Jay Ferro, Chief Information, Technology and Product Officer, Clario – Intervista

Jay Ferro è il Chief Information, Technology and Product Officer di Clario, con oltre 25 anni di esperienza nella gestione di team di Information Technology e Product, con un forte focus sulla protezione dei dati e una passione per la creazione di tecnologie e prodotti che hanno un impatto significativo.

Prima di unirsi a Clario, Jay ha ricoperto ruoli di leadership senior, tra cui CIO, CTO e CPO, in organizzazioni globali come Quikrete Companies e American Cancer Society. È anche membro del Consiglio di amministrazione di Allata, LLC. I suoi risultati professionali sono stati riconosciuti più volte, tra cui premi da Atlanta Technology Professionals come Executive Leader of the Year e HMG Strategy come Mid-Cap CIO of the Year.

Clario è un leader nella gestione dei trial clinici, offrendo tecnologie di endpoint complete per trasformare le vite attraverso la generazione di prove affidabili e precise. Specializzata in trial oncologici, Clario enfatizza gli esiti dei pazienti (PRO) per migliorare l’efficacia, garantire la sicurezza e migliorare la qualità della vita, sostenendo gli PRO elettronici come un’alternativa più economica alla carta. Con competenze che coprono aree terapeutiche e conformità normativa globale, Clario supporta trial decentralizzati, ibridi e basati su siti in oltre 100 paesi, sfruttando tecnologie avanzate come l’intelligenza artificiale e i dispositivi connessi. Le loro soluzioni semplificano i processi di prova, garantendo la conformità e la retention attraverso il supporto e la formazione integrati per i pazienti e gli sponsor.

Clario ha integrato oltre 30 modelli di intelligenza artificiale in varie fasi dei trial clinici. Potresti fornire esempi di come questi modelli migliorano aspetti specifici dei trial, come l’oncologia o la cardiologia?

Utilizziamo i nostri modelli di intelligenza artificiale per offrire velocità, qualità, precisione e privacy ai nostri clienti in oltre 800 trial clinici. Sono orgoglioso che i nostri strumenti non siano solo parte del ciclo di hype dell’intelligenza artificiale – stanno offrendo un valore reale ai nostri clienti in quei trial.

Oggi, i nostri modelli di intelligenza artificiale rientrano principalmente in quattro categorie: protezione dei dati, assistenza al controllo della qualità, assistenza alla lettura e analisi della lettura. Ad esempio, abbiamo strumenti di imaging medico che possono automaticamente oscurare le informazioni personali identificative (PII) in immagini statiche, video o PDF. Utilizziamo anche strumenti di intelligenza artificiale che forniscono dati con valutazioni rapide della qualità al momento del caricamento – quindi c’è molta fiducia in quei dati. Abbiamo sviluppato uno strumento che monitora i dati ECG in modo continuo per la qualità del segnale, e un altro che conferma gli identificatori dei pazienti corretti. Abbiamo sviluppato uno strumento di assistenza alla lettura che consente la previsione delle fette, la propagazione delle lesioni e la rilevazione delle malattie. Inoltre, abbiamo migliorato l’analisi della lettura automatizzando e standardizzando l’interpretazione dei dati con strumenti come il punteggio di ulcerative colitis Mayo supportato dall’intelligenza artificiale.

Questi sono solo alcuni esempi dei tipi di modelli di intelligenza artificiale che abbiamo sviluppato dal 2018, e mentre abbiamo fatto molti progressi, stiamo solo iniziando.

Come fa Clario a garantire che le informazioni guidate dall’intelligenza artificiale mantengano un’alta accuratezza e coerenza in ambienti di prova diversi?

Stiamo costantemente formando i nostri modelli di intelligenza artificiale su grandi quantità di dati per capire la differenza tra dati buoni e dati che non sono buoni o rilevanti. Di conseguenza, la nostra analisi dei dati guidata dall’intelligenza artificiale rileva, pre-analizza storie ricche di dati e porta alla fine a risultati di alta qualità per i nostri clienti.

