Matt Walz, CEO di Trialbee – Serie di interviste

Matt Walz è il CEO di Trialbee, un leader globale nella tecnologia per il reclutamento dei pazienti. Porta con sé più di 20 anni di esperienza nel settore delle scienze della vita e della tecnologia. Matt ha iniziato la sua carriera come sviluppatore e ha ricoperto vari ruoli tecnici e di leadership in Rollins Corporation, PSCI, Microsoft (MSFT ), Morgan Lewis e Datalabs. Nel 2006, Matt ha co-fondato NextDocs, che è diventata un leader globale nella gestione dei documenti clinici, di qualità e normativi, dove ha ricoperto il ruolo di CTO, CSO e membro del consiglio di amministrazione per 9 anni. Prima di unirsi a Trialbee, Matt ha trascorso 5 anni come General Manager per le scienze della vita e VP per gli account strategici di Aurea Software, che aveva acquisito NextDocs.

Trialbee è un’azienda di tecnologia sanitaria che semplifica il reclutamento dei pazienti per gli studi clinici. Sfruttando l’analisi dei dati, la diffusione digitale e le prove del mondo reale, abbina, coinvolge e pre-qualifica i pazienti per accelerare l’arruolamento. La sua piattaforma offre trasparenza tra le fonti e i partner, aiutando i promotori, i CRO e i siti di prova a gestire il flusso di reclutamento in modo più efficiente, riducendo al contempo l’onere sui siti.

Hai lavorato sia nel settore delle startup di tecnologia sanitaria che nelle piattaforme di ricerca clinica su larga scala. Quali esperienze personali o momenti della tua carriera ti hanno portato a riconoscere il potenziale e i rischi dell’AI nel reclutamento dei pazienti?

L’AI è stata la tendenza tecnologica più veloce che abbia visto in oltre due decenni di lavoro nello sviluppo clinico – più veloce persino dei primi giorni dell’adozione del cloud. Ciò che mi ha colpito di più è come l’AI sia passata da concettuale a operativa in un settore che è solitamente lento nell’adottare nuove tecnologie – e sta ricevendo priorità persino dalle autorità regolatorie come la FDA. Per il reclutamento dei pazienti negli studi clinici, siamo ancora nella fase iniziale di apprendimento di dove sia meglio adattarla. I fornitori e i promotori stanno esplorando l’AI per lo sviluppo del protocollo, le persone e il targeting, l’arricchimento dei dati, le localizzazioni e le comunicazioni e l’engagement – che sono tutti punti di attrito significativi per i team di ricerca.

Tuttavia, c’è ancora un certo rischio associato a quel potenziale. Ho parlato con leader di grandi aziende farmaceutiche che sottolineano che, sebbene l’AI stia emergendo in più punti del flusso di lavoro, non può essere lasciata senza controllo. La supervisione umana è fondamentale.

Ciò è dovuto a motivi di qualità e sicurezza, nonché al fatto che, alla base, aziende come Trialbee si connettono con pazienti e famiglie che cercano speranza – un’esperienza molto umana ed empatica che non può essere sostituita dall’AI in modo significativo per i pazienti che serviamo.

Il reclutamento per gli studi clinici ha storicamente affrontato problemi di diversità, velocità e accuratezza. Secondo te, come l’AI sta aiutando ad affrontare queste sfide e dove ancora non riesce?

L’AI sta aiutando a semplificare alcune delle parti più lente e più risorse-intensive del processo di reclutamento. Ad esempio, cose che una volta richiedevano settimane – come la traduzione dei materiali di studio in decine di lingue – ora vengono compressi in ore. Ciò significa che possiamo iniziare a reclutare più velocemente in più mercati globali.

Quando si tratta di accuratezza, gli agenti alimentati dall’AI stanno iniziando ad aiutarci a fornire interazioni più coerenti e allineate con i criteri, dalle materie che creiamo alla pre-selezione ai chatbot. Questi strumenti sono particolarmente utili per ridurre i punti di abbandono che rallentano il processo di reclutamento.

