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 pasien-sentris untuk inovator ilmu hayat dan penyedia kesehatan terkemuka di dunia. ConcertAI berfokus pada mempercepat dan meningkatkan presisi studi klinis retrospektif dan prospektif menggunakan sistem EMRs, LISs, dan PACSs sebagai sumber semua data studi. Ini adalah mitra jangka panjang dengan American Society of Clinical Oncology dan program CancerLinQ, US FDA, inisiatif Kesehatan Keadilan NCI, dan hampir 100 penyedia kesehatan di seluruh AS.

Sebelum ConcertAI, Jeff adalah Managing Director, Accenture Strategy/Pasien Kesehatan; Global Chief Operating Officer dan SVP Strategi di Novartis Institutes of BioMedical Research, Inc.; dan mitra di McKinsey & Company. Ia juga adalah anggota dewan pendiri dan penasihat senior untuk beberapa perusahaan awal. Jeff saat ini adalah anggota dewan Massachusetts Biotechnology Council. Ia adalah co-penulis buku yang banyak dikutip, Healthcare Disrupted (Wiley, 2016). Jeff memiliki Ph.D. dan M.B.A. dari The University of Chicago.

Sebagai CEO pendiri ConcertAI, dapatkah Anda membagikan visi Anda untuk perusahaan pada saat pendiriannya? Bagaimana visi itu telah berkembang sejak 2018?

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

Visi kami tetap teguh, dan kami terus mengharapkan lebih dari solusi kami. Dengan generasi terbaru LLMs, agentic AI, dan solusi AI generatif lainnya, kami dapat beroperasi pada skala (dan hampir secara real-time—sesuatu yang kami tidak harapkan atau antisipasi pada 2018). Dengan mitra seperti NVIDIA, 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 telah luar biasa produktif dan menggembirakan.

Kami telah membuka kinerja yang tidak terbayangkan sebelumnya dalam solusi otomatisasi uji coba klinis, mengotomatisasi penempatan pasien pada jalur klinis berbasis bukti, alur kerja canggih 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 kesehatan—jadi, meskipun tidak pada skala seluruh pasar, kami adalah penyedia solusi AI terluas untuk onkologi di industri.

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

Amerika Serikat memulai “Perang melawan Kanker” pada 1971 dengan National Cancer Act. Ini memicu pendanaan skala besar oleh pemerintah, yang menghasilkan wawasan tentang mutasi yang mengarah pada kanker, modalitas baru untuk terapi, pusat perawatan yang ditunjuk oleh National Cancer Institute, 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 2022, lagi-lagi memicu generasi baru penelitian dan investasi pendanaan benih untuk kemitraan akademis, komunitas, dan swasta-publik.

Saya memberikan sejarah ini karena sedikit penyakit atau bidang kesehatan yang memiliki tingkat data: genomik, transkriptomik, 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 ilmiah terbanyak dari forum ilmiah apa pun tentang topik apa pun.

Jadi, jika Anda ingin menjadi perusahaan yang berfokus pada data dan AI, 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 diaktifkan oleh data tersebut, bukti signifikan yang dihasilkan dari publikasi tersebut yang mengubah cara pasien dirawat dan memastikan hasil terbaik, dan sekarang teknologi SaaS AI yang integral bagi proses perawatan dan penelitian yang membawa kekuatan data dan bukti tersebut ke titik dan keputusan semua sepanjang perjalanan perawatan pasien. Apa yang benar-benar penting di sini adalah bahwa kami tidak melakukannya secara unilateral. Ini dilakukan secara transparan dengan mitra penyedia kesehatan dan inovator biopharma kami untuk menimbulkan kepercayaan dan penggunaan terbesar. Jadi, kami berkembang menuju pengambilan keputusan yang ditingkatkan dengan kecerdasan AI secara real-time.

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 di ruang ini?

