Ed Chidsey, Presidente dell’Unità di Business Insights di Inovalon – Serie di Interviste

Ed Chidsey, Presidente dell’Unità di Business Insights di Inovalon, porta nel ruolo una vasta esperienza nel settore dei dati finanziari, dell’analisi e della consulenza strategica — più recentemente come Senior Vice President di S&P Global Market Intelligence, dove ha gestito un’attività di dati e analisi da un miliardo di dollari con 2.000 dipendenti, e in precedenza come consulente di private equity, membro del consiglio di amministrazione di PeerNova Inc. e socio limitato di Mendoza Ventures.

Inovalon, è un’azienda tecnologica statunitense che fornisce soluzioni di software basate su cloud e analisi dei dati per il settore sanitario. Attraverso la sua offerta principale, la piattaforma Inovalon ONE®, l’azienda aggrega e analizza enormi quantità di dati clinici e di reclami reali — che coprono centinaia di milioni di vite — per supportare piani sanitari, fornitori, farmacie e organizzazioni di scienze della vita nell’miglioramento degli esiti clinici, della qualità dell’assistenza, della valutazione del rischio, dell’integrità dei pagamenti e dell’efficienza operativa.

Ha avuto una lunga carriera che copre S&P Global, IHS Markit e ora Inovalon. Qual è stato il ruolo o l’esperienza più formativa che l’ha portato a concentrarsi sui dati del mondo reale (RWD) e sull’analisi nel settore sanitario, e come questo ha plasmato la sua visione per guidare l’Unità di Business Insights di Inovalon?

Ho trascorso la maggior parte della mia carriera costruendo, gestendo e sviluppando aziende di dati e analisi, principalmente nel settore dei servizi finanziari, spesso iniziando da piccole dimensioni e guidando una sostanziale crescita attraverso una combinazione di strategie organiche e inorganiche. Dopo più di tre decenni nel settore finanziario, ho raggiunto un punto in cui avevo bisogno di fare una pausa e resettare. Ero stato in quel mondo per un lungo tempo, e mentre amavo il lavoro, l’ambiente aveva iniziato a sentirsi meno gratificante. Quindi, all’inizio del 2024, ho deciso di allontanarmi.

Quell’anno di pausa è stato incredibilmente utile. Ho trascorso più tempo con la mia famiglia, mi sono unito a un consiglio aziendale e a uno no-profit, e, in modo piuttosto inaspettato, sono diventato più coinvolto nella mia chiesa. Questo cambiamento mi ha dato l’opportunità di concentrarmi sull’equilibrio, sulla comunità e sullo scopo in un modo che non avevo fatto per un lungo tempo. Verso la fine dell’anno, ho realizzato che avevo ancora molta energia e passione per guidare team e costruire aziende, ma volevo che quel lavoro fosse più personale e significativo.

Quando Adam Kansler, il CEO di Inovalon, mi ha contattato per parlarmi di più dell’azienda, il timing è stato fortuito. Ho lavorato a stretto contatto con Adam per molti anni e ho un enorme rispetto per lui come leader. Mi ha descritto Inovalon come un fornitore leader di dati e soluzioni che abilitano l’assistenza sanitaria, che lavora con pagatori, fornitori, organizzazioni farmaceutiche e aziende di scienze della vita, e ha notato che l’azienda stava cercando una nuova persona per guidare la sua unità di business Insights.

Prima di quella conversazione con Adam, non avevo realmente considerato che potevo sfruttare la mia esperienza nel settore dei dati e dell’analisi nel settore sanitario. Tuttavia, più ho imparato, più mi è sembrato sensato. I dati sanitari sono molto tangibili perché possono avere un impatto reale su di noi. L’idea di applicare la stessa rigida analisi e scala che avevo sviluppato nei servizi finanziari per migliorare la qualità e gli esiti sanitari era incredibilmente attraente. Quel senso di scopo è ciò che mi ha portato qui, e continua a plasmare il modo in cui guido l’unità di business Insights, unendo dati, tecnologia e persone per fare una differenza misurabile in tutto l’ecosistema sanitario.

