Patrick Leung, CTO de Faro Health – Série d’entretiens

Patrick Leung, CTO de Faro Health, dirige la plateforme d’intelligence artificielle de l’entreprise, qui simplifie et accélère la conception des protocoles d’essais cliniques. Les outils de Faro Health améliorent l’efficacité, la standardisation et la précision de la planification des essais, en intégrant des données et des processus 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’essais optimisés et standardisés plus rapidement, en favorisant l’innovation dans la recherche clinique.

Vous avez passé de nombreuses années à développer l’intelligence artificielle chez Google (GOOGL ). Quels étaient les projets les plus excitants sur lesquels vous avez travaillé pendant votre séjour chez Google, et comment ces expériences ont-elles influencé votre approche de l’intelligence artificielle ?

J’étais dans l’équipe qui a développé Google Duplex, un système de conversation d’intelligence artificielle qui appelait des restaurants et d’autres entreprises au nom de l’utilisateur. C’était un projet top secret avec des personnes extrêmement talentueuses. L’équipe était très dynamique, essayant constamment de nouvelles idées, et il y avait des démonstrations sympas des dernières choses que les gens travaillaient chaque semaine. C’était très inspirant d’être dans une équipe comme celle-là.

L’une des choses que j’ai apprises dans cette équipe est que même lorsque vous travaillez avec les derniers modèles d’intelligence artificielle, 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 avec des temporisateurs comme « um » pour rendre la conversation plus naturelle. C’était amusant de lire ce que la presse avait à dire sur ces « um » après notre lancement !

Vous et le PDG de Faro venez de grandes entreprises technologiques. 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 gagner et s’associer avec de grandes entreprises qui est très pertinent ici. Travailler chez Two Sigma, un grand fonds de hedge algorithmique basé à New York, m’a vraiment appris à aborder la science des données. Ils ont un processus rigoureux d’hypothèse qui oblige toutes les nouvelles idées à entrer dans un plan de recherche et à être testées soigneusement. Ils ont également une organisation d’ingénierie de données très développée pour intégrer de nouveaux ensembles de données et effectuer une ingénierie de fonctionnalités. À mesure que Faro approfondit ses capacités d’intelligence artificielle pour résoudre plus de problèmes de développement d’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’intelligence artificielle. Venant d’un contexte non clinique, quel a été le « moment de révélation » qui vous a fait comprendre les points de douleur spécifiques de la conception des protocoles qui devaient être abordés ?

Mon premier « moment de révélation » est arrivé lorsque j’ai découvert le concept de « Loi d’Eroom ». Eroom n’est pas une personne, c’est juste « Moore » écrit 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 pratiquement doublé tous les 9 ans. Cela va à l’encontre de toute la révolution de l’informatique, et m’a vraiment choqué. Cela m’a vraiment convaincu qu’il y a un énorme problème à résoudre !

À mesure que j’ai 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 idées comme celle-là. 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 ! C’est une observation clé, issue de l’expérience clinique de notre PDG Scott, sur laquelle 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 et collent littéralement les protocoles passés, puis ajoutent de nouvelles évaluations pour collecter plus de données. Fournir aux utilisateurs le maximum d’informations précieuses le plus tôt possible dans le processus de conception de l’étude est une valeur clé pour Faro.

Quel rôle l’intelligence artificielle joue-t-elle dans la plateforme de Faro pour garantir une conception plus rapide et plus précise des protocoles d’essais cliniques ? Comment l’outil « Co-Auteur IA » de Faro se distingue-t-il des autres solutions d’intelligence artificielle 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) répond 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’intelligence artificielle peut répondre à ces demandes 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 avance, nous devons suivre le rythme en formant et en testant nos modèles avec les derniers essais cliniques. Cela nécessite que nous continuions à développer notre bibliothèque de protocoles d’essais cliniques numérisés – nous sommes extrêmement fiers du volume de protocoles d’essais cliniques 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 fournissent les modifications nécessaires aux « listes de vérification d’évaluation » que nous utilisons pour garantir son exactitude et sa qualité.

