Jonathan Kron, CEO van BloodGPT – Interview Series

Jonathan Kron is de CEO van BloodGPT. Hij is een zorgstrategie en ondernemer met 20+ jaar ervaring in het opbouwen en schalen van zorgondernemingen. Voordat hij bij BloodGPT kwam, richtte hij Med24 op, een kliniek in Londen (verhoogde £5M, verlaten in 2022), co-oprichtte PCG, een startup voor zorg thuis in Monaco die $1M+ aan contracten verwierf met een seedbudget van $500K, en heeft digitale zorgondernemingen geadviseerd, waaronder Klarity en LIPS Healthcare over belangrijke fondsenwerving en groei.

BloodGPT is een AI-gepowered platform voor diagnostische laboratoria en klinieken dat naadloos integreert in bestaande workflows, bloedtestresultaten interpreterend in seconden met 99,99% nauwkeurigheid.

U heeft meer dan twee decennia besteed aan het opbouwen en schalen van zorgondernemingen. Wat waren de persoonlijke ervaringen of industriele pijnpunten die u naar BloodGPT leidden?

Ik hoorde voor het eerst over BloodGPT eerder dit jaar van een collega. Het concept resoneerde meteen, zowel persoonlijk als vanuit een zakelijk oogpunt. Ik ben iemand die altijd zijn eigen bloedonderzoeken in spreadsheets heeft bijgehouden, cijfers uit PDF’s en afbeeldingen heeft getrokken, alleen om inconsistenties in eenheden, referentiebereiken en benamingen tegen te komen. Het was omslachtig en vaak onbetrouwbaar. En diep vanbinnen wist ik dat ik niet de enige was die met de frustratie worstelde om rommelige, gefragmenteerde en ontoegankelijke resultaten van een arts, laboratorium of kliniek te ontvangen.

Om die reden was ik binnen dagen na het horen over BloodGPT in gesprek met de oprichters en werd ik vervolgens CSO. Na 20+ jaar ervaring in klinieken, startups en zorgsystemen, wist ik dat dit precies mijn ding was.

BloodGPT lost een aantal pijnpunten op die ik herhaaldelijk heb gezien. Mensen krijgen testresultaten, maar toegang is gefragmenteerd, context gaat verloren en het proces overweldigt al overbelaste professionals. Denk hier eens over na. Bloeddata is een van de rijkste signalen van algehele welzijn, en toch wordt het nog steeds zo weinig gebruikt.

Mijn redenering was dat als we AI en geavanceerde datawetenschap kunnen combineren met sterke kennis over gezondheid, we die informatie in real-time bruikbaar kunnen maken voor iedereen: individuen, zorgprofessionals en hele systemen.

BloodGPT belooft 99,99% nauwkeurigheid bij het interpreteren van bloedtestresultaten en integreert rechtstreeks in bestaande laboratoriumwerkstromen. Kunt u ons door het proces leiden van hoe het platform werd bedacht en de belangrijkste uitdagingen die u tegenkwam bij het naar de markt brengen?

Grappig genoeg begon het allemaal met een buurgesprek. Nikita Udovichenko, een biochemicus en sportvoedingsadviseur, zag steeds hetzelfde probleem in zijn praktijk voordat hij BloodGPT mede-oprichtte. Mensen kregen hun bloedtestrapporten en hadden geen idee wat ze ermee moesten doen. Zijn buurman Vasilii Lazuka, een serie-ondernemer in AI en nu mede-oprichter en CTO, zag het potentieel meteen. Wat begon als een informeel gesprek werd al snel een echt project. Kort daarna sloot AI-productontwikkelingsexpert Nata Savaścienka zich aan als mede-oprichter en CPO, en ik kwam aan boord, waarbij ik samenwerkte met hen en mijn twintig jaar ervaring in het opbouwen van zorg- en dataplatforms benutte.

Vanaf dat moment werd de focus gericht op het bouwen van een systeem dat elke waarde behandelt als verifieerbare data, en niet iets waar een taalmodel naar kan raden. We ontwierpen een multi-laagsarchitectuur die elke biomarker normaliseert naar LOINC-codes — Logische Observatie-Identificatienamen en -Codes, de internationale standaard voor het rapporteren van laboratoriumtests — verifieert elke eenheid met UCUM, de Unified Code for Units of Measure, en altijd verwijst naar de referentiebereiken van het laboratorium zelf.

Uit mijn twintig jaar ervaring met zorgprofessionals weet ik hoe centraal vertrouwen is in deze sector. Daarom hebben we, toen we BloodGPT bouwden, ons gefocust op de moeilijkste uitdagingen, namelijk stabiliteit en vertrouwen. We moeten onthouden dat grote modellen verschillende antwoorden kunnen geven op hetzelfde bestand, datums verkeerd kunnen lezen of bereiken kunnen verzinnen. We hebben het onze missie gemaakt om ervoor te zorgen dat elke output reproduceerbaar en volledig traceerbaar is naar de bron.

