.

Tilgængelighedsindvirkningen er dybtgående – AI-drevne immersive oplevelser kan implementeres bredt og kosteffektivt, og hjælper med at løse træningsgap globalt. Denne kraftfulde kombination af immersive teknologi og AI har potentialet til at demokratisere adgangen til højkvalitets medicinsk uddannelse, især i underudviklede regioner.

*Bonde, Mads & Makransky, Guido & Wandall, Jakob & Larsen, Mette & Morsing Bagger, Mikkel & Jarmer, Hanne & Sommer, Morten. (2014). Forbedring af biotek-uddannelse gennem gamificerede laboratorie-simulationer

Kan du dele indsigt i, hvordan AI-drevne medicinske simulationer udvikles i dit selskab? Hvad er nogle af de største udfordringer i opbygning af disse high-fidelity-simulationer?

Vi er i de tidlige faser af at integrere AI i vores tilgange. Vi har en klar vision om, hvor vi er på vej, men den tungt regulerede sundhedssektor, vi arbejder i, kræver en metodisk implementering og rigorøs validering. Dette skaber en spænding mellem vores ønske om at innovere hurtigt og vores forpligtelse til at gå frem forsigtigt – vi ville gerne holde trit med den frenetiske innovation, der sker med AI.

For tiden fokuserer vi vores AI-bestræbelser på tre nøgleområder:

1. Indholdsskabelse-acceleration: Vi bruger AI til at forbedre vores indholdsskabelsespipeline, og hjælper vores medicinske og instruktionsdesignhold med at skabe evidensbaserede scenarier, kliniske variationer og patientmodeller. Dette giver os mulighed for at fastholde kvaliteten, samtidig med at vi udvider vores bibliotek af simulationer betydeligt.
2. Teknisk udviklingsacceleration: Vi udnytter AI til at strømline vores tekniske udviklingsprocesser, og giver mulighed for hurtigere prototyper, test og implementering af nye simulationsfunktioner og -kapaciteter. Dette hjælper os med at overvinde ressourcebegrænsninger og accelerere vores innovationscyklus.
3. Lærer-tilpasningsoplevelser: I parallel udvikler vi måder at inkorporere AI direkte i vores simulationer for at skabe mere dynamiske og responsivt læringsmiljø. Dette inkluderer personlige tilbagemeldingssystemer og tilpasningsbaseret sværhedsgrad baseret på lærerens præstationsmønstre.

Selv om fremgang kræver tålmodighed i denne sektor, er vi begejstrede for, hvordan disse AI-innovationer vil transformere medicinsk uddannelse og patientresultater i sidste ende.

Din 360-graders oplevelse, virtuel laboratorium, er en innovativ tilgang til uddannelse af sundhedsprofessionelle. Hvordan fungerer det, og hvilken slags tilbagemelding har du modtaget fra brugere indtil nu?

Det virtuelle laboratorium giver sundhedsprofessionelle oplevelsen af at gå gennem et rigtigt laboratorium, interagere med medicinsk udstyr, praktisere procedurer og løse virkelige udfordringer i et fuldt interaktivt digitalt rum.

Det virtuelle laboratorium var designet til at supplere fysiske laboratorieture, der demonstrerer bedste praksis. Vi erkendte, at fysiske laboratorieture indebærer komplicerede logistik og tidsbegrænsninger, så vi skabte en digital alternativ, der er tilgængelig 24/7 fra hvor som helst i verden.

Sundhedsprofessionelle navigerer gennem detaljerede, interaktive simulationer, der tester deres viden og forbedrer deres forståelse af laboratorieprocedurer. Platformen er designet til multiple enheder, og giver mulighed for fleksibilitet i, hvordan og hvor læring finder sted. Vi har udvidet vores tilbud til at inkludere virtuelle laboratorier for mange medicinske tilstande og har oversat disse oplevelser til mange sprog for at støtte global uddannelse.

Tilbagemeldingen har været overvældende positiv. Brugere roser konsekvent tre aspekter:

1. Realisme: Det højtydende miljø skaber en autentisk fornemmelse af tilstedeværelse i et arbejdende laboratorium.
2. Engagement: Interaktive elementer fastholder interesse og fokus gennem hele læringsoplevelsen.
3. Fleksibilitet: Muligheden for at få adgang til træning på deres eget tidspunkt og i deres eget tempo.

Vigtigst er, at sundhedsprofessionelle rapporterer om, at de føler sig mere sikre på deres færdigheder og fastholder information bedre end med traditionelle træningsmetoder. Denne forbedrede videnstilbageholdelse oversætter direkte til bedre patientpleje i virkelige situationer.

