Ed Chidsey, President van Inovalon’s Insights Business Unit – Interview Series

Ed Chidsey, President van Inovalon’s Insights Business Unit, brengt een brede achtergrond in financiële data, analytics en strategisch advies met zich mee — meest recentelijk als Senior Vice President bij S&P Global Market Intelligence, waar hij een dataplatform en analyticsbedrijf met 2.000 medewerkers leidde, en eerder als private-equity-adviseur, bestuurslid van PeerNova Inc. en beperkt vennoot bij Mendoza Ventures.

Inovalon, is een Amerikaans technologiebedrijf dat cloudgebaseerde software en data-analyseoplossingen levert aan de gezondheidszorgindustrie. Met zijn vlaggenschip, het Inovalon ONE^® Platform, agreggeert en analyseert het bedrijf massive, real-world klinische en claimsdata — omvattende honderden miljoenen levens — om gezondheidsplannen, zorgverleners, apotheken en levenswetenschappelijke organisaties te ondersteunen bij het verbeteren van klinische resultaten, zorgkwaliteit, risicoscore, betalingsintegriteit en operationele efficiëntie.

U hebt een lange carrière achter de rug, die S&P Global, IHS Markit en nu Inovalon omvat. Wat was de enige meest vormende rol of ervaring die u ertoe bracht om u te concentreren op real-world data (RWD) en analytics in de gezondheidszorg, en hoe heeft dat uw visie gevormd voor het leiden van de Insights Business Unit bij Inovalon?

Ik heb het grootste deel van mijn carrière besteed aan het opbouwen, runnen en schalen van dataplatforms en analyticsbedrijven, voornamelijk in de financiële dienstverlening, vaak beginnend met kleine bedrijven en aanzienlijke groei realiserend door een combinatie van organische en anorganische strategieën. Na meer dan drie decennia in de financiële industrie, was ik op een punt gekomen waarop ik moest pauzeren en resetten. Ik was al lang in die wereld en hoewel ik het werk leuk vond, begon de omgeving minder vervullend te voelen. Dus, begin 2024, besloot ik om even weg te gaan.

Die jaar pauze was enorm grondend. Ik bracht meer tijd door met mijn gezin, sloot me aan bij een corporate en een non-profit bestuur, en raakte op een onverwachte manier meer betrokken bij mijn kerk. Deze wending gaf me de kans om me te concentreren op balans, gemeenschap en doel op een manier die ik al lang niet had gedaan. Aan het einde van het jaar, realiseerde ik me dat ik nog veel energie en passie had voor het leiden van teams en het opbouwen van bedrijven, maar ik wilde dat werk meer persoonlijk en zinvol maken.

Toen Adam Kansler, de CEO van Inovalon, contact met me opnam om me meer over het bedrijf te vertellen, was de timing gunstig. Ik werkte nauw samen met Adam voor veel jaren en heb enorm veel respect voor hem als leider. Hij beschreef Inovalon als een toonaangevende leverancier van dataplatforms en oplossingen die de gezondheidszorg empoweren en die werkt met verzekeraars, zorgverleners, apotheken en levenswetenschappelijke bedrijven, en merkte op dat het bedrijf op zoek was naar een nieuwe persoon om zijn Insights Business Unit te leiden.

Voordat ik met Adam sprak, had ik nooit echt overwogen dat ik mijn achtergrond in data en analytics kon inzetten in de gezondheidszorg. Echter, hoe meer ik leerde, hoe meer het resoneerde. Gezondheidsdata is zeer tastbaar omdat het ons op echte manieren kan beïnvloeden. Het idee om dezelfde analytische rigor en schaal die ik in de financiële dienstverlening had ontwikkeld, in te zetten om de kwaliteit en resultaten van de gezondheidszorg te verbeteren, was enorm aantrekkelijk. Dat gevoel van doel is wat me hierheen bracht en het blijft mijn leiderschap van de Insights Business Unit vormen, waarbij ik data, technologie en mensen samenbreng om een meetbare impact te maken in de gezondheidszorg.

Hoe ziet u Inovalon’s stap om zijn geavanceerde analytics en primaire bron RWD beschikbaar te stellen op Snowflake’s AI Data Cloud de competitieve dynamiek in de gezondheidszorg en levenswetenschappen veranderen?

