Patrick Leung, CTO de Faro Health – Serie de entrevistas

Patrick Leung, CTO de Faro Health, impulsa la plataforma habilitada para AI de la empresa, que simplifica y acelera el diseño del protocolo de ensayos clínicos. Las herramientas de Faro Health mejoran la eficiencia, la estandarización y la precisión en la planificación de ensayos, integrando información basada en datos y procesos optimizados para reducir los riesgos, costos y carga para los pacientes.

Faro Health capacita a los equipos de investigación clínica para desarrollar protocolos de ensayos optimizados y estandarizados más rápido, impulsando la innovación en la investigación clínica.

Pasaste muchos años construyendo IA en Google (GOOGL ). ¿Cuáles fueron algunos de los proyectos más emocionantes en los que trabajaste durante tu tiempo en Google, y cómo te influyeron esas experiencias en tu enfoque hacia la IA?

Estuve en el equipo que construyó Google Duplex, un sistema de IA conversacional que llamaba a restaurantes y otros negocios en nombre del usuario. Este fue un proyecto ultrasecreto que estaba lleno de personas extremadamente talentosas. El equipo se movía rápidamente, constantemente probando nuevas ideas, y había demos frescas de las últimas cosas que la gente estaba trabajando cada semana. Fue muy inspirador estar en un equipo como ese.

Una de las muchas cosas que aprendí en este equipo es que, incluso cuando estás trabajando con los últimos modelos de IA, a veces simplemente tienes que ser astuto para obtener la experiencia del usuario y el valor que deseas. Para generar conversaciones verbales hiperrealistas, el equipo cosió grabaciones intercaladas con temporizadores como “um” para hacer que la conversación sonara más natural. Fue muy divertido leer lo que la prensa tenía que decir sobre por qué estaban allí esos “ums” después de que lanzamos.

Tú y el CEO de Faro provienen de grandes empresas de tecnología. ¿Cómo ha influido tu experiencia pasada en el desarrollo y la estrategia de Faro?

Varias veces en mi carrera he construido empresas que venden varios productos y servicios a grandes empresas. Faro también se dirige a las mayores empresas farmacéuticas del mundo, por lo que hay mucha experiencia sobre lo que se necesita para ganar y asociarse con grandes empresas que es muy relevante aquí. Trabajar en Two Sigma, un gran fondo de cobertura algorítmico con sede en la ciudad de Nueva York, realmente moldeó cómo abordo la ciencia de datos. Tienen un proceso de investigación riguroso y basado en hipótesis, mediante el cual todas las nuevas ideas se incorporan a un plan de investigación y se prueban a fondo. También tienen una organización de ingeniería de datos muy desarrollada para la incorporación de nuevos conjuntos de datos y la ingeniería de características. A medida que Faro profundice en sus capacidades de IA para abordar más problemas en el desarrollo de ensayos clínicos, este enfoque será muy relevante y aplicable a lo que estamos haciendo.

Faro Health se centra en simplificar la complejidad del diseño de ensayos clínicos con IA. Proveniente de un contexto no clínico, ¿cuál fue el “momento de iluminación” que te llevó a entender los puntos de dolor específicos en el diseño del protocolo que necesitaban ser abordados?

Mi primer “momento de iluminación” sucedió cuando me encontré con el concepto de “Ley de Eroom”. Eroom no es una persona, es solo “Moore” escrito al revés. Este nombre irónico es una referencia al hecho de que, en los últimos 50 años, los costos y plazos de desarrollo de fármacos clínicos ajustados a la inflación han aumentado aproximadamente al doble cada 9 años. Esto va en contra de toda la revolución de la tecnología de la información, y simplemente me dejó boquiabierto. Realmente me convenció de que hay un problema enorme que resolver.

Al profundizar más en este dominio y comenzar a comprender los problemas subyacentes de manera más completa, hubo muchas más ideas como esta. Una fundamental y muy obvia es que los documentos de Word no son un buen formato para diseñar y almacenar ensayos clínicos complejos. Esta es una observación clave, nacida de la experiencia clínica de nuestro CEO Scott, sobre la que se construyó Faro. También está la observación de que, con el tiempo, los ensayos tienden a volverse más y más complejos, ya que los equipos de estudio clínico literalmente copian y pegan protocolos pasados, y luego agregan nuevas evaluaciones para recopilar más datos. Proporcionar a los usuarios tantas ideas valiosas como sea posible, lo antes posible, en el proceso de diseño del estudio es una propuesta de valor clave para Faro.

¿Cuál es el papel de la IA en la plataforma de Faro para garantizar un diseño de protocolo de ensayos clínicos más rápido y preciso? ¿Cómo se diferencia la herramienta “Coautor de IA” de Faro de otras soluciones de IA generativa?

