Ed Chidsey, Presiden Unit Bisnis Insights Inovalon – Seri Wawancara

Ed Chidsey, Presiden Unit Bisnis Insights Inovalon, membawa latar belakang yang luas dalam data keuangan, analitik, dan konsultasi strategis — terbaru sebagai Wakil Presiden di S&P Global Market Intelligence, di mana ia mengelola bisnis data dan analitik senilai miliaran dolar dengan 2.000 karyawan, dan sebelumnya sebagai penasihat ekuitas swasta, anggota dewan PeerNova Inc., dan mitra terbatas di Mendoza Ventures.

Inovalon, adalah perusahaan teknologi yang berbasis di AS yang menyediakan solusi perangkat lunak berbasis cloud dan analitik data untuk industri kesehatan. Melalui penawaran andalannya, Platform Inovalon ONE^®, perusahaan ini mengumpulkan dan menganalisis data klinis dan klaim dunia nyata yang masif — mencakup ratusan juta kehidupan — untuk mendukung rencana kesehatan, penyedia, apotek, dan organisasi ilmu kehidupan dalam meningkatkan hasil klinis, kualitas perawatan, skor risiko, integritas pembayaran, dan efisiensi operasional.

Anda telah memiliki karir panjang yang meliputi S&P Global (SPGI ), IHS Markit, dan sekarang Inovalon. Apa yang paling berperan dalam membentuk peran atau pengalaman Anda untuk fokus pada data dunia nyata (RWD) dan analitik di bidang kesehatan, dan bagaimana hal itu membentuk visi Anda untuk memimpin Unit Bisnis Insights di Inovalon?

Saya telah menghabiskan sebagian besar karir saya membangun, menjalankan, dan menskala bisnis data dan analitik, terutama di bidang jasa keuangan, sering kali memulai dari kecil dan mengembangkan pertumbuhan yang signifikan melalui kombinasi strategi organik dan non-organik. Setelah lebih dari tiga dekade di industri keuangan, saya mencapai titik di mana saya perlu berhenti sejenak dan mereset. Saya telah berada di dunia itu untuk waktu yang lama, dan meskipun saya menyukai pekerjaan itu, lingkungan telah mulai terasa kurang memuaskan. Jadi, pada awal 2024, saya memutuskan untuk mundur.

Tahun itu sangat mengembalikan kesadaran. Saya menghabiskan lebih banyak waktu dengan keluarga, bergabung dengan dewan perusahaan dan non-profit, dan, agak tidak terduga, menjadi lebih terlibat dalam gereja saya. Pivotal ini memberi saya kesempatan untuk fokus pada keseimbangan, komunitas, dan tujuan dengan cara yang belum pernah saya lakukan selama waktu yang lama. Pada akhir tahun, saya menyadari bahwa saya masih memiliki banyak energi dan semangat untuk memimpin tim dan membangun bisnis, tetapi saya ingin pekerjaan itu terasa lebih pribadi dan bermakna.

Ketika Adam Kansler, CEO Inovalon, menghubungi saya untuk memberi tahu lebih banyak tentang perusahaan, waktu itu sangat menguntungkan. Saya bekerja sama dengan Adam selama bertahun-tahun dan memiliki rasa hormat yang besar kepadanya sebagai pemimpin. Ia menjelaskan Inovalon sebagai penyedia terkemuka data dan solusi yang memberdayakan kesehatan yang bekerja dengan pembayar, penyedia, organisasi apotek, dan perusahaan ilmu kehidupan, dan mencatat bahwa perusahaan tersebut sedang mencari orang baru untuk memimpin unit bisnis Insights-nya.

Sebelum percakapan dengan Adam, saya belum pernah mempertimbangkan bahwa saya bisa memanfaatkan latar belakang saya dalam data dan analitik ke industri kesehatan. Namun, semakin saya belajar, semakin hal itu beresonansi. Data kesehatan sangat nyata karena dapat memengaruhi kita dengan cara yang nyata. Gagasan menerapkan ketekunan analitis dan skala yang sama yang saya kembangkan di jasa keuangan untuk meningkatkan kualitas dan hasil kesehatan sangat menggugah. Itu adalah tujuan yang membawa saya ke sini, dan itu terus membentuk bagaimana saya memimpin unit bisnis Insights, mengumpulkan data, teknologi, dan orang-orang untuk membuat perbedaan yang terukur di seluruh ekosistem kesehatan.

Bagaimana Anda melihat langkah Inovalon untuk membuat analitik lanjutan dan RWD tersedia di Snowflake’s AI Data Cloud mengubah dinamika kompetitif di kesehatan dan ilmu kehidupan?

