Jay Ferro, Chief Information, Technology and Product Officer, Clario – Série d’entretiens

Jay Ferro est le Chief Information, Technology and Product Officer chez Clario, il a plus de 25 ans d’expérience dans la direction d’équipes de technologie de l’information et de produits, avec un fort accent sur la protection des données et une passion pour la création de technologies et de produits qui ont un impact significatif.

Auparavant, Jay a occupé des postes de direction chez des organisations mondiales telles que les sociétés Quikrete et la Société américaine du cancer. Il est également membre du conseil d’administration d’Allata, LLC. Ses réalisations professionnelles ont été reconnues à plusieurs reprises, notamment par des prix décernés par les professionnels de la technologie d’Atlanta en tant que leader exécutif de l’année et par HMG Strategy en tant que CIO de l’année pour les entreprises de taille moyenne.

Clario est un leader dans la gestion des essais cliniques, offrant des technologies d’extrémité complètes pour transformer les vies grâce à la génération de preuves fiables et précises. Spécialisé dans les essais oncologiques, Clario met l’accent sur les résultats rapportés par les patients (PRO) pour améliorer l’efficacité, assurer la sécurité et améliorer la qualité de vie, en défendant les PRO électroniques comme une alternative plus rentable au papier. Avec une expertise couvrant les domaines thérapeutiques et la conformité réglementaire mondiale, Clario soutient les essais décentralisés, hybrides et basés sur des sites dans plus de 100 pays, en exploitant des technologies avancées telles que l’intelligence artificielle et les appareils connectés. Leurs solutions rationalisent les processus d’essai, en garantissant la conformité et la rétention grâce à un soutien et une formation intégrés pour les patients et les sponsors.

Clario a intégré plus de 30 modèles d’IA à différents stades des essais cliniques. Pouvez-vous fournir des exemples de la façon dont ces modèles améliorent des aspects spécifiques des essais, tels que l’oncologie ou la cardiologie ?

Nous utilisons nos modèles d’IA pour offrir de la rapidité, de la qualité, de la précision et de la confidentialité à nos clients dans plus de 800 essais cliniques. Je suis fier que nos outils ne soient pas seulement partie de l’hystérie de l’IA, mais qu’ils apportent une véritable valeur à nos clients dans ces essais.

Aujourd’hui, nos modèles d’IA se divisent principalement en quatre catégories : la confidentialité des données, l’assistance au contrôle de la qualité, l’assistance à la lecture et l’analyse de la lecture. Par exemple, nous avons des outils d’imagerie médicale qui peuvent automatiquement masquer les informations personnelles identifiables (PII) dans les images statiques, les vidéos ou les PDF. Nous employons également des outils d’IA qui livrent des données avec des évaluations rapides de la qualité au moment du téléchargement — il y a donc beaucoup de confiance dans ces données. Nous avons développé un outil qui surveille en continu les données ECG pour la qualité du signal, et un autre qui confirme les identifiants de patient corrects. Nous avons développé un outil d’assistance à la lecture qui permet la prédiction de tranches, la propagation de lésions et la détection de maladies. De plus, nous avons amélioré l’analyse de la lecture en automatisant et en normalisant l’interprétation des données avec des outils tels que le scoring quantitatif de la colite ulcéreuse de Mayo soutenu par l’IA.

Ce ne sont que quelques exemples des types de modèles d’IA que nous avons développés depuis 2018, et même si nous avons fait beaucoup de progrès, nous venons de commencer.

Comment Clario garantit-il que les connaissances tirées de l’IA maintiennent une grande précision et une grande cohérence dans des environnements d’essai divers ?

Nous formons constamment nos modèles d’IA sur d’énormes quantités de données pour comprendre la différence entre les bonnes données et les données qui ne sont pas bonnes ou pertinentes. En conséquence, notre analyse de données basée sur l’IA détecte, pré-analyse les riches histoires de données, et conduit finalement à des résultats de meilleure qualité pour nos clients.

