Mike King, Ανώτερος Διευθυντής, Προϊόν & Στρατηγική, IQVIA- Σειρά Συνεντεύξεων

Mike King, Ανώτερος Διευθυντής, Προϊόν & Στρατηγική, IQVIA, είναι ένας έμπειρος στελεχός στον χώρο της υγειονομικής περίθαλψης και των επιστημών ζωής με περισσότερα από δύο δεκαετίες εμπειρίας που καλύπτει στρατηγική προϊόντων, ρυθμιστικά θέματα, διασφάλιση ποιότητας, λειτουργίες και επιχειρησιακό μετασχηματισμό. Πριν ενταχθεί στην IQVIA το 2022, ο King κατείχε ανώτερες ηγετικές θέσεις στις Dentsply Sirona και GE Healthcare, όπου επιβλέαγε τις ρυθμιστικές υποθέσεις σε πολύπλοκες διεθνείς αγορές, συμπεριλαμβανομένης της Ευρώπης, της Ρωσίας, της Κοινότητας των Ανεξάρτητων Πολιτειών (CIS), του Ισραήλ, της Μέσης Ανατολής, της Αφρικής και της Ασίας. Στο αρχικό του στάδιο, κατείχε θέσεις ποιότητας, ρυθμιστικών, λειτουργικών και επιχειρηματικών στις Bio‑Rad Laboratories, Stryker και Accenture, αποκτώντας ευρεία εμπειρία στην πλοήγηση στη διασταύρωση της τεχνολογίας υγειονομικής περίθαλψης, της ρυθμιστικής συμμόρφωσης και της εμπορικής στρατηγικής.

IQVIA είναι ένας παγκόσμιος πάροχος υπηρεσιών κλινικής έρευνας, εμπορικών πληροφοριών και νοημοσύνης υγειονομικής περίθαλψης που εξυπηρετεί τις βιοεπιστήμες και τον κλάδο της υγειονομικής περίθαλψης. Η εταιρεία συνδυάζει δεδομένα υγειονομικής περίθαλψης μεγάλης κλίμακας με προηγμένη ανάλυση, τεχνολογία, εξειδίκευση τομέα και τις δυνατότητες AI επιπέδου υγειονομικής περίθαλψης για να βοηθήσει φαρμακευτικές, βιοτεχνολογικές, ιατρικές συσκευές και άλλους οργανισμούς υγείας να υποστηρίξουν την ανάπτυξη φαρμάκων, την κλινική έρευνα, την εμπορευματοποίηση και τη δημιουργία αποδείξεων. Μέσω της προσέγγισης Connected Intelligence, η IQVIA στοχεύει να μετατρέψει πολύπλοκα δεδομένα υγειονομικής περίθαλψης σε εφαρμόσιμες πληροφορίες που μπορούν να επιταχύνουν την καινοτομία και να βελτιώσουν τη λήψη αποφάσεων σε όλο το οικοσύστημα υγείας.

Η καριέρα σας σας οδήγησε από τη συμβουλευτική στην Accenture, μέσω των ρόλων διασφάλισης ποιότητας και ηγεσίας ρυθμιστικών θεμάτων στις Stryker, Dentsply Sirona και GE Healthcare, και τώρα στη στρατηγική προϊόντων στην IQVIA. Πώς αυτή η εξέλιξη διαμόρφωσε την άποψή σας για τις μακροπρόθεσμες τεχνολογικές αποφάσεις που λαμβάνουν οι εταιρείες βιοεπιστήμης σχετικά με την τεχνητή νοημοσύνη;

Η καριέρα μου μέχρι σήμερα περιλαμβάνει συμβουλευτική, παραγωγή, ποιότητα, παγκόσμια ρυθμιστικά θέματα και τεχνολογία υγειονομικής περίθαλψης, δίνοντάς μου τη δυνατότητα να βλέπω τις τεχνολογικές αποφάσεις από πολλές προοπτικές ενδιαφερόντων. Σε κάθε ρόλο διαπίστωσα ότι οι πιο επιτυχημένες επενδύσεις είναι αυτές που συνδέουν την επιχειρησιακή και εμπορική απόδοση με τα αποτελέσματα για τους ασθενείς. Αυτό ισχύει ιδιαίτερα για την AI στον κλάδο των βιοεπιστημών. Ενώ οι κερδισμένες αποδοτικότητας είναι σημαντικές, η μεγαλύτερη μακροπρόθεσμη αξία θα προέλθει από τη χρήση της AI για την ενίσχυση της ποιότητας, της ρυθμιστικής συμμόρφωσης, της λήψης αποφάσεων και, τελικά, της παροχής ασφαλών και αποτελεσματικών λύσεων υγειονομικής περίθαλψης σε παγκόσμιες αγορές.