Saya akan mempertimbangkannya lebih sebagai langkah strategis untuk memenuhi kebutuhan pelanggan di mana mereka berada, daripada mengubah dinamika kompetitif. Dalam pikiran saya, itu sangat penting bahwa kami memastikan pelanggan memiliki akses ke data dan sumber daya kami pada platform di mana mereka ingin menggunakannya dengan cara yang lebih modern, lincah, dan mudah diakses. Dengan ini, kami tahu bahwa lebih banyak pelanggan kami bermigrasi ke platform seperti Snowflake, jadi itu penting bagi kami untuk memenuhi mereka di sana, di mana mereka ingin mengakses data kami.

Apa yang membedakan penawaran RWD Inovalon, seperti Registry MORE², dari platform data dunia nyata lainnya dalam hal kualitas, kedalaman, ketepatan waktu, atau skala?

Apa yang membedakan penawaran RWD kami, termasuk Registry MORE², adalah data sumber utama kami. Kami mengumpulkan data ini langsung dari berbagai entitas di seluruh ekosistem kesehatan, seperti pembayar atau penyedia kesehatan, dan itu memberi kami pandangan holistik tentang perjalanan kesehatan pasien, memungkinkan kami untuk mengambil wawasan yang mendukung pengambilan keputusan di seluruh kontinum kesehatan.

Sementara luasnya data yang kami miliki saja sudah merupakan pembeda yang signifikan, sejarah dan konsistensi di balik data ini benar-benar luar biasa. Melalui kemitraan kami dengan Snowflake, pelanggan kami sekarang dapat mengakses dataset longitudinal kami yang besar, berkualitas tinggi, dan RWD dengan aman dan cepat, kemampuan yang secara tradisional terhalang oleh sistem yang terfragmentasi dan proses penggunaan data manual yang kompleks. Bagi perusahaan ilmu kehidupan dan bioteknologi, memiliki kepercayaan bahwa mitra mereka akan menyediakan data yang konsisten dan dapat diandalkan untuk pengambilan keputusan sangat penting bagi pasien yang mereka layani. Dasar itu adalah fondasi penawaran RWD kami, yang kami terus perluas dalam cakupan dan jenis wawasan yang dapat kami hasilkan.

Apa tantangan teknis atau tata kelola utama dalam menghubungkan atau mengintegrasikan dataset dari sumber yang berbeda untuk membangun bukti dunia nyata yang komprehensif?

Hal itu dimulai dengan mengakui fondasi data kami, yang kembali ke interaksi antara pasien dan penyedia, apotek, dan pembayar mereka. Seringkali, interaksi ini bersifat pribadi dan berasal dari titik sentuh yang signifikan dalam perawatan mereka sendiri. Ini membuat menjadi penting bagi kami untuk menjadi pengurus tepercaya data kami dan memiliki tata kelola yang kuat di sekitar data ini. Kami sangat serius mengenai tanggung jawab ini di Inovalon, terutama ketika RWD memasuki proses bukti dunia nyata. Bagaimana kami memilih untuk mengelola, melindungi, dan menggunakan data kami menentukan kredibilitas dan kepercayaan yang kami pegang dengan mitra kami di seluruh ekosistem.

Salah satu tantangan terbesar yang kami hadapi adalah menyeimbangkan penggunaan data dan privasi. Jika fokusnya secara eksklusif pada privasi, Anda kehilangan kemampuan untuk sepenuhnya menganalisis dan mengekstrak nilai dari data. Namun, jika fokusnya hanya pada analisis, Anda berisiko tidak memenuhi kewajiban etis atau regulasi kepada pasien dan keluarga. Keseimbangan yang sulit ini bukan hanya tantangan teknis, tetapi juga tantangan tata kelola. Kami terus-menerus harus mempertimbangkan apa yang bisa kami lakukan, apa yang seharusnya kami lakukan, dan apa yang tidak bisa kami lakukan untuk melindungi data yang kami miliki sambil tetap memaksimalkan nilainya dan dampaknya pada ekosistem kesehatan yang lebih luas.

Dari perspektif teknis, tantangan lain yang signifikan adalah penghubungan. Tidak peduli seberapa dalam atau luas sebuah dataset, itu tidak pernah cukup sendirian. Kemampuan untuk menghubungkan dataset dari sumber yang berbeda sangat kritis, dan kami memprioritaskannya setiap hari melalui kerja sama dengan berbagai mitra.

