Tony Hogben, Pfizer Digital Omnichannel Services & Solutions (OSS)의 Immersive Studio 리드 – 인터뷰 시리즈

Tony Hogben은 Pfizer (PFE ) Digital Omnichannel Services & Solutions (OSS)의 Immersive Studio 리드입니다. Pfizer Digital Omnichannel Services & Solutions (OSS)는 파이저가 환자, 의료 제공자 및 전문가와 연결하는 방식을 혁신적으로 변革하고 있습니다. 혁신적인 디지털 전략, 최첨단 기술, 데이터 기반 통찰력을 통해 OSS는 무결점하고, 개인화된 경험을 제공합니다. 고급 분석, 자동화, AI 기반 솔루션을 통합함으로써 팀은 참여도를 향상시키고, 의사소통을 최적화하며, 모든 디지털 터치 포인트에서 의미 있는 연결을 구축합니다.

디지털 혁신과 몰입형 기술 분야에서 광범위한 경력을 가지고 계신데, 이 분야에 관심을 가지게 된 계기는 무엇인가요? 그리고 어떻게 해서 현재의 역할에 오게 되셨나요?

私の 경로는 조금 비정상적입니다. 21세기 초에 ‘뉴 미디어’ 학위를 취득한 후,私は自分の 디지털 에이전시를 설립하고 운영했습니다. Web 2.0의 등장 시기에 일하는 것은本当に 흥奮했습니다. 우리는 SAAS 솔루션과 초기 모바일 애플리케이션을 개발하는 선구자였습니다. 그 환경에서는 혁신이 단순한流行语가 아니라 우리의 일상적인 현실이었습니다. 모든 프로젝트는 새로운 지평을 열었고, 기업가적 에너지는 감染적이었습니다.

제 비즈니스를 전염병 이전에 성공적으로 매각한 후,私は 처음에는 휴식을 즐기었지만, 곧 새로운 도전이 필요하다는 것을 깨달았습니다. Pfizer Digital에 합류함으로써私は 창의적인 비전과 기술적 능력을 결합할 수 있게 되었습니다. 거의 2십년간의 디지털 변革 경험을 바탕으로 조직을 지원할 수 있게 되었습니다.

Immersive Studio를 처음부터 구축하는 것은 특히 보람있었습니다. 회사의 여러 팀이 몰입형 및 상호작용 기술을 활용할 수 있는 내부 혁신 허브를 만들었습니다. 현재私は 여러 부서와 사용 사례에 걸친 AI 솔루션 통합을 주도하는 팀의 일원입니다. 팀은 워크플로우와 능력을 재상상하는 것을 도와줍니다.

의료 분야로 전환한 것이 가장 보람있는 것은 기술과 인간 경험의 교차점에 대한私の 열정을 적용할 수 있는 환경에서 일할 수 있다는 것입니다. 여기서 우리는 몰입형 기술을 통해 창조하는 정밀도, 현실성, 참여도가 직접적으로 의료 전문가 교육과 궁극적으로 환자 결과에 영향을 미칩니다. 기술 혁신과 인간 복지 사이의 이 연결이 나를 매일 동기부여합니다.

의료 훈련은 AI 기반 시뮬레이션으로 변하고 있습니다. 이러한 AI 기반 몰입형 경험은 전통적인 훈련 방법과 비교하여 효과성과 접근성 측면에서 어떻게 비교되나요?

먼저 몰입형 경험에 대해 논의하고 나서 AI가 이 풍경을 어떻게変革하고 있는지 살펴보겠습니다.

몰입형 훈련 경험은 전통적인 방법이 따라올 수 없는 유연성을 제공하여 의료 교육을 근본적으로変革합니다. 학습자는 복잡한 시나리오를 거의どこ에서든지, 자신의 속도에 따라, 그리고 필요한 만큼 다시 방문할 수 있습니다. 증거는 설득력 있습니다. 몰입형 학습의 지식 보유율은 전통적인 훈련 방법보다 76% 더 높습니다*.

