Jonathan Kron, CEO di BloodGPT – Serie di Interviste

Jonathan Kron è il CEO di BloodGPT. È uno stratega sanitario e imprenditore con più di 20 anni di esperienza nella costruzione e nell’espansione di imprese sanitarie. Prima di unirsi a BloodGPT, ha fondato e ceduto Med24, una clinica con sede a Londra (ha raccolto 5 milioni di sterline, ceduta nel 2022), ha co-fondato PCG, una startup di assistenza sanitaria a domicilio con sede a Monaco che ha ottenuto contratti per oltre 1 milione di dollari con un budget di seed di 500.000 dollari, e ha consigliato imprese di salute digitale, tra cui Klarity e LIPS Healthcare su importanti raccolte di fondi e crescita.

BloodGPT è una piattaforma alimentata da intelligenza artificiale per laboratori di diagnostica e cliniche che si integra senza problemi nei flussi di lavoro esistenti, interpretando i risultati dei test del sangue in pochi secondi con un’accuratezza del 99,99%.

Hai trascorso più di due decenni costruendo e ampliando imprese sanitarie. Quali esperienze personali o punti dolenti dell’industria ti hanno portato a BloodGPT?

Ho sentito parlare di BloodGPT all’inizio di quest’anno da un collega. La premessa mi ha immediatamente risuonato, sia a livello personale che professionale. Sono una persona che ha sempre tracciato i propri esami del sangue in fogli di calcolo, estraendo numeri da PDF e immagini, solo per imbattersi in unità incoerenti, intervalli di riferimento e convenzioni di denominazione. Era tedioso e spesso inaffidabile. E, in fondo, sapevo di non essere l’unico a gestire la frustrazione di ricevere risultati confusi, frammentati e inaccessibili da un medico, laboratorio o clinica.

Per questo motivo, entro pochi giorni dall’avere sentito parlare di BloodGPT, ero in una telefonata con i fondatori e, alla fine di essa, sono diventato il CSO. Dopo 20 anni di lavoro in cliniche, startup e sistemi sanitari, sapevo che questo era proprio il mio campo.

BloodGPT affronta alcuni punti dolenti che ho visto ripetutamente. Le persone ricevono i risultati dei test, ma l’accesso è frammentato, il contesto va perso e il processo sovraccarica già professionisti stressati. Pensate a questo. I dati del sangue sono uno dei segnali più ricchi di benessere generale, eppure sono ancora così poco utilizzati.

Quindi la mia razionale era che se possiamo combinare intelligenza artificiale e scienza dei dati avanzata con una forte conoscenza sanitaria, possiamo rendere quelle informazioni utilizzabili in tempo reale per tutti: individui, professionisti sanitari e interi sistemi.

BloodGPT promette un’accuratezza del 99,99% nell’interpretazione dei risultati dei test del sangue e si integra direttamente nei flussi di lavoro dei laboratori. Puoi spiegarci come la piattaforma è stata concepita e quali sono stati i principali sfidi che hai affrontato nel portarla sul mercato?

In realtà, tutto è iniziato con una conversazione tra vicini. Nikita Udovichenko, un biochimico e consulente di nutrizione sportiva, continuava a vedere lo stesso problema nella sua pratica prima di co-fondare BloodGPT. Le persone ricevevano i referti dei test del sangue e non sapevano cosa farne. Il suo vicino Vasilii Lazuka, un imprenditore seriale di intelligenza artificiale e ora co-fondatore e CTO, ha immediatamente visto il potenziale. Ciò che è iniziato come uno scambio casuale si è rapidamente trasformato in un progetto reale. Presto dopo, l’esperto di sviluppo di prodotti di intelligenza artificiale Nata Savaścienka si è unito come co-fondatore e CPO, e io sono entrato a far parte del team, lavorando insieme a loro e attingendo alla mia esperienza ventennale nella costruzione di piattaforme sanitarie e di dati.

