Jeff Elton, CEO di ConcertAI – Seri Wawancara

Jeff Elton, Ph.D., adalah CEO dari ConcertAI, sebuah perusahaan solusi SaaS AI yang menyediakan solusi penelitian dan solusi berbasis pasien untuk inovator ilmu hayat dan penyedia terkemuka di dunia. ConcertAI berfokus pada mempercepat dan meningkatkan presisi studi klinis retrospektif dan prospektif dengan menggunakan sistem EMR, LIS, dan PACS penyedia sebagai sumber data studi. Ini adalah mitra jangka panjang dengan American Society of Clinical Oncology dan program CancerLinQ, US FDA, inisiatif Kesehatan Keseimbangan NCI, dan hampir 100 penyedia layanan kesehatan di seluruh AS.

Sebelum ConcertAI, Jeff adalah 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. Dia juga merupakan anggota dewan pendiri dan penasihat senior untuk beberapa perusahaan awal. Jeff saat ini adalah anggota dewan Massachusetts Biotechnology Council. Dia adalah co-penulis buku yang sangat dikutip, Healthcare Disrupted (Wiley, 2016). Jeff memiliki gelar Ph.D. dan M.B.A. dari Universitas Chicago.

Sebagai CEO pendiri ConcertAI, dapatkah Anda membagikan visi Anda untuk perusahaan pada saat awal?

Kami memulai dengan ide bahwa hasil pasien yang ditingkatkan berasal dari wawasan yang mendalam dan dapat ditindaklanjuti. Mencapai wawasan tersebut memerlukan kelengkapan data, skala data, representativitas data, dan kecerdasan AI yang maju. Jadi, kami menciptakan perusahaan Data-as-a-Service dan AI Software-as-a-Service. Kami menargetkan AI yang memungkinkan inferensi dan prediksi. Ini termasuk memprediksi peristiwa untuk dihindari, seperti ketidakpatuhan pasien terhadap terapi mereka atau penghentian perawatan karena kurangnya respons positif, yang memberitahu kapan studi klinis mungkin menjadi pilihan berikutnya.

Visi kami tetap teguh, dan kami terus mengharapkan lebih dari solusi kami. Dengan generasi terbaru LLM, agentic AI, dan solusi AI generatif lainnya, kami dapat beroperasi pada skala (dan hampir secara real-time—sesuatu yang tidak kami harapkan atau antisipasi pada tahun 2018). Dengan mitra seperti NVIDIA (NVDA ), kami dapat meningkatkan solusi kami untuk berkinerja lebih baik dari yang diharapkan, mengenali keterbatasan dan karakteristik unik, dan bergerak dengan kecepatan inovasi pasar—perjalanan ini sangat produktif dan menggembirakan.

Kami telah membuka kinerja yang tidak terbayangkan sebelumnya dalam solusi otomatisasi studi klinis, mengotomatisasi penempatan pasien pada jalur klinis berbasis bukti, alur kerja lanjutan dalam interpretasi radiologi, dan penggunaan digital twin sebagai alat pengambilan keputusan untuk perawatan dan penelitian.

Saat ini, kami melayani hampir 50 inovator biopharma dan 2.000 penyedia layanan kesehatan—jadi, meskipun tidak pada skala seluruh pasar, kami adalah penyedia solusi AI untuk onkologi yang paling luas di industri.

Apa yang menginspirasi Anda untuk fokus pada dataset onkologi dan hematologi secara khusus, dan bagaimana Anda melihat ConcertAI membuat perbedaan dalam bidang-bidang ini?

Amerika Serikat memulai “Perang Melawan Kanker” pada tahun 1971 dengan Undang-Undang Kanker Nasional. Ini memicu pendanaan skala besar oleh pemerintah, yang menghasilkan wawasan tentang mutasi yang mengarah pada kanker, modalitas terapi baru, pusat perawatan kanker nasional yang diperluas, dan lain-lain. Di bawah pemerintahan Obama, pendanaan meningkat lagi sebesar $10 miliar dalam stimulus elektronik yang diberikan kepada NIH dan, pada gilirannya, ke NCI. Di bawah Biden, program Cancer Moonshot 2.0 diluncurkan pada tahun 2022, lagi-lagi memicu generasi baru penelitian dan investasi dana benih untuk kemitraan akademis, komunitas, dan swasta.