Ik zou het meer zien als een strategische stap om klanten te ontmoeten waar ze zijn, in plaats van noodzakelijkerwijs de competitieve dynamiek te veranderen. In mijn mening was het cruciaal dat we ervoor zorgen dat klanten toegang hebben tot onze data en resources op de platforms waar ze ze willen consumeren op een moderne, flexibele en toegankelijke manier. Met dit, wisten we dat steeds meer van onze klanten naar platforms zoals Snowflake migreerden, dus was het belangrijk voor ons om hen daar te ontmoeten, waar ze onze data wilden consumeren.

Wat onderscheidt Inovalon’s RWD-aanbod, zoals het MORE² Registry, van andere real-world data-platforms in termen van kwaliteit, diepte, actualiteit of schaal?

Wat ons RWD-aanbod onderscheidt, inclusief het MORE² Registry, is onze primaire brondata. We verzamelen deze data rechtstreeks vanuit diverse entiteiten in de gezondheidszorg, zoals zorgverzekeraars of zorgverleners, en dit geeft ons een holistisch beeld van de zorgreizen van patiënten, waardoor we inzichten kunnen extrapoleren die ondersteuning bieden bij besluitvorming in de gezondheidszorg.

Terwijl de breedte van de data die we hebben op zich al een opvallende differentiator is, is de geschiedenis en consistentie achter deze data echt opmerkelijk. Door onze partnership met Snowflake, kunnen onze klanten nu onze longitudinale datasets van grote, hoge kwaliteit RWD snel en veilig toegang geven, een functionaliteit die traditioneel werd verhinderd door gefragmenteerde systemen en complexe handmatige dataprocessen. Voor levenswetenschappelijke en biopharmaceutische bedrijven is het hebben van vertrouwen dat hun partner data levert die consistent en betrouwbaar is voor besluitvorming, absoluut cruciaal voor de patiënten die ze dienen. Die basis is de hoeksteen van ons RWD-aanbod, dat we blijven uitbreiden in omvang en het soort inzichten dat we kunnen genereren.

Wat zijn de belangrijkste technische of governance-uitdagingen bij het koppelen of integreren van datasets vanuit diverse bronnen om comprehensive real-world evidence te bouwen?

Het begint met het erkennen van de basis van onze data, die terugkomt op interacties tussen een patiënt en zijn zorgverlener, apotheek en verzekeraar. Vaak zijn deze interacties persoonlijk en ontstaan uit impactvolle contactpunten in hun eigen zorg. Dit maakt het essentieel om een vertrouwd bewaarder van onze data te zijn en vereist dat we sterke governance rondom deze data hebben. We nemen deze verantwoordelijkheid zeer serieus bij Inovalon, vooral als het gaat om hoe RWD voedt in real-world evidence-processen. Hoe we kiezen om onze data te beheren, te beschermen en te gebruiken, definieert onze geloofwaardigheid en het vertrouwen dat we houden met onze partners in de gezondheidszorg.

Een van de grootste uitdagingen die we tegenkomen, is het balanceren van dataplatformgebruik en -privacy. Als de focus uitsluitend op privacy ligt, verlies je de mogelijkheid om volledig te analyseren en waarde te extraheren uit de data. Echter, als de focus alleen op analyse ligt, loop je het risico om tekort te schieten in je ethische of regulatorische verplichtingen jegens patiënten en families. Deze moeilijke balans is niet alleen een technische uitdaging, maar ook een governance-uitdaging. We moeten constant overwegen wat we kunnen doen, wat we moeten doen en wat we niet kunnen doen om de data die we hebben te beschermen, terwijl we tegelijkertijd de waarde en impact ervan op de bredere gezondheidszorg maximaliseren.

Vanuit een technisch perspectief is een andere grote uitdaging de koppeling. Hoe diep of breed een enkele dataset ook is, het is nooit genoeg op zichzelf. De mogelijkheid om datasets van meerdere bronnen te verbinden, is kritiek, en we prioriteren dit elke dag in ons werk met diverse partners.

Uiteindelijk is governance over het vinden van de juiste balans tussen het beschermen van de data op de juiste manier en het maximaliseren van de waarde en impact ervan voor het grotere goed. Dat is niet altijd gemakkelijk, vooral wanneer sommige regelgevingen, hoewel goedbedoeld, innovatie kunnen belemmeren of de potentiële voordelen die we kunnen bieden aan patiënten en de bredere gezondheidszorg kunnen beperken. Onze rol is om zorgvuldige bewaarders van data te zijn, te opereren binnen de grenzen van leveranciersovereenkomsten en regelgeving, en verantwoorde manieren te vinden om te innoveren.