Akhirnya, ada tantangan struktural dengan ekosistem kesehatan yang sangat terfragmentasi. Untuk pelanggan mengakses semua data yang mereka butuhkan, seringkali memerlukan menarik dari dataset yang berbeda dan menghubungkan data di berbagai titik perawatan, dengan banyak perantara di antaranya. Dibandingkan dengan industri seperti jasa keuangan, kesehatan tertinggal beberapa tahun, jika tidak beberapa dekade, dalam hal integrasi data dan interoperabilitas. Namun, ini juga merupakan kesempatan besar bagi Inovalon. Jika kami dapat terus maju dalam cara data dihubungkan, disediakan, dan digunakan secara kreatif, kami dapat menyampaikan analitik dan solusi yang jauh lebih inovatif yang pada akhirnya akan menguntungkan pasien.

Bagaimana Anda menyeimbangkan privasi, kepatuhan regulasi, dan inovasi ketika menerapkan model AI pada data kesehatan yang sensitif?

Cara saya memikirkan AI adalah bahwa, pada akhirnya, itu tentang menggantikan atau meningkatkan apa yang secara teoretis dapat dilakukan hari ini, hanya dengan cara yang lebih cepat, lebih pintar, dan lebih maju. Ketika pelanggan ingin menerapkan model AI di atas data kami, itu adalah sesuatu yang harus kami terima. Seperti dengan penggunaan data kami, ada syarat dan ketentuan yang menentukan apa yang dapat dan tidak dapat dilakukan oleh pelanggan. Ini didasarkan pada izin dan batasan kami sendiri, serta peraturan yang berlaku. Kerangka ini tidak berubah di dunia AI, dan kami perlu menjadi penggerak. Kami tidak bisa takut akan hal itu. Kami harus menerimanya dengan bertanggung jawab agar AI dapat maju, karena itu memiliki potensi untuk sangat menguntungkan ekosistem kesehatan.

AI memerlukan data historis untuk membangun model dan data yang berkelanjutan untuk mempertahankannya. Dari perspektif kami sebagai penyedia data, itu adalah posisi yang kuat, karena sekali model dibangun di atas data kami, itu menjadi lebih tertanam. Kami harus mendekati setiap model seperti kami mendekati setiap kasus penggunaan pelanggan, memastikan bahwa itu dilisensikan dan dikelola dengan benar. Bagian yang lebih sensitif dari AI, terutama di kesehatan, adalah memastikan bahwa ada manusia dalam loop ketika perawatan sedang disampaikan. Itu adalah topik yang jauh lebih besar, dan banyak orang yang membahasnya.

Dari perspektif RWD, kami masih berada di tahap awal. AI belum memberikan hasil yang revolusioner di kesehatan, terutama ketika Anda fokus pada kasus penggunaan RWD. Kami menjelajahi sejumlah peluang, termasuk, misalnya, ekstraksi berbasis pembelajaran mesin dari catatan klinis, yang merupakan aplikasi yang lebih mendasar dari AI. Di luar itu, kami melihat penggunaan AI dalam aplikasi uji klinis dan kemajuan penyakit dan prediktabilitas. Kami berada di awal perjalanan ini, tetapi potensinya sangat besar. Di Inovalon, kami fokus pada memastikan bahwa kami memiliki data berkualitas tinggi yang dapat digunakan bersama dengan AI secara bertanggung jawab, dengan tata kelola yang kuat dan pengawasan manusia, sambil mempersiapkan untuk meningkatkan dampaknya seiring dengan kematangan teknologi dan ekosistem.

Dari percakapan Anda dengan pelanggan, apa yang paling umum menjadi kekhawatiran mereka tentang mengadopsi AI dan analitik yang didorong oleh RWD di kesehatan, dan bagaimana Anda merespons kekhawatiran tersebut?

Keadaan yang paling umum yang saya dengar adalah kualitas data dan izin untuk menggunakan data kami untuk melatih model AI mereka sendiri. Untuk kualitas data, dengan AI, ‘sampah masuk, sampah keluar’ benar-benar berlaku. Jika kualitas data buruk, artinya data tidak bersih atau mungkin tidak cukup data, maka outputnya tidak akan sangat berharga. Pelanggan kami mengharapkan data yang konsisten, akurat, dan dapat diandalkan. Mengingat volume besar yang kami kelola, salah satu prioritas pertama saya adalah memastikan kualitas data di seluruh papan. Kami telah bekerja keras untuk membersihkan, menghilangkan duplikat, menormalkan, dan menyajikan data ke hilir. Mengambil kepemilikan kualitas data juga membantu dengan meningkatkan konsistensi dan keandalan di seluruh dataset kami, yang memungkinkan kami untuk menyampaikan lebih banyak dalam penawaran analitik data kami yang tradisional, serta analitik yang didasarkan pada AI.

