ファイザー デジタル オムニチャネル サービス＆ソリューション（OSS）のインマーシブ スタジオ リード、トニー ホグベン – インタビュー シリーズ

トニー ホグベンは、ファイザー デジタル オムニチャネル サービス＆ソリューション（OSS）のインマーシブ スタジオ リードです。ファイザー デジタル オムニチャネル サービス＆ソリューション（OSS）は、ファイザーが患者、医療提供者、専門家と接触する方法を変革する最前線にあります。革新的なデジタル戦略、最先端のテクノロジー、データ駆動の洞察を通じて、OSSはシームレスで、パーソナライズされた、インパクトのある体験を提供します。高度な分析、自動化、AI駆動のソリューションを統合することで、チームはエンゲージメントを強化し、コミュニケーションを最適化し、すべてのデジタル接点で有意義なつながりを促進します。

あなたはデジタルイノベーションとインマーシブテクノロジーで豊富な経験を持っています。この分野に興味を持ったきっかけと、現在の役職に至った経緯についてお話しください。

私の経路は少し非伝統的でした。21世紀の始まりに「ニューメディア」の学位を取得した後、私は自分のデジタルエージェンシーを設立し、運営しました。Web 2.0の出現時に働くことは本当に刺激的でした。私たちはSAASソリューションや初期のモバイルアプリケーションを開発し、イノベーションが日常の現実であった環境で働きました。毎プロジェクトは新しい道を切り開き、起業家精神は感染性でした。

パンデミック前に事業を売却した後、最初は休暇を楽しんだものの、すぐに新たな挑戦が必要だと気付きました。ファイザー デジタルに参加することで、創造的なビジョンと技術的能力を結び付け、ほぼ2 десяти年の経験を活かして、様々な規模の組織をデジタルに変革することができました。

インマーシブ スタジオを一から構築することは特に報われています。会社全体のチームがインマーシブでインタラクティブなテクノロジーを活用できる内部イノベーション ハブを作成しました。現在、私はAIソリューションを複数の部門やユースケースに統合する取り組みを牽引するチームの一員です。チームはワークフローと能力を再考するのを支援しています。

医療業界に移ったことで最も充実したのは、テクノロジーと人間の経験の交差点への情熱を適用できる環境にあることです。ここでは、インマーシブ テクノロジーを通じて創造する精度、リアリズム、エンゲージメントが、医療専門家の教育と、最終的には患者の結果に直接影響します。このテクノロジー イノベーションと人間の幸福のつながりが、私を毎日駆り立てています。

医療のトレーニングはAI駆動のシミュレーションの出現により変化しています。これらのAIパワーのインマーシブ体験は、伝統的なトレーニング方法と比較して、有効性とアクセシビリティの点でどうなりますか。

インマーシブ体験について説明する前に始めます。

インマーシブ トレーニング体験は、従来の方法では匹敵できない柔軟性を提供することで、医療教育を根本的に変革します。学習者は複雑なシナリオを、どこからでも、自分のペースで、必要なだけ繰り返し訪問できます。証拠は強力です。インマーシブ学習の知識保持率は、従来のトレーニング方法よりも最大76%高いことが示されています。

AIは現在、インマーシブ体験を4つの重要な方法で革命しています。

コンテンツ作成において、AIは高忠実度シミュレーションの開発を民主化しています。何ヶ月もかかって何人もの開発者チームが必要だったものが、より少人数で迅速に完了できるようになります。これにより、開発の可能性が解放され、コンテンツが大規模に作成できるようになります。

学習者の体験については、AIはダイナミックな適応を可能にします。シナリオをリアルタイムで決定やスキルレベルに基づいて調整し、臨床的不確実性をよりよく反映したオーソドックスな課題を作成します。

フィードバックの面では、AIは単純な合格/不合格の指標を超えたニュアンスのある評価を提供します。AIは学習者の動き、意思決定のシーケンスを分析し、以前のセッションのパフォーマンスと比較して、個別化されたコーチングを提供できます。

