Entretiens
Patrick Leung, CTO de Faro Health – Série d’entretiens
Patrick Leung, CTO de Faro Health, dirige la plateforme de l’entreprise basée sur l’IA, qui simplifie et accélère la conception du protocole d’essai clinique. Les outils de Faro Health améliorent l’efficacité, la standardisation et la précision de la planification des essais, en intégrant des insights basés sur les données et des processus rationalisés pour réduire les risques, les coûts et la charge pour les patients.
Faro Health permet aux équipes de recherche clinique de développer des protocoles d’essai optimisés et standardisés plus rapidement, favorisant l’innovation dans la recherche clinique.
Yous avez passé de nombreuses années à développer l’IA chez Google. Quels étaient certains des projets les plus excitants sur lesquels vous avez travaillé pendant votre séjour chez Google, et comment ces expériences ont-elles façonné votre approche de l’IA ?
J’étais dans l’équipe qui a construit Google Duplex, un système de conversation basé sur l’IA qui appelait des restaurants et d’autres entreprises au nom de l’utilisateur. Il s’agissait d’un projet top secret qui regroupait des personnes extrêmement talentueuses. L’équipe était très dynamique, essayant constamment de nouvelles idées, et il y avait des démonstrations sympas des dernières choses sur lesquelles les gens travaillaient chaque semaine. C’était très inspirant d’être dans une équipe comme celle-là.
L’une des nombreuses choses que j’ai apprises dans cette équipe est que même lorsque vous travaillez avec les derniers modèles d’IA, parfois vous devez simplement être ingénieux pour obtenir l’expérience utilisateur et la valeur que vous voulez. Pour générer des conversations verbales hyper-réalistes, l’équipe a assemblé des enregistrements entrecoupés de temporisateurs comme “hum” pour rendre la conversation plus naturelle. C’était tellement amusant de lire ce que la presse avait à dire sur pourquoi ces “hum” étaient là après notre lancement !
Vous et le PDG de Faro venez de grandes entreprises de technologie. Comment votre expérience passée a-t-elle influencé le développement et la stratégie de Faro ?
Plusieurs fois dans ma carrière, j’ai construit des entreprises qui vendent divers produits et services à de grandes entreprises. Faro vise également les plus grandes entreprises pharmaceutiques du monde, il y a donc beaucoup d’expérience sur ce qu’il faut pour convaincre et s’associer à de grandes entreprises qui est très pertinent ici. Travailler chez Two Sigma, un fonds de hedge algorithmique basé à New York, a vraiment façonné ma façon d’aborder la science des données. Ils ont un processus rigoureux basé sur des hypothèses, selon lequel toutes les nouvelles idées sont intégrées dans un plan de recherche et testées de manière approfondie. Ils ont également une organisation d’ingénierie de données très développée pour l’intégration de nouveaux jeux de données et la réalisation d’ingénierie de fonctionnalités. À mesure que Faro approfondit ses capacités d’IA pour résoudre plus de problèmes dans le développement des essais cliniques, cette approche sera très pertinente et applicable à ce que nous faisons.
Faro Health est construit autour de la simplification de la complexité de la conception des essais cliniques avec l’IA. Venant d’un contexte non clinique, quel était le “moment de révélation” qui vous a fait comprendre les points de douleur spécifiques de la conception du protocole qui devaient être abordés ?
Mon premier “moment de révélation” s’est produit lorsque j’ai découvert le concept de “loi d’Eroom”. Eroom n’est pas une personne, c’est juste “Moore” orthographié à l’envers. Ce nom est une référence au fait que, au cours des 50 dernières années, les coûts et les délais de développement de médicaments cliniques, ajustés pour l’inflation, ont roughly doublé tous les 9 ans. Cela va à l’encontre de toute la révolution de l’informatique, et m’a vraiment déconcerté. Cela m’a vraiment convaincu qu’il y a un énorme problème à résoudre !
