Jeff Elton, CEO di ConcertAI – Seri Wawancara

Jeff Elton, Ph.D., adalah CEO dari KonserAI, sebuah perusahaan solusi AI SaaS yang menyediakan solusi penelitian dan solusi yang berpusat pada pasien untuk para inovator ilmu hayat dan penyedia layanan kesehatan terkemuka di dunia. ConcertAI difokuskan pada percepatan dan peningkatan ketepatan studi klinis retrospektif dan prospektif dengan menggunakan sistem EMR, LIS, dan PACS penyedia layanan kesehatan sebagai sumber untuk semua data studi. Perusahaan ini merupakan mitra jangka panjang dengan American Society of Clinical Oncology dan program CancerLinQ-nya, US FDA, inisiatif NCI Health Equity, dan hampir 100 penyedia layanan kesehatan di seluruh AS.

Sebelum bergabung dengan ConcertAI, Jeff menjabat sebagai Managing Director, Accenture Strategy/Patient Health; Global Chief Operating Officer dan SVP Strategy di Novartis Institutes of BioMedical Research, Inc.; dan mitra di McKinsey & Company. Ia juga merupakan anggota dewan pendiri dan penasihat senior untuk beberapa perusahaan tahap awal. Jeff saat ini menjadi anggota dewan Massachusetts Biotechnology Council. Ia merupakan salah satu penulis buku yang banyak dikutip, Pelayanan Kesehatan Terganggu (Wiley, 2016). Jeff meraih gelar Ph.D. dan MBA dari Universitas Chicago.

Sebagai CEO pendiri ConcertAI, dapatkah Anda berbagi visi Anda tentang perusahaan tersebut pada saat awal berdirinya? Bagaimana visi tersebut berkembang sejak 2018?

Kami berawal dari gagasan bahwa hasil pasien yang lebih baik berasal dari wawasan yang mendalam dan dapat ditindaklanjuti. Memperoleh wawasan tersebut membutuhkan kelengkapan data, skala data, representasi data, dan kecerdasan AI yang canggih. Oleh karena itu, kami menciptakan perusahaan Data-as-a-Service dan Perangkat Lunak-as-a-Service AI. Kami menargetkan AI yang memungkinkan inferensi dan prediksi. Ini termasuk memprediksi kejadian yang harus dihindari, seperti ketidakpatuhan pasien terhadap terapi atau penghentian perawatan karena kurangnya respons positif, yang akan menjadi dasar kapan uji klinis mungkin menjadi pilihan berikutnya.

Visi kami tetap teguh, dan kami terus mengharapkan lebih dari solusi kami. Dengan LLM generasi terbaru, AI agen, dan solusi AI generatif lainnya, kami dapat beroperasi dalam skala besar (dan hampir secara real-time—sesuatu yang tidak kami harapkan atau antisipasi pada tahun 2018). Dengan mitra seperti NVIDIA, kami dapat memajukan solusi kami agar berkinerja lebih baik dari yang diharapkan, mengenali keterbatasan dan karakteristik unik, serta bergerak seiring dengan laju inovasi di seluruh pasar—perjalanan sejauh ini sangat produktif dan menggembirakan.

Kami telah membuka kinerja yang sebelumnya tak terbayangkan dalam solusi otomasi uji klinis, mengotomatiskan penempatan pasien pada jalur klinis berbasis bukti, alur kerja tingkat lanjut dalam interpretasi radiologi, dan penggunaan kembaran digital sebagai alat peningkatan keputusan untuk perawatan dan penelitian.

Saat ini, kami melayani hampir 50 inovator biofarmasi dan 2,000 penyedia layanan kesehatan—jadi meskipun skalanya tidak sebesar keseluruhan pasar, kami merupakan solusi AI dengan jangkauan terluas untuk onkologi di industri ini.

Apa yang menginspirasi Anda untuk fokus pada kumpulan data onkologi dan hematologi secara khusus, dan bagaimana Anda melihat ConcertAI membuat perbedaan di bidang ini?

