Jay Ferro, Chief Information, Technology and Product Officer, Clario – Interview Series

Jay Ferro adalah Chief Information, Technology and Product Officer di Clario, ia memiliki lebih dari 25 tahun pengalaman memimpin tim Teknologi Informasi dan Produk, dengan fokus kuat pada perlindungan data dan passion untuk menciptakan teknologi dan produk yang memiliki dampak bermakna.

Sebelum bergabung dengan Clario, Jay menjabat posisi kepemimpinan senior, termasuk CIO, CTO, dan CPO, di organisasi global seperti Quikrete Companies dan American Cancer Society. Ia juga merupakan anggota Dewan Direksi di Allata, LLC. Prestasi profesionalnya telah diakui beberapa kali, termasuk penghargaan dari Atlanta Technology Professionals sebagai Executive Leader of the Year dan HMG Strategy sebagai Mid-Cap CIO of the Year.

Clario adalah pemimpin dalam manajemen uji klinis, menawarkan teknologi endpoint komprehensif untuk mengubah kehidupan melalui pembangkitan bukti yang andal dan akurat. Mengkhususkan diri dalam uji klinis onkologi, Clario menekankan hasil yang dilaporkan pasien (PROs) untuk meningkatkan efikasi, memastikan keamanan, dan meningkatkan kualitas hidup, dengan mengadvokasi PRO elektronik sebagai alternatif yang lebih hemat biaya daripada kertas. Dengan keahlian yang meliputi area terapi dan kepatuhan regulasi global, Clario mendukung uji klinis desentralisasi, hibrida, dan berbasis situs di lebih dari 100 negara, dengan menggunakan teknologi canggih seperti kecerdasan buatan dan perangkat terhubung. Solusi mereka mempermudah proses uji, memastikan kepatuhan dan retensi melalui dukungan dan pelatihan terintegrasi untuk pasien dan sponsor.

Clario telah mengintegrasikan lebih dari 30 model AI di berbagai tahap uji klinis. Bisakah Anda memberikan contoh tentang bagaimana model-model ini meningkatkan aspek-aspek tertentu dari uji, seperti onkologi atau kardiologi?

Kami menggunakan model AI kami untuk memberikan kecepatan, kualitas, presisi, dan privasi kepada pelanggan kami di lebih dari 800 uji klinis. Saya bangga bahwa alat kami tidak hanya menjadi bagian dari siklus hype AI – mereka memberikan nilai nyata kepada pelanggan kami dalam uji tersebut.

Hari ini, model AI kami sebagian besar jatuh ke dalam empat kategori: privasi data, bantuan kontrol kualitas, bantuan pembacaan, dan analisis pembacaan. Misalnya, kami memiliki alat dalam pemindaian medis yang dapat secara otomatis menghapus Informasi Identifikasi Pribadi (PII) dalam gambar statis, video, atau PDF. Kami juga menggunakan alat AI yang memberikan data dengan penilaian kualitas cepat pada saat unggah — sehingga ada banyak kepercayaan dalam data tersebut. Kami telah mengembangkan alat yang memantau data ECG secara terus-menerus untuk kualitas sinyal, dan lainnya yang mengkonfirmasi pengidentifikasi pasien yang benar. Kami telah mengembangkan alat bantuan pembacaan yang memungkinkan prediksi irisan, propagasi lesi, dan deteksi penyakit. Selain itu, kami telah meningkatkan analisis pembacaan dengan mengotomatisasi dan memstandarisasi interpretasi data dengan alat seperti skoring kolitis ulserativa Mayo yang didukung AI.

Itu hanya beberapa contoh dari jenis model AI yang telah kami kembangkan sejak 2018, dan meskipun kami telah membuat kemajuan yang banyak, kami baru saja memulai.

Bagaimana Clario memastikan bahwa wawasan yang didorong AI mempertahankan akurasi dan konsistensi tinggi di seluruh lingkungan uji yang beragam?

Kami terus-menerus melatih model AI kami pada jumlah data yang besar untuk memahami perbedaan antara data yang baik dan data yang tidak baik atau relevan. Sebagai hasilnya, analisis data yang didorong AI kami mendeteksi, menganalisis sejarah data kaya, dan pada akhirnya mengarah pada hasil yang lebih berkualitas bagi pelanggan kami.