Le nostre soluzioni di spirometria illustrano bene perché lo facciamo. I clinici utilizzano la spirometria per aiutare a diagnosticare e monitorare determinate condizioni polmonari misurando quanta aria un paziente può respirare in un respiro forzato. Ci sono vari errori che possono verificarsi quando un paziente utilizza uno spirometro. Potrebbero eseguire il test troppo lentamente, tossire durante il test o non essere in grado di creare un sigillo completo intorno alla bocchetta dello spirometro. Qualsiasi di queste variabili può causare un errore che potrebbe non essere scoperto fino a quando un essere umano non analizza i risultati. Abbiamo formato modelli di apprendimento profondo su oltre 50.000 esempi per imparare a riconoscere la differenza tra una buona lettura e una cattiva lettura. Con i nostri dispositivi e algoritmi, i clinici possono vedere il valore dei dati in tempo quasi reale anziché dover aspettare l’analisi umana. Ciò conta in parte perché alcuni pazienti potrebbero dover guidare per diverse ore per partecipare a un trial clinico. Immagina di guidare quella distanza verso casa dal sito solo per scoprire che dovrai eseguire un altro test di spirometria la settimana successiva perché il primo ha mostrato un errore. I nostri modelli di intelligenza artificiale stanno fornendo letture accurate mentre il paziente è ancora nel sito. Se c’è un errore, può essere rettificato sul posto. È solo uno dei modi in cui stiamo lavorando per ridurre il carico sui siti e sui pazienti.

Potresti spiegare come i modelli di intelligenza artificiale di Clario riducono i tempi di raccolta dei dati senza compromettere la qualità dei dati?

Generare i dati di alta qualità per i trial clinici è sempre il nostro obiettivo, ma la natura dei nostri algoritmi di intelligenza artificiale significa che la cattura e l’analisi sono accelerate in modo drammatico. Come ho menzionato, i nostri algoritmi ci consentono di condurre analisi di controllo della qualità più velocemente e con un livello di precisione più alto dell’interpretazione umana. Ci consentono anche di condurre controlli di qualità mentre i dati vengono immessi. Ciò significa che possiamo identificare dati dei pazienti mancanti, errati o di scarsa qualità mentre il paziente è ancora nel sito di prova, anziché farlo sapere giorni o settimane dopo.

Come affronta Clario le sfide dei trial decentralizzati e ibridi, in particolare in termini di protezione dei dati, coinvolgimento dei pazienti e qualità dei dati?

Oggi, un trial decentralizzato è fondamentalmente un trial con un componente ibrido. Credo che il concetto di consentire ai partecipanti di utilizzare i propri dispositivi o dispositivi connessi a casa apra la porta a maggiori possibilità nei trial, in particolare in termini di accessibilità. Rendere i trial più facili da partecipare è un focus chiave della nostra roadmap tecnologica, che mira a sviluppare soluzioni che migliorano la diversità dei pazienti, semplificano il reclutamento e la retention, aumentano la convenienza per i partecipanti e ampliano le opportunità per trial clinici più inclusivi. Offriamo spirometria a casa, pressione sanguigna a casa, eCOA e altre soluzioni che forniscono la stessa integrità dei dati delle soluzioni più tradizionali, e lo facciamo in concerto con la supervisione dei nostri esperti di endpoint e aree terapeutiche. Il risultato è un’esperienza migliore per i pazienti per dati di endpoint migliori.

Quali vantaggi unici offre l’approccio guidato dall’intelligenza artificiale di Clario per ridurre i tempi di prova e i costi per le aziende farmaceutiche, biotecnologiche e di dispositivi medici?

Abbiamo sviluppato strumenti di intelligenza artificiale dal 2018, e si sono infiltrati in tutto ciò che stiamo facendo internamente e certamente attraverso la nostra gamma di prodotti. E ciò che non ci ha mai lasciato è assicurarci di farlo in modo responsabile: mantenendo gli esseri umani nel ciclo, collaborando con i regulatori, collaborando con i nostri clienti e includendo i nostri team legali, di privacy e scientifici per assicurarci di fare tutto nel modo giusto.

