Matt Walz, CEO tại Trialbee – Interview Series

Matt Walz là CEO của Trialbee, một công ty hàng đầu toàn cầu về tuyển dụng bệnh nhân dựa trên công nghệ. Ông có hơn 20 năm kinh nghiệm trong lĩnh vực phần mềm và lãnh đạo trong ngành khoa học đời sống. Matt bắt đầu sự nghiệp của mình với tư cách là một nhà phát triển và đã từng giữ các vị trí kỹ thuật và lãnh đạo tại Rollins Corporation, PSCI, Microsoft (MSFT ), Morgan Lewis và Datalabs. Vào năm 2006, Matt đồng sáng lập NextDocs, công ty đã trở thành một công ty hàng đầu toàn cầu về quản lý tài liệu lâm sàng, chất lượng và quy định, nơi ông từng là CTO, CSO và Giám đốc Điều hành trong 9 năm. Trước khi gia nhập Trialbee, Matt đã dành 5 năm làm Tổng Giám đốc Điều hành về Khoa học Đời sống và Phó Chủ tịch Điều hành về Tài khoản Chiến lược tại Aurea Software, công ty đã mua lại NextDocs.

Trialbee là một công ty công nghệ chăm sóc sức khỏe giúp đơn giản hóa quá trình tuyển dụng bệnh nhân cho các thử nghiệm lâm sàng. Bằng cách tận dụng phân tích dữ liệu, tiếp cận kỹ thuật số và bằng chứng thực tế, công ty này giúp kết nối, thu hút và sàng lọc trước bệnh nhân để tăng tốc quá trình đăng ký. Nền tảng của Trialbee cung cấp tính minh bạch trên các nguồn và đối tác, giúp các nhà tài trợ, CRO và các địa điểm thử nghiệm quản lý quy trình tuyển dụng hiệu quả hơn đồng thời giảm gánh nặng cho các địa điểm.

Bạn đã làm việc trong cả hai lĩnh vực công nghệ chăm sóc sức khỏe và các nền tảng nghiên cứu lâm sàng lớn. Những trải nghiệm hoặc khoảnh khắc nào trong sự nghiệp của bạn đã giúp bạn nhận ra tiềm năng và những hạn chế của AI trong tuyển dụng bệnh nhân?

AI là xu hướng công nghệ phát triển nhanh nhất mà tôi đã chứng kiến trong hơn hai thập kỷ làm việc trong lĩnh vực phát triển lâm sàng – nhanh hơn cả những ngày đầu của việc áp dụng điện toán đám mây. Điều khiến tôi ấn tượng nhất là cách AI đã chuyển từ khái niệm sang hoạt động trên toàn ngành công nghiệp, vốn thường chậm trong việc áp dụng công nghệ mới – và đang được ưu tiên ngay cả tại các cơ quan quản lý như FDA. Đối với tuyển dụng bệnh nhân cho các thử nghiệm lâm sàng cụ thể, chúng tôi vẫn đang trong giai đoạn đầu của việc học hỏi nơi AI phù hợp nhất. Các nhà cung cấp và nhà tài trợ đang khám phá AI cho việc phát triển giao thức, tạo persona và nhắm mục tiêu, làm giàu dữ liệu, bản địa hóa và giao tiếp & tương tác – tất cả đều là những điểm ma sát lớn cho các nhóm nghiên cứu.

Tuy nhiên, cũng có một số rủi ro đi kèm với tiềm năng đó. Tôi đã nói chuyện với các nhà lãnh đạo tại các công ty dược phẩm lớn, những người nhấn mạnh rằng mặc dù AI đang xuất hiện ở nhiều điểm trong quy trình làm việc, nhưng nó không thể hoạt động mà không có sự giám sát của con người.

Điều này là vì lý do chất lượng và bảo mật cũng như vì ở cốt lõi, các công ty như Trialbee kết nối với bệnh nhân và gia đình họ, những người đang tìm kiếm hy vọng – một trải nghiệm rất nhân văn và đồng cảm mà không thể được thay thế bằng AI một cách có ý nghĩa cho bệnh nhân chúng tôi phục vụ.