Solusi spirometri kami dengan baik menggambarkan mengapa kami melakukannya. Klinisi menggunakan spirometri untuk membantu mendiagnosis dan memantau kondisi paru-paru tertentu dengan mengukur seberapa banyak udara yang dapat dikeluarkan pasien dalam satu napas paksa. Ada berbagai kesalahan yang dapat terjadi ketika pasien menggunakan spirometer. Mereka mungkin melakukan tes terlalu lambat, batuk selama pengujian, atau tidak dapat membuat segel lengkap di sekitar mulut spirometer. Setiap variabilitas tersebut dapat menyebabkan kesalahan yang mungkin tidak terdeteksi sampai analisis manusia. Kami telah melatih model pembelajaran dalam pada lebih dari 50.000 contoh untuk mempelajari perbedaan antara pembacaan yang baik dan yang buruk. Dengan perangkat dan algoritma kami, klinisi dapat melihat nilai data dalam waktu dekat secara real-time daripada harus menunggu analisis manusia. Itu penting sebagian karena beberapa pasien mungkin harus berkendara beberapa jam untuk berpartisipasi dalam uji klinis. Bayangkan berkendara jarak itu pulang dari situs hanya untuk mengetahui bahwa Anda harus mengambil tes spirometri lain pada minggu berikutnya karena yang pertama menunjukkan kesalahan. Model AI kami memberikan overread yang akurat sementara pasien masih berada di situs. Jika ada kesalahan, itu dapat diperbaiki segera. Ini hanya salah satu cara kami bekerja untuk mengurangi beban pada situs dan pasien.

Bisakah Anda menjelaskan bagaimana model AI Clario mengurangi waktu pengumpulan data tanpa mengorbankan kualitas data?

Menghasilkan data berkualitas tinggi untuk uji klinis selalu menjadi fokus kami, tetapi sifat algoritma AI kami berarti bahwa penangkapan dan analisis dipercepat secara dramatis. Seperti yang saya sebutkan, algoritma kami memungkinkan kami untuk melakukan analisis kontrol kualitas lebih cepat dan dengan presisi yang lebih tinggi daripada interpretasi manusia. Mereka juga memungkinkan kami untuk melakukan pemeriksaan kualitas saat data dimasukkan. Itu berarti kami dapat mengidentifikasi data pasien yang hilang, salah, atau berkualitas rendah sementara pasien masih berada di situs uji, bukan membiarkannya mengetahui hari atau minggu kemudian.

Bagaimana Clario mengatasi tantangan uji klinis desentralisasi dan hibrida, terutama dalam hal privasi data, keterlibatan pasien, dan kualitas data?

Hari ini, uji klinis desentralisasi sebenarnya hanya uji dengan komponen hibrida. Saya pikir konsep membiarkan peserta menggunakan perangkat mereka sendiri atau perangkat terhubung di rumah benar-benar membuka pintu untuk kemungkinan yang lebih besar dalam uji, terutama dalam hal aksesibilitas. Membuat uji lebih mudah diikuti adalah fokus utama dari peta teknologi kami, yang bertujuan untuk mengembangkan solusi yang meningkatkan keanekaragaman pasien, mempermudah rekrutmen dan retensi, meningkatkan kenyamanan bagi peserta, dan memperluas kesempatan untuk uji klinis yang lebih inklusif. Kami menawarkan spirometri di rumah, tekanan darah di rumah, eCOA, dan solusi lain yang memberikan integritas data yang sama dengan solusi tradisional, dan kami melakukannya dengan pengawasan dari ahli endpoint dan area terapi kami. Hasilnya adalah pengalaman pasien yang lebih baik untuk data endpoint yang lebih baik.

Apa keuntungan unik yang ditawarkan oleh pendekatan AI Clario untuk mengurangi timeline dan biaya uji untuk perusahaan farmasi, biotek, dan perangkat medis?

Kami telah mengembangkan alat AI sejak 2018, dan mereka telah meresap ke dalam semua yang kami lakukan secara internal dan tentu saja di seluruh campuran produk kami. Dan apa yang tidak pernah meninggalkan kami adalah memastikan bahwa kami melakukannya dengan cara yang bertanggung jawab: menjaga manusia dalam loop, bermitra dengan regulator, bermitra dengan pelanggan kami, dan memasukkan tim hukum, privasi, dan ilmu pengetahuan kami untuk memastikan bahwa kami melakukan semuanya dengan cara yang benar.