AI는 현재 이러한 몰입형 경험을 4가지 중요한 방식으로 혁신하고 있습니다.

콘텐츠 생성에서, AI는 고신뢰도 시뮬레이션 개발을 민주화하고 있습니다. 한때 수개월간의 전문 개발자 팀이 필요한 작업을 이제 더 적은 사람들에 의해 더 빠르게 완료할 수 있습니다. 이것은 개발 잠재력을 해방시키고 대규모 콘텐츠 생성을 가능하게 할 것입니다.

학습자 경험에서, AI는 실시간에 시나리오를 동적으로 조정하여 의사결정과 기술 수준에 따라 시나리오를 조정하여 실제 임상 환경의 불확실성을 더 잘 반영하는 진정한 도전을 만듭니다.

피드백 측면에서, AI는 단순한 통과/실패 지표를 넘어서서 세부적인 평가를 제공합니다. 학습자의 동작, 의사결정 시퀀스를 분석하고 이전 수천 개의 세션과 비교하여 개인화된 코칭을 제공할 수 있습니다.

마지막으로, AI는 자연어 처리와 지능형 아바타를 통해 협력적인 학습을 가능하게 합니다. 이러한 아바타는 실제 환자와 팀 상호작용을 시뮬레이션합니다.

접근성에 대한 영향은 심오합니다. AI 기반 몰입형 경험은 광범위하게 배포될 수 있으며, 특히 저개발 지역에서 고품질 의료 훈련에 대한 접근성을民主化할 수 있습니다. 몰입형 기술과 AI의 이 강력한 조합은 의료 훈련에 대한 접근성을 민주화할 잠재력을 가지고 있습니다.

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

AI 기반 의료 시뮬레이션은 귀사의 회사에서 어떻게 개발되고 있나요? 이러한 고신뢰도 시뮬레이션을 구축하는 데 가장 큰 도전은 무엇인가요?

우리는 AI를 통합하는 초기 단계에 있습니다. 우리는 어디로 향하고 있는지에 대한 명확한 비전을 가지고 있지만, 우리가 일하는 규제된 의료 분야에서는 방법적인 구현과 엄격한 검증이 필요합니다. 이것은 우리가 빠르게 혁신하고 싶은 욕망과 신중하게 진행해야 하는 의무 사이에서 긴장을 창조합니다.

현재 우리는 AI 노력을 세 가지 주요 영역에 집중하고 있습니다:

1. 콘텐츠 생성 가속: 우리는 콘텐츠 개발 파이프라인을 강화하기 위해 AI를 사용하고 있습니다. 이는 의료 및 교육 설계 팀이 증거 기반 시나리오, 임상 변이, 및 환자 모델의 생산을 확대하는 데 도움이 됩니다.
2. 기술 개발 가속: 우리는 기술 개발 프로세스를 간소화하기 위해 AI를 활용하고 있습니다. 이는 새로운 시뮬레이션 기능 및 능력의 더 빠른 프로토 타이핑, 테스트, 및 배포를 가능하게 합니다.
3. 학습자 적응 경험: 우리는 시뮬레이션에 AI를 통합하여 더 동적이고 반응적인 학습 환경을 만들고 있습니다. 이는 개인화된 피드백 시스템 및 학습자 성과 패턴에 따라 적응되는 난이도 조정을 포함합니다.

이 도메인의 진행은 인내가 필요하지만, 궁극적으로 의료 훈련과 환자 결과를 변革할 AI 혁신에 대한 우리의 흥분을 느낄 수 있습니다.

360도 경험, 가상 실험실은 의료 전문가를 훈련시키는 혁신적인 접근방식입니다. 어떻게 작동하며, 사용자로부터 지금까지 어떤 피드백을 받았나요?