最後に、AIは自然言語処理と知能型アバターを通じて、現実的な患者やチームの相互作用をシミュレートすることで、共同学習を可能にします。

アクセシビリティへの影響は深刻です。AI駆動のインマーシブ体験は、広く、費用対効果の高い方法で展開でき、特に医療提供が不足している地域でのトレーニングのギャップに対処するのに役立ちます。このインマーシブ技術とAIの強力な組み合わせは、高品質の医療トレーニングへのアクセスを民主化する可能性があります。

*Bonde, Mads & Makransky, Guido & Wandall, Jakob & Larsen, Mette & Morsing Bagger, Mikkel & Jarmer, Hanne & Sommer, Morten. (2014). Improving biotech education through gamified laboratory simulations

あなたの会社ではAI駆動の医療シミュレーションがどのように開発されているかについて、洞察を共有してください。こうした高忠実度シミュレーションを構築する上で、どのような大きな課題がありますか。

私たちはAIの統合の初期段階にあります。私たちには明確なビジョンがありますが、厳しく規制された医療業界で働いているため、慎重な実装と厳格な検証が必要です。これにより、迅速なイノベーションと慎重な進捗の間でバランスを取る必要があります。

現在、AIの取り組みは3つの主要な分野に焦点を当てています。

1. コンテンツ作成の加速: 私たちは医療と指導的デザインのチームがエビデンスに基づいたシナリオ、臨床的変異、患者モデルを大量に生産できるように、AIを使用してコンテンツ開発パイプラインを強化しています。これにより、シミュレーションのライブラリを維持する質を維持しながら拡大することができます。
2. 技術開発の加速: 私たちはAIを使用して技術開発プロセスをストリームライン化し、新しいシミュレーションの機能と能力のプロトタイピング、テスト、展開を迅速化しています。これにより、リソースの制約を克服し、イノベーションのサイクルを加速することができます。
3. 学習者適応型体験: 並行して、シミュレーションにAIを直接統合して、よりダイナミックで反応性の高い学習環境を作成する方法を開発しています。これには、学習者のパフォーマンス パターンに基づいた個別化されたフィードバック システムや適応的な難易度が含まれます。

この分野での進歩には忍耐が必要ですが、最終的にはAIのイノベーションが医療トレーニングと患者の結果にどのように変革をもたらすかについて、楽観的です。

あなたの360度体験、仮想ラボラトリーは、医療専門家のトレーニングに革新的なアプローチです。どのように機能し、ユーザーからどのようなフィードバックを受け取ったかについてお話しください。

360度仮想ラボラトリーでは、医療専門家が実際のラボ環境を歩き回り、医療機器と対話し、手順を練習し、現実世界の課題を完全にインマーシブなデジタル空間で解決することができます。

仮想ラボラトリーは、ベスト プラクティスを示す実際のラボラトリーのツアーを補完するために設計されました。物理的なラボラトリー訪問には複雑なロジスティクスとスケジューリングの制限があることを認識し、24/7からどこでもアクセスできるデジタル代替品を作成しました。

医療専門家は、知識とラボラトリー手順の理解を高めるために、詳細でインタラクティブなシミュレーションをナビゲートします。プラットフォームは複数のデバイスに対応しており、学習が行われる方法と場所の柔軟性を確保します。医療条件や言語の多様性に対応するために、仮想ラボラトリーを拡大し、世界中の教育ニーズをサポートするためにこれらの体験を多くの言語に翻訳しました。

フィードバックは圧倒的にポジティブでした。ユーザーは次の3つの側面を一貫して称賛しています。

1. リアリズム: 高忠実度環境が実際の作業ラボラトリーにおける存在感を生み出します
2. エンゲージメント: インタラクティブ要素が学習体験全体で関心と集中を維持します
3. 柔軟性: トレーニングにアクセスできるタイミングとペースの自由