Mengembangkan dan menerapkan AI secara bertanggung jawab harus memengaruhi pelanggan kami dengan berbagai cara positif. Dasar program AI kami dibangun berdasarkan apa yang kami percayai sebagai Prinsip Penggunaan Bertanggung Jawab industri. Siapa pun di Clario yang menyentuh AI mengikuti lima prinsip tersebut. Di antaranya, kami mengambil semua langkah untuk memastikan bahwa kami menggunakan data yang paling beragam yang tersedia untuk melatih algoritma kami. Kami memantau dan menguji untuk mendeteksi dan mitigasi risiko, dan kami hanya menggunakan data anonim untuk melatih model dan algoritma. Ketika kami menerapkan pedoman tersebut saat mengembangkan alat AI baru, kami dapat dengan cepat memberikan data presisi – dalam skala – yang mengurangi bias, meningkatkan keanekaragaman, dan melindungi privasi pasien. Semakin cepat kami dapat memberikan data akurat kepada sponsor, semakin besar dampaknya pada garis bawah mereka dan, pada akhirnya, hasil pasien.

Model AI dapat terkadang mencerminkan bias yang melekat dalam data. Apa langkah yang diambil Clario untuk memastikan analisis data yang adil dan tidak bias dalam uji?

Kami tahu bahwa bias terjadi ketika set data pelatihan terlalu terbatas untuk penggunaannya yang dimaksud. Awalnya, set data mungkin tampak cukup, tetapi ketika pengguna akhir mulai menggunakan alat dan mendorong AI melampaui apa yang dilatih untuk merespons, itu dapat menyebabkan kesalahan. Chief Medical Officer Clario, Dr. Todd Rudo, terkadang menggunakan contoh ini: Kami dapat melatih model untuk menentukan penempatan timbal yang tepat dalam elektrokardiogram (ECG) sehingga klinisi dapat mengetahui apakah teknisi telah meletakkan timbal di tempat yang tepat di tubuh pasien. Kami memiliki banyak data hebat sehingga kami dapat melatih model tersebut pada 100.000 ECG. Tapi apa yang terjadi jika kami hanya melatih model AI kami menggunakan data dari tes dewasa? Bagaimana model tersebut akan bereaksi jika ECG dilakukan pada pasien berusia 2 tahun? Jelas itu bisa potensial melewatkan kesalahan yang memiliki dampak pada pengobatan.

Itulah mengapa di Clario, tim produk, data, R&D, dan ilmu pengetahuan kami semua bekerja sama untuk memastikan bahwa kami menggunakan data pelatihan yang paling komprehensif untuk memastikan akurasi dan keandalan dalam aplikasi dunia nyata. Kami menggunakan data yang paling beragam yang tersedia untuk melatih algoritma yang terintegrasi ke dalam produk kami. Itulah juga mengapa kami bersikeras menggunakan pengawasan manusia untuk mitigasi risiko selama pengembangan dan penggunaan AI.

Bagaimana proses pengawasan dan pemantauan manusia Clario terintegrasi dengan output AI untuk memastikan kepatuhan regulasi dan standar etika?

Pengawasan manusia berarti kami memiliki tim manusia yang tahu persis bagaimana model kami dikembangkan, dilatih, dan divalidasi. Baik dalam pengembangan dan setelah kami mengintegrasikan model ke dalam teknologi, ahli kami memantau output untuk mendeteksi potensi bias dan memastikan bahwa output tersebut adil dan dapat diandalkan. Saya percaya AI tentang meningkatkan sains dan kecerdasan manusia. AI memberi manusia kemampuan untuk fokus pada tantangan yang lebih tinggi. Kami sangat baik dalam memecahkan masalah dan masih jauh lebih baik dalam intuisi dan nuansa daripada mesin. Di Clario, kami menggunakan AI untuk menghilangkan beban pada hal-hal yang dapat diulang. Kami menggunakan itu untuk menganalisis set data yang luas, apakah itu gambar pasien, uji sebelumnya, atau apa pun yang kami ingin analisis. Secara umum, mesin dapat melakukannya lebih cepat, dan dalam beberapa kasus, lebih baik daripada manusia. Tapi mereka tidak dapat menggantikan intuisi manusia dan sains serta pengalaman dunia nyata yang luar biasa yang dimiliki oleh orang-orang hebat di industri kami.

Bagaimana Anda memprediksi AI akan memengaruhi uji klinis dalam beberapa tahun mendatang, terutama di bidang seperti onkologi, kardiologi, dan studi pernapasan?