360도 가상 실험실은 의료 전문가가 실제 실험실 환경을 탐험하고, 의료 장비와 상호작용하며, 절차를 연습하고, 실제 도전을 해결할 수 있는 완전히 몰입형 디지털 공간을 제공합니다.

가상 실험실은 실제 실험실 투어를 보완하기 위해 설계되었습니다. 우리는 물리적 실험실 방문이 복잡한 로직과 스케줄링 제한을 포함한다는 것을 인식했습니다. 따라서 우리는 24/7 어디서나 접근할 수 있는 디지털 대안을 만들었습니다.

의료 전문가들은詳細하고 상호작용하는 시뮬레이션을 통해 실험실 절차에 대한 지식과 이해를 향상시킵니다. 플랫폼은 여러 장치에서 작동하도록 설계되어 학습이 어디서나 일어날 수 있도록 합니다. 우리는 여러 의료 조건에 대한 가상 실험실을 제공하고 글로벌 교육 요구를 지원하기 위해 이러한 경험을 많은 언어로 번역했습니다.

피드백은 압도적으로 긍정적입니다. 사용자들은 일관되게 세 가지 측면을 칭찬합니다:

1. 현실성: 고신뢰도 환경은 실제 작동하는 실험실에서 존재하는 실제적인 감각을 창조합니다
2. 참여도: 상호작용 요소는 학습 경험 전체에서 관심과 집중을 유지합니다
3. 유연성: 훈련에 접근할 수 있는 능력은 언제든지, 어디서든지 가능합니다

가장 중요한 것은, 의료 전문가들이 전통적인 훈련 방법보다 더 자신감을 가지고 기술을 습득하며, 정보를 더 잘 기억한다고 보고합니다. 이는 실제 상황에서 더 나은 환자 치료로 직접적으로 번역됩니다.

AI와 몰입형 기술은 훈련을 더 접근하기 쉽게 만들 수 있지만, 규제적 우려, 채택 주저함, 또는 기술적 제한과 같은 장벽이 있나요?

의료 훈련에서 새로운 기술을 구현할 때, 장벽은 몰입형 경험과 AI 응용 프로그램 사이에서 크게 다릅니다.

몰입형 기술의 주요 도전은 다음과 같습니다:

• 개발 비용: 고신뢰도 몰입형 경험을 만들기는 전통적으로 비용이 많이 듭니다. 그러나 AI는 실제로 콘텐츠 생성을 가속화하고 생산 시간을 줄임으로써 이 문제를 해결하는 데 도움이 됩니다.
• 접근성: 우리는 몰입형 훈련이 여러 플랫폼에서 작동하도록 개발함으로써 접근성을 보장합니다. 가상 실험실은 다양한 장치에서 작동하는 것을 보여줍니다. 이 접근 방식은 학습자가 기술 설정에 관계없이 참여할 수 있도록 합니다.
• 채택 주저함: 이것은 아마도 우리가 직면하는 가장 지속적인 도전입니다. 특히 경험이 풍부한 의료 전문가들 사이에서 그렇습니다. 우리의 전략은渐進的な 노출입니다. 공간 학습 개념을 소개하지 않고 익숙한 형식으로 시작하여, 더 복잡한 기술로 진행하는 것입니다. 이것은 몰입형 개념에 대한 편안함을 구축하고, 기술의 학습 곡선을 완화합니다.

AI 통합의 경우, 우리는 다른 장벽에 직면합니다:

• 기술적 제한: 우리는 이러한 기술적 제한을 해결하기 위해 노력하고 있으며, 향후 개발을 위한 견고한 플랫폼과 접근 방식을 구축하고 있습니다.
• 규제적 우려: 이것은 우리에게 가장 큰 도전입니다. 규제 기관은 의료 교육에서 AI 생성 콘텐츠의 정확성과 유효성에 대한 합리적인 질문을 가지고 있습니다. 우리의 접근 방식은 내부 사용 사례를 먼저 개발하여, 규제 팀과 건설적으로 참여할 수 있는 구체적인 예를 만드는 것입니다. 우리는 규제 팀의 이해를 지원하는 동시에 책임 있는 혁신을 위한 적절한 가이드를 공동으로 개발해야 합니다.