Amerika Serikat memulai "Perang Melawan Kanker" pada tahun 1971 dengan Undang-Undang Kanker Nasional. Undang-undang ini memicu pendanaan pemerintah dalam skala besar, yang menghasilkan wawasan tentang mutasi yang mendorong kanker, modalitas baru untuk terapi, perluasan pusat perawatan yang ditunjuk oleh Institut Kanker Nasional, dan banyak lagi. Di bawah pemerintahan Obama, pendanaan meningkat lagi sebesar $10 miliar dalam bentuk stimulus elektronik yang diberikan kepada NIH dan, pada gilirannya, kepada NCI. Di bawah Biden, program Cancer Moonshot 2.0 diluncurkan pada tahun 2022, yang sekali lagi memicu generasi baru penelitian dan investasi pendanaan awal untuk kemitraan akademis, komunitas, dan swasta-publik.

Saya memberikan sejarah ini karena sedikit penyakit atau bidang perawatan kesehatan yang memiliki tingkat data seperti: genomik, transkriptomik, patologi digital, radiologi digital, catatan medis elektronik terperinci, dll., dan tingkat penelitian yang mengontekstualisasikan data ini dengan wawasan yang divalidasi melalui studi tinjauan sejawat yang ketat, multipusat. Sebagai bukti lebih lanjut, pertemuan tahunan American Society of Clinical Oncology adalah pertemuan medis terbesar di dunia, dengan jumlah publikasi, poster, dan abstrak baru terbanyak dari semua forum ilmiah tentang topik apa pun.

Jadi, jika Anda akan berpusat pada data dan AI, hanya ada sedikit area yang lebih baik untuk memajukan solusi dengan keyakinan dan dalam skala besar daripada onkologi. ConcertAI memiliki koleksi data penelitian terbesar di dunia. Ini mencakup ratusan publikasi yang ditinjau sejawat yang dimungkinkan oleh data tersebut, bukti signifikan yang dihasilkan dari publikasi tersebut yang mengubah cara pasien dirawat dan memastikan hasil yang paling positif, dan sekarang teknologi AI SaaS yang merupakan bagian integral dari proses perawatan dan penelitian yang menghadirkan kekuatan data dan bukti itu di semua titik dan untuk semua keputusan sepanjang perjalanan perawatan pasien. Yang benar-benar penting di sini adalah bahwa kita tidak melakukan ini secara sepihak. Ini dilakukan secara transparan dengan penyedia layanan kesehatan dan mitra inovator biofarmasi kami untuk menghasilkan keyakinan dan penggunaan terbesar. Jadi, kami berevolusi menuju augmentasi keputusan yang didukung kecerdasan AI yang canggih dan real-time.

ConcertAI telah menjadi pemain terkemuka dalam bukti dunia nyata (RWE) dan teknologi AI untuk perawatan kesehatan. Apa saja tantangan awal yang Anda hadapi dalam memposisikan perusahaan sebagai pemimpin di bidang ini?

Anda harus dipercaya dan berkembang menjadi sumber rujukan. Itu harus diperoleh. Kepercayaan datang dari mitra penyedia layanan kesehatan Anda, yang meyakini bahwa data yang Anda akses adalah yang terbaik bagi kepentingan pasien mereka. Kepercayaan datang dari mitra akademis dan industri Anda, yang melihat bukti dan meyakini bahwa data Anda berasal dari refleksi sempurna dari catatan pasien asli dan bahwa konsep yang Anda kemukakan adalah 'benar' dan mencerminkan praktik klinis dan ilmiah terkini. Anda juga harus mencapai skala di mana solusi data Anda tidak hanya mewakili seluruh populasi tetapi juga menghasilkan kesimpulan yang dapat digeneralisasikan kembali dengan yakin ke seluruh populasi yang diobati dengan obat tertentu. Teknologi serupa. Ilmuwan dan dokter pada dasarnya skeptis—sebagaimana seharusnya—dan tidak memercayai kotak hitam atau algoritme yang tidak mereka pahami. Jadi, kami perlu membangun kepercayaan di sana juga, melalui publikasi dan bersikap terbuka tentang cara kerja solusi kami.

ConcertAI memiliki kumpulan data onkologi dan hematologi terbesar di dunia. Peluang unik apa yang diciptakan data ini untuk mengubah penelitian dan pengobatan kanker?