Nos solutions de spirométrie illustrent bien pourquoi nous faisons cela. Les cliniciens utilisent la spirométrie pour aider à diagnostiquer et à surveiller certaines affections pulmonaires en mesurant la quantité d’air qu’un patient peut expirer en une seule expiration forcée. Il existe une variété d’erreurs qui peuvent survenir lorsque le patient utilise un spiromètre. Ils peuvent effectuer le test trop lentement, tousser pendant les tests ou ne pas pouvoir faire un scellement complet autour de l’embout du spiromètre. Toutes ces variabilités peuvent causer une erreur qui pourrait ne pas être découverte jusqu’à ce qu’un humain puisse analyser les résultats. Nous avons formé des modèles d’apprentissage automatique sur plus de 50 000 exemples pour apprendre la différence entre une bonne lecture et une mauvaise lecture. Avec nos appareils et algorithmes, les cliniciens peuvent voir la valeur des données en temps quasi réel plutôt que d’avoir à attendre l’analyse humaine. Cela compte en partie parce que certains patients peuvent devoir conduire plusieurs heures pour participer à un essai clinique. Imaginez conduire cette distance pour rentrer chez vous après le site, seulement pour apprendre que vous devrez subir un autre test de spirométrie la semaine suivante parce que le premier a montré une erreur. Nos modèles d’IA livrent des lectures précises en temps quasi réel, et si une erreur se produit, elle peut être corrigée sur place. C’est juste l’une des façons dont nous travaillons pour réduire la charge sur les sites et les patients.

Pouvez-vous élaborer sur la façon dont les modèles d’IA de Clario réduisent les temps de collecte de données sans compromettre la qualité des données ?

La génération de données de la plus haute qualité pour les essais cliniques est toujours notre objectif, mais la nature de nos algorithmes d’IA signifie que la capture et l’analyse sont considérablement accélérées. Comme je l’ai mentionné, nos algorithmes nous permettent de réaliser des analyses de contrôle de la qualité plus rapidement et avec une plus grande précision que l’interprétation humaine. Ils nous permettent également de réaliser des contrôles de qualité au moment de la saisie des données. Cela signifie que nous pouvons identifier les données de patient manquantes, erronées ou de mauvaise qualité tandis que le patient est encore sur le site d’essai, plutôt que de le lui dire des jours ou des semaines plus tard.

Comment Clario aborde-t-il les défis des essais décentralisés et hybrides, en particulier en termes de confidentialité des données, d’engagement des patients et de qualité des données ?

Ces jours-ci, un essai décentralisé est vraiment juste un essai avec une composante hybride. Je pense que le concept de laisser les participants utiliser leurs propres appareils ou des appareils connectés à domicile ouvre vraiment la porte à de nouvelles possibilités dans les essais, en particulier en termes d’accessibilité. Rendre les essais plus faciles à participer est un objectif clé de notre feuille de route technologique, qui vise à développer des solutions pour améliorer la diversité des patients, rationaliser le recrutement et la rétention, augmenter la commodité pour les participants et élargir les opportunités pour des essais cliniques plus inclusifs. Nous offrons une spirométrie à domicile, une pression artérielle à domicile, des évaluations des résultats cliniques électroniques (eCOA) et d’autres solutions qui livrent la même intégrité des données que les solutions plus traditionnelles, et nous le faisons en concert avec la surveillance de nos experts en points de terminaison et en domaines thérapeutiques. Le résultat est une meilleure expérience pour les patients pour de meilleures données de point de terminaison.

Quels avantages uniques l’approche d’IA de Clario offre-t-elle pour réduire les délais d’essai et les coûts pour les sociétés pharmaceutiques, biotechnologiques et de dispositifs médicaux ?

Nous développons des outils d’IA depuis 2018, et ils ont imprégné tout ce que nous faisons à l’interne et certainement à travers notre gamme de produits. Et ce qui ne nous a jamais quittés, c’est de nous assurer que nous le faisons de manière responsable : en gardant les humains dans la boucle, en faisant équipe avec les régulateurs, en faisant équipe avec nos clients et en incluant nos équipes juridiques, de confidentialité et scientifiques pour nous assurer que nous faisons tout correctement.