最も重要なのは、医療専門家が伝統的なトレーニング方法よりもスキルに自信を持っており、情報をよりよく保持していることを報告していることです。この知識の保持は、現実世界の設定で直接患者のケアに繋がります。

インマーシブ テクノロジーとAIはトレーニングをよりアクセスしやすくする可能性がありますが、規制上の懸念、採用のためらい、技術的制限などの障壁があると考えられます。どのような障壁があると思いますか。

新しいテクノロジーを医療トレーニングに導入する際に、インマーシブ体験とAIアプリケーションでは異なる障壁があります。

インマーシブ テクノロジーにおける主な課題は次のとおりです。

• 開発コスト: 高品質のインマーシブ体験を作成することは従来、高額でした。しかし、AIはコンテンツ作成を加速し、制作時間を短縮することで、この問題にも対処しています。
• アクセシビリティ: 私たちのインマーシブトレーニングは、複数のプラットフォームで開発されるため、学習者が技術的セットアップに関係なく参加できるようにします。このアプローチにより、学習者はどこからでも参加できます。
• 採用のためらい: これは私たちが直面する最も永続的な課題です。特に経験豊富な医療専門家の場合です。私たちの戦略は段階的な露出です。空間学習の概念を紹介するために、ラボのような馴染みのある形式から始め、複雑なテクノロジーに進む前に、インマーシブ概念に慣れていくことができます。

AIの統合では、異なる障壁に直面しています。

• 技術的制限: 私たちはこれらを積極的に解決し、将来の開発の基盤となる堅固なプラットフォームとアプローチを構築しています。
• 規制上の懸念: これは私たちが直面する最も重大な課題です。規制機関は医療教育におけるAI生成コンテンツの正確性と有効性について有効な疑問を持ちます。私たちのアプローチは、内部のユースケースを最初に開発し、規制チームと建設的に関わるために使用できる具体的な例を作成することです。私たちは、理解を支援しながら、適切なガイドラインを共同で開発する必要性を認識しています。

これらの障壁に対処することで、医療教育における責任あるイノベーションの道筋を切り開いています。

AIの進歩は前例のないペースで進んでいます。現場での患者のケアではなく、サポートツールとしてのみ使用されているAIが、現場での患者のケアにより積極的な役割を果たす時期が来ると考えていますか。

これは少し私の専門外ですが、AIはすでに医療でサポートツールとしてのみ使用されているのではなく、診断の支援や手術のガイダンスなどの分野で現場での患者のケアに積極的な役割を果たしています。5年以内に、AIが患者のケアにより積極的な役割を果たすことが予想されますが、人間に完全に取って代わることはないでしょう。代わりに、AIは「人間がループ内にある」枠組みで、人間のプロが現場で働きながら、支援を提供し、決定を下す際に影響を与えるでしょう。AIは意思決定を強化しますが、患者の安全を確保するために、人間の判断は不可欠であることを意味します。

AI生成の医療洞察が将来、特定のタスクで人間の専門家を上回る可能性がある場合、医療業界はこの変化にどのように準備すべきですか。

テクノロジーの毎回の変革に伴い、タスクの置き換えではなく、人々の置き換えが起こります。医療業界はAIを人間の専門家の代替ではなく、コラボレーターとして見直す必要があります。人間 + AIは、人間またはAIだけよりも優れています。

この変化は段階的かつタスク固有で、画像ベースの診断、病理学的スクリーニング、患者の悪化の予測分析などの分野で始まる可能性があります。これらは、パターン認識がAIに自然な利点をもたらす分野ですが、より複雑な臨床的推論は、予測可能な将来、人間によって主導され続けるでしょう。

私たちは小さな、標的を絞ったタスクから始め、すぐに価値をもたらすものに焦点を当てる必要があります。従来のモノリシックなソリューションの通常のすべてまたは何もないアプローチではなく、段階的なアプローチにより、臨床医と患者はAIの能力に時間の経過とともに信頼を築くことができます。