Saya suka pertanyaan itu. Kami mengerjakan ini setiap hari! Peluang untuk memberikan nilai kepada penyedia layanan, pasien, dan inovator hampir tak terbatas. Dalam uji coba tahap awal, kami mengembangkan pendekatan simulasi studi dengan kembaran digital yang akan mengubah program yang kami ambil dalam uji klinis. Optimalisasi data dan AI kami akan mengurangi waktu yang dibutuhkan untuk beralih dari protokol final ke pengajuan final ke regulator hingga 30 hingga 40%—yang berarti obat baru akan sampai ke pasien lebih cepat. Solusi AI augmentasi keputusan kami akan merekomendasikan jalur pengobatan yang berbasis bukti dan secara khusus disesuaikan dengan jalur tersebut, memantau respons sesuai dengan respons yang diprediksi, dan mencari uji klinis yang berpotensi bermanfaat saat respons atau manfaat di bawah ekspektasi. Solusi interpretasi klinis pencitraan kami beroperasi pada tingkat proses operasional, interpretasi klinis, dan pandangan jangka panjang tentang interpretasi baru atau intervensi baru yang harus dipertimbangkan berdasarkan wawasan dan bukti di masa mendatang. Tindakan tidak lagi "sekali dan selesai" tetapi menjadi "sekali, lalu lagi dan lagi" sehingga penilaian ulang yang bermanfaat dan keputusan di masa mendatang menjadi proses yang berkelanjutan! Yang berbeda di sini adalah bahwa pandangan tersebut merupakan keseluruhan perjalanan pasien—ini adalah pandangan horizontal versus serangkaian pandangan vertikal yang sempit dan mendalam yang harus disatukan. Ini adalah inovasi yang dimungkinkan oleh AI dan perubahan proses yang mendalam yang menyediakan cara kerja baru bagi manusia ahli yang terlibat.

Dapatkah Anda menjelaskan cara kerja Solusi Uji Coba Digital ConcertAI untuk mencocokkan pasien kanker dengan uji klinis yang menyelamatkan nyawa? Dampak apa yang telah Anda lihat sejauh ini dalam hal hasil bagi pasien?

Uji klinis sangatlah rumit dan memerlukan upaya berjam-jam oleh berbagai individu yang sangat ahli. Bagi sebagian besar organisasi, uji klinis ditawarkan sebagai tanggung jawab dan komitmen kepada pasien yang standar perawatannya saat ini mungkin tidak mewakili alternatif yang layak. Uji klinis belum benar-benar tersedia bagi pasien di pusat perawatan masyarakat, tempat 80% pasien menerima perawatan mereka. Namun, pasien-pasien inilah yang pada akhirnya akan menerima obat-obatan yang baru disetujui. Hal ini menciptakan dilema ganda: mayoritas pasien yang memerlukan akses ke uji klinis terbatas, dan mereka yang mencerminkan populasi standar perawatan tertinggi tidak ada dalam kumpulan data uji klinis. Kami menetapkan jalur untuk menyelesaikan masalah ini.

Hasilnya sangat bagus—begitu positifnya sehingga kami akan memperluas jumlah studi yang sedang berlangsung sebanyak 10x pada tahun 2025. Kami menerbitkan ini untuk pertemuan American Society of Clinical Oncology terakhir dan di area lain. Pendekatan kami adalah bagaimana kami berpikir AI harus diimplementasikan—sebagai augmentasi manusia ahli di mana terdapat keterbatasan kapasitas dan bakat yang besar dan di mana nyawa dipertaruhkan. Kami telah mengembangkan serangkaian model bahasa besar yang diatur dan disetel yang mengakses catatan pasien, mensintesis karakteristik, dan mencocokkan pasien dengan uji coba yang berpotensi bermanfaat, melakukan persis seperti yang akan dilakukan oleh manusia ahli—dengan pendekatan yang terdokumentasi sepenuhnya untuk membuat rekomendasi dan penilaian. Di lokasi tempat teknologi kami digunakan, kami bekerja pada level manusia paling ahli dan memperoleh pasien 5x atau lebih relatif terhadap lokasi tempat teknologi kami tidak digunakan—tim peneliti dan inovator biofarmasi sama-sama senang, dan pasien mendapat manfaat paling banyak.

Bagaimana pendekatan berbasis AI dari ConcertAI terhadap desain uji coba dan perekrutan pasien mengatasi beberapa keterbatasan saat ini dalam penelitian klinis, seperti keberagaman pasien dan efisiensi uji coba?

