Ed Chidsey, Präsident von Inovalons Insights-Geschäftseinheit – Interview-Serie

Ed Chidsey, Präsident von Inovalons Insights-Geschäftseinheit, bringt eine breite Erfahrung in Finanzdaten, Analytics und strategischer Beratung mit – zuletzt als Senior Vice President bei S&P Global Market Intelligence, wo er ein Daten- und Analytics-Geschäft mit 2.000 Mitarbeitern und einem Umsatz von einer Milliarde Dollar leitete, und zuvor als privater Equity-Berater, Vorstandsmitglied von PeerNova Inc. und begrenzter Partner bei Mendoza Ventures.

Inovalon ist ein US-amerikanisches Technologieunternehmen, das Cloud-basierte Software- und Datenanalyse-Lösungen für die Gesundheitsbranche anbietet. Durch sein Flaggschiff-Angebot, die Inovalon ONE®-Plattform, aggregiert und analysiert das Unternehmen massive, reale klinische und Abrechnungsdaten – umfassend hunderte von Millionen von Leben – um Gesundheitspläne, Anbieter, Apotheken und Life-Science-Organisationen bei der Verbesserung von klinischen Ergebnissen, Behandlungsqualität, Risikobewertung, Zahlungsintegrität und betrieblicher Effizienz zu unterstützen.

Sie haben eine lange Karriere bei S&P Global, IHS Markit und jetzt Inovalon hinter sich. Was war die einzelne, prägendste Rolle oder Erfahrung, die Sie dazu gebracht hat, sich auf reale Welt-Daten (RWD) und Analytics im Gesundheitswesen zu konzentrieren, und wie hat diese Ihre Vision für die Führung der Insights-Geschäftseinheit bei Inovalon geprägt?

Ich habe den größten Teil meiner Karriere damit verbracht, Daten- und Analytics-Geschäfte aufzubauen, zu leiten und zu skalieren, hauptsächlich in der Finanzbranche, oft von klein an und durch eine Kombination aus organischem und anorganischem Wachstum. Nach mehr als drei Jahrzehnten in der Finanzbranche erreichte ich einen Punkt, an dem ich pausieren und neu ausrichten musste. Ich war lange in dieser Welt und liebte die Arbeit, aber die Umgebung begann, weniger erfüllend zu sein. Also beschloss ich Anfang 2024, zurückzutreten.

Das Jahr Pause war unglaublich bodenständig. Ich verbrachte mehr Zeit mit meiner Familie, trat einem Corporate- und einem Non-Profit-Vorstand bei und wurde, ziemlich unerwartet, mehr in meine Kirche involviert. Diese Wendung gab mir die Chance, mich auf Balance, Gemeinschaft und Zweck zu konzentrieren, auf eine Weise, die ich lange nicht getan hatte. Als das Jahr zu Ende ging, erkannte ich, dass ich immer noch viel Energie und Leidenschaft für das Leiten von Teams und das Aufbauen von Geschäften hatte, aber ich wollte, dass diese Arbeit persönlicher und sinnvoller wurde.

Als Adam Kansler, der CEO von Inovalon, mich kontaktierte, um mir mehr über das Unternehmen zu erzählen, war der Zeitpunkt günstig. Ich arbeitete eng mit Adam über viele Jahre hinweg und habe großen Respekt für ihn als Führer. Er beschrieb Inovalon als einen führenden Anbieter von Daten und Lösungen, die das Gesundheitswesen ermöglichen, und das Unternehmen suchte nach einer neuen Person, die seine Insights-Geschäftseinheit leiten sollte.

