Matt Walz, CEO bei Trialbee – Interview-Serie

Matt Walz ist der CEO von Trialbee, einem globalen Marktführer im Bereich Technologie-gestützte Patientenrekrutierung. Er bringt mehr als 20 Jahre Erfahrung im Bereich Software und Führung im Bereich Life Sciences mit. Matt begann seine Karriere als Entwickler und hatte verschiedene technische und Führungspositionen bei Rollins Corporation, PSCI, Microsoft (MSFT ), Morgan Lewis und Datalabs. Im Jahr 2006 gründete Matt NextDocs, das zu einem globalen Marktführer im Bereich klinische, qualitative und regulatorische Dokumentenverwaltung heranwuchs, wo er als CTO, CSO und Mitglied des Vorstands für 9 Jahre tätig war. Bevor er zu Trialbee kam, verbrachte Matt 5 Jahre als General Manager für Life Sciences und VP Strategic Accounts bei Aurea Software, das NextDocs übernommen hatte.

Trialbee ist ein Unternehmen im Bereich Gesundheitstechnologie, das die Patientenrekrutierung für klinische Studien rationalisiert. Durch die Nutzung von Datenanalysen, digitaler Ansprache und Evidenz aus der realen Welt kann es Patienten finden, ansprechen und vorqualifizieren, um die Einschreibung zu beschleunigen. Die Plattform bietet Transparenz über Quellen und Partner, wodurch Sponsoren, CROs und Studienzentren die Rekrutierungspipeline effizienter verwalten und die Belastung der Zentren reduzieren können.

Sie haben in beiden Bereichen, Gesundheitstechnologie-Start-ups und groß angelegte klinische Forschungsplattformen, gearbeitet. Welche persönlichen Erfahrungen oder Momente in Ihrer Karriere haben Sie dazu gebracht, das Potenzial – und die Fallstricke – von KI in der Patientenrekrutierung zu erkennen?

KI ist die am schnellsten fortschreitende Technologie, die ich in über zwei Jahrzehnten im Bereich klinische Entwicklung gesehen habe – schneller sogar als die Anfangszeit der Cloud-Adoption. Was mich am meisten beeindruckt hat, ist, wie KI von konzeptionell zu operativ über eine Branche geworden ist, die normalerweise langsam neue Technologien annimmt – und sogar von Aufsichtsbehörden wie der FDA priorisiert wird. Für die Patientenrekrutierung in klinischen Studien sind wir noch in den Anfangsphasen des Lernens, wo KI am besten geeignet ist. Anbieter und Sponsoren erkunden KI für die Protokollentwicklung, Personas und Zielgruppen, Datenanreicherung, Lokalisierungen und Kommunikation und Engagement – dies sind alle wichtige Reibungspunkte für Forschungsteams.

Es gibt jedoch auch ein gewisses Risiko, das mit diesem Potenzial einhergeht. Ich habe mit Führungskräften in großen Pharma-Unternehmen gesprochen, die betonen, dass KI, obwohl sie in mehr Punkten des Workflows auftaucht, nicht unkontrolliert laufen kann. Menschliche Aufsicht ist grundlegend.

Dies gilt aus Gründen der Qualität und Sicherheit sowie weil Unternehmen wie Trialbee mit Patienten und Familien in Kontakt treten, die nach Hoffnung suchen – eine sehr menschliche und empathische Erfahrung, die nicht durch KI ersetzt werden kann, um den Patienten, denen wir dienen, einen echten Dienst zu erweisen.

Die Patientenrekrutierung in klinischen Studien hat historisch gesehen Probleme mit Vielfalt, Geschwindigkeit und Genauigkeit. Wie hilft KI dabei, diese Herausforderungen zu meistern – und wo fehlt es ihr noch?

KI hilft dabei, einige der langsamsten und ressourcenintensivsten Teile des Rekrutierungsprozesses zu rationalisieren. Zum Beispiel können Dinge, die früher Wochen dauerten – wie die Übersetzung von Studienmaterialien in Dutzende von Sprachen – jetzt in Stunden komprimiert werden. Das bedeutet, dass wir die Rekrutierung über mehr globale Märkte hinweg schneller starten können.