Υποστηρίζετε ότι η AI θα μπορούσε να θέσει τέλος στον παραδοσιακό κύκλο αντικατάστασης τεχνολογίας των πέντε έως επτά ετών. Γιατί η προσθήκη AI κάνει μια πλατφόρμα ποιότητας ή ρυθμιστικών πιο μόνιμη αντί να επιταχύνει την αντικατάστασή της;

Παραδοσιακά, οι εταιρείες αντικαθιστούσαν συστήματα όταν διατίθεντο λειτουργίες καλύτερης ποιότητας ή όταν έληγε η σύμβαση με τον πάροχο. Η AI αλλάζει αυτόν τον υπολογισμό επιταχύνοντας τον ρυθμό καινοτομίας. Η αξία δεν περιορίζεται πλέον στην ίδια την εφαρμογή· βρίσκεται στα δεδομένα, τις ροές εργασίας, τη διακυβέρνηση και τη θεσμική γνώση που συσσωρεύονται σε χρόνια χρήσης. Στο πλαίσιο των Good Practices ή «GxP», οι εφαρμογές βιοεπιστημών, καθώς οι οργανισμοί ενσωματώνουν AI σε επικυρωμένες επιχειρηματικές διαδικασίες και βελτιώνουν συνεχώς τα αποτελέσματα μέσω εξειδικευμένης ανθρώπινης επίβλεψης, δημιουργούν ένα περιουσιακό στοιχείο νοημοσύνης που γίνεται όλο και πιο δύσκολο να αντιγραφεί αλλού. Σε αυτό το περιβάλλον, η αντικατάσταση μιας πλατφόρμας δεν είναι απλώς τεχνολογική απόφαση, αλλά απόφαση επανακατασκευής ετών συσσωρευμένης οργανωτικής γνώσης.

Πώς η ποιότητα της αρχιτεκτονικής δεδομένων και της υποδομής ροών εργασίας ενός οργανισμού καθορίζει αν μια υλοποίηση AI παρέχει ουσιαστική αξία ή απλώς ενισχύει υπάρχουσες αναποτελεσματικότητες;

Η AI ενισχύει το περιβάλλον στο οποίο εφαρμόζεται. Εάν τα δεδομένα είναι κατακερματισμένα, οι διαδικασίες ασυνεπείς και η διακυβέρνηση αδύναμη, η AI θα αυτοματοποιήσει και θα εντείνει αυτές τις αναποτελεσματικότητες. Αντίθετα, οργανισμοί με τυποποιημένες ροές εργασίας, αξιόπιστα δεδομένα και σαφή ιδιοκτησία και διακυβέρνηση μπορούν να χρησιμοποιήσουν την AI για να βελτιώσουν την αποδοτικότητα, τη συνέπεια, τη συμμόρφωση και τη λήψη αποφάσεων. Η ψηφιοποίηση και η ετοιμότητα των δεδομένων παραμένουν προαπαιτούμενα για την επιτυχή υιοθέτηση AI, ενώ η συνεχιζόμενη διακυβέρνηση των δεδομένων και της AI είναι απαραίτητη για να εξασφαλιστεί η αξία, η συμμόρφωση και η εμπιστοσύνη μακροπρόσθετα μετά την υλοποίηση.

Ποιο είναι το παράδοξο προμηθειών που δημιουργείται όταν ένας οργανισμός εκπαιδεύει συστήματα AI σε χρόνια ιδιόκτητων δεδομένων ποιότητας, κλινικών ή ρυθμιστικών;

Το παράδοξο είναι ότι όσο πιο επιτυχημένος γίνεται ένας οργανισμός στη χρήση AI, τόσο πιο δύσκολο γίνεται να εγκαταλείψει την πλατφόρμα που επέτρεψε αυτήν την επιτυχία. Χρόνια δεδομένων ποιότητας, ρυθμιστικών και κλινικών μπορούν να γίνουν σημαντικό ανταγωνιστικό περιουσιακό στοιχείο όταν συνδυάζονται με AI, αλλά μπορούν επίσης να αυξήσουν το κόστος αλλαγής. Η λύση δεν είναι η αποφυγή της δημιουργίας αξίας μέσω AI, αλλά η εξασφάλιση ότι η ιδιοκτησία των δεδομένων, η διαλειτουργικότητα και η φορητότητα ενσωματώνονται στις αποφάσεις προμηθειών από την αρχή.