Bevor ich mit Adam sprach, hatte ich nicht wirklich darüber nachgedacht, dass ich meine Erfahrung in Daten und Analytics in die Gesundheitsbranche einbringen konnte. Je mehr ich jedoch lernte, desto mehr resonanzierte es. Gesundheitsdaten sind sehr greifbar, weil sie uns auf reale Weise beeinflussen können. Die Idee, die gleiche analytische Strenge und Skalierbarkeit, die ich in der Finanzbranche entwickelt hatte, auf die Verbesserung der Gesundheitsqualität und -ergebnisse anzuwenden, war unglaublich ansprechend. Dieser Sinn ist es, der mich hierher gebracht hat und der weiterhin meine Führung der Insights-Geschäftseinheit prägt, indem ich Daten, Technologie und Menschen zusammenbringe, um einen messbaren Unterschied im Gesundheitssystem zu machen.

Wie sehen Sie Inovalons Schritt, seine fortschrittlichen Analytics und primären RWD auf Snowflakes AI Data Cloud verfügbar zu machen, die Wettbewerbsdynamik im Gesundheitswesen und in der Life-Science-Branche verändern?

Ich würde es eher als strategischen Schritt betrachten, Kunden dort zu treffen, wo sie sind, als die Wettbewerbsdynamik zu verändern. In meinem Verständnis war es entscheidend, dass wir sicherstellen, dass Kunden Zugang zu unseren Daten und Ressourcen auf den Plattformen haben, auf denen sie diese am liebsten konsumieren möchten, auf eine moderne, agile und zugängliche Weise. Da wir wussten, dass immer mehr unserer Kunden zu Plattformen wie Snowflake migrierten, war es wichtig für uns, sie dort zu treffen, wo sie unsere Daten konsumieren wollten.

Was unterscheidet Inovalons RWD-Angebote, wie das MORE²-Register, von anderen realen Welt-Daten-Plattformen in Bezug auf Qualität, Tiefe, Aktualität oder Umfang?

Was unsere RWD-Angebote, einschließlich des MORE²-Registers, unterscheidet, ist unsere primäre Quellendaten. Wir sammeln diese Daten direkt von verschiedenen Entitäten im Gesundheitssystem, wie Gesundheitszahlern oder Anbietern, und dies gibt uns eine umfassende Sicht auf die Gesundheitsreisen der Patienten, die es uns ermöglicht, Erkenntnisse zu gewinnen, die die Entscheidungsfindung im Gesundheitssystem unterstützen.

Während die Breite der Daten, die wir haben, allein ein bemerkenswerter Unterschied ist, ist die Geschichte und Konsistenz hinter diesen Daten wirklich bemerkenswert. Durch unsere Partnerschaft mit Snowflake können unsere Kunden nun unsere longitudinalen Datensätze von großem, hochwertigem RWD sicher und schnell zugreifen, eine Fähigkeit, die traditionell durch fragmentierte Systeme und komplexe manuelle Daten-Importprozesse behindert wurde. Insbesondere für Life-Science- und Biopharma-Unternehmen ist es entscheidend, dass sie die Zuversicht haben, dass ihr Partner Daten liefert, die für die Entscheidungsfindung konsistent und zuverlässig sind. Diese Grundlage ist der Eckpfeiler unseres RWD-Angebots, das wir weiterhin in Umfang und Art der generierbaren Erkenntnisse erweitern.

Welche sind die Haupt-technischen oder Governance-Herausforderungen beim Verknüpfen oder Integrieren von Datensätzen aus verschiedenen Quellen, um umfassende reale Welt-Beweise zu erstellen?

Es beginnt mit der Anerkennung der Grundlage unserer Daten, die auf die Interaktionen zwischen einem Patienten und seinem Anbieter, seiner Apotheke und seinem Zahler zurückgeht. Oft sind diese Interaktionen persönlich und resultieren aus bedeutungsvollen Berührungspunkten in ihrer eigenen Versorgung. Dies macht es entscheidend, dass wir als treibende Steward unserer Daten verantwortungsvoll handeln und starke Governance um diese Daten haben. Wir nehmen diese Verantwortung bei Inovalon sehr ernst, insbesondere wenn es um die Art und Weise geht, wie RWD in realen Welt-Beweisprozessen eingesetzt wird.