Saya memberikan sejarah ini karena sedikit penyakit atau bidang kesehatan yang memiliki tingkat data—genom, transkriptom, patologi digital, radiologi digital, catatan medis elektronik terperinci, dan lain-lain—dan tingkat penelitian yang mengkontekstualkan data ini dengan wawasan yang divalidasi melalui studi peer-review yang ketat, multi-pusat. Sebagai bukti lebih lanjut, pertemuan tahunan American Society of Clinical Oncology adalah pertemuan medis terbesar di dunia, dengan jumlah publikasi baru, poster, dan abstrak terbanyak dari forum ilmiah apa pun tentang topik apa pun.

Jadi, jika Anda ingin menjadi data dan AI-sentris, ada sedikit bidang yang lebih baik untuk mengembangkan solusi dengan kepercayaan dan skala daripada onkologi. ConcertAI memiliki koleksi data penelitian terbesar di dunia. Ini termasuk ratusan publikasi peer-review yang diperbolehkan oleh data tersebut, bukti signifikan yang dihasilkan dari publikasi tersebut yang mengubah cara pasien dirawat dan memastikan hasil terbaik, dan sekarang teknologi AI SaaS yang integral dalam proses perawatan dan penelitian yang membawa kekuatan data dan bukti tersebut ke titik pengambilan keputusan dan keputusan di sepanjang perjalanan perawatan pasien. Apa yang sangat penting di sini adalah bahwa kami tidak melakukannya secara unilateral. Ini dilakukan secara transparan dengan mitra penyedia layanan kesehatan dan inovator biopharma kami untuk membangkitkan kepercayaan terbesar dan penggunaan.

ConcertAI telah menjadi pemain utama dalam bukti dunia nyata (RWE) dan teknologi AI untuk kesehatan. Apa beberapa tantangan awal yang Anda hadapi dalam memposisikan perusahaan sebagai pemimpin dalam ruang ini?

Anda harus dipercaya dan berkembang menjadi sumber referensi. Ini diperoleh. Kepercayaan datang dari mitra penyedia layanan kesehatan, yang percaya bahwa data yang diakses berada dalam kepentingan terbaik pasien mereka. Kepercayaan juga datang dari mitra akademis dan industri, yang melihat bukti bahwa data kami diperoleh sebagai refleksi sempurna dari catatan pasien asli dan bahwa konsep yang kami majukan adalah “benar” dan reflektif dari praktik klinis dan ilmiah saat ini. Anda juga harus mencapai skala sehingga solusi data Anda mewakili tidak hanya populasi tetapi juga menghasilkan kesimpulan yang dapat diterapkan kembali ke populasi penuh yang dirawat dengan obat tertentu. Teknologi serupa. Ilmuwan dan klinisi secara alami skeptis—seperti yang seharusnya—dan tidak mempercayai kotak hitam atau algoritma yang tidak mereka pahami. Jadi, kami perlu membangun kepercayaan di sana, juga, melalui publikasi dan terbuka tentang bagaimana solusi kami bekerja.

ConcertAI memegang dataset onkologi dan hematologi terbesar di dunia. Apa peluang unik yang dibuat oleh data ini untuk mengubah penelitian kanker dan perawatan?

