Jay Ferro, Chief Information, Technology and Product Officer, Clario – 인터뷰 시리즈

Jay Ferro는 Clario의 Chief Information, Technology and Product Officer로서 정보 기술 및 제품 팀을 이끌면서 25년 이상의 경험을 가지고 있으며, 데이터 보호에 강한 초점을 가지고 있으며 의미 있는 영향을 미치는 기술 및 제품을 창조하는 열정을 가지고 있습니다.

Clario에 합류하기 전에, Jay는 Quikrete Companies 및 American Cancer Society와 같은 글로벌 조직에서 CIO, CTO, CPO와 같은 선임 리더십 역할을 수행했습니다. 또한 Allata, LLC의 이사회의 일원입니다. 그의 전문적인 업적은 Atlanta Technology Professionals에서 Executive Leader of the Year 및 HMG Strategy에서 Mid-Cap CIO of the Year와 같은 여러 상을 받았습니다.

Clario는 임상 시험 관리의 선두 주자로서, 생명을 변화시키는 신뢰할 수 있는 증거 생성을 위한 포괄적인 엔드포인트 기술을 제공합니다. 종양 임상 시험에 전문성을 가지고 있으며, Clario는 환자 보고 결과(Patient-Reported Outcomes, PROs)를 강조하여 효능을 향상시키고, 안전성을 보장하며, 삶의 질을 개선하며, 전자 PROs를 종이보다 더 비용 효율적인 대안으로 주장합니다. 치료 분야와 글로벌 규제 준수를 아우르는 전문 지식을 가지고, Clario는 100개 이상의 국가에서 분산형, 하이브리드, 사이트 기반 임상 시험을 지원하며, 인공 지능 및 연결 장치와 같은 고급 기술을 활용합니다. 그들의 솔루션은 임상 시험 프로세스를 간소화하여 통합 지원 및 훈련을 통해 환자와 후원자 모두에게 준수 및 유지 관리를 보장합니다.

Clario는 임상 시험의 다양한 단계에서 30개 이상의 AI 모델을 통합했습니다. 이러한 모델이 임상 시험의 특정 측면, 예를 들어 종양학 또는 심장학을 향상시키는 방법에 대한 예를 제공할 수 있습니까?

우리는 우리의 AI 모델을 사용하여 800개 이상의 임상 시험에서 고객에게 속도, 품질, 정밀도 및 개인 정보 보호를 제공합니다. 우리의 도구가 단지 AI 하이프 사이클의 일부가 아니라 실제로 고객에게 가치를 제공한다는的事実에 자부심을 가지고 있습니다.

오늘날, 우리의 AI 모델은 주로 네 가지 범주로 나뉩니다: 데이터 개인 정보 보호, 품질 제어 지원, 읽기 지원 및 읽기 분석. 예를 들어, 의료 영상에서 정적 이미지, 비디오 또는 PDF의 개인 식별 정보(PII)를 자동으로 편집할 수 있는 도구가 있습니다. 또한 데이터 업로드 시 빠른 품질 평가를 제공하는 AI 도구를 사용합니다. 따라서 데이터에 대한 신뢰도가 높습니다. 우리는 ECG 데이터를 연속적으로 신호 품질을 모니터링하는 도구와 환자 식별자를 확인하는 도구를 개발했습니다. 우리는 슬라이스 예측, 결절 전파 및 질병 감지를 가능하게 하는 읽기 지원 도구를 개발했습니다. 또한 AI 지원 정량적 궤양성 대장염 Mayo 점수를 통해 데이터 해석을 자동화하고 표준화하여 읽기 분석을 개선했습니다.

그것은 우리가 2018년부터 개발해온 AI 모델의 유형 중 몇 가지 예입니다. 우리는 많은 진전을 이루었지만, 우리는 이제 시작했습니다.

Clario는 다양한 임상 시험 환경에서 AI驱動 인사이트가 높은 정확도와 일관성을 유지하는 방법은 무엇입니까?

우리는 우리의 AI 모델을大量의 데이터에 대해不断적으로 교육하여 좋은 데이터와 좋지 않은 데이터 또는 관련이 없는 데이터를 구별하도록 합니다. 따라서, 우리의 AI驱動 데이터 분석은 풍부한 데이터 기록을 감지하고, 예비 분석하며, 궁극적으로 고객에게 더 높은 품질의 결과를 제공합니다.