Come vede la mossa di Inovalon per rendere disponibili le sue analisi avanzate e i dati del mondo reale (RWD) su Snowflake’s AI Data Cloud, e come questo cambierà la dinamica competitiva nel settore sanitario e delle scienze della vita?

Lo considererei più un movimento strategico per incontrare i clienti dove sono, piuttosto che cambiare la dinamica competitiva. Nella mia mente, era fondamentale assicurarsi che i clienti avessero accesso ai nostri dati e risorse sulle piattaforme dove desideravano consumarli in modo più moderno, agile e accessibile. Con questo, sapevamo che sempre più clienti si stavano spostando verso piattaforme come Snowflake, quindi era importante per noi incontrarli lì, dove desideravano consumare i nostri dati.

Cosa differenzia le offerte di RWD di Inovalon, come il Registro MORE², da altre piattaforme di dati del mondo reale in termini di qualità, profondità, tempestività o scala?

Ciò che differenzia le nostre offerte di RWD, compreso il Registro MORE², è il nostro dati di fonte primaria. Raccogliamo questi dati direttamente da varie entità in tutto l’ecosistema sanitario, come pagatori o fornitori di assistenza sanitaria, e ciò ci dà una visione olistica dei percorsi di cura dei pazienti, consentendoci di estrarre informazioni che supportano la presa di decisioni in tutto il continuum di cura.

Mentre l’ampiezza dei dati che abbiamo è di per sé un notevole differenziale, la storia e la coerenza dietro questi dati sono veramente notevoli. Attraverso il nostro partenariato con Snowflake, i nostri clienti possono ora accedere in modo sicuro e rapido ai nostri set di dati longitudinali di grandi dimensioni, di alta qualità e di dati del mondo reale, una capacità che tradizionalmente è stata oscurata da sistemi frammentati e processi di ingestione dei dati manuali complessi. Per le aziende di scienze della vita e biotecnologia, in particolare, avere la fiducia che il loro partner fornisca dati che sono coerenti e affidabili per la presa di decisioni è assolutamente critico per i pazienti che servono. Quella base è il fondamento della nostra offerta di RWD, che stiamo continuando ad espandere in termini di portata e tipi di informazioni che possiamo generare.

Quali sono le principali sfide tecniche o di governance nell’unire o integrare set di dati da fonti diverse per costruire prove del mondo reale complete?

Parte dal riconoscimento del fondamento dei nostri dati, che torna alle interazioni tra un paziente e il suo fornitore, farmacia e pagatore. Spesso, queste interazioni sono personali e derivano da punti di contatto significativi nella loro stessa cura. Ciò rende fondamentale essere un tutore affidabile dei nostri dati e necessita di avere una forte governance attorno a questi dati. Prendiamo questa responsabilità molto seriamente in Inovalon, soprattutto quando si tratta di come i dati del mondo reale alimentano i processi di prove del mondo reale. Come scegliamo di gestire, proteggere e utilizzare i nostri dati definisce la nostra credibilità e la fiducia che abbiamo con i nostri partner in tutto l’ecosistema.

Una delle più grandi sfide che affrontiamo è bilanciare l’uso dei dati e la privacy. Se l’attenzione è esclusivamente sulla privacy, si perde la capacità di analizzare e estrarre valore dai dati. Tuttavia, se l’attenzione è solo sull’analisi, si rischia di non soddisfare gli obblighi etici o normativi nei confronti dei pazienti e delle famiglie. Questo equilibrio delicato non è solo una sfida tecnica, ma anche di governance. Dobbiamo costantemente considerare cosa possiamo fare, cosa dovremmo fare e cosa non possiamo fare per proteggere i dati che abbiamo mentre massimizziamo il loro valore e impatto sull’ecosistema sanitario più ampio.

Da un punto di vista tecnico, un’altra grande sfida è il collegamento. Non importa quanto profondo o ampio sia un singolo set di dati, non è mai sufficiente da solo. La capacità di collegare set di dati da più fonti è critica, e noi priorizziamo questo ogni giorno attraverso il nostro lavoro con vari partner.