Puede sonar obvio, pero no puedes simplemente pedirle a ChatGPT que genere un documento de protocolo de ensayos clínicos. En primer lugar, necesitas tener información de ensayos muy específica y estructurada, como el Cronograma de Actividades representado en detalle, para mostrar la información correcta en las secciones técnicas del documento del protocolo. En segundo lugar, hay muchos detalles y cláusulas específicas que deben estar presentes en la documentación para ciertos tipos de ensayos, y un cierto estilo y nivel de detalle que se espera de los escritores y revisores médicos. En Faro, construimos un sistema de evaluación de protocolo propietario para garantizar que el contenido que el gran modelo de lenguaje (LLM) estaba generando cumpliera con los estándares exactos que nuestros usuarios y reguladores esperan.

Cómo garantiza Faro que la IA pueda cumplir con las demandas especializadas de los ensayos para enfermedades raras y la inmunooncología sin sacrificar la precisión o la calidad?

Un modelo es tan bueno como los datos en los que se entrena. Así que, a medida que avanza la frontera de la medicina moderna, necesitamos mantener el ritmo entrenando y probando nuestros modelos con los últimos ensayos clínicos. Esto requiere que continuamente expandamos nuestra biblioteca de protocolos clínicos digitalizados – estamos extremadamente orgullosos del volumen de protocolos de ensayos clínicos que ya hemos incorporado a nuestra biblioteca de datos en Faro, y siempre priorizamos el crecimiento de este conjunto de datos. También requiere que dependamos mucho de nuestro equipo interno de expertos clínicos, que constantemente evalúan la salida de nuestro modelo y proporcionan cualquier cambio necesario a las “listas de verificación de evaluación” que usamos para garantizar su precisión y calidad.

La asociación de Faro con Veeva y otras empresas líderes integra su plataforma en el ecosistema de ensayos clínicos más amplio. ¿Cómo ayudan estas colaboraciones a optimizar todo el proceso de ensayos, desde el diseño del protocolo hasta la ejecución?

El corazón de un ensayo clínico es el protocolo, que ayuda a nuestros clientes a diseñar y optimizar con el Diseñador de Estudio de Faro. El protocolo informa todo lo que sucede a continuación en el ensayo, pero tradicionalmente, los protocolos se diseñan y almacenan en documentos de Word. Por lo tanto, uno de los grandes desafíos para operativizar el desarrollo clínico hoy en día es la transcripción constante o “traducción” de datos del protocolo u otras fuentes basadas en documentos a otros sistemas o incluso a otros documentos. Como puedes imaginar, tener a humanos que traduzcan manualmente información basada en documentos a varios sistemas es increíblemente ineficiente y presenta muchas oportunidades para errores en el camino.

La visión de Faro es una plataforma unificada donde la “definición” o los elementos de un ensayo clínico puedan fluir desde el sistema de diseño donde se conciben por primera vez, hacia abajo a varios sistemas o necesarios durante la fase operativa del ensayo. Cuando este tipo de flujo de información sin fisuras está en su lugar, hay una oportunidad significativa para la automatización y la mejora de la calidad, lo que significa que podemos reducir drásticamente el tiempo y el costo para diseñar e implementar un ensayo clínico. Nuestra asociación con Veeva para conectar nuestro Diseñador de Estudio con Veeva Vault EDC es solo un paso en esta dirección, con mucho más por venir.

¿Cuáles son algunos de los desafíos clave que enfrenta la IA al simplificar los ensayos clínicos, y cómo supera Faro estos desafíos, particularmente en torno a garantizar la transparencia y evitar problemas como el sesgo o la alucinación en las salidas de la IA?

Hay una barrera mucho más alta para los documentos de ensayos clínicos que en la mayoría de los otros dominios. Estos documentos afectan la vida de personas reales y, por lo tanto, pasan por un proceso de revisión regulatoria muy exigente. Cuando empezamos a generar documentos clínicos usando un LLM, estaba claro que con modelos fuera de la caja, la salida no se acercaba a cumplir con las expectativas. No es de extrañar que el tono, el nivel de detalle, el formato – todo – estuviera muy desviado y estuviera mucho más orientado a las comunicaciones comerciales de propósito general, en lugar de documentos clínicos de expertos. Sin duda, la alucinación y la omisión directa de detalles necesarios fueron desafíos importantes. Para desarrollar una solución de IA generativa que pudiera cumplir con el alto estándar de especificidad de dominio y calidad que nuestros usuarios esperan, tuvimos que pasar mucho tiempo colaborando con expertos clínicos para idear pautas y listas de verificación de evaluación que garantizaran que nuestra salida no estuviera alucinando o simplemente omitiendo detalles clave, y tuviera el tono correcto. También necesitábamos proporcionar la capacidad para que los usuarios finales proporcionaran su propia orientación y correcciones a la salida, ya que diferentes clientes tienen plantillas y estándares diferentes que guían su proceso de autoría de documentos.

Mirando hacia adelante, ¿cómo ves evolucionar la IA en el contexto de los ensayos clínicos? ¿Qué papel desempeñará Faro en la transformación digital de este espacio en la próxima década?