Eine der größten Herausforderungen, denen wir gegenüberstehen, ist die Balance zwischen Datenverwendung und Datenschutz. Wenn der Fokus ausschließlich auf Datenschutz liegt, verliert man die Fähigkeit, die Daten vollständig zu analysieren und ihren Wert zu extrahieren. Wenn der Fokus jedoch nur auf Analyse liegt, riskiert man, die ethischen oder regulatorischen Verpflichtungen gegenüber Patienten und Familien zu vernachlässigen. Diese schwierige Balance ist nicht nur eine technische, sondern auch eine Governance-Herausforderung. Wir müssen ständig überlegen, was wir tun können, was wir sollten tun und was wir nicht tun dürfen, um die Daten, die wir haben, zu schützen, während wir gleichzeitig ihren Wert und ihre Auswirkungen auf das Gesundheitssystem maximieren.

Von technischer Seite ist eine weitere große Herausforderung die Verknüpfung. Egal, wie tief oder breit ein einzelner Datensatz ist, er ist nie ausreichend für sich allein. Die Fähigkeit, Datensätze aus verschiedenen Quellen zu verknüpfen, ist entscheidend, und wir priorisieren dies jeden Tag durch unsere Arbeit mit verschiedenen Partnern.

Letztendlich ist Governance darum bemüht, die richtige Balance zwischen dem Schutz der Daten auf die richtige Weise und der gleichzeitigen Förderung der Grenzen dessen, was möglich ist, um den größten Wert für das Gemeinwohl zu realisieren. Das ist nicht immer einfach, insbesondere wenn einige Vorschriften, obwohl gut gemeint, Innovation behindern oder die potenziellen Vorteile, die wir für Patienten und das Gesundheitssystem liefern könnten, begrenzen. Unsere Rolle ist es, sorgfältige Steward unserer Daten zu sein, innerhalb der Grenzen von Lieferantenvereinbarungen und Vorschriften zu operieren und gleichzeitig verantwortungsvolle Wege zur Innovation zu finden.

Schließlich gibt es eine strukturelle Herausforderung, da das Gesundheitssystem sehr fragmentiert ist. Damit ein Kunde auf alle benötigten Daten zugreifen kann, erfordert es oft, Daten aus mehreren Datensätzen zu ziehen und Daten über verschiedene Versorgungspunkte hinweg zu verknüpfen, mit vielen Zwischenhändlern dazwischen. Im Vergleich zu Branchen wie Finanzdienstleistungen liegt das Gesundheitswesen Jahre, wenn nicht Jahrzehnte, hinter der Datenintegration und Interoperabilität zurück. Dies ist jedoch auch eine massive Chance für Inovalon. Wenn wir die Art und Weise, wie Daten verbunden, verfügbar gemacht und kreativ genutzt werden, weiterentwickeln können, können wir viel innovativere Analytics und Lösungen liefern, die letztendlich den Patienten zugutekommen.

Wie balancieren Sie Datenschutz, regulatorische Konformität und Innovation, wenn Sie KI-Modelle auf sensible Gesundheitsdaten einsetzen?

Die Art und Weise, wie ich über KI denke, ist letztendlich, dass es darum geht, das zu ersetzen oder zu verbessern, was heute theoretisch möglich ist, nur auf eine schnellere, intelligentere und fortschrittlichere Weise. Wenn ein Kunde ein KI-Modell auf unsere Daten anwenden möchte, ist es etwas, das wir annehmen müssen. Wie bei jeder Verwendung unserer Daten gibt es Bedingungen und Einschränkungen, die definieren, was ein Kunde tun kann und was nicht. Diese sind auf unsere eigenen Upstream-Berechtigungen, Einschränkungen und anwendbaren Vorschriften basiert. Dieses Rahmenwerk ändert sich nicht in der Welt der KI, und wir müssen verantwortungsvolle Enabler sein. Wir können nicht Angst vor KI haben. Wir müssen sie verantwortungsvoll für den Fortschritt der KI annehmen, da sie das Potenzial hat, das Gesundheitssystem enorm zu verbessern.