Infine, c’è una sfida strutturale con l’ecosistema sanitario che è altamente frammentato. Perché un cliente possa accedere a tutti i dati di cui ha bisogno, spesso richiede di estrarre da più set di dati e collegare i dati attraverso diversi punti di cura, con molti intermediari nel mezzo. Rispetto a settori come i servizi finanziari, il settore sanitario è in ritardo di anni, se non di decenni, in termini di integrazione dei dati e interoperabilità. Tuttavia, questo è anche una grande opportunità per Inovalon. Se possiamo continuare ad avanzare nel modo in cui i dati sono connessi, resi disponibili e utilizzati in modo creativo, possiamo offrire analisi e soluzioni molto più innovative che beneficiano ultimately i pazienti.

Come bilancia la privacy, la conformità normativa e l’innovazione quando si distribuiscono modelli di intelligenza artificiale (AI) su dati sanitari sensibili?

Il modo in cui penso all’AI è che, in ultima analisi, si tratta di sostituire o migliorare ciò che può essere fatto oggi, solo in un modo più veloce, più intelligente e più avanzato. Quando un cliente vuole distribuire un modello di AI sui nostri dati, è qualcosa che dobbiamo abbracciare. Come per qualsiasi uso dei nostri dati, ci sono termini e condizioni che definiscono cosa un cliente può e non può fare. Questi sono basati sulle nostre autorizzazioni upstream, restrizioni e norme applicabili. Quel framework non cambia nel mondo dell’AI, e dobbiamo essere facilitatori. Non dobbiamo avere paura di esso. Dobbiamo abbracciarlo in modo responsabile perché l’AI ha il potenziale di beneficiare enormemente l’ecosistema sanitario.

L’AI richiede sia dati storici per costruire i modelli che dati in corso per mantenerli. Dal nostro punto di vista come fornitore di dati, questa è una posizione forte, perché una volta che un modello è costruito sui nostri dati, diventa ancora più integrato. Dobbiamo approcciare ogni modello come faremmo con qualsiasi caso d’uso del cliente, assicurandoci che sia adeguatamente licenziato e governato. La parte più sensibile dell’AI, soprattutto nel settore sanitario, è assicurarsi che ci sia sempre un essere umano nel loop quando si fornisce l’assistenza.

Dal punto di vista dei dati del mondo reale, siamo ancora alle prime fasi. L’AI non ha ancora prodotto molti risultati rivoluzionari nel settore sanitario, soprattutto quando ci si concentra sugli utilizzi dei dati del mondo reale. Stiamo esplorando una serie di opportunità, tra cui, ad esempio, l’estrazione basata sull’apprendimento automatico dalle note cliniche, che è un’applicazione più fondamentale dell’AI. Oltre a questo, stiamo guardando all’utilizzo dell’AI nelle applicazioni dei trial clinici e nella prevedibilità della progressione della malattia. Siamo all’inizio di questo viaggio, ma il potenziale è enorme. In Inovalon, ci concentriamo sull’assicurarci di avere i dati di alta qualità che possono essere utilizzati in congiunzione con l’AI in modo responsabile, con una forte governance e un controllo umano, mentre ci prepariamo a scalare il suo impatto man mano che la tecnologia e l’ecosistema maturano.

Dalle sue conversazioni con i clienti, quali sono le preoccupazioni più comuni riguardo all’adozione dell’AI e dell’analisi guidata dai dati del mondo reale nel settore sanitario, e come risponde a queste preoccupazioni?

Le preoccupazioni più comuni che sento sono la qualità dei dati e le autorizzazioni per utilizzare i nostri dati per addestrare i propri modelli di AI. Per la qualità dei dati, con l’AI, “spazzatura dentro, spazzatura fuori” è vero. Se la qualità dei dati è scarsa, significa che i dati non sono puliti o forse non ci sono abbastanza dati, allora l’output non sarà molto prezioso. I nostri clienti si aspettano dati coerenti, precisi e affidabili. Data la vasta quantità di dati che gestiamo, una delle mie prime priorità è stata assicurarmi della qualità dei dati in generale. Abbiamo lavorato sodo per pulire, de-duplicare, normalizzare, standardizzare e consegnare i dati a valle. Prendere il possesso della qualità dei dati aiuta anche migliorando la coerenza e l’affidabilità attraverso i nostri set di dati, il che ci consente di offrire di più all’interno delle nostre offerte di analisi dei dati tradizionali, nonché di analisi basate sull’AI.