À mesure que je me suis plongé plus profondément dans ce domaine et que j’ai commencé à comprendre les problèmes sous-jacents plus en détail, il y a eu de nombreuses autres insights comme celle-ci. Une observation fondamentale et très évidente est que les documents Word ne sont pas un bon format pour concevoir et stocker des essais cliniques très complexes ! Cette observation, issue de l’expérience clinique de notre PDG Scott, est un point de départ sur lequel Faro a été construit. Il y a également l’observation que, avec le temps, les essais tendent à devenir de plus en plus complexes, car les équipes d’études cliniques copient littéralement les protocoles passés, puis ajoutent de nouvelles évaluations pour collecter plus de données. Fournir aux utilisateurs le maximum d’insights précieux le plus tôt possible dans le processus de conception de l’étude est une proposition de valeur clé pour Faro.
Quel rôle l’IA joue-t-elle dans la plateforme de Faro pour garantir une conception de protocole d’essai clinique plus rapide et plus précise ? Comment l’outil “Co-Auteur IA” de Faro se différencie-t-il des autres solutions d’IA générative ?
Il peut sembler évident, mais vous ne pouvez pas simplement demander à ChatGPT de générer un document de protocole d’essai clinique. Tout d’abord, vous devez avoir des informations d’essai très spécifiques et structurées, telles que le calendrier des activités représenté en détail, pour afficher les bonnes informations dans les sections techniques du document de protocole. Deuxièmement, il y a de nombreux détails et clauses spécifiques qui doivent être présents dans la documentation pour certains types d’essais, et un certain style et niveau de détail qui est attendu par les rédacteurs et les réviseurs médicaux. Chez Faro, nous avons construit un système d’évaluation de protocole propriétaire pour nous assurer que le contenu généré par le grand modèle de langage (LLM) répondra aux normes exigeantes des utilisateurs et des régulateurs.
À mesure que les essais pour les maladies rares et l’immuno-oncologie deviennent plus complexes, comment Faro garantit-il que l’IA peut répondre à ces exigences spécialisées sans sacrifier la précision ou la qualité ?
Un modèle n’est que aussi bon que les données sur lesquelles il est formé. Donc, à mesure que la médecine moderne progresse, nous devons suivre le rythme en formant et en testant nos modèles avec les derniers essais cliniques. Cela nécessite que nous élargissions continuellement notre bibliothèque de protocoles d’essai clinique numérisés – nous sommes extrêmement fiers du volume de protocoles d’essai clinique que nous avons déjà intégrés dans notre bibliothèque de données chez Faro, et nous donnons toujours la priorité à la croissance de cet ensemble de données. Cela nécessite également que nous nous appuyions fortement sur notre équipe interne d’experts cliniques, qui évaluent constamment la sortie de notre modèle et apportent les modifications nécessaires aux “listes de vérification d’évaluation” que nous utilisons pour garantir son exactitude et sa qualité.
Le partenariat de Faro avec Veeva et d’autres entreprises leaders intègre votre plateforme dans l’écosystème plus large des essais cliniques. Comment ces collaborations aident-elles à rationaliser l’ensemble du processus d’essai, de la conception du protocole à la mise en œuvre ?
Le cœur d’un essai clinique est le protocole, que le concepteur d’étude de Faro aide nos clients à concevoir et à optimiser. Le protocole informe tout ce qui se passe en aval de l’essai, mais traditionnellement, les protocoles sont conçus et stockés dans des documents Word. Ainsi, l’un des grands défis de l’opérationnalisation du développement clinique aujourd’hui est la transcription ou la “traduction” constante de données du protocole ou d’autres sources basées sur des documents vers d’autres systèmes ou même d’autres documents. Comme vous pouvez l’imaginer, avoir des humains qui transcrivent manuellement des informations basées sur des documents dans différents systèmes à la main est incroyablement inefficace et introduit de nombreuses opportunités d’erreurs en cours de route.