AI og immersive teknologi kan gøre træning mere tilgængelig, men ser du nogen barrierer – såsom regulatoriske bekymringer, tilbageholdenhed med adoption eller tekniske begrænsninger – der skal overvindes?

Når det kommer til implementering af nye teknologier i sundhedsuddannelse, adskiller barriererne sig væsentligt mellem immersive oplevelser og AI-anvendelser.

De primære udfordringer med immersive teknologi inkluderer:

• Udviklingsomkostninger: Traditionelt har skabelsen af højkvalitets immersive oplevelser været dyrt. Men AI hjælper os faktisk med at tackle dette ved at accelerere indholdsskabelse og reducere produktions tid.
• Tilgængelighed: Vi sikrer, at vores immersive træning forbliver tilgængelig ved at udvikle til multiple platforme, som demonstreret med vores Virtuelle Laboratorium, der fungerer på tværs af forskellige enheder. Denne tilgang giver mulighed for, at lærere kan engagere sig uanset deres tekniske opsætning.
• Tilbageholdenhed med adoption: Dette er måske vores mest vedvarende udfordring, især blandt erfarne sundhedsprofessionelle. Vores strategi er inkremental eksponering – startende med velkendte formater som vores Virtuelle Laboratorium, der introducerer rumlige læringskoncepter uden at kræve en stejl læringskurve. Dette bygger tillid til immersive koncepter, før vi går videre til mere komplekse teknologier.

For AI-integration står vi over for andre hindringer:

• Tekniske begrænsninger: Vi arbejder aktivt på at tackle disse ved at opbygge robuste platforme og tilgange, der vil fungere som grundlag for fremtidige udviklinger.
• Regulatoriske bekymringer: Dette repræsenterer vores største udfordring. Regulatoriske organer har gyldige spørgsmål om nøjagtigheden og validiteten af AI-genereret indhold i sundhedsuddannelse. Vores tilgang er at udvikle interne brugsområder først, og skabe konkrete eksempler, vi kan bruge til at engagere regulatoriske hold konstruktivt. Vi erkender, at vi har brug for at støtte deres forståelse, samtidig med at vi udvikler passende sikkerhedsforanstaltninger.

Ved at tackle disse barrierer systematisk og erkende deres distinkte karakteristika, skaber vi vej for ansvarlig innovation, der opretholder de høje standarder, der kræves i sundhedsuddannelse.

Med AI, der accelererer i en uhørt fart, forudser du en situation, hvor AI kunne påtage en mere aktiv rolle i realtids patientbehandling, snarere end blot at være et supportværktøj?

Dette træder lidt uden for mit ekspertområde, men jeg tror, vi kan se, at AI allerede bevæger sig ud over supportroller i sundhedssektoren, med eksempler som AI-assisterede diagnoser og realtids kirurgivejledning. I de næste fem år forventer jeg, at AI vil påtage en langt mere aktiv rolle i patientbehandling, men det vil ikke fuldstændigt erstatte mennesker. I stedet vil AI arbejde sammen med sundhedsprofessionelle i en “menneske-i-løkken”-ramme, og tilbyde assistance uden at tage fuld kontrol. Denne ændring rejser etiske bekymringer om tillid og ansvar – selv om AI måske foreslår diagnoser eller behandlingsplaner, vil den endelige beslutning stadig blive truffet af mennesker for at sikre patientssikkerhed. AI vil forbedre beslutningstagningen, men menneskelig dømmekraft vil forblive afgørende.

I en verden, hvor AI-genererede medicinske indsighter en dag kan overgå menneskelige professionelle i visse opgaver, hvordan bør sundhedssektoren forberede sig på denne ændring?

Med hver teknologisk transformation ser vi opgavefordeling snarere end menneskeerstatning. Sundhedssektoren bør omdefinere AI som en samarbejdspartner snarere end en erstatning for professionelle. Det er en simpel ligning: Menneske + AI er større end Menneske eller AI alene.

Denne ændring vil være gradvis og opgave-specifik – sandsynligvis startende i områder som billedbaserede diagnoser, patologisk screening og prædikative analyser for patientforværring. Disse er områder, hvor mønstergenkendelse i stor målestok giver AI en naturlig fordel, mens mere kompleks klinisk resonnering vil forblive menneskeledet i den nærmeste fremtid.