Da quel momento, l’obiettivo è diventato costruire un sistema che tratti ogni numero come dati verificabili, non qualcosa che un modello linguistico possa indovinare. Abbiamo progettato un’architettura a più livelli che normalizza ogni biomarcatore ai codici LOINC — Logical Observation Identifiers Names and Codes, lo standard internazionale per la segnalazione dei test di laboratorio — verifica ogni unità con UCUM, il Codice unificato per le unità di misura, e si rivolge sempre agli intervalli di riferimento del laboratorio.

Dai miei 20 anni di lavoro con professionisti sanitari, so quanto sia centrale la fiducia in questo settore. Quindi, mentre costruivamo BloodGPT, le sfide più difficili su cui ci siamo concentrati sono state la stabilità e la fiducia. Dobbiamo ricordare che grandi modelli possono dare risposte diverse allo stesso file, leggere male le date o inventare intervalli. Ci siamo impegnati a garantire che ogni output fosse riproducibile e pienamente tracciabile alla sua fonte.

Oggi, la piattaforma si collega direttamente ai flussi di lavoro dei laboratori attraverso API FHIR — Fast Healthcare Interoperability Resources, uno standard moderno che consente ai sistemi di informazione sanitaria di condividere dati in modo sicuro ed efficiente. Funziona anche con sistemi di informazione di laboratorio legacy, restituendo tempo ai professionisti e fornendo agli individui immediate chiarezza.

Molti pazienti stanno ora rivolgendosi a LLM di uso generale per l’interpretazione dei risultati dei test di laboratorio. Quali rischi vedi in questa tendenza e come BloodGPT fornisce un’alternativa più sicura e affidabile?

I modelli linguistici di uso generale non sono progettati per i dati di laboratorio. Possono leggere male le unità, confondere le date o inventare valori di riferimento, e non mostrano quando sono incerti. Un paziente può incollare i risultati e ottenere una risposta elaborata che è semplicemente sbagliata. E la parte spaventosa è che suona così convincente che potresti non pensare di metterla in discussione.

BloodGPT è stato addestrato e validato specificamente per i flussi di lavoro di patologia. Ogni valore è legato agli identificatori LOINC e verificato con gli standard di misurazione UCUM, e la piattaforma utilizza sempre gli intervalli di riferimento del laboratorio come benchmark finale. Le barriere di sicurezza a più livelli tracciano ogni output fino alla sua fonte, quindi lo stesso input produce lo stesso risultato, completamente tracciabile.

Quella progettazione specifica, focalizzata sulla riproducibilità e sulla provenienza trasparente, fornisce ai professionisti e agli individui un livello di affidabilità che un chatbot generico semplicemente non può offrire.

La tua carriera ha attraversato la fondazione di cliniche, la consulenza alle startup e ora la guida di un’azienda di healthtech guidata da intelligenza artificiale. Come è cambiata la tua prospettiva sull’innovazione sanitaria in questo percorso?

All’inizio, l’innovazione significava mattoni e malta — costruire nuove strutture e servizi per ridurre le liste d’attesa e semplificare i percorsi dei pazienti. In seguito, è diventata una questione di modelli di business, che consiste nel consegnare assistenza più efficiente, operazioni più sostenibili e migliorare l’esperienza complessiva del paziente.

Oggi, tuttavia, l’attenzione è sull’intelligenza e sulla scala. L’intelligenza artificiale apre possibilità che erano inimmaginabili quando ho iniziato, ma una lezione è rimasta costante. La tecnologia, di per sé, non trasforma il settore sanitario. I sistemi, gli incentivi e le adozioni lo fanno.

A questo proposito, il mio pensiero è passato da “Come costruiamo?” a “Come integriamo?”. Sono fermamente convinto che le aziende che avranno successo non saranno necessariamente quelle con gli algoritmi più spettacolari. Saranno quelle le cui attrezzature alimentano silenziosamente e senza problemi le routine quotidiane dei medici, dei pazienti e dei sistemi sanitari.

Un tema ricorrente nel settore healthtech è l’equilibrio tra automazione e tocco umano. Come immagini che l’intelligenza artificiale come BloodGPT ridisegnerà il ruolo dei medici — in particolare nel ridurre l’esaurimento professionale mentre si preserva il giudizio e l’empatia?