La vision de Faro est une plateforme unifiée où la “définition” ou les éléments d’un essai clinique peuvent s’écouler du système de conception où ils sont d’abord conçus, en aval vers divers systèmes ou nécessaires pendant la phase opérationnelle de l’essai. Lorsque ce type de flux d’informations sans rupture est en place, il y a une opportunité significative d’automatisation et d’amélioration de la qualité, ce qui signifie que nous pouvons dramatiquement réduire le temps et le coût pour concevoir et mettre en œuvre un essai clinique. Notre partenariat avec Veeva pour connecter notre concepteur d’étude à Veeva Vault EDC est juste une étape dans cette direction, avec beaucoup plus à venir.
Quels sont certains des défis clés auxquels l’IA est confrontée pour simplifier les essais cliniques, et comment Faro les surmonte-t-elle, en particulier en termes de garantie de transparence et d’évitement de problèmes tels que les préjugés ou les hallucinations dans les sorties d’IA ?
Il y a une barre beaucoup plus élevée pour les documents d’essai clinique que dans la plupart des autres domaines. Ces documents affectent la vie de personnes réelles et passent donc par un processus d’examen réglementaire très exigeant. Lorsque nous avons commencé à générer des documents cliniques en utilisant un LLM, il était clair que les modèles standards n’étaient nulle part près de répondre aux attentes. Sans surprise, le ton, le niveau de détail, la mise en forme – tout – était loin de répondre aux attentes, et était beaucoup plus orienté vers les communications commerciales générales, plutôt que les documents cliniques d’expert. Pour sûr, l’hallucination et également l’omission pure et simple de détails nécessaires étaient des défis majeurs. Pour développer une solution d’IA générative qui puisse répondre au niveau élevé d’exigence pour la spécificité de domaine et la qualité que nos utilisateurs attendent, nous avons dû passer beaucoup de temps à collaborer avec des experts cliniques pour élaborer des lignes directrices et des listes de vérification d’évaluation qui garantissent que notre sortie ne hallucine pas ou n’omet pas simplement des détails clés, et a le bon ton. Nous devions également fournir la capacité aux utilisateurs finals de fournir leurs propres conseils et corrections à la sortie, car différents clients ont des modèles et des normes différents qui guident leur processus de rédaction de documents.
Il y a également le défi que les données cliniques détaillées nécessaires pour générer pleinement la documentation du protocole d’essai peuvent ne pas être facilement disponibles, souvent stockées dans d’autres documents complexes tels que le prospectus d’investigation. Nous examinons l’utilisation de l’IA pour aider à extraire ces informations et les rendre disponibles pour la génération de sections de documents de protocole clinique.
En regardant vers l’avenir, comment voyez-vous l’IA évoluer dans le contexte des essais cliniques ? Quel rôle Faro jouera-t-il dans la transformation numérique de cet espace au cours de la prochaine décennie ?
Au fil du temps, l’IA aidera à améliorer et à optimiser davantage de décisions et de processus tout au long du processus de développement clinique. Nous serons en mesure de prédire les résultats clés en fonction des entrées de conception de protocole, comme savoir si l’équipe d’étude peut s’attendre à des défis d’inscription, ou si l’étude nécessitera une modification en raison de défis opérationnels. Avec ce type d’insight prédictif, nous serons en mesure d’aider à optimiser les opérations en aval de l’essai, en veillant à ce que les sites et les patients aient la meilleure expérience, et que la probabilité de succès opérationnel de l’essai soit la plus élevée possible. En plus d’explorer ces possibilités, Faro prévoit également de continuer à générer une gamme de différents documents cliniques afin que tous les processus de dépôt et de paperwork de l’essai soient efficaces et beaucoup moins sujets aux erreurs. Et nous prévoyons un monde où l’IA permet à notre plateforme de devenir un véritable partenaire de conception, engageant les scientifiques cliniques dans un dialogue génératif pour les aider à concevoir des essais qui font les bons compromis entre la charge pour les patients, la charge pour les sites, le temps, le coût et la complexité.
Comment l’accent mis par Faro sur la conception centrée sur le patient affecte-t-il l’efficacité et la réussite des essais cliniques, en particulier en termes de réduction de la charge pour les patients et d’amélioration de l’accessibilité des études ?