KI erfordert sowohl historische Daten, um die Modelle aufzubauen, als auch laufende Daten, um sie zu erhalten. Aus unserer Sicht als Datenanbieter ist dies eine starke Position, da ein Modell, das auf unseren Daten aufgebaut wird, noch enger mit uns verknüpft wird. Wir müssen jeden Einsatz wie jeden Kundenfall angehen, sicherstellen, dass er ordnungsgemäß lizenziert und reguliert ist. Der sensiblere Teil der KI, insbesondere im Gesundheitswesen, ist sicherzustellen, dass es immer einen Menschen in der Schleife gibt, wenn die Versorgung geleistet wird. Dies ist ein viel größeres Thema, das viele Menschen diskutieren.

Aus Sicht der RWD sind wir noch in den Anfängen. KI hat noch nicht viele bahnbrechende Ergebnisse im Gesundheitswesen geliefert, insbesondere wenn man sich auf RWD-Anwendungsfälle konzentriert. Wir erkunden eine Reihe von Möglichkeiten, einschließlich maschineller Lernalgorithmen zur Extraktion aus klinischen Notizen, was eine grundlegendere Anwendung der KI ist. Darüber hinaus untersuchen wir den Einsatz von KI in klinischen Studien und Krankheitsverläufen und Vorhersagbarkeit. Wir stehen am Anfang dieser Reise, aber das Potenzial ist enorm. Bei Inovalon konzentrieren wir uns darauf, sicherzustellen, dass wir die höchste Qualität an Daten haben, die verantwortungsvoll in Verbindung mit KI eingesetzt werden können, mit starker Governance und menschlicher Aufsicht, während wir uns auf die Skalierung ihres Einflusses vorbereiten, wenn die Technologie und das Ökosystem gereift sind.

Aus Ihren Gesprächen mit Kunden – welche sind die häufigsten Bedenken hinsichtlich der Einführung von KI und RWD-getriebenen Analytics im Gesundheitswesen, und wie reagieren Sie darauf?

Die häufigsten Bedenken, die ich höre, sind Datenqualität und Berechtigungen, unsere Daten für die Schulung ihrer eigenen KI-Modelle zu nutzen. Für die Datenqualität ist es bei KI wichtig, dass ‘Müll rein, Müll raus’ gilt. Wenn die Datenqualität schlecht ist, also die Daten nicht sauber sind oder es nicht genug Daten gibt, dann ist die Ausgabe nicht sehr wertvoll. Unsere Kunden erwarten konsistente, genaue und zuverlässige Daten. Da wir riesige Mengen an Daten verwalten, war eines meiner ersten Prioritäten, die Datenqualität überall zu gewährleisten. Wir haben hart daran gearbeitet, die Daten zu reinigen, zu deduplizieren, zu normalisieren, zu standardisieren und sie downstream zu liefern. Die Übernahme der Datenqualität hilft auch, indem sie die Konsistenz und Zuverlässigkeit über unsere Datensätze hinweg verbessert, was es uns ermöglicht, mehr innerhalb unserer traditionellen Datenanalyse-Angebote sowie Analytics basierend auf KI zu liefern.

Die zweite Überlegung betrifft, wie unsere Daten zur Unterstützung der KI-Modellentwicklung eingesetzt werden können. Als datengetriebenes Unternehmen ist es wichtig, dass wir diese aufkommenden Anwendungsfälle sorgfältig ermöglichen. Angesichts der schnellen Evolution der Daten- und KI-Landschaft haben wir unseren Ansatz angepasst, um dies auf verantwortungsvolle Weise zu ermöglichen, unterstützt durch starke Governance, klare Nutzungsbedingungen und definierte Sicherheitsvorkehrungen. Diese Evolution ermöglicht es unseren Kunden, mit KI innovativ und verantwortungsvoll zu arbeiten, während sie gleichzeitig verantwortungsvolle, konforme und ethische Datenpraktiken sicherstellen.