Tuyển dụng bệnh nhân cho các thử nghiệm lâm sàng đã phải đối mặt với các vấn đề về đa dạng, tốc độ và độ chính xác. Theo quan điểm của bạn, AI đang giúp giải quyết những thách thức này như thế nào – và nơi nào nó vẫn còn thiếu?

AI đang giúp đơn giản hóa một số phần chậm nhất và tốn nhiều tài nguyên nhất trong quy trình tuyển dụng. Ví dụ, những việc trước đây phải mất vài tuần – như dịch tài liệu nghiên cứu qua hàng chục ngôn ngữ – hiện đã được nén vào vài giờ. Điều đó có nghĩa là chúng tôi có thể bắt đầu tuyển dụng nhanh hơn trên nhiều thị trường toàn cầu.

Khi nói đến độ chính xác, các tác nhân được hỗ trợ bởi AI đang bắt đầu giúp chúng tôi cung cấp các tương tác nhất quán hơn, phù hợp với tiêu chí, từ việc tạo tài liệu đến sàng lọc trước đến các rô-bốt trò chuyện. Những công cụ này đặc biệt hữu ích trong việc giảm các điểm rơi mà làm chậm quá trình tuyển dụng.

Đa dạng vẫn là một thách thức, mặc dù vậy. AI chỉ đại diện cho dữ liệu nó được đào tạo, và đại diện cũng bị ảnh hưởng bởi các yếu tố bên ngoài công nghệ – bao gồm cả các hạn chế quy định của quốc gia đối với quốc gia về việc sử dụng AI trong các vai trò đối mặt với bệnh nhân. Xây dựng niềm tin với các đối tượng tham gia thử nghiệm đã là một thách thức trong suốt lịch sử nghiên cứu lâm sàng, và sự tham gia của các công cụ AI được đáp ứng với các mức độ hoài nghi khác nhau. Với điều đó trong tâm trí, chúng tôi ủng hộ một cách tiếp cận sẽ cho phép mọi người có tùy chọn tương tác với một chuyên gia y tế trực tiếp hoặc, ví dụ, một tác nhân AI. Điều này có thể giúp tiếp cận các đối tượng tham gia với các mức độ thoải mái khác nhau xung quanh AI trong khi đảm bảo sự giám sát mạnh mẽ, đặc biệt là đối với AI đại lý, mặc dù các biện pháp phòng ngừa như các động cơ suy luận riêng biệt phải được kết hợp để làm cho nó thành công.

Trước khi bạn đề cập rằng các công cụ AI đang được triển khai nhanh hơn bất kỳ đổi mới nào trước đây trong tuyển dụng bệnh nhân. Nhưng với các nhà quản lý toàn cầu đang vật lộn để theo kịp, những khoảng trống giám sát nào bạn thấy là cấp thiết nhất trong các chiến dịch thử nghiệm lâm sàng đa quốc gia?

Khoảng trống lớn nhất là sự thiếu sự hài hòa về quy định giữa các khu vực địa lý. Tại Hoa Kỳ, các cơ quan như FDA đang chấp nhận AI với các khuôn khổ và quy trình xem xét sớm mới. Ngược lại, châu Âu đang di chuyển một cách thận trọng hơn, tập trung vào việc đi chậm và áp dụng các quy trình xem xét quy định nghiêm ngặt hơn.

Đối với các công ty như chúng tôi hoạt động toàn cầu, điều này tạo ra một thách thức: Những gì được chấp nhận ở một quốc gia có thể không được chấp nhận ở quốc gia khác. Và sự khác biệt không chỉ nằm trong quy định, mà còn trong cách các kênh hoặc nền tảng truyền thông xã hội như Facebook (META ) được sử dụng cho tuyển dụng, cách xử lý dữ liệu cá nhân, hoặc cách thu thập sự đồng ý của bệnh nhân. Đây là những sắc thái đòi hỏi sự linh hoạt vận hành và sự hiểu biết sâu sắc về các tiêu chuẩn tuân thủ và đạo đức khu vực.