우리의 호흡기 솔루션은 우리가 왜 그렇게 하는지 잘 설명합니다. 임상의는 호흡기 질환을 진단하고 모니터링하기 위해 호흡기 측정을 사용하여 환자가 한 번에 얼마나 많은 공기를 내쉬는지 측정합니다. 환자가 호흡기 측정을 사용할 때 여러 가지 오류가 발생할 수 있습니다. 환자는 테스트를 너무 느리게 수행하거나 테스트 중에 기침을 할 수 있으며, 호흡기 측정기의 구멍을 완전히 막을 수 없습니다. 이러한 변수 중 하나는 인간이 결과를 분석할 때까지 발견되지 않을 수 있는 오류를 유발할 수 있습니다. 우리는 좋은 읽기와 나쁨 읽기의 차이를 배우기 위해 50,000개 이상의 예제에 대한 심층 학습 모델을 교육했습니다. 우리의 장치와 알고리즘을 사용하면 임상의가 데이터의 가치를 거의 실시간으로 볼 수 있으며, 인간의 분석을 기다릴 필요가 없습니다. 이것은 일부 환자가 임상 시험에 참여하기 위해 몇 시간을 운전해야 하는 경우에 중요합니다. 임상 시험 사이트에서 테스트를 받은 후, 다음 주에 또 다른 호흡기 측정을 받아야 하는 경우에 발생할 수 있는 스트레스와 추가 비용을 상상해 보십시오. 우리의 AI 모델은 환자가 아직 사이트에 있는 동안 정확한 오버리드를 제공합니다. 오류가 발생하면 즉시 해결할 수 있습니다. 이것은 우리가 사이트와 환자의 부담을 줄이기 위해 노력하는 방식 중 하나입니다.

Clario의 AI 모델은 데이터 수집 시간을 줄이는 방법에 대해 자세히 설명해 줄 수 있습니까? 데이터 품질을 손상시키지 않고 어떻게 하면 데이터 수집 시간을 줄일 수 있습니까?

임상 시험에서 최고의 품질의 데이터를 생성하는 것이 항상 우리의焦点입니다. 그러나 우리의 AI 알고리즘의 특성은 데이터의 캡처와 분석이 극적으로 가속화됨을 의미합니다. 우리의 알고리즘은 인간의 해석보다 훨씬 빠르고 정밀한 품질 제어 분석을 허용합니다. 또한 데이터가 입력됨에 따라 품질 검사를 수행할 수 있습니다. 즉, 환자가 아직 임상 시험 사이트에 있는 동안에 결측, 잘못된 또는 품질이 낮은 환자 데이터를 식별할 수 있습니다.

Clario는 분산형 및 하이브리드 임상 시험의 도전을 어떻게 해결합니까? 특히 데이터 개인 정보 보호, 환자 참여, 데이터 품질과 관련하여 어떻게 해결합니까?

이제 분산형 임상 시험은 실제로 하이브리드 구성 요소를 가진 임상 시험입니다.私は 참가자가 자신의 장치를 사용하거나 집에서 연결된 장치를 사용할 수 있는 임상 시험의 개념이 실제로 더 큰 가능성을 열어줍니다. 특히 접근성 측면에서 임상 시험에 참여하기 쉽게 만듭니다. 임상 시험에 참여하기 쉽게 만드는 것이 우리 기술 로드맵의 주요焦点입니다. 이는 환자 다양성, 모집 및 유지, 참가자 편의성, 더 포괄적인 임상 시험을 위한 기회를 확대하는 솔루션을 개발하는 것을 의미합니다. 우리는 동일한 데이터 무결성을 제공하는 집에서 호흡기, 집에서 혈압, eCOA 및 기타 솔루션을 제공하며, 이는 더 전통적인 솔루션과 함께 엔드포인트 및 치료 분야 전문가의 감시 하에 수행됩니다. 그 결과는 환자에게 더 나은 경험을 제공하고, 더 나은 엔드포인트 데이터를 제공합니다.

Clario의 AI驱動 접근 방식은 제약, 바이오 기술, 의료 기기 회사에서 임상 시험 기간과 비용을 줄이는 데 어떤 고유한 이점을 제공합니까?

우리는 2018년부터 AI 도구를 개발해 왔으며, 그것은 우리가 하는 모든 것에 내재되어 있습니다. 그리고 우리가 항상 기억하는 것은 그것을 책임감 있게 하는 것입니다. 즉, 인간을 루프에 넣고, 규제 기관과 협력하고, 고객과 협력하며, 법률, 개인 정보 보호, 과학 팀을 포함하여 모든 것을 올바른 방법으로 하는 것입니다.