Saya bangga dengan tim saya—tiga hingga empat tahun lalu mereka memberi tahu saya bahwa mencapai keberagaman adalah kewajiban dan hal yang benar untuk dilakukan secara ilmiah. Mereka juga berpendapat bahwa hal itu sulit dilakukan jika dilakukan secara manual, tetapi tidak memerlukan upaya tambahan jika dilakukan secara otomatis. Jadi, kami memutuskan bahwa setiap kumpulan data dan solusi AI SaaS akan mengintegrasikan keberagaman dan determinan sosial karakteristik kesehatan sebagai pendekatan standar kami. Itu bukan pilihan. Itu hanya apa yang kami lakukan. Selanjutnya, solusi desain dan pengoptimalan uji klinis yang didukung CARAai™ kami dapat menilai subpopulasi etnis, ras, atau ekonomi mana yang mungkin paling terpengaruh oleh suatu penyakit, mengintegrasikan pertimbangan tersebut ke dalam desain uji klinis, memastikan bahwa populasi ini tidak dikecualikan tanpa disadari, dan menentukan lokasi klinis yang paling mungkin untuk memastikan partisipasi dan keterwakilan. Di sinilah AI dapat menjadi "AI untuk Kebaikan" dan di mana teknologi tidak menimbulkan bias tetapi memastikan bahwa bias tidak memasuki proses, desain akhir, atau proses operasional di sekitar uji klinis.

Apa peran ConcertAI dalam mengurangi beban penyedia layanan kesehatan dan mengoptimalkan pemilihan lokasi dalam uji klinis?

Kami mengintegrasikan beban kerja ke dalam semua aspek solusi uji klinis kami. Pertama, ada beban pada pasien. Beban ini dapat berupa lokasi lokasi, jumlah kunjungan yang diperlukan untuk studi versus standar perawatan, atau intensitas klinis studi versus standar perawatan, seperti dalam kasus biopsi tambahan. Hal-hal ini dapat menentukan apakah pasien—atau pasien yang berkonsultasi dengan penyedia layanan kesehatannya—mampu untuk berpartisipasi atau menoleransi dan menyelesaikan partisipasi.

Ada juga beban pada penyedia. Jika kita dapat mengotomatiskan identifikasi pasien untuk kelayakan uji klinis, meminimalkan positif palsu yang menciptakan pekerjaan, dan menyediakan apa yang kita sebut "daya ungkit AI" untuk pekerjaan Asosiasi Penelitian Klinis, Perawat Studi, dan Dokter, maka bebannya akan berkurang. Hal yang sama berlaku untuk Solusi Otomatisasi AI kami, yang memungkinkan tim peneliti menghindari entri data manual—biasanya 2 hingga 4 jam di penghujung hari, dan sering kali diselesaikan di rumah. Awalnya kami melihat data dalam EMR—digital—dimasukkan secara manual ke portal untuk EDC sponsor. Jadi data digital dibaca dan kemudian diubah kuncinya untuk menjadi data digital lagi! Di sini juga, kami menggunakan model bahasa besar multi-tuned kami—ini adalah fokus nyata dari kemitraan NVIDIA sejak awal. Kami berada pada 55% otomatisasi penuh saat ini, dengan jalur yang sangat cepat hingga lebih dari 80% dalam beberapa bulan mendatang. Ketika elemen-elemen ini bersatu, kami akan mengurangi waktu staf hingga 10% dari kebutuhan lama dan membuat studi ini lebih mudah diakses oleh lebih banyak pasien.

Pengobatan presisi merupakan bidang utama di mana AI mengalami kemajuan yang signifikan. Bagaimana teknologi ConcertAI berkontribusi pada perawatan kanker yang lebih presisi dan personal?

Kami belum banyak membahas hal ini sejak tahun lalu. Pada bulan Desember 2023, kami mengambil alih tanggung jawab atas program CancerLinQ dari American Society of Clinical Oncology (ASCO). Program ini merupakan jaringan kesehatan cerdas terbesar di dunia, yang terdiri dari pusat-pusat akademik, sistem rumah sakit regional, dan penyedia layanan kesehatan komunitas. Bagian penting dari jaringan ini adalah penerapan solusi jalur klinis dan mutu ASCO Certified®. Karena CancerLinQ merupakan inisiatif ConcertAI, kami telah mengembangkan jaringan, mengotomatiskan jalur onkologi presisi, menciptakan pendekatan kembaran digital baru untuk meningkatkan pemilihan pengobatan bagi penyedia layanan kesehatan, mengidentifikasi dan mengirimkan pesan tes diagnostik penting yang dapat menginformasikan keputusan pengobatan, dan melakukan hal yang sama untuk obat-obatan yang baru disetujui yang mewakili alternatif pengobatan lain atau yang lebih baik. Semua ini didukung oleh arsitektur CARAai™ kami, yang juga merupakan serangkaian LLM vision dan LLM onkologi tertuning yang dibuat bekerja sama dengan NVIDIA. Sungguh menakjubkan melihat kemajuan yang telah dicapai, dan kami sangat antusias dengan apa yang akan kami publikasikan dan presentasikan di ASCO 2025 tahun depan.

