Ed Chidsey, presidente de la unidad de negocios de Insights de Inovalon – Serie de entrevistas

Ed Chidsey, presidente de la unidad de negocios de Insights de Inovalon, aporta a su cargo una amplia experiencia en datos financieros, análisis y asesoramiento estratégico — más recientemente como vicepresidente senior en S&P Global Market Intelligence, donde gestionó un negocio de datos y análisis de mil millones de dólares con 2.000 empleados, y anteriormente como asesor de capital privado, miembro de la junta directiva de PeerNova Inc. y socio limitado de Mendoza Ventures.

Inovalon, es una empresa de tecnología con sede en EE. UU. que ofrece soluciones de software y análisis de datos basados en la nube para la industria de la salud. A través de su oferta insignia, la plataforma Inovalon ONE®, la empresa agrega y analiza datos clínicos y de reclamaciones del mundo real a gran escala — que abarcan cientos de millones de vidas — para apoyar a los planes de salud, proveedores, farmacias y organizaciones de ciencias de la vida para mejorar los resultados clínicos, la calidad de la atención, la puntuación de riesgo, la integridad del pago y la eficiencia operativa.

Ha tenido una larga carrera que abarca S&P Global (SPGI ), IHS Markit y ahora Inovalon. ¿Cuál fue el papel o experiencia más formativa que lo llevó a centrarse en datos del mundo real (RWD) y análisis en la salud, y cómo ha moldeado su visión para liderar la unidad de negocios de Insights en Inovalon?

He pasado la mayor parte de mi carrera construyendo, ejecutando y escalando negocios de datos y análisis, principalmente en servicios financieros, a menudo comenzando pequeño y impulsando un crecimiento sustancial a través de una combinación de estrategias orgánicas e inorgánicas. Después de más de tres décadas en la industria financiera, llegué a un punto en el que necesitaba pausar y reiniciar. Había estado en ese mundo durante mucho tiempo, y aunque me gustaba el trabajo, el entorno había comenzado a sentirse menos gratificante. Así que a principios de 2024, decidí alejarme.

Aquel año de pausa fue increíblemente aterrizador. Pasé más tiempo con mi familia, me uní a una junta corporativa y a una junta sin fines de lucro, y, de manera bastante inesperada, me involucré más en mi iglesia. Este giro me dio la oportunidad de centrarme en el equilibrio, la comunidad y el propósito de una manera que no había podido durante mucho tiempo. Al final del año, me di cuenta de que todavía tenía mucha energía y pasión por liderar equipos y construir negocios, pero quería que ese trabajo se sintiera más personal y significativo.

Cuando Adam Kansler, el CEO de Inovalon, se comunicó conmigo para contarme más sobre la empresa, el momento fue oportuno. Trabajé en estrecha colaboración con Adam durante muchos años y tengo un gran respeto por él como líder. Me describió a Inovalon como un proveedor líder de datos y soluciones que habilitan la atención médica que trabaja con pagadores, proveedores, organizaciones de farmacias y empresas de ciencias de la vida, y señaló que la empresa estaba buscando a una nueva persona para liderar su unidad de negocios de Insights.

Antes de esa conversación con Adam, no había considerado realmente que podía aprovechar mi experiencia en datos y análisis en la industria de la salud. Sin embargo, cuanto más aprendí, más resonó. Los datos de la salud son muy tangibles porque pueden afectarnos de manera real. La idea de aplicar el mismo rigor analítico y escala que había desarrollado en los servicios financieros para mejorar la calidad y los resultados de la salud era increíblemente atractiva. Ese sentido de propósito es lo que me trajo aquí, y sigue moldeando cómo lidero la unidad de negocios de Insights, reuniendo datos, tecnología y personas para hacer una diferencia medible en todo el ecosistema de la salud.

¿Cómo ve el movimiento de Inovalon para hacer que sus análisis avanzados y RWD primarios estén disponibles en la nube de datos de inteligencia artificial de Snowflake, cambiando la dinámica competitiva en la salud y las ciencias de la vida?