Đây là nơi lịch sử đổi mới và văn hóa toàn cầu nội tại của chúng tôi trở thành những tài sản lớn khi chúng tôi điều hướng qua cảnh quan AI thú vị nhưng rất năng động này.

Làm thế nào sự thiếu sự hài hòa toàn cầu trong các khuôn khổ quy định có thể làm hỏng việc áp dụng AI trong các thử nghiệm lâm sàng? Bạn đã chứng kiến bất kỳ hậu quả thực tế nào của điều này?

Tuyệt đối. Các chiến lược quảng cáo kỹ thuật số mà chúng tôi dựa vào để tuyển dụng bệnh nhân là một ví dụ tốt ở đây. Facebook là một trong những nền tảng hiệu quả nhất trên toàn cầu, nhưng ngay cả trong những quốc gia nơi nó được phép, mức độ nhắm mục tiêu bạn được phép thực hiện và dữ liệu bạn có thể sử dụng cũng khác nhau rất rộng. Chúng tôi đang xây dựng chuyên môn nội bộ để vượt qua những khác biệt này, và chúng tôi đang dự đoán rằng quy định về AI sẽ theo một con đường tương tự.

Về mặt thực tế, những hạn chế mà tình huống này áp đặt lên các nhóm tuyển dụng có thể dẫn đến việc ra mắt chiến dịch bị chậm, thêm các chu kỳ với các ủy ban đạo đức và các quy trình tuân thủ phức tạp hơn. Nếu bạn không hiểu sâu sắc về cách mỗi quốc gia giải thích việc sử dụng AI, đặc biệt là trong các ứng dụng đối mặt với bệnh nhân, bạn có nguy cơ làm chậm các thử nghiệm hoặc gặp phải các rào cản phê duyệt nghiêm trọng.

Trialbee hoạt động tại giao điểm của dữ liệu, công nghệ và tương tác với bệnh nhân. Bạn đảm bảo rằng các chiến lược tuyển dụng dựa trên AI không giảm bệnh nhân xuống thành các điểm dữ liệu, mà thay vào đó nâng cao khía cạnh nhân văn của nghiên cứu như thế nào?

Một câu hỏi tuyệt vời và quan trọng cho tất cả chúng tôi. Như tôi đã đề cập trước đó, cách tôi xem AI là khả năng của nó trong việc trao quyền cho con người – không thay thế họ. Điều này đặc biệt đúng trong ngành công nghiệp rất nhân văn mà chúng tôi hoạt động, nơi chúng tôi đang cố gắng giúp các thế hệ bệnh nhân sống khỏe mạnh hơn trên toàn thế giới. Kinh doanh của chúng tôi là một kinh doanh ấm áp, về việc kết nối mọi người, và con người sẽ luôn là trung tâm của nó.

Khi nói đến hoạt động hàng ngày, AI tốt nhất mà chúng tôi có thể cung cấp – ví dụ, trong Nền tảng Honey của chúng tôi – sẽ là phân tích dữ liệu và xu hướng, và nhắc nhở các địa điểm và nhóm nghiên cứu nơi hành động có thể được cần. Chúng tôi đã làm điều này và sẽ tiếp tục thêm các khả năng để đảm bảo rằng dữ liệu quý giá đang được thu thập sẽ được sử dụng ngay lập tức để tạo ra sự khác biệt trong thử nghiệm. Điều này có thể có nghĩa là cung cấp thông tin chi tiết hàng ngày về tiến độ tuyển dụng hoặc nhắc nhở theo dõi với các bệnh nhân cụ thể bằng cách sử dụng mô hình dự đoán.