Vi bør starte med små, målrettede opgaver, der leverer umiddelbar værdi, snarere end den sædvanlige alt-eller-intet-tilgang med monolitiske løsninger. Denne iterative tilgang giver mulighed for, at kliniske og patienter kan bygge tillid til AI-kapaciteter over tid.

Sundhedssektoren bør proaktivt forme, hvordan AI indlejres i sundhedsøkosystemet, og sikre, at det forbedrer de menneskelige elementer, der forbliver centrale for helbredelse.

Til sidst bør den første skridt, enhver organisation tager, være at demokratisere AI-eksponering. Giv dine medarbejdere personlige udfordringer for at åbne deres øjne for mulighederne – lad dem skabe et billede, skrive en email eller bygge en præsentation ved hjælp af AI-værktøjer. Når de selv oplever kraften, vil de bringe den begejstring tilbage til at identificere meningsfulde anvendelser i deres daglige arbejde. Bottom-up-innovation producerer ofte de mest praktiske og betydningsfulde løsninger.

Mange virksomheder kæmper med at skale AI-løsninger ud over pilotprojekter. Hvordan har du brugt strategier til at implementere AI på en succesfuld måde?

For mig handler succesfuld AI-skalaering af enhver teknologiprojekt om at tackle to kritiske udfordringer: teknisk infrastruktur og brugeradoption.

I sundhedssektorens tungt regulerede miljø er det afgørende at etablere robuste tekniske grundlag før skalaering af enhver AI-initiativ. Vi har brug for sikker, compliant infrastruktur, der balancerer innovation med patientssikkerheds krav.

Med ny teknologi bliver adoption ofte den største barriere for skala. Vi har fundet ud af, at at gøre AI så usynlig som muligt er afgørende for bred adoption. For eksempel, at stå over for en blank skærm og skulle skrive en effektiv prompt, skaber betydelig friktion for de fleste brugere. I stedet designer vi løsninger, hvor brugere kan klikke på forhånds-konfigurerede knapper eller bruge velkendte workflows, der udnytter AI bag scenen.

Vores tilgang prioriterer at starte småt, men bygge med skala i mente fra dag én. Snarere end at skabe one-off-løsninger, designer vi modulære komponenter, der kan udvides og genbruges på tværs af multiple brugsområder. Dette giver mulighed for, at succesfulde pilotprojekter kan blive skabeloner for bredere implementering.

Du mener, at AI er på vej til at transformere sundhedssektoren på måder, der tidligere blev betragtet som science fiction. Hvordan specifikke fremskridt tror du vil have den mest betydningsfulde indvirkning i de næste fem år?

Som barn af 80’erne husker jeg TV-serierne “The Six Million Dollar Man” og “The Bionic Woman” fra 70’erne. Disse serier havde karakterer, der var fysisk forbedret af teknologi, men den virkelige revolution med AI vil være kognitiv forbedring. Det er det, der begejstrer mig mest.

I de næste fem år tror jeg, at flere specifikke fremskridt vil transformere sundhedssektoren fundamentalt:

1. Administrativ automatisering: Den bureaukratiske byrde, der for tiden optager så meget af vores sundhedsprofessionelles tid, vil blive dramatisk reduceret. Dette handler ikke kun om effektivitet, men om at genskabe omsorgen i sundhedssektoren ved at rette menneskelig opmærksomhed mod patientinteraktioner.
2. Fremskridt i lægemiddelforskning: Tidsrummet fra identifikation af terapeutiske mål til udvikling af effektive behandlinger vil blive komprimeret fra årtier til år eller måske endda måneder. AlphaFold, skabt og åbent af Google’s DeepMind, har allerede revolutioneret vores forståelse af proteinstrukturer – løst på få dage, hvad der tidligere tog år af laboratoriearbejde.
3. Præcis diagnostik i stor målestok: AI-systemer vil dramatisk forbedre tidlig opdægning af tilstande som kræft, hjertekarsygdom og neurologiske lidelser gennem mønstergenkendelse på tværs af enorme datasæt.
4. Personlig behandling: Behandlingsplaner vil blive kontinuerligt forfinet baseret på individuel patientdata, og tilpasset i realtid for at maksimere effektivitet og patienters engagement i deres egen pleje.

Farten af disse ændringer vil være slående. AI-udvikling ligner hundeår – men med eksponentiel acceleration. Vi vil se, hvad der måske ville have taget 50 år af konventionel forskning og implementering.

Disse scenarier er ikke fjernt science fiction – de er allerede under udvikling i tidlige former, og det er ikke fremtiden, det er nu.