Jonathan Kron, CEO di BloodGPT – Serie di interviste

Jonathan Kron è il CEO di BloodGPT. È un stratega sanitario e imprenditore con oltre 20 anni di esperienza nella costruzione e gestione 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 sanità digitale, tra cui Klarity e LIPS Healthcare per 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 gestendo imprese sanitarie. Quali esperienze personali o problemi 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 colpito, sia a livello personale che professionale. Sono sempre stato una persona che ha tenuto traccia dei propri esami del sangue in fogli di calcolo, estraendo numeri da PDF e immagini, solo per imbattermi 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 dover affrontare la frustrazione di ricevere risultati confusi, frammentati e inaccessibili da un medico, laboratorio o clinica.

Per questo motivo, entro pochi giorni dall’aver appreso di BloodGPT, ero già 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 problemi 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 logica 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 esistenti. Puoi spiegarci come la piattaforma sia stata concepita e quali sono stati i principali sfidi che hai affrontato per portarla sul mercato?

In realtà, è tutto 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 avevano idea di 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 un semplice scambio di idee si è rapidamente trasformato in un progetto vero e proprio. Presto dopo, l’esperto di sviluppo di prodotti di intelligenza artificiale Nata Savaścienka si è unita come co-fondatrice 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 in poi, 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 multilivello 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 affida 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. È per questo che, mentre costruivamo BloodGPT, le sfide più difficili a cui ci siamo dedicati sono state la stabilità e la fiducia. Dobbiamo ricordare che i 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 completamente 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 modelli linguistici generici 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 generici non sono costruiti 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 a identificatori LOINC e verificato rispetto agli standard di misura UCUM, e la piattaforma utilizza sempre gli intervalli di riferimento del laboratorio come benchmark finale. Le barriere multilivello tracciano ogni output fino alla sua fonte, quindi lo stesso input produce lo stesso risultato completamente auditable.

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 abbracciato la fondazione di cliniche, la consulenza per startup e ora la guida di un’azienda di healthtech guidata dall’intelligenza artificiale. Come è cambiata la tua prospettiva sull’innovazione sanitaria nel corso di 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, si è trattato di modelli aziendali, che consistevano nel fornire cure più efficienti, operazioni più sostenibili e migliorare l’esperienza complessiva del paziente.

Oggi, però, l’attenzione si concentra 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 la sanità. I sistemi, gli incentivi e le adozioni lo fanno.

A questo proposito, il mio pensiero è passato da “Come costruiamo?” a “Come integriamo?”. Credo fermamente 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 healthtech è l’equilibrio tra automazione e tocco umano. Come immagini che l’intelligenza artificiale come BloodGPT ridisegnerà il ruolo dei medici, in particolare nella riduzione del burnout e nella preservazione del giudizio e dell’empatia?

I medici non si bruciano per aver cura delle persone. Si bruciano per la carta, i test duplicati, i sistemi frammentati e tutte le attività amministrative che li allontanano dai 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, e 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 in modo automatico e affidabile, i medici possono dedicare più tempo a ciò che solo loro possono fare, che è ascoltare, esercitare il giudizio e costruire la fiducia con le persone che trattano.

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.

Una delle tue dichiarazioni di intenti è risparmiare alle cliniche milioni di dollari all’anno in guadagni di efficienza. Quali sono i meccanismi di risparmio di costo più tangibili che BloodGPT offre?

I risparmi provengono da tre aree principali.

Innanzitutto, il tempo. La revisione e la comunicazione 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, si traduce in centinaia di ore di clinici restituite alla cura dei 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 cattura 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 immediato, il personale può concentrarsi su attività di maggior valore e i laboratori possono operare con team di supporto più snelli.

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

Hai notato che gli orizzonti degli investitori a breve termine spesso uccidono l’innovazione sistemica nel settore dell’intelligenza artificiale sanitaria. 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 cerca 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 il settore dell’intelligenza artificiale sanitaria saranno costruite da partner disposti a pensare su un orizzonte di 5-10 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 i clinici e i pazienti?

Fin dall’inizio, abbiamo trattato la progettazione responsabile come parte del prodotto, non come un ripensamento. Il nostro team segue gli standard di privacy e sicurezza principali utilizzati nel settore sanitario e tiene d’occhio le normative in evoluzione negli Stati Uniti, in Europa e in altri mercati chiave. Il nostro focus è sulle solide pratiche di gestione dei dati, sugli algoritmi trasparenti e sugli 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 per 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 in altre aree diagnostiche — e se sì, dove pensi che saranno i più grandi progressi?

È già in corso. La radiologia, la genomica e l’oftalmologia hanno superato da tempo la fase sperimentale. In questi campi, i sistemi di intelligenza artificiale aiutano a identificare i primi segni di cancro nelle scansioni, analizzare varianti genetiche complesse e segnalare segni di retinopatia diabetica nelle immagini della retina. In ogni caso, l’output va a un clinico qualificato per la revisione, quindi il professionista rimane in controllo della decisione finale.

L’onda successiva sarà quella della connessione e dell’integrazione piuttosto che dei singoli domini. Considera 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 variante genetica, un modello da dispositivo indossabile — per rivelare il rischio molto prima che qualsiasi test potesse.

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. Quel passaggio dalla cura episodica alla cura 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 da una sanità reattiva a una sanità 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 sottovalutati. Rendendo quelle informazioni più facili da comprendere e utilizzare, aiutiamo a trasformare numeri grezzi in chiara comprensione e comprensione in vite più sane. Alla fine, è l’obiettivo semplice. Prendere qualcosa di complesso e trasformarlo in qualcosa che le persone possono usare. Stiamo gettando le basi per il tipo di cura che le persone avranno bisogno negli anni a venire, migliorando allo stesso tempo la sanità quotidiana già da ora.

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