Trong nội bộ, chúng tôi đang sử dụng AI trên toàn tổ chức theo một cách có hệ thống và hợp tác. Một số ví dụ tốt ở đây có thể là dịch tài liệu tuyển dụng và ức chế AI đối với dữ liệu PII tiềm năng – những điều này luôn được giám sát bởi một chuyên gia có kinh nghiệm. Vì vậy, bạn sẽ hy vọng thấy cách chúng tôi đang sử dụng AI để làm cho đội ngũ tuyệt vời của chúng tôi trở nên mạnh mẽ hơn, và không ngược lại.

Các kỹ năng nào là quan trọng nhất đối với các nhóm nghiên cứu lâm sàng để hướng dẫn và quản lý các công cụ AI một cách có trách nhiệm ngày nay?

Các kỹ năng quan trọng nhất nằm ở giao điểm của chuyên môn lâm sàng, khả năng đọc hiểu AI và sự thông thạo về quy định. Các nhóm cần hiểu cách tương tác với các nền tảng AI một cách hiệu quả bằng cách đưa ra các câu hỏi chính xác và xem xét đầu ra của chúng một cách nghiêm túc.

Cũng có một nhu cầu ngày càng tăng về kiến thức về quy định. Như tôi đã đề cập trước đó, điều này đặc biệt cần thiết cho các lĩnh vực như AI đại lý, nơi chúng tôi đang xây dựng các động cơ suy luận riêng biệt để phục vụ như các thanh chắn trong các tương tác với bệnh nhân. Các nhóm cũng phải có khả năng đánh giá nội dung được AI dịch và xác minh độ chính xác và sự liên quan về văn hóa của nó trước khi tài liệu được gửi đến các ủy ban đạo đức.

Sự áp dụng AI đang tăng tốc. Bạn sẽ đưa ra lời khuyên gì cho các bên liên quan trong các thử nghiệm lâm sàng đang do dự hoặc choáng ngợp bởi sự phức tạp của việc tích hợp AI vào quy trình làm việc của họ?

Người ta từng nói, khi bạn bắt đầu làm việc với AI, hãy đảm bảo bạn sử dụng Trí tuệ Thực sự. Học máy có thể cho phép những điều tuyệt vời – miễn là nó có chuyên môn, ngữ cảnh và các rào cản của các chuyên gia trong lĩnh vực này.

Lời khuyên của tôi là hãy bắt đầu từ từ và giữ cho mọi thứ dựa trên những gì bạn có thể cung cấp ngay hôm nay. Một trong những sai lầm lớn nhất tôi thấy là các công ty dựa quá nhiều vào những lời hứa mơ hồ về chuyển đổi AI mà không giải thích rõ ràng cách nó hoạt động hoặc khi nào nó sẽ sẵn sàng. Mặc dù những lời hứa đó có thể nghe tuyệt vời vào lúc đó, nhưng chúng có thể làm xói mòn niềm tin vì chúng không cho thấy bằng chứng về một kế hoạch thực sự.

Con đường tốt hơn là chia việc áp dụng thành các bước nhỏ, có thể xác định được với các kết quả rõ ràng. Hãy chọn một hoặc hai lĩnh vực có tác động cao mà AI có thể loại bỏ sự khó khăn và đảm bảo rằng những lĩnh vực đó được hỗ trợ bởi sự giám sát phù hợp. Hãy cụ thể về các công cụ bạn đang sử dụng, cách chúng được thiết lập và quan trọng nhất, cách bạn đang bảo vệ thông tin nhạy cảm. Đây là cách tiếp cận chúng tôi thực hiện tại Trialbee. Chúng tôi chỉ nói chuyện với các bên liên quan về các khả năng mà chúng tôi đang xây dựng tích cực, thường không quá ba tháng trước, vì chúng tôi muốn đảm bảo rằng chúng tôi đang truyền đạt những gì thực sự.

Tại Trialbee, chúng tôi hiện đang yêu cầu một bộ phận hoặc nhóm khác mỗi tuần trình bày các trường hợp sử dụng đã hoạt động cho họ. Chúng tôi thảo luận về cách thực hiện cũng như lý do tại sao để chia sẻ kiến thức, thách thức và giải pháp để những người khác có thể nhân rộng thành công của AI để cải thiện hiệu quả, giao hàng cho khách hàng hoặc kết quả tuyển dụng.