Anda harus dipercaya dan berkembang menuju menjadi sumber referensi. Ini diperoleh. Kepercayaan datang dari mitra penyedia Anda, yang percaya bahwa data yang Anda akses ada dalam kepentingan terbaik pasien mereka. Kepercayaan datang dari mitra akademis dan industri Anda, yang melihat bukti bahwa data Anda diperoleh sebagai refleksi sempurna dari catatan pasien asli dan bahwa konsep yang Anda majukan ‘benar’ dan reflektif dari praktik klinis dan ilmiah saat ini. Anda juga harus mencapai skala yang solusi data Anda mewakili tidak hanya populasi seluruhnya tetapi juga menghasilkan kesimpulan yang dengan percaya diri dapat diterapkan kembali pada populasi penuh yang dirawat dengan obat tertentu. Teknologi serupa. Ilmuwan dan klinisi secara inheren skeptis—seperti yang seharusnya—dan tidak mempercayai kotak hitam atau algoritma yang mereka tidak mengerti. 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 diciptakan oleh data ini untuk mengubah penelitian dan pengobatan kanker?

Saya mencintai pertanyaan itu. Kami bekerja pada ini setiap hari! Peluang untuk memberikan nilai pada penyedia, pasien, dan inovator hampir tak terbatas. Dalam uji coba fase awal, kami berkembang dengan pendekatan simulasi studi dengan digital twin yang akan mengubah program yang kami ambil ke uji coba klinis. Data dan optimasi 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 pengambilan keputusan AI kami akan merekomendasikan jalur untuk pengobatan yang berbasis bukti dan secara khusus disesuaikan dengan jalur tersebut, memantau respons sejalan dengan respons yang diprediksi, dan mencari uji coba klinis yang potensial 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! Apa yang berbeda di sini adalah pandangan ini adalah seluruh perjalanan pasien—ini adalah pandangan horizontal versus serangkaian pandangan vertikal yang dalam yang harus dijahit bersama. Ini adalah inovasi yang diaktifkan oleh AI dan perubahan proses yang signifikan yang memberikan cara kerja baru bagi manusia ahli yang terlibat.

Dapatkah Anda menjelaskan bagaimana Solusi Uji Coba Digital ConcertAI bekerja untuk mencocokkan pasien kanker dengan uji coba klinis yang menyelamatkan hidup? Apa dampak yang telah Anda lihat sejauh ini dalam hal hasil pasien?

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

Hasilnya telah luar biasa—sehingga positif bahwa kami akan memperluas jumlah studi yang sedang berlangsung sebesar 10x pada 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 pengambilan keputusan yang ditingkatkan oleh manusia ahli 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 uji coba yang potensial bermanfaat, melakukan tepat apa yang manusia ahli lakukan—dengan pendekatan yang sepenuhnya didokumentasikan untuk membuat rekomendasi dan penilaian. Di tempat-tempat di mana teknologi kami diterapkan, kami berkinerja pada tingkat manusia ahli paling berpengalaman dan mengumpulkan pasien sebesar 5x atau lebih relatif terhadap tempat-tempat di mana teknologi kami tidak diterapkan—tim penelitian dan inovator biopharma sama-sama senang, dan pasien paling diuntungkan.

Bagaimana pendekatan AI ConcertAI untuk desain uji coba dan rekrutmen pasien menangani beberapa keterbatasan saat ini dalam penelitian klinis, seperti diversitas pasien dan efisiensi uji coba?

Saya bangga dengan tim saya—mereka mengatakan kepada saya tiga atau empat tahun yang lalu bahwa mencapai diversitas adalah kewajiban dan hal yang benar 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 SaaS AI akan mengintegrasikan karakteristik diversitas dan determinan sosial kesehatan sebagai pendekatan standar kami. Ini bukanlah pilihan. Ini hanya apa yang kami lakukan. Selanjutnya, solusi desain uji coba klinis dan optimasi CARAai kami dapat menilai apa subpopulasi etnis, ras, atau ekonomi yang mungkin paling terpengaruh oleh penyakit, mengintegrasikan pertimbangan tersebut ke dalam desain uji coba, memastikan bahwa populasi ini tidak secara tidak sengaja dikecualikan, dan menentukan 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 uji coba klinis.