Kedua, pertimbangan melibatkan bagaimana data kami mungkin digunakan untuk mendukung pengembangan model AI. Sebagai organisasi yang didorong oleh data, penting bagi kami untuk memungkinkan kasus penggunaan yang muncul ini. Mengingat evolusi cepat lanskap data dan AI, kami telah menyesuaikan pendekatan kami untuk memungkinkan hal ini dengan cara yang bertanggung jawab, didukung oleh tata kelola yang kuat, syarat penggunaan yang jelas, dan pengaman yang ditentukan. Evolusi ini memungkinkan pelanggan kami untuk berinovasi dengan percaya diri dengan AI sambil memastikan praktik data yang bertanggung jawab, patuh, dan etis.

Bagaimana Anda mengukur keberhasilan atau ROI untuk pelanggan yang mengadopsi platform dan analitik Anda, dan apa metrik yang paling mereka pedulikan?

Kami mengukur keberhasilan dengan dampak nyata yang platform dan analitik kami miliki pada hasil operasional dan klinis pelanggan kami. Ini bisa mencakup berbagai ukuran keberhasilan, tergantung pada pelanggan, seperti meningkatkan Peringkat Bintang CMS di Medicare Advantage, mengoptimalkan penyesuaian risiko, atau menghasilkan bukti dunia nyata yang dapat ditindaklanjuti untuk ilmu kehidupan. Benang merahnya adalah bahwa wawasan harus tepat waktu, dipercaya, dan dapat ditindaklanjuti.

Untuk metrik, pelanggan, tergantung pada di mana mereka berada di sepanjang kontinum kesehatan, mungkin fokus pada aspek seperti perbaikan kualitas, pengurangan celah dalam perawatan, kepatuhan yang lebih baik terhadap protokol perawatan, atau keuntungan biaya atau pemanfaatan yang dapat diukur. Pelanggan menyadari ROI ketika analitik kami membantu mereka membuat keputusan yang menginformasikan yang meningkatkan hasil pasien, efisiensi operasional, dan/atau kinerja strategis.

Melihat ke depan 5 tahun, bagaimana Anda mengharapkan AI dan RWD berkembang di kesehatan dan ilmu kehidupan, dan apa yang Anda lihat sebagai frontier berikutnya?

Dalam lima tahun, kesehatan mungkin terlihat seperti sesuatu yang tidak kita kenal sekarang, tetapi itu mustahil untuk diprediksi seberapa cepat industri akan berkembang. Satu-satunya kepastian adalah bahwa itu akan transformatif. Sementara kecepatan inovasi luar biasa, kemajuan tetap terbatas oleh fragmentasi di seluruh ekosistem kesehatan, mencakup laboratorium, apotek, dan EHR, di mana sedikit organisasi yang dapat benar-benar menghubungkan sumber data ini dengan cara yang bermakna.

Meskipun mungkin menjadi faktor pembatas, jika data dapat dihubungkan dan dibuat secara longitudinal dalam cara yang dinormalkan dan distandarisasi, maka saya pikir apa pun mungkin. AI akan semakin mendukung segala sesuatu, dari dukungan keputusan klinis hingga bagaimana organisasi ilmu kehidupan mendekati desain dan eksekusi uji klinis. Dalam lima tahun ke depan, kita akan melihat lebih banyak otomatisasi, penggunaan analitik prediktif yang ditingkatkan, dan koneksi yang meningkat yang memberikan organisasi akses ke wawasan yang mereka butuhkan secara real-time, semuanya memiliki potensi untuk mengubah perjalanan perawatan pasien dan operasi kesehatan secara keseluruhan.

Untuk organisasi yang baru saja memulai untuk mengintegrasikan AI dengan data dunia nyata, apa tiga saran yang akan Anda berikan?

Pertama dan paling penting, fokus pada data dan pastikan bahwa Anda terus-menerus menilai kualitas data. Kedua, gunakan kekuatan pikiran basis karyawan Anda. Kenyataannya adalah bahwa ide terbaik dapat datang dari setiap tingkat organisasi, terutama generasi muda yang memasuki angkatan kerja yang telah hidup dan bernapas dengan data, AI, dan teknologi. Pemimpin harus menemukan cara untuk memanfaatkan ide dan inovasi yang ada di dalam organisasi dan create a platform for these perspectives to be heard and harvested. Third, hire the right people. Without the right people and technical talent, innovating at pace, creating value and staying competitive will be nearly impossible. Thank you for the great interview, readers who wish to learn more should visit Inovalon.