Bagaimana Anda melihat solusi pencitraan AI memberi manfaat pada bidang seperti onkologi dan radiologi, terutama karena bidang ini menghadapi kekurangan dokter?

Pertanyaan yang bagus! Memang benar bahwa jumlah ahli onkologi dan radiologi baru yang memasuki bidang ini lebih sedikit daripada jumlah yang pensiun. Akan tetapi, permintaan pasien terus meningkat. Jadi, ini adalah area yang ideal untuk menyediakan solusi AI SaaS yang mendukung dokter dan profesional perawatan terkait dalam pengoptimalan alur kerja dan peningkatan keputusan klinis. Ahli radiologi dan onkologi akan menyebutkan pentingnya solusi cerdas baru ini yang hadir di bidang mereka secara khusus. Pencitraan adalah area yang luar biasa untuk AI, dan kinerjanya luar biasa. Studi non-inferioritas mencerminkan bahwa model AI dapat mendekati atau sebanding dengan manusia ahli dalam area yang sempit. Alur kerja yang terorkestrasi dapat menyatukan semua ini. Hal yang sama berlaku dalam onkologi, di mana kami menyatukan hasil uji molekuler dengan data respons imun, algoritme prediktif untuk resistensi, dan elemen lain yang semuanya akan menginformasikan keputusan perawatan dan memungkinkan pemantauan respons. Saya telah berkecimpung di bidang ini selama bertahun-tahun dan berada di berbagai sisi inovasi baru—apa yang dapat kami lakukan sekarang jauh melampaui apa pun yang pernah dapat kami lakukan sebelumnya, dan laju perubahannya luar biasa.

Sebagai pemimpin berpengalaman dalam teknologi perawatan kesehatan, saran apa yang akan Anda berikan kepada perusahaan baru yang ingin membuat dampak berarti dalam perawatan kesehatan melalui AI?

Anda tidak dapat menjadi perusahaan AI tanpa akses ke data dalam skala besar. Data adalah substrat untuk membangun model pelatihan dan pemantauan. Selain itu, membangun solusi AI adalah olahraga tim. Anda memerlukan pengetahuan domain pada kedalaman luar biasa yang dipadukan dengan kemampuan pengembangan model AI generasi baru yang mengenali perilaku berbagai kelas solusi AI dan dapat menggunakannya untuk mencapai tujuan yang sempit, yang secara khusus disesuaikan untuk kinerja manusia atau di atasnya. Kemudian, pendekatan ini dapat diatur dengan berbagai cara untuk mewakili sistem baru untuk beroperasi—di situlah perubahan terjadi, dan nilai diberikan. Praktikkan "Kerendahan Hati AI" karena semuanya menakjubkan dan menunjukkan hal-hal yang bahkan tidak dapat kita lakukan enam bulan sebelumnya. Namun, 'menakjubkan' tidak selalu berarti produk atau cara kerja baru—itu hanya teknologi yang melakukan sesuatu yang baru. Merupakan tanggung jawab perusahaan AI untuk menjadikannya cara kerja baru dan pendekatan baru untuk memberikan tingkat nilai yang mencengangkan yang belum pernah dapat diakses sebelumnya. Terakhir, asumsikan Anda perlu menunjukkan kepercayaan pada praktik bisnis, model AI, dan transparansi solusi. Kita masih berada di awal perjalanan bermasyarakat kita, dan kitalah yang harus mendapatkan kepercayaan untuk mewujudkan perubahan yang mampu kita berikan.

Terima kasih atas wawancaranya yang luar biasa, pembaca yang ingin belajar lebih banyak harus berkunjung KonserAI.