Wenn es um Genauigkeit geht, beginnen KI-gestützte Agenten, konsistente, kriterienorientierte Interaktionen zu liefern, von den erstellten Materialien bis hin zur Vorauswahl und Chatbots. Diese Tools sind besonders nützlich für die Reduzierung von Abbruchpunkten, die den Rekrutierungsprozess verlangsamen.

Vielfalt bleibt jedoch eine Herausforderung. KI ist nur so repräsentativ wie die Daten, auf denen sie trainiert wurde, und die Repräsentation wird auch durch Faktoren außerhalb der Technologie beeinflusst – einschließlich länderspezifischer regulatorischer Einschränkungen, die die Verwendung von KI in patientenorientierten Rollen begrenzen. Das Aufbauen von Vertrauen mit Studienteilnehmern war eine Herausforderung in der gesamten Geschichte der klinischen Forschung, und die Interaktion mit KI-Tools wird mit unterschiedlichen Graden an Skepsis begegnet. Mit diesem Wissen unterstützen wir einen Ansatz, der Menschen die Option gibt, entweder mit einem live-medizinischen Fachmann oder einem KI-Agenten zu interagieren, je nach Vorliebe und Komfortniveau. Dies kann dazu beitragen, Teilnehmer mit unterschiedlichen Komfortniveaus um KI herum zu erreichen, während gleichzeitig eine starke Aufsicht, insbesondere für agentische KI, gewährleistet wird, indem Sicherheitsmechanismen wie separate Denkmaschinen integriert werden, um es erfolgreich zu machen.

Sie haben vorher erwähnt, dass KI-Tools in der Patientenrekrutierung schneller eingesetzt werden als jede vorherige Innovation. Aber da globale Regulierungsbehörden Schwierigkeiten haben, Schritt zu halten, welche Aufsichtslücken sehen Sie als am dringendsten in multinationalen klinischen Studienkampagnen?

Die größte Lücke ist der Mangel an regulatorischer Ausrichtung über geografische Grenzen hinweg. In den USA akzeptieren Agenturen wie die FDA KI mit neuen Rahmenbedingungen und frühen Überprüfungsprozessen. Im Gegensatz dazu bewegt sich Europa verständlicherweise vorsichtiger, konzentriert auf sorgfältiges Vorgehen und strengere regulatorische Überprüfungen.

Für Unternehmen wie unseres, die global agieren, stellt dies eine Herausforderung dar: Was in einem Land akzeptabel ist, muss nicht in einem anderen Land akzeptabel sein. Und die Abweichung liegt nicht nur in den Regulierungen, sondern auch in der Nutzung verschiedener Kanäle oder sozialer Medienplattformen wie Facebook (META ) für die Rekrutierung, der Umgang mit personenbezogenen Daten oder der Erhalt der Patienteneinwilligung. Diese Nuancen erfordern operative Flexibilität und ein tiefes Verständnis regionaler ethischer und Compliance-Standards.

Dies ist der Bereich, in dem unsere Geschichte der Innovation und unsere inhärente globale Kultur wichtige Vermögenswerte sind, während wir die aufregende, aber hochdynamische KI-Landschaft navigieren.

Wie kann der Mangel an globaler Ausrichtung in regulatorischen Rahmenbedingungen die Einführung von KI in klinischen Studien behindern? Haben Sie reale Konsequenzen dieser Situation erlebt?

Absolut. Die digitalen Werbestrategien, auf die wir für die Patientenrekrutierung angewiesen sind, sind ein gutes Beispiel dafür. Facebook ist eine der effektivsten Plattformen weltweit, aber selbst in den Ländern, in denen es erlaubt ist, variiert das Maß der Zielgruppenansprache, die erlaubt ist, und die Daten, die verwendet werden können. Wir bauen interne Expertise auf, um diese Unterschiede zu überwinden, und wir erwarten, dass die KI-Regulierung einen ähnlichen Weg einschlagen wird.