Chúng tôi cũng nhấn mạnh sự minh bạch về các công cụ chúng tôi đang sử dụng để xây dựng những khả năng đó. Nếu chúng tôi đang sử dụng ChatGPT của OpenAI hoặc Claude của Anthropic, ví dụ, chúng tôi mô tả thiết lập cho các bên liên quan, bao gồm cả cách chúng tôi cô lập thông tin nhạy cảm và áp dụng sự giám sát của con người. Một khi họ thấy được lợi ích trong thực tế, như tiết kiệm thời gian trong các quy trình dịch hoặc tăng tốc độ trong quá trình sàng lọc bệnh nhân ban đầu, họ sẽ dễ dàng hơn trong việc chấp nhận trường hợp sử dụng AI tiếp theo. Và như vậy, nó ít hơn về việc bán tầm nhìn lớn và nhiều hơn về việc chứng minh giá trị từng bước.

Cơ quan Quản lý Thực phẩm và Dược phẩm (FDA) và các cơ quan quản lý khác đang bắt đầu đặt ra những câu hỏi khó hơn về các mô hình AI được sử dụng trong phát triển thuốc. Bạn tin rằng những tiêu chuẩn nào về minh bạch, xác thực hoặc khả năng kiểm toán nên trở thành chuẩn mực trong ngành?

Ngành công nghiệp cần chuyển sang hướng minh bạch hoàn toàn và phải đảm bảo có sự giám sát của con người trong mọi quyết định được hỗ trợ bởi AI. Để dẫn chứng một số ví dụ:

Khi chúng tôi nói về AI đại lý, chúng tôi đã đang làm việc trên các cách để nhúng logic quy định vào một động cơ suy luận riêng biệt có thể đánh giá và sửa chữa các cuộc trò chuyện trong thời gian thực. Hệ thống kiểm soát nội bộ như vậy nên trở thành tiêu chuẩn trong bất kỳ ứng dụng nào đối mặt với bệnh nhân. Các giao thức xác thực cũng cần được chính thức hóa, bao gồm cả kiểm tra benchmark và đánh giá hiệu suất liên tục.

Quan trọng nhất, những tiêu chuẩn này nên được tích hợp vào quy trình phát triển sản phẩm và không được gắn vào sau. Mức độ nghiêm ngặt đó sẽ là điều cần thiết để duy trì an toàn cho bệnh nhân, xây dựng niềm tin với các cơ quan quản lý và mở rộng AI một cách có trách nhiệm trên các chiến dịch nghiên cứu lâm sàng toàn cầu.

Các mô hình AI thường dựa trên các tập dữ liệu lịch sử có thể phản ánh các thiên vị trong hệ thống chăm sóc sức khỏe. Bạn tiếp cận việc đảm bảo công bằng và đa dạng trong tuyển dụng bệnh nhân, đặc biệt là cho các quần thể dưới đại diện, như thế nào?

Không có AI không phải là điều đã cản trở sự đa dạng trong nghiên cứu lâm sàng – không có kế hoạch ưu tiên là điều đó. Và AI không thể giúp được với điều đó. Một khi có cam kết thực sự, AI có thể trở thành một công cụ mạnh mẽ giúp chúng tôi tiếp cận các nhóm dưới đại diện một cách hiệu quả hơn, nhưng chỉ khi chúng tôi có chủ ý. Đó là lý do tại sao tại Trialbee, chúng tôi mở rộng dữ liệu mà các mô hình của chúng tôi sử dụng, xây dựng các quan hệ đối tác cộng đồng và liên tục theo dõi kết quả tuyển dụng để đảm bảo rằng không có nhóm nào bị bỏ lại phía sau.