I medici non si esauriscono a causa dell’assistenza ai pazienti. Si esauriscono a causa della carta, dei test duplicati, dei sistemi frammentati e di tutte le attività amministrative che li allontanano dai loro pazienti. Ogni medico che conosco preferirebbe trascorrere cinque minuti a parlare con un paziente piuttosto che compilare un’altra forma. Quel carico di lavoro aggiuntivo, purtroppo, continua a crescere, ed erode il tempo e l’energia che hanno per la vera cura clinica.

BloodGPT è stato costruito per alleviare alcune di quelle pressioni. La piattaforma si occupa del lavoro pesante coinvolto nell’organizzazione e nell’interpretazione delle informazioni di laboratorio e fornisce informazioni chiare e strutturate che si adattano ai flussi di lavoro esistenti. Quando quei passaggi di routine vengono gestiti automaticamente e in modo affidabile, i medici possono dedicare più tempo a ciò che solo loro possono fare, ovvero ascoltare, esercitare il giudizio e costruire la fiducia con le persone che curano.

Non credo che l’intelligenza artificiale sostituirà i medici. Se mai, consente loro di tornare al cuore della loro professione, trascorrendo più tempo in conversazione e meno tempo a inseguire i dati. È lì che la tecnologia può rendere la medicina più umana, non meno.

Uno dei tuoi obiettivi dichiarati è quello di far risparmiare alle cliniche milioni all’anno in termini di guadagni di efficienza. Quali sono i meccanismi di risparmio più tangibili che BloodGPT fornisce?

I risparmi provengono da tre aree principali.

Innanzitutto, il tempo. La revisione e l’interpretazione dei risultati dei test di laboratorio sono ancora un processo lento e manuale in molti sistemi sanitari. BloodGPT riduce la finestra di revisione e interpretazione da diversi minuti a pochi secondi per ogni test. Su migliaia di risultati ogni settimana, questo si traduce in centinaia di ore di clinici restituite all’assistenza ai pazienti.

In secondo luogo, la continuità. La piattaforma mantiene una storia in corso di tutti i dati del sangue dei pazienti, quindi è facile notare tendenze e anomalie. Ciò riduce i test duplicati e coglie errori che altrimenti potrebbero scatenare appuntamenti di follow-up o ripetizioni di test non necessari.

In terzo luogo, l’utilizzo delle risorse. Quando le informazioni vengono fornite in modo accurato e istantaneo, il personale può concentrarsi su compiti ad alto valore e i laboratori possono operare con team di supporto più magri.

Quando si combinano questi effetti, un sistema sanitario di medie dimensioni può vedere risparmi annuali di milioni, migliorando allo stesso tempo gli esiti. Nel settore sanitario è insolito ridurre i costi e aumentare la qualità allo stesso tempo, ed è esattamente questa la combinazione che stiamo perseguendo.

Hai notato che gli orizzonti degli investitori a breve termine spesso uccidono l’innovazione sistemica nel settore sanitario dell’intelligenza artificiale. Come pensi che i fondatori e gli investitori possano allinearsi per garantire un impatto a lungo termine?

Inizia con una missione condivisa. Se un investitore sta cercando un ritorno in 12 mesi, il settore sanitario è il posto sbagliato. Questo settore richiede pazienza, rigorosa conformità e anni di costruzione della fiducia.

I fondatori hanno un ruolo da svolgere nell’impostare le aspettative. Devono spiegare i tempi di regolamentazione, i cicli di adozione e le realtà del rimborso in modo che i partner capiscano perché il progresso può sembrare lento dall’esterno.

Gli investitori, a loro volta, dovrebbero sostenere la crescita basata sui risultati e resistere all’inseguimento di metriche di vanità. Le aziende che cambieranno veramente l’intelligenza artificiale sanitaria saranno costruite da partner disposti a pensare su un orizzonte di cinque o dieci anni e rimanere impegnati per l’intero viaggio, non solo per il primo aumento di valutazione o una rapida uscita.

