Matt Walz, CEO de Trialbee – Serie de entrevistas

Matt Walz es el CEO de Trialbee, un líder global en reclutamiento de pacientes impulsado por tecnología. Trae más de 20 años de experiencia en software y liderazgo en la industria de ciencias de la vida. Matt comenzó su carrera como desarrollador y ocupó varios puestos técnicos y de liderazgo en Rollins Corporation, PSCI, Microsoft (MSFT ), Morgan Lewis y Datalabs. En 2006, Matt cofundó NextDocs, que creció hasta convertirse en un líder global en gestión de documentos clínicos, de calidad y regulatorios, donde se desempeñó como CTO, CSO y director de la junta durante 9 años. Antes de unirse a Trialbee, Matt pasó 5 años como gerente general de Ciencias de la Vida y vicepresidente de Cuentas Estratégicas para Aurea Software, que había adquirido NextDocs.

Trialbee es una empresa de tecnología sanitaria que simplifica el reclutamiento de pacientes para ensayos clínicos. Al aprovechar el análisis de datos, el alcance digital y la evidencia del mundo real, coincide, compromete y precalifica a los pacientes para acelerar la inscripción. Su plataforma ofrece transparencia en todas las fuentes y socios, lo que ayuda a los patrocinadores, CRO y sitios de ensayos a gestionar la canalización de reclutamiento de manera más eficiente, reduciendo la carga en los sitios.

Ha trabajado en startups de salud y tecnología y en plataformas de investigación clínica a gran escala. ¿Qué experiencias personales o momentos en su carrera lo llevaron a reconocer el potencial y los peligros del uso de la IA en el reclutamiento de pacientes?

La IA ha sido la tendencia tecnológica que más rápido se ha movido que he visto en más de dos décadas trabajando en desarrollo clínico, más rápido incluso que los primeros días de la adopción de la nube. Lo que más me ha llamado la atención es cómo la IA ha pasado de conceptual a operativa en lo que es una industria que suele ser lenta para adoptar nuevas tecnologías, y que está siendo priorizada incluso por autoridades reguladoras como la FDA. Para el reclutamiento de pacientes en ensayos clínicos en particular, todavía estamos en las primeras fases de aprender dónde es más adecuado. Los proveedores y patrocinadores por igual están explorando la IA para el desarrollo de protocolos, personas y segmentación, enriquecimiento de datos, localizaciones y comunicaciones y compromiso, que son todos puntos de fricción importantes para los equipos de investigación.

Con eso dicho, todavía hay algún riesgo que conlleva ese potencial. He hablado con líderes en empresas farmacéuticas importantes que refuerzan que, aunque la IA está apareciendo en más puntos del flujo de trabajo, no puede funcionar sin control. La supervisión humana es fundamental.

Esto es por razones de calidad y seguridad, así como porque, en nuestro núcleo, las empresas como Trialbee se conectan con pacientes y familias que buscan esperanza, una experiencia muy humana y empática que no puede ser reemplazada por la IA de manera significativa para los pacientes a los que todos servimos.

El reclutamiento de ensayos clínicos ha enfrentado históricamente problemas de diversidad, velocidad y precisión. En su opinión, ¿cómo está ayudando la IA a abordar estos desafíos, y dónde todavía no alcanza?

La IA está ayudando a simplificar algunas de las partes más lentas y más intensivas en recursos del proceso de reclutamiento. Por ejemplo, cosas que solían tomar semanas, como traducir materiales de estudio en decenas de idiomas, ahora se comprimen en horas. Eso significa que podemos comenzar a reclutar más rápido en más mercados globales.

Cuando se trata de precisión, los agentes impulsados por IA están empezando a ayudarnos a entregar interacciones más consistentes y alineadas con los criterios, desde los materiales que creamos hasta la preselección y los chatbots. Estas herramientas son especialmente útiles para reducir los puntos de abandono que ralentizan el proceso de reclutamiento.