Faro s’associe à Veeva et à d’autres entreprises leaders pour intégrer sa 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 l’outil Study Designer 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 la mise en œuvre du développement clinique aujourd’hui est la transcription constante ou la « traduction » des 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 divers 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 nous permet de réduire considérablement le temps et le coût de conception et de mise en œuvre d’un essai clinique. Notre partenariat avec Veeva pour connecter notre Study Designer à Veeva Vault EDC est juste une étape dans cette direction, avec beaucoup plus à venir.

Quels sont les principaux défis que l’intelligence artificielle rencontre pour simplifier les essais cliniques, et comment Faro surmonte-t-ils, en particulier en termes de garantie de transparence et d’évitement de problèmes tels que les biais ou les hallucinations dans les sorties de l’IA ?

Il y a une barre beaucoup plus élevée pour les documents d’essais cliniques que dans la plupart des autres domaines. Ces documents affectent la vie de personnes réelles et passent par un processus d’examen réglementaire très exigeant. Lorsque nous avons commencé à générer des documents cliniques à l’aide d’un LLM, il était clair que les modèles standards n’étaient pas même proches de répondre aux attentes. Sans surprise, le ton, le niveau de détail, la mise en forme – tout – était loin de ce qui est attendu, et était beaucoup plus orienté vers les communications commerciales générales, plutôt que les documents cliniques d’expert. Pour sûr, l’hallucination et même l’omission pure et simple de détails nécessaires étaient de grands défis. Pour développer une solution d’intelligence artificielle générative qui puisse répondre aux normes élevées de spécificité de domaine et de 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 n’hallucine pas ou n’omette pas simplement des détails clés, et ait 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.

En regardant vers l’avenir, comment voyez-vous l’intelligence artificielle 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’intelligence artificielle aidera à améliorer et à optimiser de plus en plus de décisions et de processus tout au long du processus de développement clinique. Nous serons capables 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’informations prédictives, nous serons capables 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 pour que tous les processus de dépôt et de paperasse de l’essai soient efficaces et beaucoup moins sujets aux erreurs. Et nous prévoyons un monde où l’intelligence artificielle 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 plus de données de participants – ce qui signifie plus d’évaluations ou de tests pour le patient – et de la gestion de la faisabilité opérationnelle de l’essai, telle que sa capacité à inscrire et à conserver 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. Bien que les équipes de recherche clinique soient conscientes de l’impact des essais à forte charge sur les patients, il est souvent difficile de réduire concrètement la charge en pratique. Nous croyons que l’un des obstacles à la réduction de la charge pour les patients est souvent l’incapacité de 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 l’outil Study Designer de Faro, les équipes de développement clinique peuvent obtenir des informations 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 informations analytiques sur leur coût, leur charge pour les patients, leur 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’essais en équilibrant ces facteurs par rapport aux besoins scientifiques de collecte de plus 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 ils peuvent faire des choix éclairés lorsque nécessaire. En fin de compte, nous avons vu nos clients économiser des milliers d’heures de temps collectif pour les patients, ce que nous savons aura un impact positif immédiat sur 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 souhaitent intégrer l’intelligence artificielle dans leurs processus d’essais cliniques, sur la base de vos expériences chez Google et Faro ?

Voici les principales conclusions que je tirerais de notre expérience d’application de l’IA à ce domaine :

1. Divisez et évaluez vos invites IA. Les grands modèles de langage comme GPT ne sont pas conçus pour produire des documents de protocole d’essai clinique de qualité clinique. Donc, si vous prévoyez d’utiliser l’IA générative pour automatiser la rédaction de documents d’essais cliniques, 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 guidé par des experts cliniques.
2. Utilisez une représentation structurée d’un essai. Il n’y a pas de moyen de générer les analyses de données nécessaires pour concevoir un essai clinique optimal sans un référentiel structuré. Beaucoup d’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 de contributions et de feedback d’experts cliniques.
3. 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 le test 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 sommes constamment en train d’essayer de nouvelles choses et partageons régulièrement nos découvertes sur notre blog pour aider les entreprises à naviguer dans cet espace.

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