Dalam onkologi, saya sangat bersemangat tentang kemajuan penggunaan AI yang diterapkan dalam radiomik, yang mengekstrak metrik kuantitatif dari gambar medis. Radiomik melibatkan beberapa langkah, termasuk akuisisi gambar tumor, pra-pengolahan gambar, ekstraksi fitur, pengembangan model, dan validasi, diikuti oleh aplikasi klinis. Dengan menggunakan AI yang semakin canggih, kami akan dapat memprediksi perilaku tumor, menyesuaikan respons pengobatan, dan memprediksi hasil pasien berdasarkan pencitraan non-invasif tumor. Kami akan dapat menggunakannya untuk mendeteksi tanda-tanda awal penyakit dan deteksi awal kekambuhan penyakit. Ketika alat AI yang lebih canggih menjadi lebih terintegrasi ke dalam radiomik dan alur kerja klinis, kami akan melihat kemajuan besar dalam onkologi dan perawatan pasien.

Saya sama-sama bersemangat tentang masa depan studi pernapasan. Tahun lalu, kami mengakuisisi ArtiQ, sebuah perusahaan Belgia yang membangun model AI untuk meningkatkan pengumpulan data pernapasan dalam uji klinis. Pendiri mereka sekarang menjabat sebagai Chief AI Officer saya, dan kami berharap banyak hal dari solusi pernapasan. Pendekatan kami untuk aplikasi algoritma telah menjadi permainan yang berubah, tidak hanya karena membantu mengurangi beban pasien dan situs. Ketika data ekshalasi tidak dianalisis secara real-time, dan anomali terdeteksi kemudian, itu memaksa pasien untuk kembali ke klinik untuk uji lain. Ini tidak hanya menambah stres bagi pasien, tetapi juga dapat menciptakan keterlambatan dan biaya tambahan untuk sponsor uji, dan itu menyebabkan berbagai tantangan operasional. Perangkat spirometri baru kami memanfaatkan model ArtiQ untuk mengatasi beban tersebut dengan menawarkan overread waktu nyata. Itu berarti jika ada masalah, mereka diidentifikasi dan diselesaikan segera saat pasien masih berada di klinik.

Akhirnya, kami mengembangkan alat yang akan memiliki dampak di seluruh area terapi. Sebagai contoh, kami akan segera melihat AI memberikan nilai yang semakin besar dalam penilaian hasil klinis elektronik (eCOA). Kami akan melihat model AI yang menangkap dan mengukur perubahan halus yang dialami pasien. Teknologi ini akan membantu banyak peneliti, tetapi misalnya, peneliti Alzheimer akan dapat memahami di mana pasien berada dalam tahap penyakit. Dengan pengetahuan tersebut, efikasi obat dapat diukur lebih baik, dan pasien serta pengasuh mereka dapat lebih siap untuk mengelola penyakit.

Apa peran yang Anda percayai AI akan mainkan dalam memperluas keanekaragaman dalam uji klinis dan meningkatkan kesetaraan kesehatan di seluruh populasi pasien?

Jika Anda hanya melihat AI melalui lensa teknologi, saya pikir Anda akan mengalami masalah. AI perlu diatasi dari semua sudut: teknologi, sains, regulasi, dan seterusnya. Dalam industri kami, keunggulan sejati hanya dapat dicapai melalui kolaborasi manusia, yang memperluas kemampuan untuk mengajukan pertanyaan yang tepat, seperti: “Apakah kami melatih model yang mempertimbangkan usia, jenis kelamin, jenis kelamin, ras, dan etnis?” Jika semua orang di industri kami mengajukan pertanyaan tersebut sebelum mengembangkan alat, AI tidak hanya akan mempercepat pengembangan obat, tetapi juga akan mempercepatnya untuk semua populasi pasien.

Bisakah Anda membagikan rencana atau prediksi Clario untuk evolusi AI di sektor uji klinis pada 2025 dan setelahnya?

Pada 2025, kami akan melihat biopharma memanfaatkan AI dan analitik waktu nyata seperti tidak pernah sebelumnya. Kemajuan ini akan mempermudah uji klinis dan meningkatkan pengambilan keputusan. Dengan mempercepat pembangunan studi dan menerapkan pemantauan berbasis risiko, kami akan dapat mempercepat timeline, mengurangi beban pada pasien, dan memungkinkan sponsor untuk mengirimkan pengobatan penyelamat dengan presisi dan efisiensi yang lebih besar. Ini adalah waktu yang menarik bagi kita semua, karena kita bekerja sama untuk mengubah perawatan kesehatan.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Clario.