Tenslotte is er een structurele uitdaging met de gezondheidszorg die sterk gefragmenteerd is. Voor een klant om alle benodigde data te krijgen, is het vaak nodig om data van meerdere datasets te trekken en data te koppelen over verschillende zorgpunten, met veel tussenpersonen ertussen. In vergelijking met industrieën zoals financiële dienstverlening, loopt de gezondheidszorg jaren, zo niet decennia, achter in termen van data-integratie en -interoperabiliteit. Echter, dit is ook een enorme kans voor Inovalon. Als we kunnen blijven innoveren in hoe data wordt verbonden, beschikbaar gemaakt en creatief gebruikt, kunnen we veel innovatievere analytics en oplossingen bieden die uiteindelijk patiënten ten goede komen.

Hoe balanseert u privacy, regulatorische naleving en innovatie bij het inzetten van AI-modellen op gevoelige gezondheidsdata?

De manier waarop ik over AI denk, is dat het uiteindelijk gaat over het vervangen of verbeteren van wat theoretisch vandaag kan worden gedaan, maar dan sneller, slimmer en geavanceerder. Wanneer een klant een AI-model op onze data wil inzetten, is dat iets wat we moeten omarmen. Net als bij elk gebruik van onze data, zijn er voorwaarden en beperkingen die definiëren wat een klant wel en niet kan doen. Deze zijn gebaseerd op onze eigen upstream-permissies, beperkingen en van toepassing zijnde regelgeving. Dat kader verandert niet in de wereld van AI, en we moeten verantwoorde en innovatieve AI-toepassingen zijn. We kunnen niet bang zijn voor AI. We moeten het verantwoord omarmen, want het heeft het potentieel om de gezondheidszorg enorm te verbeteren.

AI vereist zowel historische data om modellen te bouwen als continue data om ze te onderhouden. Vanuit ons perspectief als dataplatform, is dat een sterke positie, omdat zodra een model op onze data is gebouwd, het nog meer ingebed raakt. We moeten elke model benaderen alsof het een klantgeval is, waarbij we ervoor zorgen dat het correct is gelicentieerd en beheerd. Het gevoeligste deel van AI, vooral in de gezondheidszorg, is ervoor zorgen dat er altijd een mens in de lus zit wanneer zorg wordt verleend. Dat is een veel groter onderwerp, en een waar veel mensen over discussiëren.

Vanuit een RWD-perspectief zijn we nog in de vroege stadia. AI heeft nog niet veel baanbrekende resultaten behaald in de gezondheidszorg, vooral wanneer we ons focussen op RWD-gevallen. We onderzoeken een aantal kansen, waaronder machine learning-gebaseerde extractie uit klinische notities, wat een meer fundamentele toepassing van AI is. Daarbuiten kijken we naar AI-gebruik in klinische proeftoepassingen en ziekteprogressie en voorspelbaarheid. We zijn aan het begin van deze reis, maar het potentieel is enorm. Bij Inovalon zijn we gefocust op het waarborgen dat we de hoogste kwaliteit data hebben die verantwoord kan worden gebruikt in combinatie met AI, met sterke governance en menselijke toezicht, terwijl we ons voorbereiden om de impact te schalen zodra de technologie en het ecosysteem volwassener zijn.

Wat zijn de meest voorkomende zorgen die u van klanten hoort over het adopteren van AI en RWD-gedreven analytics in de gezondheidszorg, en hoe reageert u daarop?

De meest voorkomende zorgen die ik hoor, zijn datakwaliteit en permissies om onze data te gebruiken om hun eigen AI-modellen te trainen. Voor datakwaliteit, met AI, ‘garbage in, garbage out’ is waar. Als de datakwaliteit slecht is, betekent dat dat de data niet schoon is of dat er misschien niet genoeg data is, dan zal de output niet erg waardevol zijn. Onze klanten verwachten consistente, accurate en betrouwbare data. Gezien de enorme volumes die we beheren, was een van mijn eerste prioriteiten ervoor zorgen dat de datakwaliteit overal goed was. We hebben hard gewerkt om de data te zuiveren, te dedupliceren, te normaliseren, te standaardiseren en downstream te leveren. Het nemen van eigenaarschap van de datakwaliteit helpt ook door de consistentie en betrouwbaarheid van onze datasets te verbeteren, wat ons in staat stelt meer te leveren binnen onze traditionele data-analyseaanbod, evenals analytics gebaseerd op AI.