Apa peran yang dimainkan ConcertAI dalam mengurangi beban pada penyedia kesehatan dan mengoptimalkan pemilihan situs dalam uji coba klinis?

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

Ada juga beban pada penyedia. Jika kami dapat mengotomatisasi identifikasi pasien untuk kelayakan uji coba klinis, meminimalkan hasil positif palsu yang menciptakan pekerjaan, dan menyediakan apa yang kami sebut “pengungkit AI” untuk pekerjaan Asosiasi Penelitian Klinis, Perawat Studi, dan Fisikawan, 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 untuk EDC. Jadi, data digital dibaca dan kemudian diketik ulang untuk menjadi data digital lagi! Di sini, kami juga menggunakan model bahasa besar yang disesuaikan dan diatur—ini adalah fokus utama dari kemitraan NVIDIA dari awal. Kami saat ini berada pada 55% otomatisasi penuh, dengan jalur yang sangat cepat menuju lebih dari 80% dalam beberapa bulan mendatang. Ketika elemen-elemen ini berkumpul, kami akan mengurangi waktu staf menjadi 10% dari persyaratan warisan dan membuat studi ini lebih mudah diakses oleh lebih banyak pasien.

Medisin presisi adalah area kunci di mana AI membuat kemajuan signifikan. Bagaimana teknologi ConcertAI menyumbang pada pengobatan kanker yang lebih presisi dan personal?

Kami belum membahas ini banyak sejak tahun lalu. Pada Desember 2023, kami mengambil alih 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 disertifikasi ASCO. Karena CancerLinQ adalah inisiatif ConcertAI, kami telah tumbuh dalam jaringan, mengotomatisasi jalur onkologi presisi, membuat pendekatan digital twin baru untuk meningkatkan seleksi pengobatan bagi penyedia, mengidentifikasi dan memesan tes diagnostik kritis yang dapat mempengaruhi keputusan pengobatan, dan melakukan hal yang sama untuk obat baru yang disetujui yang mewakili alternatif pengobatan lain atau lebih baik. Semua ini didukung oleh arsitektur CARAai kami, lagi-lagi, serangkaian model bahasa besar yang diatur dan disesuaikan untuk onkologi yang dilakukan dalam kolaborasi dengan NVIDIA. Ini luar biasa untuk melihat kemajuan yang dibuat, dan kami bersemangat tentang apa yang akan kami terbitkan dan presentasikan di ASCO 2025 tahun depan.

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

Pertanyaan yang bagus! Ini benar bahwa jumlah onkolog dan radiolog baru yang memasuki bidang ini lebih sedikit daripada jumlah yang pensiun. Namun, permintaan pasien terus meningkat. Jadi, ini adalah area ideal untuk menyediakan solusi SaaS AI yang mendukung profesional perawatan dan ahli perawatan dalam optimasi alur kerja dan pengambilan keputusan klinis yang ditingkatkan. 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 setara dengan manusia ahli 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 semuanya mempengaruhi keputusan pengobatan dan memungkinkan pemantauan respons. Saya telah berada di bidang ini selama bertahun-tahun dan di berbagai sisi inovasi baru—apa yang dapat kami lakukan sekarang jauh melampaui apa yang pernah kami lakukan sebelumnya, dan kecepatan perubahan luar biasa.

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

Anda tidak dapat menjadi perusahaan AI tanpa akses ke data pada skala. Data adalah substrat untuk membangun model pelatihan dan pemantauan. Membangun solusi AI juga adalah 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 melawan tujuan yang sempit, secara khusus disesuaikan untuk kinerja manusia atau di atasnya. Kemudian, 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 dapat kami lakukan bahkan enam bulan yang lalu. 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 nilai yang luar biasa yang tidak pernah dapat diakses sebelumnya. Akhirnya, asumsikan Anda perlu menunjukkan kepercayaan dalam praktik bisnis, model AI, dan transparansi solusi. Kami masih pada awal perjalanan sosial kami, dan kami adalah mereka yang harus mendapatkan kepercayaan untuk membawa perubahan yang kami capai.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi ConcertAI.