La diversità rimane una sfida, tuttavia. L’AI è solo rappresentativa dei dati su cui è stata addestrata, e la rappresentanza è anche plasmata da fattori esterni alla tecnologia – inclusi limiti normativi paese per paese che limitano l’uso dell’AI in ruoli di interfaccia con il paziente. Costruire la fiducia con i partecipanti agli studi è stata una sfida in tutta la storia della ricerca clinica, e l’interazione con gli strumenti dell’AI è accolta con gradi variabili di scetticismo. Con questo in mente, sosteniamo fortemente un approccio che offra alle persone la possibilità di interagire con un professionista medico in carne e ossa o, ad esempio, un agente AI. Ciò può aiutare a raggiungere partecipanti con livelli di comfort variabili intorno all’AI, garantendo al contempo una forte supervisione, soprattutto per l’AI agente, sebbene debbano essere incorporate salvaguardie come motori di ragionamento separati per renderlo efficace.

Prima hai menzionato che gli strumenti AI vengono distribuiti più velocemente di qualsiasi altra innovazione nel reclutamento dei pazienti. Ma con i regolatori globali che lottano per stare al passo, quali sono le lacune di controllo più urgenti che vedi nelle campagne di ricerca clinica multinazionali?

La lacuna più grande è la mancanza di allineamento normativo tra le geografie. Negli Stati Uniti, agenzie come la FDA stanno abbracciando l’AI con nuovi quadri e processi di revisione anticipata. In contrasto, l’Europa si muove più cautamente, concentrata sull’andare con attenzione e applicare revisioni normative più stringenti.

Per aziende come la nostra che operano a livello globale, ciò crea una sfida: ciò che è accettabile in un paese potrebbe non esserlo in un altro. E la varianza non è solo nelle norme, ma anche nel modo in cui diversi canali o piattaforme di social media come Facebook (META ) possono essere utilizzati per il reclutamento, come vengono gestiti i dati personali o come viene raccolta il consenso del paziente. Queste sono sfumature che richiedono agilità operativa e una profonda comprensione degli standard etici e di conformità regionali.

Questo è dove la nostra storia di innovazione e la nostra cultura globale intrinseca sono attivi maggiori mentre navigiamo nel paesaggio AI emozionante ma altamente dinamico.

Come può la mancanza di allineamento globale nei quadri normativi ostacolare l’adozione dell’AI negli studi clinici? Hai visto conseguenze reali di questo?

Assolutamente. Le strategie di pubblicità digitale di cui ci affidiamo per il reclutamento dei pazienti sono un buon esempio qui. Facebook è una delle piattaforme più efficaci a livello globale, ma anche all’interno dei paesi in cui è consentito, il livello di targeting che si è autorizzati a fare e i dati che si possono utilizzare variano ampiamente. Stiamo costruendo competenze interne per superare queste differenze e ci aspettiamo che la regolamentazione dell’AI segua un percorso simile.

Nei termini pratici, le limitazioni che questo dilemma impone ai team di reclutamento possono risultare in ritardi nel lancio delle campagne, cicli aggiuntivi con i comitati etici e flussi di lavoro di conformità più complessi. Se non si è profondamente consapevoli di come ogni paese interpreta l’uso dell’AI, soprattutto nelle applicazioni di interfaccia con il paziente, si rischia di rallentare gli studi o di incontrare gravi barriere di approvazione.

Trialbee opera all’intersezione dei dati, della tecnologia e dell’engagement dei pazienti. Come assicuri che le strategie di reclutamento guidate dall’AI non riducano i pazienti a punti di dati, ma piuttosto migliorino l’aspetto umano della ricerca?

Una domanda eccellente e importante per tutti noi. Come ho menzionato in precedenza, il modo in cui vedo l’AI è la sua capacità di potenziare gli esseri umani – non sostituirli. Ciò è particolarmente vero nell’industria molto personale in cui lavoriamo, dove stiamo cercando di aiutare generazioni di pazienti a vivere vite più sane in tutto il mondo. Il nostro business è un business caldo, sulla connessione delle persone, e gli esseri umani saranno sempre al centro di esso.

Quando si tratta delle operazioni quotidiane, il miglior AI che possiamo fornire – ad esempio all’interno della nostra piattaforma Honey – sarebbe quello di analizzare i dati e le tendenze e sollecitare i siti e i team di studio dove potrebbe essere necessaria un’azione. Facciamo già molto di questo e continueremo ad aggiungere capacità per assicurarci che i dati preziosi che vengono catturati siano messi a disposizione per fare una differenza nello studio. Ciò potrebbe significare fornire insight giornalieri sui progressi del reclutamento o sollecitare un follow-up con pazienti specifici con la modellazione predittiva.