La seconda considerazione coinvolge il modo in cui i nostri dati possono essere utilizzati per supportare lo sviluppo dei modelli di AI. In quanto organizzazione guidata dai dati, è importante che permettiamo questi utilizzi emergenti in modo responsabile. Data l’evoluzione rapida del paesaggio dei dati e dell’AI, abbiamo adattato il nostro approccio per consentire questo in modo responsabile, supportato da una forte governance, termini di utilizzo chiari e salvaguardie definite. Questa evoluzione consente ai nostri clienti di innovare con fiducia con l’AI, assicurandosi pratiche di dati responsabili, conformi e etiche.

Come misura il successo o il ROI per i clienti che adottano la sua piattaforma e le analisi, e quali metriche sono più importanti per loro?

Misuriamo il successo per gli impatti reali che la nostra piattaforma e le nostre analisi hanno sugli esiti operativi e clinici dei nostri clienti. Ciò potrebbe includere una varietà di misure di successo, a seconda del cliente, come migliorare le valutazioni CMS Star per Medicare Advantage, ottimizzare l’aggiustamento del rischio o generare prove del mondo reale azionabili per le scienze della vita. Il filo comune è che le informazioni devono essere tempestive, attendibili e azionabili.

Per le metriche, i clienti, a seconda di dove si trovano nel continuum di cura, potrebbero concentrarsi su aspetti come miglioramenti della qualità, riduzioni delle lacune nella cura, una migliore aderenza ai protocolli di trattamento o guadagni misurabili in termini di costo o utilizzo. I clienti realizzano il ROI quando le nostre analisi aiutano a prendere decisioni informate che migliorano gli esiti dei pazienti, l’efficienza operativa e/o la performance strategica.

Guardando avanti 5 anni, come si aspetta che l’AI e i dati del mondo reale evolveranno nel settore sanitario e delle scienze della vita, e cosa vede come la prossima frontiera?

In cinque anni, il settore sanitario potrebbe sembrare qualcosa che nessuno di noi riconosce adesso, ma è impossibile prevedere quanto velocemente l’industria evolverà. L’unica certezza è che sarà trasformativo. Mentre il ritmo dell’innovazione è straordinario, il progresso rimane limitato dalla frammentazione in tutto l’ecosistema sanitario, che copre laboratori, farmacie e registri elettronici dei pazienti, dove poche organizzazioni sono in grado di veramente collegare queste fonti di dati in modo significativo.

Se i dati possono essere collegati e creati longitudinalmente in modo normalizzato e standardizzato, allora credo che tutto sia possibile. L’AI sosterrà sempre più tutto, dalla presa di decisioni cliniche a come le organizzazioni di scienze della vita si avvicinano alla progettazione e all’esecuzione dei trial clinici. Nei prossimi cinque anni, vedremo più automazione, un uso migliorato dell’analisi predittiva e una maggiore connettività che dà alle organizzazioni l’accesso alle informazioni di cui hanno bisogno in tempo reale, tutte le quali hanno il potenziale di trasformare i percorsi di cura dei pazienti e le operazioni sanitarie nel loro complesso.

Per le organizzazioni che stanno solo iniziando a esplorare l’integrazione dell’AI con i dati del mondo reale, quali sono i tre consigli che darebbe?

Primo e più importante, concentrarsi sui dati e assicurarsi di valutare costantemente la qualità dei dati. Secondo, sfruttare il potere intellettuale della propria base di dipendenti. La realtà è che le migliori idee possono provenire da ogni livello dell’organizzazione, soprattutto dalle generazioni più giovani che entrano nel mercato del lavoro e che sono cresciute con i dati, l’AI e la tecnologia. I leader dovrebbero trovare modi per sfruttare le idee e le innovazioni che sono profondamente radicate nell’organizzazione e creare una piattaforma per queste prospettive per essere ascoltate e raccolte. Terzo, assumere le persone giuste. Senza le persone giuste e il talento tecnico, innovare al ritmo giusto, creare valore e rimanere competitivi sarà quasi impossibile.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Inovalon.