Lo consideraría más un movimiento estratégico para reunirse con los clientes donde están, en lugar de cambiar necesariamente la dinámica competitiva. En mi opinión, era fundamental que nos aseguráramos de que los clientes tengan acceso a nuestros datos y recursos en las plataformas donde desean consumirlos de una manera más moderna, ágil y accesible. Con esto, sabíamos que más y más de nuestros clientes estaban migrando a plataformas como Snowflake, así que era importante para nosotros reunirnos allí, donde querían consumir nuestros datos.

¿Qué diferencia las ofertas de RWD de Inovalon, como el Registro MORE², de otras plataformas de datos del mundo real en términos de calidad, profundidad, oportunidad o escala?

Lo que diferencia nuestras ofertas de RWD, incluido el Registro MORE², es nuestros datos de fuente primaria. Recopilamos estos datos directamente de diversas entidades en todo el ecosistema de la salud, como pagadores o proveedores de atención médica, y nos brindan una visión holística de los viajes de atención médica de los pacientes, lo que nos permite extraer información que respalda la toma de decisiones en todo el continuo de la salud.

Mientras que el alcance de los datos que tenemos es en sí mismo un diferenciador notable, la historia y la consistencia detrás de estos datos son realmente notables. A través de nuestra asociación con Snowflake, nuestros clientes ahora pueden acceder de manera segura y rápida a nuestros conjuntos de datos longitudinales de RWD de gran escala y alta calidad, una capacidad que tradicionalmente ha estado obstaculizada por sistemas fragmentados y procesos de ingesta de datos manuales complejos. Para las empresas de ciencias de la vida y biotecnología, en particular, tener la confianza de que su socio proporcionará datos que sean consistentes y confiables para la toma de decisiones es absolutamente crítico para los pacientes a los que sirven. Ese fundamento es la piedra angular de nuestra oferta de RWD, que estamos expandiendo continuamente en alcance y tipos de información que podemos generar.

¿Cuáles son los principales desafíos técnicos o de gobernanza al vincular o integrar conjuntos de datos de fuentes variadas para construir evidencia del mundo real integral?

Comienza con el reconocimiento de la base de nuestros datos, que se remonta a las interacciones entre un paciente y su proveedor, farmacia y pagador. A menudo, estas interacciones son personales y provienen de puntos de contacto impactantes en su propia atención. Esto hace que ser un administrador de confianza de nuestros datos sea fundamental y nos exige tener una sólida gobernanza alrededor de estos datos. En Inovalon, tomamos esta responsabilidad muy en serio, especialmente cuando se trata de cómo los RWD alimentan los procesos de evidencia del mundo real. Cómo elegimos gestionar, proteger y utilizar nuestros datos define nuestra credibilidad y la confianza que mantenemos con nuestros socios en todo el ecosistema.

Uno de los mayores desafíos que enfrentamos es equilibrar el uso de los datos y la privacidad. Si el enfoque se centra exclusivamente en la privacidad, se pierde la capacidad de analizar y extraer valor de los datos. Sin embargo, si el enfoque es solo en el análisis, se arriesga a no cumplir con las obligaciones éticas o regulatorias hacia los pacientes y las familias. Este equilibrio delicado no es solo un desafío técnico, sino también un desafío de gobernanza. Constantemente debemos considerar qué podemos hacer, qué debemos hacer y qué no podemos hacer para proteger los datos que tenemos mientras maximizamos su valor e impacto en el ecosistema de la salud más amplio.

Desde una perspectiva técnica, otro desafío importante es el enlace. No importa cuán profundo o amplio sea un conjunto de datos individual, nunca es suficiente por sí solo. La capacidad de conectar conjuntos de datos de múltiples fuentes es crítica, y priorizamos esto todos los días a través de nuestro trabajo con varios socios.

En última instancia, la gobernanza se trata de encontrar el equilibrio adecuado entre proteger los datos de la manera correcta y empujar los límites de lo que es posible para realizar el mayor valor para el bien común. Esto no siempre es fácil, especialmente cuando algunas regulaciones, aunque bien intencionadas, pueden inadvertidamente sofocar la innovación o limitar los beneficios que podríamos entregar a los pacientes y al ecosistema más amplio. Nuestro papel es ser administradores cuidadosos de los datos, operar dentro de los límites de los acuerdos de proveedores y las regulaciones, y encontrar formas responsables de innovar.

