インタビュー
BloodGPTのCEOジョナサン・クロン – インタビュー・シリーズ
ジョナサン・クロンは、BloodGPTのCEOです。彼は、20年以上のヘルスケア分野でのビジネス開発と経営の経験を持つヘルスケア戦略家であり、起業家です。BloodGPTに入社する前は、Med24を設立し、5百万ポンドを調達して2022年に退社しました。また、PCGを共同設立し、50万ドルのシード資金で100万ドル以上の契約を獲得しました。また、KlarityやLIPS Healthcareなどのデジタルヘルスベンチャーに主要な資金調達と成長についてアドバイスを提供しています。
BloodGPTは、診断ラボとクリニック向けのAI搭載プラットフォームで、99.99%の精度で秒単位で血液検査結果を解釈し、既存のワークフローにシームレスに統合されます。
20年以上にわたるヘルスケアベンチャーの構築とスケールアップの経験を経て、BloodGPTに至ったいきさつについてお話しください。
私は今年初めに同僚からBloodGPTについて聞きました。コンセプトはすぐに私に共鳴しました。両親が高血圧と糖尿病を患っているため、私自身も血液検査結果をスプレッドシートに追跡しています。しかし、単位、参考範囲、命名規則が一貫性がないため、煩雑で信頼性が低いことが多かったです。同じような悩みを抱える人は私以外にもいるのではないかと思いました。
BloodGPTについて知った数日後、創設者と電話で話し合い、CSOとして参加することになりました。20年以上のヘルスケア業界での経験から、BloodGPTが私の得意分野であることを知っていました。
BloodGPTは、私が繰り返し見てきた痛み点に対処します。患者は検査結果を受け取りますが、アクセスは断片化されており、コンテキストが失われ、プロセスがすでに負担している専門家を圧倒しています。血液データは全体的な健康状態の最も豊富な信号の1つですが、まだ未利用です。
私の考えは、AIと高度なデータサイエンスを強力なヘルスケア知識と組み合わせることで、誰でもリアルタイムに利用可能な情報を作成できるというものです。
BloodGPTは、血液検査結果の解釈に99.99%の精度を約束し、既存のラボワークフローに直接統合されます。プラットフォームの構想と、市場への導入で直面した主な課題について説明してください。
実は、すべてが隣人との会話から始まりました。生化学者であり、スポーツ栄養コンサルタントであるNikita Udovichenkoは、実践の中で同じ問題に直面していました。血液検査結果を受け取った患者が何をするかわからないというものです。彼の隣人であるVasilii Lazukaは、AI起業家であり、現在は共同創設者兼CTOです。彼はすぐにその潜在性を見出しました。カジュアルな会話が本格的なプロジェクトになりました。すぐにAI製品開発の専門家であるNata Savaścienkaが共同創設者兼CPOとして参加しました。私は20年のヘルスケアとデータプラットフォーム構築の経験を活かし、共同で作業しました。
その時点から、各数値を検証可能なデータとして扱い、言語モデルが推測できるものではないシステムを構築することに焦点を当てました。LOINCコード（Logical Observation Identifiers Names and Codes）に基づいて各バイオマーカーを正規化し、UCUM（Unified Code for Units of Measure）で各単位を検証し、常にラボの独自の参考範囲に従う、マルチレイヤーアーキテクチャを設計しました。
20年のヘルスケア業界での経験から、信頼がこの分野でどれほど重要かを知っています。したがって、BloodGPTを構築する際に、私たちが注力した最も難しい課題は、安定性と信頼性でした。大規模モデルは同じファイルに対して異なる回答を出します。日付を誤読したり、範囲を発明したりします。私たちは、すべての出力が再現可能で、完全にその源に遡及可能であることを保証するという使命を与えられました。
現在、プラットフォームはFHIR API（Fast Healthcare Interoperability Resources）を介してラボワークフローに直接接続されています。これは、ヘルス情報システムがデータを安全に効率的に共有できるモダンスタンダードです。また、レガシーラボ情報システムとも互換性があり、専門家の時間を取り戻し、個人が即座に明確性を得ることができます。