La diversidad sigue siendo un desafío, aunque. La IA solo es tan representativa como los datos en los que se entrena, y la representación también está moldeada por factores fuera de la tecnología, incluyendo restricciones regulatorias país por país que limitan cómo se puede utilizar la IA en roles que enfrentan al paciente. Construir confianza con los participantes del ensayo ha sido un desafío a lo largo de toda la historia de la investigación clínica, y el compromiso con las herramientas de IA se encuentra con diferentes grados de escepticismo. Con eso en mente, apoyamos firmemente un enfoque que daría a las personas la opción de interactuar con un profesional médico en vivo o, por ejemplo, un agente de IA. Esto puede ayudar a llegar a participantes con diferentes niveles de comodidad con la IA, asegurando al mismo tiempo una supervisión sólida, especialmente para la IA agente, aunque se deben incorporar salvaguardias como motores de razonamiento separados para hacerlo exitoso.

Mencionó anteriormente que las herramientas de IA se están desplegando más rápido que cualquier innovación previa en el reclutamiento de pacientes. Pero con reguladores globales luchando por mantener el ritmo, ¿cuáles son las brechas de supervisión más urgentes que ve en las campañas de ensayos clínicos multinacionales?

La brecha más grande es la falta de alineación regulatoria en todo el mundo. En los EE. UU., agencias como la FDA están abrazando la IA con nuevos marcos y procesos de revisión temprana. En contraste, Europa se mueve más cautelosamente, enfocada en proceder con cuidado y aplicar revisiones regulatorias más estrictas.

Para empresas como la nuestra que operan a nivel global, esto crea un desafío: lo que es aceptable en un país puede no serlo en otro. Y la variación no solo está en las regulaciones, sino también en cómo se utilizan diferentes canales o plataformas de medios sociales como Facebook (META ) para el reclutamiento, cómo se manejan los datos personales o cómo se recopila el consentimiento del paciente. Estas son sutilezas que requieren agilidad operativa y una profunda comprensión de los estándares de ética y cumplimiento regionales.

Esto es donde nuestra historia de innovación y nuestra cultura global inherente son activos importantes a medida que navegamos el emocionante pero muy dinámico paisaje de la IA.

¿Cómo puede esa falta de alineación global en los marcos regulatorios descarrilar la adopción de la IA en los ensayos clínicos? ¿Ha presenciado alguna consecuencia real del mundo por esto?

Absolutamente. Las estrategias de publicidad digital en las que confiamos para el reclutamiento de pacientes son un buen ejemplo aquí. Facebook es una de las plataformas más efectivas a nivel global, pero incluso dentro de los países donde está permitida, el nivel de segmentación que se permite y qué datos se pueden utilizar varía ampliamente. Estamos construyendo experiencia interna para superar esas diferencias, y esperamos que la regulación de la IA siga un camino similar.

En términos prácticos, las limitaciones que esta dilema impone a los equipos de reclutamiento pueden resultar en lanzamientos de campañas retrasados, más ciclos con comités de ética y flujos de trabajo de cumplimiento más complejos. Si no está profundamente consciente de cómo cada país interpreta el uso de la IA, especialmente en aplicaciones que enfrentan al paciente, se arriesga a ralentizar los ensayos o a encontrarse con barreras de aprobación serias.

Trialbee opera en la intersección de los datos, la tecnología y el compromiso del paciente. ¿Cómo asegura que las estrategias de reclutamiento impulsadas por la IA no reduzcan a los pacientes a puntos de datos, sino que mejoren el lado humano de la investigación?

Una excelente y importante pregunta para todos nosotros. Como mencioné anteriormente, la forma en que veo la IA es su capacidad para empoderar a los humanos, no reemplazarlos. Esto es especialmente cierto en la industria muy personal en la que trabajamos, donde estamos tratando de ayudar a generaciones de pacientes a vivir vidas más saludables en todo el mundo. Nuestro negocio es uno cálido, sobre conectar a las personas, y los seres humanos siempre estarán en el corazón de ello.

Cuando se trata de operaciones diarias, la mejor IA que podemos proporcionar, por ejemplo, dentro de nuestra Plataforma Honey, sería analizar datos y tendencias, y promptear a los sitios y equipos de estudio donde se pueda necesitar acción. Hacemos mucho de esto ya, y continuaremos agregando capacidades para asegurarnos de que los datos valiosos que se capturan se pongan en uso inmediato que marque una diferencia en el ensayo. Esto podría significar proporcionar información diaria sobre el progreso del reclutamiento o promptear el seguimiento con pacientes específicos con modelado predictivo.