Internamente, stiamo utilizzando l’AI in tutta la nostra organizzazione in modo sistematico e collaborativo. Un paio di buoni esempi potrebbero essere la traduzione dei materiali di reclutamento e la soppressione AI-guidata dei potenziali dati PII – queste saranno sempre supervisionate da un umano esperto. Quindi, spero che si possa vedere come stiamo utilizzando l’AI per rendere il nostro team incredibile più forte, e non il contrario.

Quali sono le competenze più critiche per i team di ricerca clinica per guidare e governare gli strumenti AI in modo responsabile oggi?

Le competenze più critiche si trovano all’intersezione dell’esperienza clinica, dell’alfabetizzazione AI e della fluente normativa. I team devono capire come interagire con le piattaforme AI in modo efficace sollecitandole con precisione e revisionando i loro output in modo critico.

C’è anche un crescente bisogno di insight normativo. Come ho menzionato prima, ciò è particolarmente necessario per aree come l’AI agente, dove stiamo costruendo motori di ragionamento separati per servire come paratie nel coinvolgimento dei pazienti. I team devono anche essere in grado di valutare il contenuto tradotto dall’AI e verificare la sua accuratezza e rilevanza culturale prima che i materiali vengano presentati ai comitati etici.

L’adozione dell’AI sta accelerando. Qual è il consiglio che daresti ai partecipanti agli studi clinici che sono esitanti o sopraffatti dalla complessità dell’integrazione dell’AI nei loro flussi di lavoro?

Qualcuno una volta ha detto che, quando si inizia a lavorare con l’AI, assicurarsi di utilizzare l’Intelligenza Reale. L’apprendimento automatico può abilitare cose incredibili – a condizione che abbia l’esperienza, il contesto e le paratie dei esperti di dominio dietro di esso.

Il mio consiglio è di iniziare con piccoli passi e rimanere saldi in ciò che si può consegnare oggi. Uno dei più grandi errori che vedo è che le aziende si spingono troppo oltre nelle promesse vaghe sulla trasformazione AI senza articolare come funziona effettivamente o quando sarà pronta. Mentre quelle promesse possono suonare grandi nel momento, possono erodere la fiducia perché non mostrano evidenza di un piano vero.

La via migliore è quella di spezzare l’adozione in piccoli passi definiti con esiti chiari. Scegliere un paio di aree ad alto impatto dove l’AI possa rimuovere l’attrito e assicurarsi che siano supportate dalla giusta supervisione. Essere specifici sugli strumenti che si utilizzano, su come sono configurati e, soprattutto, su come si proteggono le informazioni sensibili. Questo è l’approccio che adottiamo in Trialbee. Parliamo solo con gli stakeholder delle capacità che stiamo attivamente costruendo, di solito non più di tre mesi fuori, perché vogliamo assicurarci di comunicare ciò che è reale.

Stiamo anche sottolineando la trasparenza sugli strumenti che stiamo utilizzando per costruire quelle capacità. Se stiamo utilizzando ChatGPT di OpenAI o Claude di Anthropic, ad esempio, descriviamo l’impostazione agli stakeholder, inclusi come isoliamo le informazioni sensibili e applichiamo la supervisione umana. Una volta che vedono i guadagni in azione, come il risparmio di tempo nei flussi di lavoro di traduzione o la velocità aumentata nella pre-selezione precoce, sono più propensi a salire a bordo con il prossimo caso d’uso AI. E quindi, è meno sul vendere la grande visione e più sul provare il valore passo dopo passo.

L’FDA e altri regolatori stanno iniziando a porre domande più difficili sui modelli AI utilizzati nello sviluppo dei farmaci. Quali standard di trasparenza, convalida o controllabilità ritieni debbano diventare norme di settore?

L’industria deve muoversi verso la piena trasparenza e assicurarsi che ci sia una supervisione umana in ogni decisione assistita dall’AI. Per citare alcuni esempi:

Quando parliamo di AI agente, stiamo già lavorando per incorporare la logica normativa in un motore di ragionamento separato che possa valutare e correggere le conversazioni in tempo reale. Quel tipo di sistema di controllo interno dovrebbe diventare standard in qualsiasi applicazione di interfaccia con il paziente. I protocolli di convalida devono anche essere formalizzati, inclusi test di benchmark e valutazioni delle prestazioni continue.