多くの患者が、ラボ結果を解釈するために汎用LLMを使用しています。このトレンドに伴うリスクについて、およびBloodGPTがより安全で信頼性の高い代替手段を提供する方法について説明してください。
汎用言語モデルはラボデータ用に設計されていません。単位を誤読したり、日付を混同したり、参考値を発明したりする可能性があります。また、不確実な場合にそのことを示しません。患者は結果を貼り付けると、間違った回答が返ってくるかもしれません。もっと怖いのは、その回答が信頼性があるように聞こえる可能性があるということです。
BloodGPTは、特に病理ワークフロー用にトレーニングと検証されています。各値はLOINC識別子に結び付けられ、UCUM測定基準で確認され、プラットフォームは常にラボの独自の参考範囲を最終的な基準として使用します。マルチレイヤーガードレールは、出力のたびにその源に遡及可能です。同じ入力に対して同じ、完全に監査可能な結果が生成されます。
その目的のための設計は、再現性と透明性のある出典に焦点を当てており、専門家と個人が汎用チャットボットでは提供できないレベルの信頼性を提供します。
あなたのキャリアは、クリニックの設立からスタートアップのアドバイザーまで、そして今ではAI駆動のヘルスケアテック企業のリーダーです。ヘルスケアイノベーションに対するあなたの見方は、どのように変化しましたか。
初期の頃、イノベーションとは、待ち時間を短縮し、患者パスを合理化するための新しい施設やサービスを構築することを意味しました。後には、ビジネスモデルについて考え、ケアをより効率的に提供し、運用をより持続可能にし、患者エクスペリエンスを向上させることに焦点を当てました。
しかし、今日では、焦点はインテリジェンスとスケールに移りました。AIは、私が始めたときには考えられなかった可能性を開いています。しかし、1つの教訓は変わらず続いています。テクノロジーだけではヘルスケアを変えることはできません。システム、インセンティブ、採用が変化することで変わります。
この点では、私の考えは「どうやって構築するか」から「どうやって統合するか」にシフトしました。私は、最も成功する企業は、最も華麗なアルゴリズムを持っているわけではありません。毎日のルーティーンの中で、医師、患者、ヘルスシステムのツールをパワリングする静かに作業する企業であると信じています。
ヘルステックでは、自動化と人間のタッチのバランスが重要なテーマです。AIのようなBloodGPTが医師の役割をどのように変え、バーンアウトを軽減しながら、判断と共感を維持することを想像しますか。
医師は、患者ケアから行政タスクによって引き離されることでバーンアウトします。毎日の業務から遠ざかることで、実際の臨床ケアに費やす時間とエネルギーが減ります。BloodGPTは、ラボ情報の整理と解釈を担当し、クリアな構造化された洞察を提供します。そうすることで、医師はより多くの時間を患者との会話に費やすことができ、判断と信頼を築くことができます。
私は、AIが医師を置き換えることはないと思います。むしろ、医師が専門家としての本来の役割に戻ることを可能にします。会話に費やす時間を増やし、データを追跡する時間を減らすのです。那は技術が医学をより人間らしいものにする方法です。
クリニックに年間数百万ドルの効率性向上をもたらす最も具体的なコスト削減メカニズムについて説明してください。
コスト削減は、3つの主な領域から生じます。
第一に、時間です。ラボ結果のレビューと伝達は、多くのヘルスシステムでまだ手動で行われています。BloodGPTは、レビューと解釈の時間枠を、数分から数秒に切り短縮します。週に数千の結果を処理することで、臨床医の時間が数百時間戻り、患者ケアに費やされる時間が増えるのです。
第二に、連続性です。プラットフォームは、毎回の血液データの履歴を保持し、トレンドと異常を簡単に特定できます。そうすることで、繰り返しのテストが減り、エラーが早期に発見され、不要なフォローアップの訪問や繰り返しのラボテストが減ります。
第三に、リソースの使用です。情報が正確に即座に提供されると、スタッフはより高価値のタスクに集中できます。ラボは、よりスリムなサポートチームで運営できます。