Υποστηρίζετε ότι οι αποφάσεις πλατφόρμας που λαμβάνονται το 2025 ή 2026 θα μπορούσαν να επηρεάσουν τις τεχνολογικές στρατηγικές πολύ πέρα από το 2035. Λαμβάνουν οι περισσότεροι ηγέτες συμμόρφωσης, πληροφορικής και χρηματοοικονομικών επαρκώς υπόψη αυτή τη μακροπρόθεσμη δέσμευση;

Οι ρυθμιζόμενες εταιρείες βιοεπιστημών είναι συνηθισμένες στο να κάνουν μακροπρόθεσμες επενδύσεις. Οι αποφάσεις που αφορούν ERP, παραγωγή, ποιότητα, κλινικά και ρυθμιστικά συστήματα απαιτούν πάντα πολυετές προγραμματιστικές προοπτικές λόγω επικύρωσης, ελέγχου αλλαγών και επιχειρησιακού αντίκτυπου. Η AI μπορεί να επεκτείνει ορισμένες από αυτές τις παραμέτρους, αλλά πολλοί ανώτεροι ηγέτες είναι ήδη εξοικειωμένοι με την εξισορρόπηση του μακροπρόθεσμου τεχνολογικού κινδύνου, των ρυθμιστικών υποχρεώσεων και της επιχειρηματικής αξίας. Η διαφορά είναι ότι η AI αυξάνει τη στρατηγική σημασία των δεδομένων και της διακυβέρνησης, αντί να αλλάζει θεμελιωδώς την ανάγκη για μακροπρόθεσμο σχεδιασμό.

Πώς πρέπει οι εταιρείες βιοεπιστημών να διακρίνουν μεταξύ «καλού κλειδώματος», όπου τα συσσωρευμένα δεδομένα και η νοημοσύνη δημιουργούν ανταγωνιστικό πλεονέκτημα, και επιβλαβούς κλειδώματος που περιορίζει την ευελιξία, τη διαλειτουργικότητα ή τη διαπραγματευτική δύναμη;

Το καλό κλείδωμα δεν αφορά την αδυναμία αποχώρησης από μια πλατφόρμα, αλλά το γεγονός ότι δεν θέλετε να φύγετε επειδή η πλατφόρμα συνεχίζει να εξελίσσεται, προστατεύει τη ιδιόκτητη γνώση σας και επιτρέπει την υιοθέτηση νέων δυνατοτήτων AI και εργασιών εγγενών σε πράκτορες καθώς η τεχνολογία ωριμάζει. Το κακό κλείδωμα εμφανίζεται όταν η καινοτομία της λύσης από τον υπάρχοντα πάροχο σταματά, η διαλειτουργικότητα περιορίζεται και τα χρόνια συσσωρευμένης γνώσης παγιδεύονται σε ένα σύστημα που δεν μπορεί εύκολα να προσαρμοστεί ή να αντικατασταθεί. Ο στόχος πρέπει να είναι η διατήρηση της ιδιοκτησίας των δεδομένων και της θεσμικής νοημοσύνης, διατηρώντας παράλληλα την ευελιξία να εκμεταλλευτείτε την επόμενη γενιά AI.

Καθώς διατίθενται περισσότερα κεφάλαια στην AI, τη συντηρητική συντήρηση και την αυτοματοποίηση, ποιοι κίνδυνοι εμφανίζονται όταν οι οργανισμοί αναβάλλουν την αντικατάσταση των παλαιών βασικών συστημάτων;

Ο μεγαλύτερος κίνδυνος είναι ότι οι παλαιές πλατφόρμες γίνονται εμπόδια στην υιοθέτηση AI. Τα παλαιά συστήματα συχνά περιέχουν κατακερματισμένα δεδομένα, χειροκίνητες ή εξαιρετικά προσαρμοσμένες ροές εργασίας και απομονωμένες διαδικασίες που περιορίζουν τις άμεσες ευκαιρίες αυτοματοποίησης. Οι οργανισμοί μπορεί να επενδύσουν σε πιλοτικά AI, προβλεπτική ανάλυση και έξυπνους πράκτορες μόνο για να διαπιστώσουν ότι η βασική τους υποδομή δεν μπορεί να υποστηρίξει κλιμακωτή υλοποίηση.

Υπάρχουν επίσης ευρύτεροι επιχειρηματικοί κίνδυνοι. Καθώς οι τεχνολογίες γερνούν, η υποστήριξη από τους προμηθευτές μπορεί να μειωθεί, οι εξειδικευμένοι πόροι γίνονται πιο δύσκολοι να βρεθούν και το κόστος συντήρησης αυξάνεται. Ταυτόχρονα, το χάσμα μεταξύ της τρέχουσας κατάστασης και των επόμενων γενεών πλατφορμών AI διευρύνεται, καθιστώντας τις μελλοντικές προσπάθειες εκσυγχρονισμού πιο πολύπλοκες και ακριβές. Οι οργανισμοί μπορεί να βρεθούν να επενδύουν για τη διατήρηση του status quo χωρίς να δημιουργούν απτά βελτιώσεις στην απόδοση των διαδικασιών, την ποιότητα προϊόντων, τα αποτελέσματα για τους ασθενείς, τη συμμόρφωση ή την εμπορική αποτελεσματικότητα. Σε πολλές περιπτώσεις, ο εκσυγχρονισμός και η ετοιμότητα AI πρέπει να προχωρούν παράλληλα και όχι ως ξεχωριστές πρωτοβουλίες.