이러한 장벽을 체계적으로 해결함으로써, 우리는 의료 교육에서 책임 있는 혁신을 위한 경로를 창조하고 있습니다.

AI가 실시간 환자 치료에서보다 적극적인 역할을 맡게 될 수 있는 시점이 올까요? 지금은 단순히 지원 도구로서의 역할을 넘어서는 것이죠.

이것은 조금私の 전문 분야를 벗어나는 질문이지만, 이미 AI가 의료 분야에서 지원 도구를 넘어서는 역할을 하고 있음을 볼 수 있습니다. 예를 들어, AI 지원 진단과 실시간 수술 가이드가 있습니다. 향후 5년 안에, AI가 환자 치료에서 훨씬 더 적극적인 역할을 맡게 될 것으로 예상합니다. 그러나 완전히 인간을 대체하는 것은 아닙니다. 대신, AI는 “인간-루프” 프레임워크에서 의료 전문가와 함께 작동하여 지원을 제공할 것입니다. 그러나 최종 결정은 환자 안전을 보장하기 위해 인간에 의해 이루어질 것입니다. AI는 의사결정을 향상시키지만, 인간의 판단은 필수적입니다.

의료 전문가보다 특정 작업에서 AI 생성 의료 통찰력이 더 나은 성과를 낼 수 있는 세계에서, 의료 산업은 이러한 전환에 어떻게 준비해야 하나요?

기술적 변혁마다, 우리는 작업 배치가 아니라 사람의 대체를 보게 됩니다. 의료 산업은 AI를 전문가의 대체물이 아니라 협력자로 재구성해야 합니다. 이는 단순한 방정식입니다. 인간 + AI는 인간이나 AI만으로는 불가능한 것을 달성할 수 있습니다.

이 변화는渐進적이고 작업별로 발생할 것입니다. 아마도 이미지 기반 진단, 병理학적 스크리닝, 및 예측 분석과 같은 분야에서 시작될 것입니다. 이러한 분야에서는 패턴 인식이 대규모에서 AI에게 자연적인优势를 제공합니다. 더 복잡한 임상적 판단은 향후 예측 가능한 미래에 인간이 주도할 것입니다.

우리는 작은, 표적적인 작업에서 시작해야 합니다. 즉시적인 가치를 제공하는 작업에서 시작해야 합니다. 대형, 일괄적인 솔루션의 전통적인 접근 방식이 아니라, 이러한 접근 방식은 임상가와 환자가 AI의 능력에 대한 신뢰를 시간의 경과에 따라 구축할 수 있도록 합니다.

변화를 저항하기보다는, 의료 산업은 의료 생태계에 AI를 통합하는 방식을积極적으로 형성해야 합니다. 이를 통해 인간 요소가 중심이 되는 치료를 강화하는 것이 아니라, 강화하는 것을 보장해야 합니다.

궁극적으로, 모든 조직이 취해야 할 첫 번째 단계는 AI 노출을 민주화하는 것입니다. 직원들에게 개인적인 도전을 주어 AI의 가능성을 눈으로 보게 하십시오. 이미지, 이메일, 또는 프레젠테이션을 만들기 위해 AI 도구를 사용하도록 하십시오. 한 번他們가 그 힘을 직접 경험하면, 그들은 그 열정을 자신의 일상적인 업무에 적용하여 의미 있는 응용 프로그램을 식별할 것입니다. 하향식 혁신은 종종 가장 실용적이고 영향력 있는 솔루션을 생산합니다.

많은 회사들이 파일럿 프로젝트를 넘어서 AI 솔루션을 확대하는 데 어려움을 겪고 있습니다. 귀사는 어떻게 해서 AI를 성공적으로 확대했나요?