これらの効果をまとめると、中規模のヘルスシステムは年間数百万ドルの節約を達成しながら、ケアの質も向上させることができます。ヘルスケアでは、コストを下げるだけでなく、質も同時に上げることは珍しいですが、ちょうどそれが私たちが目指していることです。
ヘルスケアAIでは、短期的な投資家の視点がしばしばシステム的なイノベーションを妨げています。創設者と投資家が長期的な影響を確保するためにどのように協力できるかについて説明してください。
共通の使命から始めます。投資家が12か月以内に利益を求めている場合、ヘルスケアは適切な分野ではありません。この分野では、忍耐強さ、厳格なコンプライアンス、信頼の構築に数年かかります。
創設者は、投資家に期待を設定する役割があります。規制上のタイムライン、採用サイクル、償還の現実について説明する必要があります。そうすることで、パートナーが外から見たときに進歩が遅く見える理由を理解できるようになります。
投資家は、マイルストーンベースの成長を支援し、虚飾の指標を追求するのをやめなければなりません。真の変化をもたらす企業は、5年から10年の視点で考え、最初の評価の上がりや早期の退出ではなく、全旅程にわたってコミットメントを示すパートナーによって構築されるでしょう。
ヘルスケアにおけるAIの規制が強化される中、BloodGPTはコンプライアンス、安全性、専門家と患者との信頼構築にどのように取り組んでいますか。
最初から、責任ある設計を製品の一部として扱い、後から考えました。私たちのチームは、ヘルスケアで使用される主要なプライバシーとセキュリティ基準に従い、米国、ヨーロッパ、その他の主要市場での規制の進化を注意深く監視しています。私たちの焦点は、強力なデータ処理慣行、透明性のあるアルゴリズム、完全に監査可能な出力にあります。
先ほど述べたように、信頼は私たちが最初に直面した最大の課題でした。それは私たちの北極星でした。専門家は、どこから値が来ているかを見て、そのプロセスがどのように行われたかを確認できます。患者も同じ明確性を重視しています。BloodGPTは、医師の役割を置き換えるものではなく、患者自身の結果を整理して提示するためのツールです。したがって、安全性と信頼性は、後から追加される機能ではありません。製品そのものです。
今後、血液検査以外の診断分野へのAIの適用拡大を予測しますか。そうであれば、最初のブレークスルーはどこで起こる可能性が高いと思いますか。
すでに進行中です。放射線、ラジオロジー、ゲノミクス、眼科は、実験段階を既に超えています。これらの分野では、AIシステムが早期がんのスキャンを特定したり、複雑な遺伝子バリアントを分析したり、網膜画像で糖尿病性網膜症の兆候をフラグしたりしています。各ケースで、出力は最終的な決定を下すために資格のある医師に渡されます。
次の波は、単一のドメインではなく、接続と統合についてです。画像、ゲノミクス、ウェアラブル、ラボデータは、まだ別々のストリームとして扱われています。AIは、これらの微妙な信号を相関させ、リスクを特定します。1つのテストでは見えないものですが、早期に発見されます。予測的なケアへのシフト、エピソード的なケアから予測的なケアへのシフトが、最大の影響を与えるでしょう。
最後に、ヘルスケアにおけるAIの未来について何が最も興奮するものですか。BloodGPTはその未来を形作る上でどのような役割を果たすと思いますか。
私が最も興奮するのは、先ほど話したように、反応的なヘルスケアから予測的なヘルスケアへの移行です。数十年間、病気になるまで待ち、そして介入していました。予防と個人の責任は常に会話の 일부でしたが、AIはそのビジョンを実際的かつ大規模に実現可能にします。早期のリスクを特定し、より健康的な選択を促し、情報を個人に合わせて提供します。
BloodGPTは、その基盤の一部です。血液データは最も一般的で広く利用可能な健康信号ですが、まだ未利用です。情報を理解し、行動可能にすることで、生データを明確な洞察に変え、洞察をより健康的な生活に変えるのを助けます。最終的には、それが私たちの単純な目標です。複雑なものを、使えるものにすることです。私たちは、将来必要となるケアの基盤を築きながら、現在の毎日のヘルスケアを改善しています。
素晴らしいインタビュー、ありがとうございました。詳しく知りたい読者は、BloodGPTを訪れてください。