Praktisch gesehen können die durch diese Dilemmata auferlegten Einschränkungen für Rekrutierungsteams dazu führen, dass Kampagnenstarts verzögert werden, zusätzliche Zyklen mit Ethikkomitees durchlaufen werden müssen und komplexere Compliance-Workflows entstehen. Wenn Sie nicht tief über die Unterschiede in der KI-Nutzung, insbesondere in patientenorientierten Anwendungen, Bescheid wissen, riskieren Sie, Studien zu verlangsamen oder auf ernsthafte Genehmigungshürden zu stoßen.

Trialbee operiert an der Schnittstelle von Daten, Technologie und Patientenbindung. Wie stellen Sie sicher, dass KI-gestützte Rekrutierungsstrategien Patienten nicht auf Datenpunkte reduzieren, sondern die menschliche Seite der Forschung verbessern?

Eine hervorragende und wichtige Frage für uns alle. Wie ich bereits erwähnt habe, sehe ich KI als Möglichkeit, Menschen zu befähigen – nicht sie zu ersetzen. Dies gilt besonders in der sehr persönlichen Branche, in der wir tätig sind, wo wir versuchen, Generationen von Patienten auf der ganzen Welt ein gesünderes Leben zu ermöglichen. Unser Geschäft ist ein warmes, das darum geht, Menschen zu verbinden, und menschliche Wesen werden immer im Mittelpunkt stehen.

Wenn es um den täglichen Betrieb geht, wäre die beste KI, die wir liefern können – zum Beispiel innerhalb unserer Honey-Plattform – in der Lage, Daten und Trends zu analysieren und Standorten und Studienteams zu signalisieren, wo möglicherweise Handlungen erforderlich sind. Wir tun dies bereits und werden weiterhin Fähigkeiten hinzufügen, um sicherzustellen, dass die wertvollen Daten, die erfasst werden, sofort genutzt werden, um einen Unterschied in der Studie zu machen. Dies könnte bedeuten, tägliche Einblicke in den Rekrutierungsfortschritt zu liefern oder eine Nachverfolgung mit bestimmten Patienten mit Hilfe von Vorhersagemodellen anzustoßen.

Intern setzen wir KI in unserer Organisation systematisch und kollaborativ ein. Ein paar gute Beispiele hierfür könnten die Übersetzung von Rekrutierungsmaterialien und die KI-gesteuerte Unterdrückung potenzieller PII-Daten sein – diese werden immer von einem erfahrenen Menschen überwacht. Sie werden also sehen, wie wir KI nutzen, um unser großartiges Team zu stärken und nicht umgekehrt.

Welche spezifischen Fähigkeiten sind für klinische Forschungsteams am wichtigsten, um KI-Tools verantwortungsvoll zu leiten und zu regeln?

Die wichtigsten Fähigkeiten liegen an der Schnittstelle zwischen klinischer Expertise, KI-Kompetenz und regulatorischer Kompetenz. Teams müssen verstehen, wie sie effektiv mit KI-Plattformen interagieren, indem sie sie mit Präzision ansprechen und ihre Ausgaben kritisch überprüfen.

Es besteht auch ein wachsender Bedarf an regulatorischer Einsicht. Wie ich bereits erwähnt habe, ist dies insbesondere in Bereichen wie agentischer KI erforderlich, wo wir separate Denkmaschinen aufbauen, um als Schutzmechanismen in Patienteninteraktionen zu dienen. Teams müssen auch in der Lage sein, KI-übersetzte Inhalte zu bewerten und ihre Genauigkeit und kulturelle Relevanz zu überprüfen, bevor Materialien an Ethikkomitees eingereicht werden.

Die Einführung von KI beschleunigt sich. Welchen Rat würden Sie klinischen Studienteilnehmern geben, die zögern oder von der Komplexität der Integration von KI in ihre Arbeitsabläufe überwältigt sind?

Jemand hat einmal gesagt, wenn Sie beginnen, mit KI zu arbeiten, stellen Sie sicher, dass Sie echte Intelligenz verwenden. Maschinelles Lernen kann erstaunliche Dinge ermöglichen – vorausgesetzt, es hat die Expertise, den Kontext und die Schutzmechanismen von Fachleuten dahinter.