Saya suka pertanyaan itu. Kami bekerja pada ini setiap hari! Peluang untuk memberikan nilai kepada penyedia, pasien, dan inovator hampir tidak terbatas. Dalam studi awal, kami mengembangkan pendekatan simulasi studi dengan digital twin yang akan mengubah program yang kami ambil ke studi klinis. Optimasi data dan AI kami akan mengurangi waktu yang dibutuhkan untuk pergi dari protokol final ke pengajuan final ke regulator sebesar 30 hingga 40%—artinya obat baru sampai ke pasien lebih cepat. Solusi augmentasi keputusan AI kami akan merekomendasikan jalur perawatan yang berbasis bukti dan secara khusus disesuaikan dengan jalur tersebut, memantau respons sejalan dengan respons yang diprediksi, dan mencari studi klinis yang berpotensi bermanfaat ketika respons atau manfaat di bawah harapan. Solusi interpretasi klinis kami beroperasi pada tingkat proses operasional, interpretasi klinis, dan pandangan jangka panjang tentang interpretasi atau intervensi baru yang harus dipertimbangkan berdasarkan wawasan dan bukti di masa depan. Tidak lagi suatu tindakan “sekali dan selesai” tetapi menjadi “sekali, dan kemudian lagi dan lagi” sehingga penilaian dan keputusan bermanfaat di masa depan menjadi proses yang berkelanjutan!

Bagaimana ConcertAI bekerja untuk mencocokkan pasien kanker dengan studi klinis yang dapat menyelamatkan nyawa? Apa dampak yang telah Anda lihat sejauh ini dalam hal hasil pasien?

Studi klinis sangat kompleks dan memerlukan jam-jam upaya oleh berbagai individu ahli. Untuk sebagian besar organisasi, studi klinis ditawarkan sebagai tanggung jawab dan komitmen kepada pasien di mana standar perawatan saat ini mungkin tidak mewakili alternatif yang layak. Studi belum tersedia bagi pasien di pusat perawatan komunitas, di mana 80% pasien menerima perawatan mereka. Namun, pasien inilah yang pada akhirnya akan menerima obat baru yang disetujui. Ini menciptakan dilemma ganda: sebagian besar pasien yang memerlukan akses ke studi terbatas, dan mereka yang reflektif dari populasi standar perawatan tidak ada dalam dataset studi. Kami menetapkan jalur untuk menyelesaikan masalah-masalah ini.

Hasilnya sangat positif—sehingga kami akan memperluas jumlah studi yang sedang berlangsung sebesar 10 kali lipat pada tahun 2025. Kami menerbitkan ini untuk pertemuan American Society of Clinical Oncology terakhir dan di area lain. Pendekatan kami adalah bagaimana kami pikir AI harus diimplementasikan—sebagai augmentasi ahli manusia di mana ada keterbatasan kapasitas dan bakat besar dan di mana nyawa dipertaruhkan. Kami telah mengembangkan serangkaian model bahasa besar yang diatur dan disesuaikan yang mengakses catatan pasien, mensintesis karakteristik, dan mencocokkan pasien dengan studi yang berpotensi bermanfaat, melakukan tepat apa yang ahli manusia lakukan—dengan pendekatan yang sepenuhnya didokumentasikan untuk membuat rekomendasi dan penilaian. Di situs di mana teknologi kami diterapkan, kami berkinerja pada tingkat ahli manusia yang paling berpengalaman dan mengakuisisi pasien sebesar 5 kali lipat atau lebih relatif terhadap situs di mana teknologi kami tidak diterapkan—tim penelitian dan inovator biopharma sama-sama senang, dan pasien yang paling diuntungkan.

Bagaimana pendekatan AI-berbasis ConcertAI untuk desain studi dan rekrutmen pasien menangani beberapa keterbatasan penelitian klinis saat ini, seperti keanekaragaman pasien dan efisiensi studi?