책임감 있게 AI를 개발하고 배포하는 것은 우리의 고객에게 다양한 긍정적인 방식으로 영향을 미칠 것입니다. 우리의 AI 프로그램의 기반은 업계 최초의 책임 있는 사용 원칙에 기반합니다. Clario에서 AI에 접근하는 모든人は 이러한 5가지 원칙을 따릅니다. 그 중 하나는 우리가 알고리즘을 교육하기 위해 사용 가능한 가장 다양한 데이터를 사용하도록 하는 것입니다. 우리는 위험을检测하고 완화하기 위해 모니터링하고 테스트합니다. 또한 모델과 알고리즘을 교육하기 위해匿名화된 데이터만 사용합니다. 이러한 지침을 따라 새로운 AI 도구를 개발할 때, 우리는 빠르고 정확한 데이터를 대규모로 제공할 수 있으며, 이는 편향을 줄이고, 다양성을 증가시키고, 환자 개인 정보를 보호합니다. 우리는 후원자에게 정확한 데이터를 càng 빠르게 제공할수록, 그것은 их 수익성과 궁극적으로 환자 결과에 더 큰 영향을 미칩니다.

AI 모델은 때때로 데이터에 내재된 편향을 반영할 수 있습니다. Clario는 임상 시험에서 공정하고 편향되지 않은 데이터 분석을 보장하기 위해 어떤 조치를 취합니까?

우리는 편향이 발생할 때, 교육 데이터 세트가 의도된 용도에 너무 제한적임을 압니다. 초기에 데이터 세트는 충분해 보일 수 있지만, 최종 사용자가 도구를 사용하고 AI를 예상치 못한 방식으로 사용할 때, 오류가 발생할 수 있습니다. Clario의 Chief Medical Officer인 Dr. Todd Rudo는 종종 이 예를 사용합니다. 우리는 전기 心電図(ECG)에서 리드 배치가 올바른지 확인하는 모델을 교육할 수 있습니다. 우리는 훌륭한 데이터가 있으므로 100,000개의 ECG에 대한 모델을 교육할 수 있습니다. 그러나 만약 우리가 모델을 교육하기 위해 성인 테스트 데이터만 사용한다면, 2세의 환자에게 대한 ECG를 수행할 때 모델은 어떻게 반응할까요? 명백히 그것은 치료에 영향을 미치는 오류를 놓칠 수 있습니다.

그것은 우리가 Clario에서 제품, 데이터, 연구 개발, 과학 팀이 모두 협력하여 실제 적용에서 정확성과 신뢰성을 보장하기 위해 알고리즘을 교육하기 위해 가장 포괄적인 교육 데이터를 사용하도록 하는 이유입니다. 또한 우리는 위험을 완화하기 위해 인간의 감시를 사용하는 이유입니다.

Clario의 인간 감시 및 모니터링 프로세스는 어떻게 AI 출력과 규제 준수 및 윤리 기준을 보장하기 위해 통합됩니까?

인간 감시는 우리가 모델을 개발하고, 교육하고, 검증하는 방식에 대해 알고 있는 인간 팀이 있다는 것을 의미합니다. 모델을 개발하고 통합한 후에도, 우리의 전문가들은 잠재적인 편향을检测하고 출력이 공정하고 신뢰할 수 있는지 확인하기 위해 출력을 모니터링합니다.私は AI는 과학과 인간의 지성을 보완하는 것입니다. AI는 인간이 더 높은 수준의 도전을 해결할 수 있는 능력을 제공합니다. 우리는 아직도 문제를 해결하고, 직관과 미묘한 차이를 다루는 것에서 훨씬 더 좋습니다. Clario에서 우리는 AI를 반복 가능한 것들의 부담을 제거하기 위해 사용합니다. 우리는 환자 이미지, 이전 임상 시험 또는 분석하려는 다른 모든 것과 같은 광범위한 데이터 세트를 분석하기 위해 사용합니다. 일반적으로 기계는 그것을 인간보다 더 빠르고,บาง 경우에는 더 잘할 수 있습니다. 그러나 기계는 인간의 직관과 우리 산업에 있는 훌륭한 사람들의 과학 및 실제 경험을 대체할 수 없습니다.

향후 몇 년 동안, 특히 종양학, 심장학, 호흡기学과 같은 분야에서 임상 시험에 미치는 AI의 영향에 대해 어떻게 예상합니까?