De tweede overweging heeft betrekking op hoe onze data kan worden gebruikt om AI-modelontwikkeling te ondersteunen. Als een dataplatform, is het belangrijk dat we deze opkomende use-cases verantwoord mogelijk maken. Gezien de snelle evolutie van het data- en AI-landschap, hebben we onze aanpak aangepast om dit op een verantwoorde manier te doen, ondersteund door sterke governance, duidelijke gebruiksvoorwaarden en gedefinieerde waarborgen. Deze evolutie machtigt onze klanten om met vertrouwen te innoveren met AI, terwijl we ervoor zorgen dat verantwoorde, compliant en ethische datapraktijken worden gehandhaafd.

Hoe meet u succes of ROI voor klanten die uw platform en analytics adopteren, en welke metrics zijn voor hen het meest belangrijk?

We meten succes door de echte impact die ons platform en analytics hebben op de operationele en klinische resultaten van onze klanten. Dit kan een variëteit aan succesmetingen omvatten, afhankelijk van de klant, zoals het verbeteren van CMS Star Ratings in Medicare Advantage, het optimaliseren van risicoaanpassing of het genereren van actiegerichte real-world evidence voor levenswetenschappelijke bedrijven. De gemeenschappelijke draad is dat inzichten tijdig, betrouwbaar en actiegericht moeten zijn.

Voor metrics, kunnen klanten, afhankelijk van waar ze vallen in de gezondheidszorg, zich richten op aspecten zoals kwaliteitsverbeteringen, reductie van gaten in de zorg, betere naleving van behandelingprotocol of meetbare kosten- of utilisatieverbeteringen. Klanten realiseren ROI wanneer onze analytics hen helpen om geïnformeerde beslissingen te nemen die patiëntresultaten, operationele efficiëntie en/of strategische prestaties verbeteren.

Kijkend naar de toekomst, 5 jaar vooruit, hoe verwacht u dat AI en RWD zullen evolueren in de gezondheidszorg en levenswetenschappen, en wat ziet u als de volgende frontier?

Over vijf jaar kan de gezondheidszorg eruitzien als iets wat geen van ons nu herkent, maar het is onmogelijk om te voorspellen hoe snel de industrie zal evolueren. Het enige dat zeker is, is dat het transformerend zal zijn. Terwijl de innovatiesnelheid buitengewoon is, blijft de vooruitgang beperkt door fragmentatie in de gezondheidszorg, die labs, apotheken en elektronische gezondheidsdossiers omvat, waar weinig organisaties in staat zijn om deze datapunten echt met elkaar te verbinden.

Terwijl het een beperkende factor kan zijn, als data kan worden gekoppeld en longitudinaal gecreëerd op een genormaliseerde en gestandaardiseerde manier, denk ik dat alles mogelijk is. AI zal steeds meer ondersteunen, van klinische besluitvorming tot hoe levenswetenschappelijke organisaties klinische proeven benaderen. In de komende vijf jaar zullen we meer automatisering zien, verbeterd gebruik van predictieve analytics en meer connectiviteit die organisaties toegang geeft tot de inzichten die ze nodig hebben in real-time, allemaal met het potentieel om patiëntenreizen en gezondheidszorgoperaties als geheel te transformeren.

Voor organisaties die net beginnen met het integreren van AI met real-world data, welk drietal adviezen zou u geven?

Ten eerste en vooral, richt u zich op de data en zorg ervoor dat u constant de kwaliteit van uw data beoordeelt. Ten tweede, benut het denkvermogen van uw medewerkers. De realiteit is dat de beste ideeën kunnen komen van elk niveau van de organisatie, vooral van jongere generaties die de arbeidsmarkt betreden en die data, AI en technologie hebben meegekregen. Leiders moeten manieren vinden om de ideeën en innovaties die diep in de organisatie zitten, te benutten en create a platform for these perspectives to be heard and harvested. Third, hire the right people. Without the right people and technical talent, innovating at pace, creating value and staying competitive will be nearly impossible.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen Inovalon bezoeken.