A medida que pasa el tiempo, la IA ayudará a mejorar y optimizar más y más decisiones y procesos en todo el proceso de desarrollo clínico. Podremos predecir resultados clave basados en entradas de diseño de protocolo, como si el equipo del estudio puede esperar desafíos de inscripción, o si el estudio requerirá una enmienda debido a desafíos operativos. Con ese tipo de información predictiva, podremos ayudar a optimizar las operaciones downstream del ensayo, asegurando que tanto los sitios como los pacientes tengan la mejor experiencia, y que la probabilidad de éxito operativo del ensayo sea lo más alta posible. Además de explorar estas posibilidades, Faro también planea seguir generando una serie de diferentes documentación clínica para que todos los procesos de presentación y documentación del ensayo sean eficientes y mucho menos propensos a errores. Y predecimos un mundo donde la IA permita que nuestra plataforma se convierta en un verdadero socio de diseño, involucrando a científicos clínicos en un diálogo generativo para ayudarles a diseñar ensayos que hagan los intercambios correctos entre la carga para el paciente, la carga para el sitio, el tiempo, el costo y la complejidad.

¿Cómo impacta el enfoque de Faro en el diseño centrado en el paciente en la eficiencia y el éxito de los ensayos clínicos, particularmente en términos de reducir la carga para el paciente y mejorar la accesibilidad del estudio?

Los ensayos clínicos a menudo se encuentran atrapados entre las necesidades contrapuestas de recopilar más datos de los participantes – lo que significa más evaluaciones o pruebas para el paciente – y gestionar la viabilidad operativa del ensayo, como su capacidad para inscribir y retener a los participantes. Pero la contratación y retención de pacientes son algunos de los desafíos más significativos para la conclusión exitosa de un ensayo clínico hoy en día – según algunas estimaciones, hasta el 20-30% de los pacientes que eligen participar en un ensayo clínico eventualmente abandonarán debido a la carga de la participación, incluidas visitas frecuentes, procedimientos invasivos y protocolos complejos. Aunque los equipos de investigación clínica son conscientes del impacto de los ensayos de alta carga en los pacientes, hacer algo concreto para reducir la carga puede ser difícil en la práctica. Creemos que una de las barreras para reducir la carga para el paciente es a menudo la incapacidad para cuantificarla fácilmente – es difícil medir el impacto en los pacientes cuando tu diseño está en un documento de Word o un pdf.

Usando el Diseñador de Estudio de Faro, los equipos de desarrollo clínico pueden obtener información en tiempo real sobre el impacto de su protocolo específico en la carga para el paciente durante el propio proceso de planificación del protocolo. Al estructurar ensayos y proporcionar información analítica sobre su costo, carga para el paciente, complejidad temprana en la etapa de diseño de los ensayos, Faro proporciona a los equipos de investigación clínica una forma muy efectiva de optimizar sus diseños de ensayos, equilibrando estos factores con las necesidades científicas de recopilar más datos. A nuestros clientes les encanta el hecho de que les damos visibilidad sobre la carga para el paciente y las métricas relacionadas en un punto del desarrollo donde los cambios son fáciles de hacer, y pueden tomar decisiones informadas cuando sea necesario. En última instancia, hemos visto que nuestros clientes ahorran miles de horas colectivas de tiempo de los participantes, lo que sabemos que tendrá un impacto positivo inmediato para los participantes del estudio, mientras también ayuda a garantizar que los ensayos clínicos puedan iniciarse y completarse a tiempo.

¿Qué consejo le darías a las startups o empresas que buscan integrar IA en sus procesos de ensayos clínicos, basado en tus experiencias en Google y Faro?

Aquí están las principales conclusiones que ofrecería hasta ahora basado en nuestra experiencia aplicando IA a este dominio:

1. Divide y evalúa tus instrucciones de IA. Los grandes modelos de lenguaje como GPT no están diseñados para producir documentación clínica de grado. Así que, si planeas usar IA generativa para automatizar la autoría de documentos de ensayos clínicos, necesitas tener un marco de evaluación que garantice que la salida generada sea precisa, completa, tenga el nivel de detalle correcto y el tono correcto, etc. Esto requiere mucha prueba cuidadosa del modelo guiada por expertos clínicos.
2. Usa una representación estructurada de un ensayo. No hay forma de que puedas generar los análisis de datos necesarios para diseñar un ensayo clínico óptimo sin un repositorio estructurado. Muchas empresas de hoy en día usan documentos de Word – ¡ni siquiera Excel! – para modelar ensayos clínicos. Esto debe hacerse con un modelo de dominio estructurado que represente con precisión la complejidad de un ensayo – su esquema, objetivos y puntos finales, cronograma de evaluaciones, etc. Esto requiere mucha entrada y retroalimentación de expertos clínicos.
3. Los expertos clínicos son cruciales para la calidad. Como se vio en los dos puntos anteriores, tener expertos clínicos directamente involucrados en el diseño y prueba de cualquier sistema de desarrollo clínico basado en IA es absolutamente crítico. Esto es mucho más cierto que en cualquier otro dominio en el que he trabajado, simplemente porque el conocimiento requerido es tan especializado, detallado y permea cualquier producto que intentes construir en este espacio.

Estamos constantemente intentando nuevas cosas y compartiendo regularmente nuestros hallazgos en nuestro blog para ayudar a las empresas a navegar este espacio.

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