Mein Rat ist, klein anzufangen und am Boden zu bleiben, was Sie heute liefern können. Einer der größten Fehler, die ich sehe, ist, dass Unternehmen zu weit in vage Versprechen über KI-Transformationen vordringen, ohne zu erklären, wie es tatsächlich funktioniert oder wann es bereit sein wird. Obwohl diese Versprechen im Moment gut klingen, können sie das Vertrauen untergraben, weil sie nicht den Beweis eines echten Plans zeigen.

Der bessere Weg ist, die Einführung in kleine, definierte Schritte mit klaren Ergebnissen zu unterteilen. Wählen Sie ein oder zwei hochwirkungsvolle Bereiche aus, in denen KI Reibungspunkte beseitigen kann, und stellen Sie sicher, dass diese durch die richtige Aufsicht unterstützt werden. Seien Sie spezifisch über die Tools, die Sie verwenden, wie sie eingerichtet sind und wie Sie sensible Informationen schützen. Dies ist der Ansatz, den wir bei Trialbee verfolgen. Wir sprechen nur mit Stakeholdern über Fähigkeiten, die wir aktiv aufbauen, in der Regel nicht mehr als drei Monate im Voraus, weil wir sicherstellen möchten, dass wir über das kommunizieren, was real ist.

Bei Trialbee fordern wir derzeit jede Woche eine andere Abteilung oder ein anderes Team auf, Use Cases vorzustellen, die für sie funktioniert haben. Wir diskutieren das Wie sowie das Warum, um Erfahrungen, Herausforderungen und Lösungen zu teilen, damit andere ihre KI-Erfolge replizieren können, um Effizienz, Kundenergebnisse oder Rekrutierungsziele zu verbessern.

Wir betonen auch die Transparenz über die Tools, die wir verwenden, um diese Fähigkeiten aufzubauen. Wenn wir beispielsweise OpenAI’s ChatGPT oder Anthropic’s Claude verwenden, beschreiben wir die Einrichtung für Stakeholder, einschließlich der Isolierung sensibler Informationen und der Anwendung menschlicher Aufsicht. Sobald sie die Vorteile in Aktion sehen, wie Zeitersparnis in Übersetzungsworkflows oder erhöhte Geschwindigkeit in der frühen Patientenauswahl, sind sie eher bereit, sich dem nächsten KI-Anwendungsfall anzuschließen. Und so ist es weniger darum, die große Vision zu verkaufen, und mehr darum, Wert Schritt für Schritt zu beweisen.

Die FDA und andere Regulierungsbehörden beginnen, strengere Fragen zu KI-Modellen zu stellen, die in der Arzneimittelentwicklung eingesetzt werden. Welche Arten von Transparenz-, Validierungs- oder Prüfbarkeitsstandards sollten Ihrer Meinung nach zu Branchenstandards werden?

Die Branche muss auf vollständige Transparenz und menschliche Aufsicht in jedem KI-gestützten Entscheidungsprozess hinarbeiten. Um einige Beispiele zu nennen:

Wenn wir über agentische KI sprechen, arbeiten wir bereits daran, regulatorische Logik in eine separate Denkmaschine einzubetten, die in Echtzeit Konversationen bewerten und korrigieren kann. Ein solches internes Kontrollsystem sollte in jeder patientenorientierten Anwendung zum Standard werden. Validierungsprotokolle müssen auch formalisiert werden, einschließlich Benchmark-Tests und laufender Leistungsbeurteilungen.

Am wichtigsten ist, dass diese Standards in den Produktentwicklungsprozess integriert werden und nicht nachträglich hinzugefügt werden. Diese Strenge wird für die Aufrechterhaltung der Patientensicherheit, das Gewinnen von regulatorischem Vertrauen und die verantwortungsvolle Skalierung von KI in globalen klinischen Forschungskampagnen unerlässlich sein.

KI-Modelle basieren oft auf historischen Datensätzen, die systemische Gesundheitsungleichheiten widerspiegeln können. Wie gehen Sie dabei vor, Fairness und Vielfalt in der Patientenrekrutierung sicherzustellen, insbesondere für unterrepräsentierte Bevölkerungsgruppen?