종양학에서私は 적용된 AI를 종양학에서 발전시키는 것에 대해 흥미를 가지고 있습니다. 이는 의료 영상에서 정량적 지표를 추출하는 것을 포함합니다. 이는 영상 획득, 영상 전처리, 특징 추출, 모델 개발, 검증 및 임상 적용의 여러 단계를 포함합니다. 점점 더 발전된 AI를 사용하여 우리는 종양의 행동을 예측하고, 치료 반응을 맞추고, 비침습적 종양 영상으로 질병의 초기 징후를檢出하고, 질병의 재발을檢出할 수 있습니다. 더욱 발전된 AI 도구가 종양학 및 임상 워크플로에 통합됨에 따라, 우리는 종양학 및 환자 관리에서 큰 발전을 기대할 수 있습니다.

私は 또한 호흡기학에 대한 미래에 대해 흥미를 가지고 있습니다. 작년에 우리는 ArtiQ라는 벨기에 회사인 호흡기 데이터를 임상 시험에서 개선하기 위해 AI 모델을 구축한 회사를 인수했습니다. 그들의 설립자는 지금 내 AI 책임자이며, 우리는 호흡기 솔루션에서 큰 기대를 가지고 있습니다. 알고리즘 적용에 대한 우리의 접근 방식은 환자와 사이트의 부담을 줄이는 데 도움이 되는 게임 체인저가 되었습니다. 호흡기 데이터가 실시간으로 분석되지 않고, 비정상이 나중에檢出되는 경우, 환자는 임상 시험 사이트에 다시 방문해야 할 수 있습니다. 이것은 환자에게 스트레스를 추가로 주며, 임상 시험 후원자에게 추가 비용과 다양한 운영적인 도전에 대해 발생할 수 있습니다. 우리의 새로운 호흡기 측정 장치는 ArtiQ 모델을 사용하여 이러한 부담을 줄입니다. 즉, 문제가 발생하면 즉시檢出되고 해결할 수 있습니다.

마지막으로, 우리는 다양한 치료 분야에 영향을 미치는 도구를 개발하고 있습니다. 곧, 예를 들어, 전자 임상 결과 평가(eCOA)에서 AI가 더욱 가치를 제공할 것입니다. 우리는 환자가 경험하는 미묘한 변화를 捕获하고 측정할 수 있는 AI 모델을 볼 수 있을 것입니다. 이러한 기술은 많은 연구자를 도와줄 것입니다. 예를 들어, 알츠하이머 연구자는 환자가 질병의 어느 단계에 있는지 이해할 수 있습니다. 이러한 지식으로, 약물의 효능을 더 잘 평가할 수 있으며, 환자와 그들의 간호자는 질병을 관리하기 위해 더 잘 준비할 수 있습니다.

AI는 임상 시험에서 다양성을 확대하고 환자 인구 전체에서 건강 불평등을 개선하는 데 어떤 역할을 할 것으로 생각합니까?

AI를 기술적인 관점에서만 본다면,私は 문제가 발생할 수 있다고 생각합니다. AI는 모든 관점에서 접근해야 합니다. 즉, 기술, 과학, 규제 등입니다. 우리 산업에서真正한 우수성은 인간의 협력을 통해 달성됩니다. 즉, “우리는 모델을 교육하기 위해 연령, 성별, 성, 인종 및 민족성을 고려하는지 확인하는가?”와 같은 질문을 하는 것입니다. 우리 산업의 모든 사람이 이러한 유형의 질문을 하는 경우, AI는 단지 약물 개발을 가속화할 뿐만 아니라, 모든 환자 인구에게 가속화할 것입니다.

Clario는 임상 시험 부문에서 AI의 발전에 대한 계획이나 예측을 2025년 및 그 이후에 대해 공유할 수 있습니까?

2025년에는 바이오 제약이 이전과는 달리 AI와 실시간 분석을 활용할 것입니다. 이러한 발전은 임상 시험을 간소화하고 의사 결정 능력을 향상시킬 것입니다. 연구 빌드를 가속화하고 위험 기반 모니터링을 구현함으로써, 우리는 타임라인을 가속화하고 환자의 부담을 줄이고, 후원자가 더 정확하고 효율적으로 생명 유지 치료를 제공할 수 있도록 할 것입니다. 이는 우리 모두에게 흥미로운 시기입니다. 우리는 함께 의료를変革하기 위해 일하고 있습니다.

위대한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 Clario를 방문할 수 있습니다.