Bạn đã đề cập rằng nhóm của bạn đang tung ra các sản phẩm mới liên quan đến AI vào cuối năm nay. Bạn có thể cung cấp một cái nhìn tổng quan về các vấn đề mà bạn đang giải quyết – và cách những đổi mới này phản ánh triết lý rộng lớn hơn của bạn về việc sử dụng AI có trách nhiệm?

Trialbee có một văn hóa đổi mới và AI là một thành phần lớn và ngày càng tăng của nó. Trong năm nay alone, Nền tảng Honey của chúng tôi đã tung ra các quy trình làm việc mới cho các địa điểm, một sổ đăng ký bệnh nhân dành riêng cho nhà tài trợ và các trường hợp sử dụng hỗ trợ cho các trang web tìm kiếm thử nghiệm cho các thương hiệu dược phẩm sinh học toàn cầu như BMSClinicalTrials.com. Với AI cụ thể, bạn sẽ thấy các tính năng và cải tiến mới được tung ra trong 3, 6, 12 tháng tới và hơn thế nữa. Chúng tôi đang phát triển các rô-bốt trò chuyện, công cụ thông minh và nhiều hơn nữa trong Honey cũng như đánh giá các cách mới để简 hóa các quy trình cho khách hàng của chúng tôi. Trong nội bộ, chúng tôi đang sử dụng nó để trở nên nhắm mục tiêu hơn, có chủ ý hơn, bao gồm hơn và hiệu quả hơn trong mọi thứ chúng tôi làm – với một thành viên trong nhóm có kinh nghiệm dẫn dắt mọi quyết định và diễn giải ngữ cảnh cho tất cả các mô hình AI mà chúng tôi sử dụng.

Nhìn về tương lai 5 năm, bạn hình dung vai trò của Trialbee sẽ thay đổi như thế nào khi AI trở nên sâu sắc hơn trong nghiên cứu lâm sàng? Bạn thấy công ty của mình đóng vai trò gì trong việc định hình một tương lai tuyển dụng bệnh nhân hiệu quả, đạo đức và hài hòa hơn trên toàn cầu?

5 năm từ bây giờ, tôi hình dung Trialbee sẽ đứng như một nhà cung cấp dịch vụ hàng đầu được hỗ trợ bởi AI cho tuyển dụng bệnh nhân trong nghiên cứu lâm sàng. Chúng tôi đã tích hợp AI vào mọi phần của quy trình tuyển dụng nơi nó có thể tăng tốc độ, cải thiện độ chính xác hoặc tăng tùy chọn cho bệnh nhân. Như tôi đã đề cập, chúng tôi đang tích cực đánh giá các công cụ sẽ cho phép bệnh nhân lựa chọn giữa tương tác với một chuyên gia y tế trực tiếp hoặc một tác nhân AI, tùy thuộc vào sở thích và mức độ thoải mái của họ. Chúng tôi tin rằng việc cung cấp cho mọi người sự lựa chọn đó là chìa khóa để tăng niềm tin và sự tham gia theo thời gian.

Về mặt đạo đức, chúng tôi cam kết đảm bảo AI được triển khai với sự nghiêm ngặt về quy định và minh bạch. Điều đó có nghĩa là nhúng các cơ chế giám sát vào chính công nghệ và cởi mở về cách hệ thống của chúng tôi hoạt động. Chúng tôi cũng đang xây dựng AI vào văn hóa của tổ chức chúng tôi – mọi bộ phận và mọi nhóm – để chúng tôi sẵn sàng thích nghi khi công nghệ tiến hóa. Cuối cùng, chúng tôi muốn trở thành một công ty giúp định hình cách AI được sử dụng có trách nhiệm trong suốt nghiên cứu lâm sàng. Nếu chúng tôi làm điều đó đúng, chúng tôi có thể giúp định hình một tương lai nơi các thử nghiệm diễn ra nhanh hơn, bao gồm hơn và dễ dàng tiếp cận hơn cho bệnh nhân, bất kể họ sống ở đâu hoặc nói ngôn ngữ gì.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập Trialbee.