Das Fehlen von KI war nicht das, was die Vielfalt in der klinischen Forschung behindert hat – das Fehlen eines Plans war es. Und KI kann nicht wirklich dabei helfen. Sobald es ein echtes Engagement gibt, kann KI ein mächtiges Werkzeug sein, das uns hilft, unterrepräsentierte Gruppen effektiver zu erreichen, aber nur, wenn wir absichtlich vorgehen. Deshalb erweitern wir bei Trialbee die Daten, die unsere Modelle verwenden, bauen Gemeinschaftspartnerschaften auf und überwachen kontinuierlich die Rekrutierungsergebnisse, um sicherzustellen, dass keine Gruppe zurückgelassen wird.

Sie haben erwähnt, dass Ihr Team neue KI-bezogene Produkte später in diesem Jahr einführen wird. Können Sie einen Überblick über die Probleme geben, die Sie lösen – und wie diese Innovationen Ihre umfassendere Philosophie über die verantwortungsvolle Nutzung von KI widerspiegeln?

Trialbee hat eine Kultur der Innovation, und KI ist ein wichtiger und wachsender Bestandteil davon. In diesem Jahr allein hat unsere Honey-Plattform neue Standort-Workflows, ein Sponsor-spezifisches Patientenregister und Use Cases für Studien-Website-Finder für globale Biopharma-Marken wie BMSClinicalTrials.com eingeführt. Mit KI im Speziellen werden Sie neue Funktionen und Verbesserungen sehen, die in den nächsten 3, 6, 12 Monaten und darüber hinaus veröffentlicht werden. Wir entwickeln Chatbots, intelligente Tools und mehr innerhalb von Honey, während wir auch neue Wege zur Rationalisierung von Prozessen für unsere Kunden auswerten. Intern nutzen wir KI, um gezielter, absichtlicher, integrativer und effizienter in allem zu werden, was wir tun – mit einem erfahrenen Teammitglied, das jede Entscheidung leitet und den Kontext für alle KI-Modelle, die wir verwenden, interpretiert.

Wenn Sie fünf Jahre in die Zukunft blicken, wie sehen Sie die Entwicklung von Trialbees Rolle, wenn KI tiefer in die klinische Forschung integriert wird? Welche Rolle sehen Sie Ihr Unternehmen bei der Gestaltung einer ethischeren, effizienteren und global harmonisierten Zukunft für die Patientenrekrutierung?

In fünf Jahren sehe ich Trialbee als führenden KI-gestützten Dienstleister für Patientenrekrutierung in der klinischen Forschung. Wir integrieren bereits generative KI in jeden Teil des Rekrutierungsworkflows, wo sie die Geschwindigkeit beschleunigen, die Genauigkeit verbessern oder die Patientenoptionen erhöhen kann. Wie ich bereits erwähnt habe, bewerten wir aktiv Tools, die Patienten die Wahl geben, entweder mit einem live-medizinischen Fachmann oder einem KI-Agenten zu interagieren, je nach Vorliebe und Komfortniveau. Wir glauben, dass das Angebot dieser Wahl entscheidend ist, um Vertrauen und Teilnahme im Laufe der Zeit zu erhöhen.

Ethisch sind wir verpflichtet, sicherzustellen, dass KI mit regulatorischer Strenge und Transparenz umgesetzt wird. Das bedeutet, Aufsichtsmechanismen in die Technologie selbst einzubetten und offen darüber zu sein, wie unsere Systeme funktionieren. Wir bauen KI auch in die Kultur unseres Unternehmens ein – jede Abteilung und jedes Team – damit wir bereit sind, uns anzupassen, wenn die Technologie sich weiterentwickelt. Letztendlich möchten wir ein Unternehmen sein, das hilft, zu definieren, wie KI verantwortungsvoll in der klinischen Forschung eingesetzt wird. Wenn wir das richtig machen, können wir dazu beitragen, eine Zukunft zu gestalten, in der Studien schneller, integrativer und für Patienten unabhängig von ihrem Wohnort oder ihrer Sprache zugänglicher sind.

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