Con le normative che si stringono intorno all’intelligenza artificiale nel settore sanitario, come BloodGPT sta affrontando la conformità, la sicurezza e la costruzione della fiducia con clinici e pazienti?

Fin dall’inizio, abbiamo trattato la progettazione responsabile come parte del prodotto, non come un ripensamento. Il nostro team segue gli standard principali di privacy e sicurezza utilizzati nel settore sanitario e tiene d’occhio le normative in evoluzione negli Stati Uniti, in Europa e in altri mercati chiave. Il nostro obiettivo è costituito da solide pratiche di gestione dei dati, algoritmi trasparenti e output che possono essere completamente verificati.

Come ho menzionato in precedenza, la fiducia è stata la nostra sfida più grande all’inizio e rimane la nostra stella polare. Per noi, si tratta di più che semplicemente spuntare le caselle della regolamentazione. I professionisti possono vedere da dove proviene ogni valore e come è stato elaborato, il che dà loro fiducia nelle informazioni. I pazienti apprezzano la stessa chiarezza. BloodGPT è uno strumento per organizzare e presentare i propri risultati, non sostituire il ruolo di un clinico. In questo senso, la sicurezza e la fiducia non sono funzionalità che aggiungiamo in seguito. Sono il prodotto stesso.

Guardando avanti, vedi l’interpretazione dell’intelligenza artificiale espandersi oltre i test del sangue ad altre aree di diagnostica — e se sì, dove pensi che i più grandi progressi arriveranno per primi?

È già in corso. Radiologia, genomica e oftalmologia sono andate ben oltre la fase sperimentale. In questi campi, i sistemi di intelligenza artificiale stanno aiutando a identificare i primi segni di cancro nelle scansioni, analizzare varianti genetiche complesse e segnalare segni di retinopatia diabetica in immagini retiniche. In ogni caso, l’output va a un clinico qualificato per la revisione, quindi il professionista rimane in controllo della decisione finale.

La prossima ondata sarà sulla connessione e l’integrazione piuttosto che su singoli domini. Considerate che l’imaging, la genomica, i dispositivi indossabili e i dati di laboratorio sono ancora trattati come flussi separati. L’intelligenza artificiale li unirà sempre più, correlando segnali sottili — un marcatore del sangue, una variazione genetica, un modello da un dispositivo indossabile — per rivelare il rischio molto prima che qualsiasi test possa farlo.

Il vero progresso sarà questo tipo di integrazione: un livello di intelligenza che collega più input per fornire ai medici e ai pazienti una visione continua e in tempo reale della salute e del rischio. Questo passaggio dall’assistenza episodica all’assistenza predittiva e proattiva è dove si trova l’impatto più grande.

Infine, cosa ti entusiasma di più per il futuro dell’intelligenza artificiale nel settore sanitario, e quale ruolo vedi BloodGPT svolgere nella definizione di quel futuro?

Cosa mi entusiasma di più, francamente, è ciò che ho appena discusso riguardo al passaggio dall’assistenza reattiva all’assistenza proattiva. Per decenni, abbiamo aspettato che le persone si ammalassero prima di intervenire. Sì, la prevenzione e la responsabilità personale sono sempre state parte della conversazione, ma l’intelligenza artificiale può finalmente rendere quella visione pratica, identificando il rischio in anticipo, guidando scelte più salutari e personalizzando le informazioni su una scala che non abbiamo mai visto prima.

BloodGPT è progettato per essere parte di quella base. I dati del sangue sono il segnale di salute più comune e ampiamente disponibile, eppure sono spesso poco utilizzati. Rendendo quelle informazioni più facili da capire e utilizzare, aiutiamo a trasformare numeri grezzi in chiaro insight, e insight in vite più salutari. Alla fine, è l’obiettivo semplice. Prendere qualcosa di complesso e trasformarlo in qualcosa che le persone possono utilizzare. Stiamo gettando le basi per il tipo di cura di cui le persone avranno bisogno negli anni a venire, mentre rendiamo anche la sanità quotidiana migliore fin da subito. 

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