変化に抵抗するのではなく、医療業界はAIが医療エコシステムにどのように組み込まれるかを積極的に形作るべきです。AIが人間の要素を損なうのではなく、回復に中心的なものを強化することを保証する必要があります。

最終的に、どの組織も最初に取り組むべきことは、AIの公開を民主化することです。従業員に、画像の作成、メールの書き方、プレゼンテーションの作成にAIツールを使用するように課題を与えます。彼らがその力を直接体験すると、彼らはその興奮を日常の仕事に持ち込み、有意義な応用を見つけるでしょう。ボトムアップのイノベーションは、最も実用的で影響力のあるソリューションを生み出すことが多いです。

多くの企業はパイロットプロジェクトの範囲を超えてAIソリューションを実装するのに苦労しています。AIを大規模に成功裏に実装するために使用した戦略について教えてください。

私の場合、AIプロジェクトを大規模に実装するには、2つの重要な課題に取り組む必要があります。テクノロジーインフラストラクチャとユーザーの採用です。

厳しく規制された医療環境では、AIイニシアチブをスケールアップする前に、堅固な技術基盤を確立することが不可欠です。イノベーションと患者の安全要件のバランスを取ることが必要です。

新しいテクノロジーでは、採用は最も大きな障壁になることがあります。私たちはAIを、ユーザーが事前に構成されたボタンをクリックしたり、AIを背後で利用する馴染みのあるワークフローを使用したりできるように、できるだけ目立たなくすることで、広く採用されるように設計しています。例えば、空の画面に直面し、効果的なプロンプトを書く必要があると、大きな摩擦が生じます。代わりに、AIを利用するためのシームレスな方法を設計しています。

私たちのアプローチは、最初からスケールを念頭に置いて構築することです。ワンオフのソリューションを作成するのではなく、将来のユースケースにわたって拡張および再利用できるモジュラー コンポーネントを設計しています。これにより、成功したパイロットは、より広範な実装のテンプレートになることができます。

あなたはAIが医療を、かつてはサイエンス フィクションと考えられていた方法で変革することになると考えています。次の5年間で最も重大な影響を与える具体的な進歩について教えてください。

80年代の子供として、私は70年代の『六百万ドルの男』や『バイオニック・ウィーマン』などのテレビ番組を覚えています。主人公は技術によって身体的に強化されていましたが、AIの真正の革命は、認知の強化にあります。これが私を最も興奮させます。

次の5年間で、私は他にもいくつかの具体的な進歩が医療を根本的に変えることを予想しています。

1. 行政の自動化: 現在、医療専門家の多大な時間を消費している行政的負担が劇的に軽減されます。これは効率の問題だけではなく、医療に「ケア」を取り戻すことです。人間の注意を患者とのやり取りに戻します。
2. 薬剤発見の加速: 治療的標的の特定から効果的な治療の開発までのタイムラインが、10年から数年、または数ヶ月に圧縮されます。GoogleのDeepMindによって作成され、オープンソース化されたAlphaFoldは、たった数日で何年もかかっていたタスクを解決し、タンパク質構造の理解を革命的に変えました。
3. 正確な診断のスケール: AIシステムは、癌、心血管疾患、神経障害などの状態の早期発見を、膨大なデータセットを介したパターン認識で劇的に改善します。
4. パーソナライズされた治療: 治療計画は、個々の患者のデータに基づいて継続的に改良され、患者の関与を最大化し、リアルタイムで効果を高めるために調整されます。

これらの変化のペースは驚くべきものになります。AIの開発は、犬の年齢のようにですが、指数関数的に加速しています。従来の研究と実装で50年かかると考えられていたものが、目前に迫っています。

これらは遠い将来のサイエンス フィクションのシナリオではなく、すでに初期の形で現れ始めています。未来ではありません。現在です。