Soprattutto, questi standard dovrebbero essere integrati nel processo di sviluppo del prodotto e non aggiunti in un secondo momento. Quel livello di rigore sarà essenziale per mantenere la sicurezza del paziente, guadagnare la fiducia normativa e scalare l’AI in modo responsabile attraverso le campagne di ricerca clinica globale.

I modelli AI spesso si affidano a set di dati storici che possono riflettere pregiudizi sistematici nel sistema sanitario. Come ti assicuri della giustizia e della diversità nel reclutamento dei pazienti, soprattutto per le popolazioni sottorappresentate?

Non avere l’AI non è stato ciò che ha tenuto indietro la diversità nella ricerca clinica – non aver dato priorità a un piano è stato il problema. E l’AI non può realmente aiutare con questo. Una volta che c’è un impegno reale, l’AI può essere uno strumento potente che aiuta sicuramente a raggiungere i gruppi sottorappresentati in modo più efficace, ma solo se siamo intenzionali. È per questo che in Trialbee allarghiamo i dati che i nostri modelli utilizzano, costruiamo partnership con la comunità e monitoriamo costantemente i risultati del reclutamento per assicurarci che nessun gruppo venga lasciato indietro.

Hai menzionato che il tuo team sta rilasciando nuovi prodotti correlati all’AI più tardi quest’anno. Puoi offrire un’anteprima di alto livello dei problemi che stai risolvendo – e come queste innovazioni riflettono la tua filosofia più ampia sull’uso responsabile dell’AI?

Trialbee ha una cultura di innovazione e l’AI è un componente importante e in crescita di essa. Quest’anno solo, la nostra piattaforma Honey ha rilasciato nuovi flussi di lavoro per i siti, un registro dei pazienti specifico per gli sponsor e casi d’uso che supportano i siti web di ricerca per i marchi biotecnologici globali come BMSClinicalTrials.com. Con l’AI in particolare, vedrai nuove funzionalità e miglioramenti che verranno rilasciati nei prossimi 3, 6, 12 mesi e oltre. Stiamo sviluppando chatbot, strumenti intelligenti e altro all’interno di Honey, valutando anche nuovi modi per semplificare i processi per i nostri clienti. Internamente, stiamo utilizzando l’AI per diventare più mirati, più intenzionali, più inclusivi e più efficienti in tutto ciò che facciamo – con un membro del team esperto che guida ogni decisione e interpreta il contesto per tutti i modelli AI che utilizziamo.

Guardando cinque anni avanti, come ti immagini che il ruolo di Trialbee evolverà man mano che l’AI diventa più profondamente integrata nella ricerca clinica? Qual è il ruolo che vedi la tua azienda svolgere nella creazione di un futuro più etico, efficiente e armonizzato a livello globale per il reclutamento dei pazienti?

Cinque anni da adesso, vedo Trialbee come il principale fornitore di servizi abilitati all’AI per il reclutamento dei pazienti nella ricerca clinica. Stiamo già integrando l’AI generativa in ogni parte del flusso di lavoro di reclutamento dove può accelerare la velocità, migliorare l’accuratezza o aumentare l’opzione del paziente. Come ho menzionato, stiamo attivamente valutando strumenti che darebbero ai pazienti la scelta di interagire con un professionista medico in carne e ossa o con un agente AI, a seconda della loro preferenza e livello di comfort. Crediamo che dare alle persone quella scelta sia fondamentale per aumentare la fiducia e la partecipazione nel tempo.

Ethicamente, siamo impegnati a garantire che l’AI venga implementata con rigore normativo e trasparenza. Ciò significa incorporare meccanismi di supervisione nella tecnologia stessa e essere aperti su come funzionano i nostri sistemi. Stiamo anche costruendo l’AI nella cultura della nostra organizzazione – ogni dipartimento e ogni team – in modo da essere pronti ad adattarci man mano che la tecnologia evolve. In definitiva, vogliamo essere un’azienda che aiuta a definire come l’AI viene utilizzata in modo responsabile in tutta la ricerca clinica. Se facciamo bene questo, possiamo aiutare a plasmare un futuro in cui gli studi siano più veloci, più inclusivi e più facili per i pazienti da raggiungere, indipendentemente da dove vivono o quale lingua parlano.

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