Por último, hay un desafío estructural con el ecosistema de la salud siendo altamente fragmentado. Para que un cliente acceda a todos los datos que necesita, a menudo requiere extraer de múltiples conjuntos de datos y vincular datos en diferentes puntos de atención, con muchos intermediarios en el medio. En comparación con industrias como los servicios financieros, la salud está atrasada en términos de integración de datos e interoperabilidad. Sin embargo, esto también es una oportunidad masiva para Inovalon. Si podemos seguir avanzando en cómo se conectan los datos, se hacen disponibles y se utilizan de manera creativa, podemos entregar análisis y soluciones más innovadoras que, en última instancia, beneficien a los pacientes.

¿Cómo equilibra la privacidad, el cumplimiento regulatorio y la innovación al implementar modelos de inteligencia artificial en datos de salud sensibles?

La forma en que pienso en la inteligencia artificial es que, en última instancia, se trata de reemplazar o mejorar lo que se puede hacer hoy, solo de una manera más rápida, más inteligente y más avanzada. Cuando un cliente quiere implementar un modelo de inteligencia artificial sobre nuestros datos, es algo que debemos abrazar. Al igual que con cualquier uso de nuestros datos, hay términos y condiciones que definen lo que un cliente puede y no puede hacer. Estos se basan en nuestros propios permisos, restricciones y regulaciones aplicables. Ese marco no cambia en el mundo de la inteligencia artificial, y necesitamos ser facilitadores. No podemos tener miedo de ello. Debemos abrazarlo de manera responsable para que la inteligencia artificial avance, porque tiene el potencial de beneficiar enormemente al ecosistema de la salud.

La inteligencia artificial requiere tanto datos históricos para construir los modelos como datos en curso para mantenerlos. Desde nuestra perspectiva como proveedor de datos, esa es una posición sólida, porque una vez que un modelo se construye con nuestros datos, se vuelve aún más integrado. Debemos abordar cada modelo como lo haríamos con cualquier caso de uso del cliente, asegurándonos de que esté debidamente licenciado y gobernado. La parte más sensible de la inteligencia artificial, especialmente en la salud, es asegurarse de que siempre haya un ser humano en el bucle cuando se entrega la atención. Ese es un tema mucho más grande, y muchos están debatiendo sobre él.

Desde una perspectiva de RWD, todavía estamos en las primeras etapas. La inteligencia artificial aún no ha entregado muchos resultados innovadores en la salud, especialmente cuando nos centramos en casos de uso de RWD. Estamos explorando una serie de oportunidades, incluyendo, por ejemplo, la extracción basada en aprendizaje automático de notas clínicas, que es una aplicación más fundamental de la inteligencia artificial. Más allá de eso, estamos mirando el uso de la inteligencia artificial en aplicaciones de ensayos clínicos y progresión y predecibilidad de la enfermedad. Estamos al comienzo de este viaje, pero el potencial es enorme. En Inovalon, nos centramos en asegurarnos de que tengamos los datos de la más alta calidad que se puedan utilizar en conjunto con la inteligencia artificial de manera responsable, con una sólida gobernanza y supervisión humana, mientras nos preparamos para escalar su impacto a medida que la tecnología y el ecosistema maduren.

Desde sus conversaciones con los clientes, ¿cuáles son las preocupaciones más comunes sobre la adopción de inteligencia artificial y análisis impulsados por RWD en la salud, y cómo responde a ellas?

Las preocupaciones más comunes que escucho son la calidad de los datos y los permisos para utilizar nuestros datos para entrenar sus propios modelos de inteligencia artificial. En cuanto a la calidad de los datos, con la inteligencia artificial, “basura dentro, basura fuera” es cierto. Si la calidad de los datos es pobre, lo que significa que los datos no están limpios o tal vez no hay suficientes datos, entonces la salida no será muy valiosa. Nuestros clientes esperan datos consistentes, precisos y confiables. Dado el vasto volumen que gestionamos, una de mis primeras prioridades fue asegurarme de la calidad de los datos en todo. Hemos trabajado duro para limpiar, desduplicar, normalizar, estandarizar y entregar los datos aguas abajo. Asumir la propiedad de la calidad de los datos también ayuda al mejorar la consistencia y la confiabilidad en nuestros conjuntos de datos, lo que nos permite entregar más dentro de nuestras ofertas de análisis de datos tradicionales, así como análisis basados en inteligencia artificial.