Le développement et le déploiement responsables de l’IA devraient avoir un impact positif sur nos clients de diverses manières. La base de notre programme d’IA est construite sur ce que nous croyons être les premiers principes d’utilisation responsable de l’industrie. Toute personne chez Clario qui touche à l’IA suit ces cinq principes. Parmi eux, nous prenons toutes les mesures pour nous assurer que nous utilisons les données les plus diversifiées disponibles pour former nos algorithmes. Nous surveillons et testons pour détecter et atténuer les risques, et nous n’utilisons que des données anonymisées pour former des modèles et des algorithmes. Lorsque nous appliquons ces types de directives lors du développement d’un nouvel outil d’IA, nous sommes en mesure de livrer rapidement des données précises — à grande échelle — qui réduisent les biais, augmentent la diversité et protègent la confidentialité des patients. Plus rapidement nous pouvons fournir des données précises aux sponsors, plus cela a d’impact sur leur chiffre d’affaires et, en fin de compte, sur les résultats pour les patients.

Les modèles d’IA peuvent parfois refléter les biais inhérents aux données. Quelles mesures Clario prend-il pour garantir une analyse de données juste et impartiale dans les essais ?

Nous savons que les biais se produisent lorsque l’ensemble de données de formation est trop limité pour son utilisation prévue. Initialement, l’ensemble de données peut sembler suffisant, mais lorsque l’utilisateur final commence à utiliser l’outil et pousse l’IA au-delà de ce pour quoi il a été formé, cela peut conduire à des erreurs. Le directeur médical de Clario, le Dr Todd Rudo, utilise parfois cet exemple : Nous pouvons former un modèle pour déterminer le placement correct des électrodes dans les électrocardiogrammes (ECG) afin que les cliniciens puissent dire si les techniciens ont placé les électrodes aux bons endroits sur le corps du patient. Nous avons énormément de bonnes données, nous pouvons donc former ce modèle sur 100 000 ECG. Mais que se passe-t-il si nous formons notre modèle d’IA uniquement à l’aide de données de tests pour adultes ? Comment le modèle réagira-t-il si un ECG est effectué sur un patient âgé de 2 ans ? Évidemment, il pourrait potentiellement manquer des erreurs qui ont un impact sur le traitement.

C’est pourquoi chez Clario, nos équipes de produits, de données, de R&D et de sciences travaillent étroitement ensemble pour nous assurer que nous utilisons les données de formation les plus complètes pour garantir l’exactitude et la fiabilité dans les applications du monde réel. Nous utilisons les données les plus diversifiées disponibles pour former les algorithmes intégrés dans nos produits. C’est également pourquoi nous insistons sur l’utilisation d’une surveillance humaine pour atténuer les risques lors du développement et de l’utilisation de l’IA.

Comment le processus de surveillance et de contrôle humain de Clario s’intègre-t-il avec les sorties d’IA pour garantir la conformité réglementaire et les normes éthiques ?

La surveillance humaine signifie que nous avons des équipes d’humains qui savent exactement comment nos modèles sont développés, formés et validés. À la fois lors du développement et après avoir intégré un modèle dans une technologie, nos experts surveillent les sorties pour détecter les biais potentiels et garantir que les sorties sont justes et fiables. Je crois que l’IA est à propos de l’augmentation de la science et de la brillance humaine. L’IA donne aux humains la capacité de se concentrer sur un niveau de défi plus élevé. Nous sommes remarquablement bons pour résoudre des problèmes et encore beaucoup mieux pour l’intuition et la nuance que les machines. Chez Clario, nous utilisons l’IA pour supprimer la charge sur les choses répétitives. Nous l’utilisons pour analyser de larges ensembles de données, qu’il s’agisse d’images de patients, d’essais précédents ou de toute autre chose que nous voulons analyser. Généralement, les machines peuvent le faire plus rapidement, et dans certains cas, mieux que les humains. Mais ils ne peuvent pas remplacer l’intuition humaine et la science et l’expérience du monde réel que les merveilleuses personnes de notre industrie ont.

Comment prévoyez-vous que l’IA aura un impact sur les essais cliniques au cours des prochaines années, en particulier dans des domaines tels que l’oncologie, la cardiologie et les études respiratoires ?