私の 경우, 기술 프로젝트를 성공적으로 확대하는 것은 두 가지 중요한 도전에 직면하는 것을 의미합니다: 기술 인프라와 사용자 채택.

의료의 엄격하게 규제된 환경에서, 우리는 어떤 AI 이니셔티브도 확대하기 전에 견고한 기술적 기초를 마련해야 합니다. 우리는 혁신과 환자 안전 요구 사항 사이의 균형을 잡는 보안 및 규제 준수 인프라가 필요합니다.

새로운 기술의 경우, 채택은 종종 확대에 대한 가장 큰 장벽이 됩니다. 우리는 AI를 가능한 한 보이지 않게 만듦으로써 광범위한 채택을 달성했습니다. 예를 들어, 빈 화면과 효과적인 프롬프트를 작성해야 하는 것은 대부분의 사용자에게 상당한 마찰을 생성합니다. 대신, 우리는 사용자가 사전 구성된 버튼을 클릭하거나 AI를 背景에서 활용하는 익숙한 워크플로를 사용할 수 있는 솔루션을 설계했습니다.

우리의 접근 방식은 작은 규모부터 시작하지만, 처음부터 확대를 염두에 두고 구축하는 것입니다. 일회성 솔루션을 만들기보다는, 여러 사용 사례에 걸쳐 확장되고 재사용될 수 있는 모듈식 구성 요소를 설계합니다. 이것은 성공적인 파일럿 프로젝트가 더 넓은 구현을 위한 템플릿이 될 수 있도록 합니다.

귀하는 AI가 의료 분야를 과거에는 科學小說로 여겨졌던 방식으로 변革할 것이라고 생각합니다. 향후 5년 안에 가장 심오한 영향을 미칠 것으로 예상되는 특정 발전은 무엇인가요?

80년대 아이였던私は 1970년대의 Six Million Dollar Man과 Bionic Woman TV 쇼를 기억합니다. 그 쇼는 기술로 물리적으로 강화된 등장인물을 특징으로 했습니다. 그러나 AI의 실제 혁명은 인지적 강화에 있을 것입니다.

향후 5년 안에,私は 다음과 같은 몇 가지 특정 발전이 의료 분야를 근본적으로変革할 것으로 믿습니다:

1. 행정 자동화: 의료 전문가의 시간을大量으로消費하는 현재의 행정 부담이劇的に 감소할 것입니다. 이것은 효율성에 관한 것이 아니라, 환자 상호작용에 인간의 주목을 돌려주는 것입니다.
2. 신약 발견 가속: 치료적 표적을 식별부터 효과적인 치료법을 개발까지의 시간이 몇십년에서 몇 개월 또는 몇 주로 압축될 것입니다. Google의 DeepMind가 만들고 오픈 소스로 제공한 AlphaFold는 단백질 구조에 대한 우리의 이해를 혁명적으로変革했으며, 이전에 몇 년이 걸렸던 것을 몇 일 안에 해결할 수 있게 되었습니다.
3. 정밀 진단의 대규모화: AI 시스템은 광범위한 데이터セット을 통해 패턴 인식을 통해 암, 심혈관 질환, 신경계 질환과 같은 조건의 초기 발견을劇的に 개선할 것입니다.
4. 개인화된 치료: 치료 계획은 개인 환자 데이터에 따라 지속적으로 tinh chỉnh되어, 치료의 효과를 최대화하고, 환자의 치료 참여를增强시킬 것입니다.

이러한 변경의 속도는 놀라울 것입니다. AI 개발은 개의 연령과 같이 가속화되지만, 지수적 가속화와 함께입니다. 우리는 기존 연구와 구현이 50년이 걸렸을 것을 볼 것입니다.

이것은 먼 未来의 科學小說 시나리오가 아닙니다. 이미 초기 형태로 나타나고 있습니다. 未来가 아닙니다. 現在입니다.