Τι τεχνικές και συμβατικές προστασίες θα πρέπει οι εταιρείες να αναζητήσουν για να διασφαλίσουν τη φορητότητα δεδομένων, τη φορητότητα μοντέλων και την πρόσβαση στη θεσμική γνώση τους εάν αλλάξουν προμηθευτές αργότερα;

Οι οργανισμοί πρέπει να εστιάσουν σε συμβατικές και τεχνικές προστασίες που διατηρούν την ιδιοκτησία και την προσβασιμότητα των πληροφοριών τους. Αυτό περιλαμβάνει σαφώς ορισμένες δυνατότητες εξαγωγής δεδομένων, ανοιχτά πλαίσια ενσωμάτωσης, τεκμηριωμένα API, καταγραφή προέλευσης δεδομένων, δικαιώματα μετεγκατάστασης και διαφάνεια σχετικά με το πώς τα ιδιόκτητα μοντέλα αλληλεπιδρούν με τις εταιρικές πληροφορίες. Η θεσμική γνώση μπορεί να γίνει ένα από τα πιο πολύτιμα περιουσιακά στοιχεία μιας εταιρείας και πρέπει να παραμένει φορητή, ασφαλής και ελεγχόμενη.

Πώς πρέπει οι απαιτήσεις επικύρωσης και ελέγχου αλλαγών να επηρεάζουν τις αποφάσεις σχετικά με την αναβάθμιση, την επανεκπαίδευση ή την αντικατάσταση συστημάτων με δυνατότητα AI σε περιβάλλοντα φαρμακευτικών και ιατρικών συσκευών;

Σε περιβάλλοντα GxP, η AI δεν αλλάζει την ευθύνη. Οι επαγγελματίες ποιότητας και ρυθμιστικών παραμένουν υπεύθυνοι για τη διακυβέρνηση, την ακεραιότητα και τη συμμόρφωση των συστημάτων και των διαδικασιών τους. Οι τεχνολογίες με δυνατότητα AI πρέπει επομένως να υποστηρίζονται από ισχυρή διακυβέρνηση, επικυρωμένη με βάση τον κίνδυνο επικύρωση, τεκμηριωμένο έλεγχο αλλαγών και επαρκή εξήγηση για να αντέξουν τον ρυθμιστικό έλεγχο. Η εξειδικευμένη, επαγγελματική ανθρώπινη εμπειρία παραμένει βασικό στοιχείο διακυβέρνησης της GxP AI.

Ποια κριτήρια επιλογής προμηθευτή θα πρέπει σήμερα οι εταιρείες βιοεπιστημών να δώσουν προτεραιότητα ώστε να διασφαλίσουν ότι μια πλατφόρμα με δυνατότητα AI παραμένει ασφαλής, συμμορφωμένη, προσαρμόσιμη και οικονομικά βιώσιμη την επόμενη δεκαετία;

Στην εποχή των λύσεων GxP AI στην υγειονομική περίθαλψη, οι οργανισμοί πρέπει να επιλέγουν έναν συνεργατικό εταίρο και όχι απλώς να αγοράζουν λογισμικό. Η συμμορφωμένη λειτουργικότητα είναι ουσιώδης, αλλά εξίσου σημαντική είναι η ικανότητα του προμηθευτή να εξελίσσει τη λύση του με τις τεχνολογικές εξελίξεις, προστατεύοντας τα δεδομένα, τη ιδιόκτητη γνώση και τις ρυθμιστικές υποχρεώσεις της εταιρείας. Οι νικηφόρες πλατφόρμες θα είναι εκείνες που συνδυάζουν βαθιά εξειδίκευση στις βιοεπιστήμες με ευέλικτη αρχιτεκτονική, ισχυρή διακυβέρνηση και σαφή διαδρομή υιοθέτησης μελλοντικής AI και λειτουργιών εγγενών σε πράκτορες χωρίς να διαταράσσουν τις επιχειρηματικές λειτουργίες, να θέτουν σε κίνδυνο τη παγκόσμια συμμόρφωση, ενώ επηρεάζουν θετικά την ασφάλεια των ασθενών.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα θα πρέπει να επισκεφθούν την IQVIA.