Internamente, estamos utilizando la IA en toda nuestra organización de manera sistemática y colaborativa. Un par de buenos ejemplos aquí podrían ser la traducción de materiales de reclutamiento y la supresión impulsada por IA de posibles datos de PII, que siempre estarán supervisados por un experimentado humano. Así que espero que vea cómo estamos utilizando la IA para hacer que nuestro increíble equipo sea más fuerte, y no al revés.

¿Qué conjuntos de habilidades son los más críticos para que los equipos de investigación clínica guíen y gobiernen las herramientas de IA de manera responsable hoy en día?

Los conjuntos de habilidades más críticos se encuentran en la intersección de la experiencia clínica, la alfabetización en IA y la fluidez regulatoria. Los equipos necesitan entender cómo comprometerse con las plataformas de IA de manera efectiva al promptearlas con precisión y revisar sus salidas de manera crítica.

Hay una necesidad creciente de conocimiento regulatorio. Como mencioné antes, esto es especialmente necesario para áreas como la IA agente, donde estamos construyendo motores de razonamiento separados para servir como guardias en las interacciones con los pacientes. Los equipos también deben ser capaces de evaluar el contenido traducido por la IA y verificar su precisión y relevancia cultural antes de que los materiales se presenten a los comités de ética.

La adopción de la IA está acelerando. ¿Qué consejo daría a las partes interesadas en los ensayos clínicos que están vacilando o abrumadas por la complejidad de integrar la IA en sus flujos de trabajo?

Alguien dijo una vez que, cuando comienzas a trabajar con la IA, asegúrate de usar Inteligencia Real. El aprendizaje automático puede permitir cosas increíbles, siempre y cuando tenga el contexto, la experiencia y las barreras de los expertos en el dominio detrás de él.

Mi consejo es comenzar pequeño y mantenerse firme en lo que se puede entregar hoy. Uno de los errores más grandes que veo es que las empresas se inclinan demasiado hacia vagas promesas sobre la transformación de la IA sin articular cómo funciona en realidad o cuándo estará lista. Mientras que esas promesas pueden sonar geniales en el momento, pueden erosionar la confianza porque no muestran evidencia de un plan real.

El camino mejor es romper la adopción en pasos pequeños y definidos con resultados claros. Elige una o dos áreas de alto impacto donde la IA pueda eliminar la fricción y asegúrate de que estén respaldadas por la supervisión adecuada. Sé específico sobre las herramientas que se están utilizando, cómo se configuran y, lo más importante, cómo se protege la información sensible. Este es el enfoque que seguimos en Trialbee. Solo hablamos con las partes interesadas sobre las capacidades que estamos construyendo activamente, generalmente no más de tres meses por adelantado, porque queremos asegurarnos de que estamos comunicando lo que es real.

En Trialbee, estamos pidiendo a un departamento o equipo diferente cada semana que presente casos de uso que hayan funcionado para ellos. Discutimos el cómo y el por qué para compartir conocimientos, desafíos y soluciones para que otros puedan replicar sus éxitos de IA para mejorar la eficiencia, la entrega al cliente o los resultados del reclutamiento.

También enfatizamos la transparencia sobre las herramientas que estamos utilizando para construir esas capacidades. Si estamos utilizando ChatGPT de OpenAI o Claude de Anthropic, por ejemplo, describimos la configuración a las partes interesadas, incluyendo cómo aislamos la información sensible y aplicamos la supervisión humana. Una vez que ven los beneficios en acción, como el ahorro de tiempo en flujos de trabajo de traducción o la mayor velocidad en la detección temprana de pacientes, están más dispuestos a aceptar el siguiente caso de uso de la IA. Y así, es menos sobre vender la gran visión y más sobre demostrar el valor paso a paso.

La FDA y otros reguladores están comenzando a hacer preguntas más duras sobre los modelos de IA utilizados en el desarrollo de medicamentos. ¿Qué tipo de normas de transparencia, validación o auditoría cree que deberían convertirse en normas de la industria?

La industria necesita moverse hacia la transparencia total y debe asegurarse de que haya supervisión humana en cada decisión asistida por la IA. Para citar algunos ejemplos, cuando hablamos de IA agente, ya estamos trabajando en formas de incorporar lógica regulatoria en un motor de razonamiento separado que pueda evaluar y corregir conversaciones en tiempo real. Ese tipo de sistema de control interno debería convertirse en estándar en cualquier aplicación que enfrenta al paciente. Los protocolos de validación también necesitan ser formalizados, incluyendo pruebas de benchmark y evaluaciones de desempeño continuas.