Saya bangga dengan tim saya—mereka memberitahu saya tiga atau empat tahun yang lalu bahwa mencapai keanekaragaman adalah kewajiban dan hal yang tepat untuk dilakukan secara ilmiah. Mereka juga mempertahankan bahwa ini sulit dilakukan jika manual tetapi memerlukan upaya tambahan nol jika diotomatisasi. Jadi, kami memutuskan saat itu bahwa setiap dataset dan solusi AI SaaS akan mengintegrasikan karakteristik keanekaragaman dan determinan sosial kesehatan sebagai pendekatan standar kami. Ini bukanlah pilihan. Ini hanya apa yang kami lakukan. Selanjutnya, solusi desain dan optimasi studi klinis CARAai kami dapat menilai subpopulasi etnis, ras, atau ekonomi yang mungkin paling terkena dampak oleh suatu penyakit, mengintegrasikan pertimbangan tersebut ke dalam desain studi, memastikan bahwa populasi ini tidak secara tidak sengaja dikecualikan, dan mendefinisikan situs klinis yang paling mungkin memastikan partisipasi dan representativitas. Ini adalah tempat di mana AI dapat menjadi “AI untuk Kebaikan” dan di mana teknologi tidak memperkenalkan bias tetapi memastikan bahwa bias tidak memasuki proses, desain akhir, atau proses operasional di sekitar studi klinis.

Apa peran ConcertAI dalam mengurangi beban pada penyedia layanan kesehatan dan mengoptimalkan pemilihan situs dalam studi klinis?

Kami mengintegrasikan beban kerja ke dalam semua aspek solusi studi klinis kami. Pertama, ada beban pada pasien. Ini dapat berupa lokasi situs, jumlah kunjungan yang diperlukan untuk suatu studi versus standar perawatan, atau intensitas klinis suatu studi versus standar perawatan, seperti dalam kasus biopsi tambahan. Hal-hal ini dapat menentukan apakah pasien—atau pasien dalam konsultasi dengan penyedia mereka—dapat memilih untuk berpartisipasi atau menolerir dan menyelesaikan partisipasi.

Ada juga beban pada penyedia. Jika kami dapat mengotomatisasi identifikasi pasien untuk kelayakan studi klinis, meminimalkan hasil positif palsu yang menciptakan pekerjaan, dan menyediakan apa yang kami sebut “pengungkit AI” untuk pekerjaan Asosiasi Penelitian Klinis, Perawat Penelitian, dan Dokter, maka beban tersebut dikurangi. Hal yang sama berlaku untuk Solusi Otomatisasi AI kami, yang memungkinkan tim penelitian untuk menghindari melakukan entri data manual—biasanya 2 hingga 4 jam di akhir hari, dan sering dilakukan di rumah. Awalnya kami melihat data dalam EMR—digital—yang dimasukkan secara manual ke portal sponsor EDC. Jadi, data digital dibaca dan kemudian diketik ulang untuk menjadi data digital lagi! Di sini, kami menggunakan model bahasa besar yang disesuaikan—ini adalah fokus nyata dari kemitraan NVIDIA dari awal. Kami saat ini berada pada 55% otomatisasi penuh, dengan jalur yang sangat cepat ke lebih dari 80% dalam beberapa bulan mendatang. Ketika elemen-elemen ini datang bersama, kami akan mengurangi waktu staf menjadi 10% dari kebutuhan warisan dan membuat studi ini lebih mudah diakses oleh lebih banyak pasien.

Medisin presisi adalah bidang utama di mana AI membuat kemajuan signifikan. Bagaimana teknologi ConcertAI memberikan kontribusi pada perawatan kanker yang lebih presisi dan personal?