Dans l’oncologie, je suis enthousiaste à l’idée de faire progresser l’utilisation de l’IA appliquée en radiomique, qui extrait des métriques quantitatives des images médicales. La radiomique implique plusieurs étapes, notamment l’acquisition d’images de tumeurs, le prétraitement d’images, l’extraction de fonctionnalités et le développement de modèles, suivis de validation et d’application clinique. En utilisant une IA de plus en plus avancée, nous serons en mesure de prédire le comportement des tumeurs, de personnaliser la réponse au traitement et de prévoir les résultats pour les patients sur la base d’imagerie non invasive des tumeurs. Nous serons en mesure de l’utiliser pour détecter les signes précoces de la maladie et la récidive de la maladie. À mesure que des outils d’IA plus avancés seront intégrés dans la radiomique et les flux de travail cliniques, nous allons voir des progrès énormes dans l’oncologie et les soins aux patients.

Je suis également enthousiaste à l’égard de l’avenir des études respiratoires. Cette année, nous avons acquis ArtiQ, une société belge qui a construit des modèles d’IA pour améliorer la collecte de données respiratoires dans les essais cliniques. Le fondateur est maintenant mon directeur des opérations d’IA, et nous attendons de grandes choses dans les solutions respiratoires. Notre approche de l’application des algorithmes est devenue un facteur de changement, ne serait-ce que parce qu’elle aide à réduire la charge sur les patients et les sites. Lorsque les données d’expiration ne sont pas analysées en temps réel et qu’une anomalie est détectée plus tard, cela oblige le patient à revenir au centre pour un autre test. Cela ne conduit pas seulement à un stress supplémentaire pour le patient, mais cela peut également créer des retards et des coûts supplémentaires pour le sponsor de l’essai, et cela conduit à divers défis opérationnels. Nos nouveaux appareils de spirométrie exploitent les modèles d’ArtiQ pour alléger cette charge en offrant des relectures en temps quasi réel. Cela signifie que si des problèmes surviennent, ils sont identifiés et résolus sur place, tandis que le patient est encore au centre.

Enfin, nous développons des outils qui auront un impact sur de nombreux domaines thérapeutiques. Bientôt, par exemple, nous verrons l’IA livrer de plus en plus de valeur dans les évaluations des résultats cliniques électroniques (eCOA). Nous verrons des modèles d’IA qui capturent et mesurent les changements subtils ressentis par le patient. Cette technologie aidera une multitude de chercheurs, mais par exemple, les chercheurs sur la maladie d’Alzheimer seront en mesure de comprendre où se trouve le patient dans le stade de la maladie. Avec ce type de connaissance, l’efficacité des médicaments peut être mieux évaluée, et les patients et leurs soignants peuvent être mieux préparés à gérer la maladie.

Quel rôle croyez-vous que l’IA jouera pour élargir la diversité dans les essais cliniques et améliorer l’équité en matière de santé dans les populations de patients ?

Si vous ne regardez l’IA que à travers une lentille technique, je pense que vous vous mettez dans l’embarras. L’IA doit être abordée sous tous les angles : technique, scientifique, réglementaire, etc. Dans notre industrie, l’excellence véritable n’est atteinte que grâce à la collaboration humaine, qui élargit la capacité de poser les bonnes questions, telles que : « Formons-nous des modèles qui prennent en compte l’âge, le sexe, le sexe, la race et l’ethnicité ? » Si tout le monde dans notre industrie pose ce type de questions avant de développer des outils, l’IA ne va pas seulement accélérer le développement de médicaments, mais l’accélérera pour toutes les populations de patients.

Pouvez-vous partager les plans ou les prédictions de Clario pour l’évolution de l’IA dans le secteur des essais cliniques en 2025 et au-delà ?

En 2025, nous allons voir les biopharmaceutiques exploiter l’IA et l’analyse en temps réel comme jamais auparavant. Ces progrès rationaliseront les essais cliniques et amélioreront la prise de décision. En accélérant la construction des études et en mettant en œuvre une surveillance basée sur les risques, nous serons en mesure d’accélérer les délais, de réduire la charge sur les patients et de permettre aux sponsors de livrer des traitements salvateurs avec plus de précision et d’efficacité. C’est un moment passionnant pour nous tous, alors que nous travaillons ensemble pour transformer les soins de santé.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Clario.