Wie messen Sie den Erfolg oder die Rendite für Kunden, die Ihre Plattform und Analytics einsetzen, und welche Metriken interessieren sie am meisten?

Wir messen den Erfolg an den realen Auswirkungen, die unsere Plattform und Analytics auf die betrieblichen und klinischen Ergebnisse unserer Kunden haben. Dies kann eine Vielzahl von Erfolgsmaßen umfassen, je nach Kunde, wie die Verbesserung der CMS-Sternebewertungen in Medicare Advantage, die Optimierung der Risikobewertung oder die Generierung von handlungsfähigen realen Welt-Beweisen für Life-Science-Unternehmen. Der gemeinsame Faden ist, dass Erkenntnisse zeitnah, vertrauenswürdig und handlungsfähig sein müssen.

Für Metriken konzentrieren sich Kunden, je nachdem, wo sie im Gesundheitssystem stehen, auf Aspekte wie Qualitätsverbesserungen, Verringerung von Versorgungslücken, bessere Einhaltung von Behandlungsprotokollen oder messbare Kosteneinsparungen oder Nutzungsverbesserungen. Kunden realisieren die Rendite, wenn unsere Analytics ihnen helfen, informierte Entscheidungen zu treffen, die Patientenergebnisse, betriebliche Effizienz und/oder strategische Leistung verbessern.

Wenn Sie in fünf Jahren in die Zukunft blicken, wie erwarten Sie, dass KI und RWD im Gesundheitswesen und in der Life-Science-Branche evolvieren, und was sehen Sie als die nächste Grenze?

In fünf Jahren könnte das Gesundheitswesen möglicherweise wie etwas aussehen, das keiner von uns heute erkennen würde, aber es ist unmöglich, vorherzusagen, wie schnell die Branche evolvieren wird. Die einzige Gewissheit ist, dass es transformierend sein wird. Obwohl der Fortschritt der Innovation außergewöhnlich ist, bleibt er durch die Fragmentierung des Gesundheitssystems eingeschränkt, das Labor, Apotheken und EHRs umfasst, wo wenige Organisationen in der Lage sind, diese Datenquellen auf eine bedeutungsvolle Weise zu verbinden.

Während es ein limitierender Faktor sein mag, wenn Daten verknüpft und longitudinal erstellt werden können, in einer normalisierten und standardisierten Weise, dann denke ich, ist alles möglich. KI wird zunehmend alles untermauern, von klinischer Entscheidungsunterstützung bis hin zur Art und Weise, wie Life-Science-Organisationen klinische Studien ansprechen. In den nächsten fünf Jahren werden wir mehr Automatisierung, verbesserten Einsatz von Predictive-Analytics und erhöhte Konnektivität sehen, die Organisationen Zugang zu den Erkenntnissen gibt, die sie benötigen, in Echtzeit, alles mit dem Potenzial, Patientenversorgung und Gesundheitsoperationen als Ganzes zu transformieren.

Für Organisationen, die gerade beginnen, KI mit realen Welt-Daten zu integrieren, welche drei Ratschläge würden Sie geben?

Erstens und wichtigster ist, sich auf die Daten zu konzentrieren und sicherzustellen, dass man ständig die Qualität der Daten bewertet. Zweitens sollte man die geistige Kraft der Mitarbeiterbasis nutzen. Die Realität ist, dass die besten Ideen aus allen Ebenen der Organisation kommen können, insbesondere von jüngeren Generationen, die in die Arbeitswelt eintreten und Daten, KI und Technologie gelebt und geatmet haben. Führungskräfte sollten Wege finden, die Ideen und Innovationen, die tief in der Organisation sind, zu nutzen und eine Plattform für diese Perspektiven zu schaffen, um sie zu hören und zu ernten. Drittens sollte man die richtigen Menschen einstellen. Ohne die richtigen Menschen und technisches Talent ist es fast unmöglich, im Tempo zu innovieren, Wert zu schaffen und wettbewerbsfähig zu bleiben.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Inovalon besuchen.