Les essais cliniques sont souvent pris entre les besoins concurrents de la collecte de davantage de données de participants – ce qui signifie davantage d’évaluations ou de tests pour le patient – et de la gestion de la faisabilité opérationnelle d’un essai, telle que sa capacité à recruter et à retenir des participants. Mais le recrutement et la rétention des patients sont certains des défis les plus importants pour la réussite d’un essai clinique aujourd’hui – selon certaines estimations, jusqu’à 20-30 % des patients qui choisissent de participer à un essai clinique finiront par abandonner en raison de la charge de participation, y compris les visites fréquentes, les procédures invasives et les protocoles complexes. Même si les équipes de recherche clinique sont conscientes de l’impact des essais à charge élevée sur les patients, faire quelque chose de concret pour réduire la charge peut être difficile dans la pratique. Nous croyons que l’un des obstacles à la réduction de la charge pour les patients est souvent l’incapacité à quantifier facilement la charge – il est difficile de mesurer l’impact sur les patients lorsque votre conception est dans un document Word ou un pdf.
En utilisant le concepteur d’étude de Faro, les équipes de développement clinique peuvent obtenir des insights en temps réel sur l’impact de leur protocole spécifique sur la charge pour les patients pendant le processus de planification du protocole lui-même. En structurant les essais et en fournissant des insights analytiques sur leur coût, la charge pour les patients, la complexité dès le stade de conception de l’essai, Faro fournit aux équipes de recherche clinique un moyen très efficace d’optimiser leurs conceptions d’essai en équilibrant ces facteurs avec les besoins scientifiques de collecte de davantage de données. Nos clients adorent le fait que nous leur donnons une visibilité sur la charge pour les patients et les métriques connexes à un stade de développement où les changements sont faciles à apporter, et qu’ils peuvent faire des compromis éclairés lorsque nécessaire. En fin de compte, nous avons vu nos clients économiser des milliers d’heures de temps collectif des patients, ce que nous savons aura un impact positif immédiat pour les participants à l’étude, tout en aidant à garantir que les essais cliniques puissent à la fois commencer et se terminer à temps.
Quels conseils donneriez-vous aux startups ou aux entreprises qui cherchent à intégrer l’IA dans leurs processus d’essai clinique, sur la base de vos expériences chez Google et Faro ?
Voici les principales conclusions que je tirerais jusqu’à présent de notre expérience d’application de l’IA à ce domaine :
- Divisez et évaluez vos invites d’IA. Les grands modèles de langage comme GPT ne sont pas conçus pour produire des documents cliniques de qualité. Donc, si vous prévoyez d’utiliser l’IA générative pour automatiser la rédaction de documents d’essai clinique, vous devez avoir un cadre d’évaluation qui garantit que la sortie générée est exacte, complète, a le bon niveau de détail et de ton, etc. Cela nécessite beaucoup de tests soigneux du modèle guidés par des experts cliniques.
- Utilisez une représentation structurée d’un essai. Il n’y a pas de moyen de générer les analyses de données requises pour concevoir un essai clinique optimal sans un référentiel structuré. De nombreuses entreprises utilisent aujourd’hui des documents Word – pas même Excel ! – pour modéliser les essais cliniques. Cela doit être fait avec un modèle de domaine structuré qui représente avec précision la complexité d’un essai – son schéma, ses objectifs et ses points de terminaison, son calendrier d’évaluations, etc. Cela nécessite beaucoup d’entrée et de rétroaction d’experts cliniques.
- Les experts cliniques sont cruciaux pour la qualité. Comme le montrent les deux points précédents, avoir des experts cliniques directement impliqués dans la conception et les tests de tout système de développement clinique basé sur l’IA est absolument critique. C’est encore plus vrai que dans tout autre domaine dans lequel j’ai travaillé, simplement parce que les connaissances requises sont si spécialisées, détaillées et omniprésentes dans tout produit que vous essayez de construire dans cet espace.
Nous essayons constamment de nouvelles choses et partageons régulièrement nos découvertes sur notre blog pour aider les entreprises à naviguer dans cet espace.
Je vous remercie pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter Faro Health.