La segunda consideración involucra cómo nuestros datos pueden ser utilizados para respaldar el desarrollo de modelos de inteligencia artificial. Como organización impulsada por los datos, es importante que permitamos estos casos de uso emergentes de manera reflexiva. Dada la rápida evolución del paisaje de datos y la inteligencia artificial, hemos adaptado nuestro enfoque para permitir esto de una manera responsable, respaldada por una sólida gobernanza, términos de uso claros y salvaguardias definidas. Esta evolución capacita a nuestros clientes para innovar con confianza con la inteligencia artificial mientras se garantizan prácticas de datos responsables, cumplimiento y éticas.

¿Cómo mide el éxito o el ROI para los clientes que adoptan su plataforma y análisis, y qué métricas les importan más?

Medimos el éxito por los impactos reales que nuestra plataforma y análisis tienen en los resultados operativos y clínicos de nuestros clientes. Esto podría incluir una variedad de medidas de éxito, dependiendo del cliente, como mejorar las calificaciones de las estrellas de CMS en Medicare Advantage, optimizar el ajuste de riesgo o generar evidencia del mundo real accionable para las ciencias de la vida. El hilo común es que las informaciones deben ser oportunas, confiables y accionables.

Para las métricas, los clientes, dependiendo de dónde se encuentren en el continuo de la salud, pueden centrarse en aspectos como mejoras en la calidad, reducciones en las brechas en la atención, mejor adherencia a los protocolos de tratamiento o ganancias medibles en costo o utilización. Los clientes realizan ROI cuando nuestros análisis les ayudan a tomar decisiones informadas que mejoran los resultados de los pacientes, la eficiencia operativa y/o el desempeño estratégico.

Mirando hacia adelante 5 años, ¿cómo espera que la inteligencia artificial y los RWD evolucionen en la salud y las ciencias de la vida, y qué ve como la próxima frontera?

En cinco años, la salud puede parecer algo que ninguno de nosotros reconoce ahora, pero es imposible predecir cuán rápido evolucionará la industria. La única certeza es que será transformadora. Aunque el ritmo de la innovación es extraordinario, el progreso sigue siendo limitado por la fragmentación en todo el ecosistema de la salud, que abarca laboratorios, farmacias y registros electrónicos de salud, donde pocas organizaciones pueden realmente conectar estas fuentes de datos de manera significativa.

Mientras que puede ser un factor limitante, si los datos se pueden vincular y crear longitudinalmente de una manera normalizada y estandarizada, entonces creo que cualquier cosa es posible. La inteligencia artificial respaldará cada vez más todo, desde el soporte de decisiones clínicas hasta cómo las organizaciones de ciencias de la vida abordan el diseño y la ejecución de ensayos clínicos. En los próximos cinco años, veremos más automatización, un uso mejorado de análisis predictivos y una mayor conectividad que da a las organizaciones acceso a las informaciones que necesitan en tiempo real, todo lo cual tiene el potencial de transformar los viajes de atención de los pacientes y las operaciones de la salud en su conjunto.

Para las organizaciones que apenas comienzan a explorar la integración de la inteligencia artificial con datos del mundo real, ¿qué tres consejos les daría?

Primero y más importante, centra la atención en los datos y asegúrate de que estés evaluando constantemente la calidad de tus datos. Segundo, aprovecha el poder mental de tu base de empleados. La realidad es que las mejores ideas pueden provenir de todos los niveles de la organización, especialmente de las generaciones más jóvenes que ingresan a la fuerza laboral y que han vivido y respirado datos, inteligencia artificial y tecnología. Los líderes deben encontrar formas de aprovechar las ideas y las innovaciones que están profundamente dentro de la organización y create a platform for these perspectives to be heard and harvested. Third, hire the right people. Without the right people and technical talent, innovating at pace, creating value and staying competitive will be nearly impossible. Thank you for the great interview, readers who wish to learn more should visit Inovalon.