Lo sviluppo e la distribuzione responsabili dell’intelligenza artificiale dovrebbero avere un impatto positivo sui nostri clienti in vari modi. La base del nostro programma di intelligenza artificiale è costruita su ciò che crediamo essere i primi principi di utilizzo responsabile dell’industria. Chiunque a Clario che tocchi l’intelligenza artificiale segue questi cinque principi. Tra di essi, prendiamo ogni misura per assicurarci di utilizzare i dati più diversi disponibili per formare i nostri algoritmi. Monitoriamo e testiamo per rilevare e mitigare i rischi e utilizziamo solo dati anonimi per formare modelli e algoritmi. Quando applichiamo quei tipi di linee guida nello sviluppo di uno strumento di intelligenza artificiale, siamo in grado di consegnare rapidamente dati precisi – su larga scala – che riducono i pregiudizi, aumentano la diversità e proteggono la privacy dei pazienti. Più velocemente possiamo fornire ai nostri sponsor dati precisi, maggiore sarà l’impatto sui loro risultati e, in ultima analisi, sugli esiti dei pazienti.

I modelli di intelligenza artificiale possono talvolta riflettere i pregiudizi inerenti ai dati. Quali misure adotta Clario per garantire un’analisi dei dati equa e imparziale nei trial?

Sappiamo che il pregiudizio si verifica quando l’insieme di dati di formazione è troppo limitato per il suo utilizzo previsto. Inizialmente, l’insieme di dati potrebbe sembrare sufficiente, ma quando l’utente finale inizia a utilizzare lo strumento e lo spinge oltre ciò per cui è stato progettato, può portare a errori. Il Chief Medical Officer di Clario, il dottor Todd Rudo, a volte utilizza questo esempio: possiamo formare un modello per determinare la corretta posizione del lead in elettrocardiogrammi (ECG) in modo che i clinici possano dire se i tecnici hanno posizionato i lead nei posti giusti sul corpo del paziente. Abbiamo tonnellate di grandi dati in modo da poter formare quel modello su 100.000 ECG. Ma cosa succede se formiamo il nostro modello di intelligenza artificiale utilizzando solo dati da test su adulti? Come reagirà il modello se un ECG viene eseguito su un paziente di 2 anni? Potrebbe potenzialmente perdere errori che hanno un impatto sul trattamento.

È per questo che a Clario, i nostri team di prodotto, dati, R&D e scienza lavorano a stretto contatto per assicurarci di utilizzare i dati di formazione più completi per garantire l’accuratezza e l’affidabilità nelle applicazioni del mondo reale. Utilizziamo i dati più diversi disponibili per formare gli algoritmi incorporati nei nostri prodotti. È anche il motivo per cui insistiamo sull’utilizzo della supervisione umana per mitigare i rischi durante lo sviluppo e l’utilizzo dell’intelligenza artificiale.

Come integra Clario il processo di controllo e monitoraggio umano con le uscite dell’intelligenza artificiale per garantire la conformità normativa e gli standard etici?

La supervisione umana significa che abbiamo team di esseri umani che sanno esattamente come sono stati sviluppati, formati e convalidati i nostri modelli. Sia nello sviluppo che dopo aver integrato un modello in una tecnologia, i nostri esperti monitorano le uscite per rilevare potenziali pregiudizi e assicurarsi che le uscite siano eque e affidabili. Credo che l’intelligenza artificiale sia questione di aumentare la scienza e il genio umano. L’intelligenza artificiale dà agli esseri umani la capacità di concentrarsi su una sfida di livello superiore. Siamo notevolmente bravi a risolvere problemi e ancora molto migliori nell’intuizione e nella sottigliezza rispetto alle macchine. A Clario, utilizziamo l’intelligenza artificiale per rimuovere il carico sulle cose ripetibili. Utilizziamo l’intelligenza artificiale per analizzare set di dati ampi, che siano immagini dei pazienti, trial precedenti o qualsiasi altra cosa che vogliamo analizzare. In generale, le macchine possono farlo più velocemente e, in alcuni casi, meglio degli esseri umani. Ma non possono sostituire l’intuizione umana e la scienza e l’esperienza del mondo reale che le persone meravigliose nel nostro settore hanno.

Come prevedi che l’intelligenza artificiale impatterà sui trial clinici nei prossimi anni, in particolare in campi come l’oncologia, la cardiologia e gli studi respiratori?