Kami belum membahas ini terlalu banyak sejak tahun lalu. Pada Desember 2023, kami mengambil tanggung jawab untuk program CancerLinQ dari American Society of Clinical Oncology. Ini adalah jaringan kesehatan cerdas terbesar di dunia, yang terdiri dari pusat akademis, sistem rumah sakit regional, dan penyedia komunitas. Bagian kunci dari jaringan ini adalah mengimplementasikan solusi jalur klinis kualitas dan klinis yang bersertifikat ASCO. Karena CancerLinQ adalah inisiatif ConcertAI, kami telah mengembangkan jaringan, mengotomatisasi jalur onkologi presisi, membuat pendekatan digital twin baru untuk meningkatkan pemilihan perawatan bagi penyedia, mengidentifikasi dan mengirim pesan tes diagnostik kritis yang dapat memandu keputusan perawatan, dan melakukan hal yang sama untuk obat baru yang disetujui yang mewakili alternatif perawatan lain. Semua ini didukung oleh arsitektur CARAai kami, lagi-lagi, serangkaian model bahasa besar yang disesuaikan dan model bahasa onkologi yang disesuaikan yang dilakukan dalam kolaborasi dengan NVIDIA. Ini luar biasa untuk melihat kemajuan yang dibuat, dan kami sangat bersemangat tentang apa yang akan kami terbitkan dan presentasikan pada ASCO 2025 tahun depan.

Bagaimana Anda melihat solusi penggambaran AI memberikan manfaat di bidang seperti onkologi dan radiologi, terutama karena bidang-bidang ini menghadapi kekurangan klinisi?

Pertanyaan yang bagus! Memang benar bahwa baik jumlah onkolog baru maupun radiolog yang memasuki bidang ini lebih sedikit daripada jumlah yang pensiun. Namun, permintaan pasien terus meningkat. Jadi, ini adalah area ideal untuk menyediakan solusi AI SaaS yang mendukung dokter dan profesional perawatan yang terkait dalam optimasi alur kerja dan augmentasi keputusan klinis. Radiolog dan onkolog akan sama-sama menyebutkan pentingnya solusi cerdas baru ini yang memasuki bidang mereka secara khusus. Penggambaran adalah area yang indah untuk AI, dan kinerjanya luar biasa. Studi non-inferioritas mencerminkan bahwa model AI dapat setara dengan atau sebanding dengan ahli manusia dalam area yang sempit. Alur kerja yang diatur dapat membawa semua ini bersama. Hal yang sama berlaku dalam onkologi, di mana kami membawa bersama hasil tes molekuler dengan data respons imun, algoritma prediktif untuk resistensi dan elemen lain yang akan semua memandu keputusan perawatan dan memungkinkan pemantauan respons. Saya telah berada di bidang ini selama bertahun-tahun dan di berbagai sisi inovasi baru—apa yang kami bisa lakukan sekarang jauh melampaui apa yang pernah kami bisa lakukan sebelumnya, dan kecepatan perubahan luar biasa.

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

Anda tidak bisa menjadi perusahaan AI tanpa akses ke data pada skala. Data adalah substrat untuk membangun model pelatihan dan pemantauan. Membangun solusi AI juga merupakan olahraga tim. Anda memerlukan pengetahuan domain pada kedalaman yang luar biasa yang cocok dengan kemampuan pengembangan model AI baru yang mengenali perilaku dari berbagai kelas solusi AI dan dapat membawa mereka untuk berlaku terhadap tujuan yang sempit, khusus yang disesuaikan untuk kinerja manusia atau di atasnya. Lalu, pendekatan ini dapat diatur dalam berbagai cara untuk mewakili sistem operasi baru—di sinilah perubahan terjadi, dan nilai disampaikan. Praktekkan “Kesederhanaan AI” karena semua hal luar biasa dan menampilkan hal-hal yang tidak bisa kami lakukan bahkan enam bulan sebelumnya. Namun, “luar biasa” tidak selalu merupakan produk atau cara kerja baru—ini hanya teknologi yang melakukan sesuatu baru. Ini adalah tanggung jawab perusahaan AI untuk membuatnya menjadi cara kerja baru dan pendekatan baru untuk menyampaikan tingkat nilai yang luar biasa yang tidak pernah dapat diakses sebelumnya. Akhirnya, asumsikan Anda perlu perlu menunjukkan kepercayaan dalam praktik bisnis, model AI, dan transparansi solusi. Kami masih di awal perjalanan sosial kami, dan kami adalah orang-orang yang harus mendapatkan kepercayaan untuk membawa perubahan yang kami mampu sampaikan. Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi ConcertAI.