Lo más importante es que esas normas deben integrarse en el proceso de desarrollo del producto y no agregarse después. Ese nivel de rigor será esencial para mantener la seguridad del paciente, ganar la confianza regulatoria y escalar la IA de manera responsable en las campañas de investigación clínica globales.

Los modelos de IA a menudo dependen de conjuntos de datos históricos que pueden reflejar sesgos de atención médica sistémicos. ¿Cómo aborda asegurar la equidad y la diversidad en el reclutamiento de pacientes, especialmente para las poblaciones subrepresentadas?

No tener IA no ha sido lo que ha estado retrasando la diversidad en la investigación clínica, no priorizar un plan es. Y la IA no puede ayudar con eso. Una vez que hay un compromiso real, la IA puede ser una herramienta poderosa que ayuda a llegar a grupos subrepresentados de manera más efectiva, pero solo si somos intencionados. Es por eso que en Trialbee ampliamos los datos que nuestros modelos utilizan, construimos asociaciones comunitarias y monitoreamos constantemente los resultados del reclutamiento para asegurarnos de que ningún grupo se quede atrás.

Mencionó que su equipo está lanzando nuevos productos relacionados con la IA más adelante este año. ¿Puede ofrecer una vista previa de alto nivel de los problemas que están resolviendo y cómo estas innovaciones reflejan su filosofía más amplia sobre el uso responsable de la IA?

Trialbee tiene una cultura de innovación y la IA es un componente importante y en crecimiento de ella. Este año solo, nuestra Plataforma Honey lanzó nuevos flujos de trabajo de sitio, un registro de pacientes específico para patrocinadores y casos de uso que apoyan sitios web de búsqueda de ensayos para marcas de biotecnología globales como BMSClinicalTrials.com. Con la IA específicamente, verás nuevas características y mejoras que se lanzarán en los próximos 3, 6, 12 meses y más allá. Estamos desarrollando chatbots, herramientas inteligentes y más dentro de Honey, mientras también evaluamos nuevas formas de simplificar procesos para nuestros clientes. Internamente, estamos utilizando la IA para volvernos más dirigidos, más intencionados, más inclusivos y más eficientes en todo lo que hacemos, con un miembro experimentado del equipo que impulsa cada decisión e interpreta el contexto para todos los modelos de IA que utilizamos.

Mirando cinco años hacia adelante, ¿cómo vislumbra la evolución del papel de Trialbee a medida que la IA se vuelve más profundamente integrada en la investigación clínica? ¿Qué parte ve que su empresa juega en la configuración de un futuro más ético, eficiente y armonizado a nivel global para el reclutamiento de pacientes?

Cinco años desde ahora, veo a Trialbee como el proveedor de servicios líder en reclutamiento de pacientes habilitado por IA en la investigación clínica. Ya estamos integrando la IA generativa en cada parte del flujo de trabajo de reclutamiento donde pueda acelerar la velocidad, mejorar la precisión o aumentar la opción para los pacientes. Como mencioné, estamos evaluando activamente herramientas que darían a los pacientes la opción de interactuar con un profesional médico en vivo o con un agente de IA, dependiendo de su preferencia y nivel de comodidad. Creemos que darles a las personas esa opción es clave para aumentar la confianza y la participación con el tiempo.

Éticamente, estamos comprometidos con asegurar que la IA se implemente con rigor y transparencia regulatoria. Eso significa incorporar mecanismos de supervisión en la tecnología en sí y ser abiertos sobre cómo funcionan nuestros sistemas. También estamos construyendo la IA en la cultura de nuestra organización, cada departamento y cada equipo, para que estemos listos para adaptarnos a medida que la tecnología evoluciona. En última instancia, queremos ser una empresa que ayude a definir cómo se utiliza la IA de manera responsable en toda la investigación clínica. Si hacemos eso correctamente, podemos ayudar a configurar un futuro donde los ensayos sean más rápidos, más inclusivos y más fáciles para que los pacientes accedan, independientemente de dónde vivan o qué idioma hablen.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Trialbee.