Nell’oncologia, sono emozionato dal progresso dell’applicazione dell’intelligenza artificiale nella radiomica, che estrae metriche quantitative dalle immagini mediche. La radiomica coinvolge diversi passaggi, tra cui l’acquisizione di immagini di tumori, l’elaborazione delle immagini, l’estrazione delle caratteristiche e lo sviluppo del modello, seguito dalla convalida e dall’applicazione clinica. Utilizzando l’intelligenza artificiale sempre più avanzata, saremo in grado di prevedere il comportamento dei tumori, adattare la risposta al trattamento e prevedere gli esiti dei pazienti in base a immagini non invasive dei tumori. Saremo in grado di utilizzarla per rilevare i primi segni di malattia e la rilevazione precoce della recidiva della malattia. Man mano che strumenti di intelligenza artificiale più avanzati si integrano nella radiomica e nei flussi di lavoro clinici, faremo enormi passi avanti nell’oncologia e nella cura dei pazienti.

Sono altrettanto emozionato per il futuro degli studi respiratori. Quest’anno, abbiamo acquisito ArtiQ, un’azienda belga che ha costruito modelli di intelligenza artificiale per migliorare la raccolta di dati respiratori nei trial clinici. Il suo fondatore è ora il mio Chief AI Officer e ci aspettiamo grandi cose nelle soluzioni respiratorie. Il nostro approccio all’applicazione degli algoritmi è diventato un fattore di cambiamento, non da ultimo perché sta aiutando a ridurre il carico sui siti e sui pazienti. Quando i dati di espirazione non vengono analizzati in tempo reale e un’anomalia viene rilevata in seguito, ciò costringe il paziente a tornare in clinica per un altro test. Ciò non solo aggiunge stress al paziente, ma può anche creare ritardi e costi aggiuntivi per lo sponsor del trial, e ciò porta a vari problemi operativi. I nostri nuovi dispositivi di spirometria sfruttano i modelli di ArtiQ per affrontare quel carico, offrendo letture in tempo quasi reale. Ciò significa che se si verificano problemi, vengono identificati e risolti immediatamente mentre il paziente è ancora in clinica.

Infine, stiamo sviluppando strumenti che avranno un impatto su aree terapeutiche. Presto, ad esempio, vedremo l’intelligenza artificiale offrire un valore sempre maggiore nelle valutazioni cliniche elettroniche (eCOA). Vedremo modelli di intelligenza artificiale che catturano e misurano cambiamenti sottili vissuti dal paziente. Questa tecnologia aiuterà molti ricercatori, ma ad esempio, i ricercatori sull’Alzheimer saranno in grado di capire dove si trova il paziente nella fase della malattia. Con quella conoscenza, l’efficacia del farmaco può essere meglio valutata e i pazienti e i loro caregiver possono essere meglio preparati per gestire la malattia.

Qual è il ruolo che pensi che l’intelligenza artificiale giocherà nell’ampliare la diversità all’interno dei trial clinici e nel migliorare l’equità sanitaria tra le popolazioni di pazienti?

Se si guarda all’intelligenza artificiale solo attraverso una lente tecnica, credo che si cada in errore. L’intelligenza artificiale deve essere affrontata da tutti gli angoli: tecnologia, scienza, normativa e così via. Nel nostro settore, il vero eccellenza si raggiunge solo attraverso la collaborazione umana, che amplia la capacità di porre le domande giuste, come: “Stiamo formando modelli che tengono conto dell’età, del genere, del sesso, della razza e dell’etnia?” Se tutti gli altri nel nostro settore pongono queste domande prima di sviluppare strumenti, l’intelligenza artificiale non solo accelererà lo sviluppo dei farmaci, ma lo farà per tutte le popolazioni di pazienti.

Potresti condividere i piani o le previsioni di Clario per l’evoluzione dell’intelligenza artificiale nel settore dei trial clinici nel 2025 e oltre?

Nel 2025, ci aspettiamo di vedere la biotecnologia sfruttare l’intelligenza artificiale e l’analisi in tempo reale come mai prima d’ora. Questi progressi semplificheranno i trial clinici e miglioreranno la presa di decisioni. Accelerando la costruzione degli studi e implementando il monitoraggio basato sul rischio, saremo in grado di accelerare i tempi, ridurre il carico sui pazienti e consentire agli sponsor di consegnare trattamenti salvavita con maggiore precisione e efficienza. Questo è un momento emozionante per tutti noi, mentre lavoriamo insieme per trasformare l’assistenza sanitaria.

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