Vandaag de dag verbindt het platform zich rechtstreeks met laboratoriumwerkstromen via FHIR-API’s — Fast Healthcare Interoperability Resources, een moderne standaard die het mogelijk maakt om gezondheidsinformatiesystemen veilig en efficiënt te delen. Het werkt ook met legacy-laboratoriuminformatiesystemen, waardoor professionals tijd terugkrijgen en individuen onmiddellijke duidelijkheid krijgen.

Veel patiënten wenden zich nu tot algemene LLM’s voor het interpreteren van laboratoriumresultaten. Wat zijn de risico’s die u ziet in die trend, en hoe biedt BloodGPT een veiliger, betrouwbaarder alternatief?

Algemene taalmodellen zijn niet gebouwd voor laboratoriumdata. Ze kunnen eenheden verkeerd lezen, datums door elkaar halen of referentiewaarden verzinnen, en ze geven niet aan wanneer ze onzeker zijn. Een patiënt kan resultaten plakken en een gepolijst antwoord krijgen dat gewoon verkeerd is. En het engste is dat het zo overtuigend klinkt dat je misschien niet eens denkt om het in twijfel te trekken.

BloodGPT is specifiek getraind en gevalideerd voor pathologie-workflows. Elke waarde is gekoppeld aan LOINC-identificatoren en gecontroleerd op UCUM-maatstafstandnormen, en het platform gebruikt altijd de referentiebereiken van het laboratorium als de uiteindelijke benchmark. Multi-laagsbewakingen traceren elke output terug naar de bron, zodat hetzelfde invoer hetzelfde, volledig auditeerbare resultaat oplevert.

Die doelgerichte ontwerp, gericht op reproduceerbaarheid en transparante herkomst, geeft professionals en individuen een niveau van betrouwbaarheid dat een algemene chatbot gewoon niet kan bieden.

Uw carrière heeft klinieken omvatten, startups geadviseerd en nu een AI-gedreven healthtech-bedrijf geleid. Hoe is uw perspectief op zorginnovatie in de loop van deze reis geëvolueerd?

In het begin betekende innovatie bakstenen en mortel — het bouwen van nieuwe faciliteiten en diensten om wachtlijsten te verkorten en patiëntpaden te stroomlijnen. Later ging het over bedrijfsmodellen, wat betekende dat zorg op een efficiëntere manier werd geleverd, operaties duurzamer werden en de algemene patiëntervaring werd verbeterd.

Tegenwoordig ligt de focus echter op intelligentie en schaal. AI opent mogelijkheden die ondenkbaar waren toen ik begon, maar één les is constant gebleven. Technologie alleen verandert de zorg niet. Systemen, stimulansen en adoptie doen dat wel.

In dit opzicht is mijn denken verschoven van “Hoe bouwen we?” naar “Hoe integreren we?” Ik geloof vast dat de bedrijven die slagen niet noodzakelijkerwijs de meest geavanceerde algoritmes hebben. Ze zullen degenen zijn wiens tools naadloos en stil de dagelijkse routines van artsen, patiënten en zorgsystemen aandrijven.

Een terugkerend thema in healthtech is het evenwicht tussen automatisering en de menselijke aanraking. Hoe ziet u AI zoals BloodGPT de rol van artsen herschappen — met name in het verminderen van burn-out terwijl oordeel en empathie behouden?

Artsen branden zelden uit van het zorgen voor mensen. Ze branden uit van het papierwerk, de herhaalde tests, de gefragmenteerde systemen en alle administratieve taken die hen weghalen bij hun patiënten. Elke arts die ik ken zou liever vijf minuten met een patiënt praten dan nog een formulier invullen. Die extra werklast, helaas, blijft maar groeien en ondermijnt de tijd en energie die ze hebben voor echte klinische zorg.

BloodGPT is ontwikkeld om een deel van die druk te verlichten. Het platform neemt de zware last over die betrokken is bij het organiseren en interpreteren van laboratoriuminformatie en levert duidelijke, gestructureerde inzichten die in bestaande workflows passen. Wanneer die routine-stappen automatisch en betrouwbaar worden afgehandeld, kunnen artsen meer van hun dag besteden aan wat alleen zij kunnen doen, namelijk luisteren, oordelen en vertrouwen opbouwen met de mensen die ze behandelen.

Ik geloof niet dat AI artsen zal vervangen. Als iets, het laat hen terugkeren naar het hart van hun beroep, meer tijd doorbrengen in gesprek en minder tijd besteden aan het najagen van data. Dat is waar technologie stil de geneeskunde menselijker kan maken, niet minder.

Een van uw gestelde doelen is klinieken miljoenen per jaar te besparen in efficiëntiegrenzen. Wat zijn de meest tastbare kostenbesparende mechanismen die BloodGPT levert?

De besparingen komen uit drie hoofdgebieden.

Ten eerste is dat tijd. Het beoordelen en communiceren van laboratoriumresultaten is nog steeds een langzaam, handmatig proces in veel zorgsystemen. BloodGPT snijdt de beoordelings- en interpretatietijd van enkele minuten naar enkele seconden voor elke test. Over duizenden resultaten per week vertaalt zich dat in honderden clinici-uren die terugkeren naar patiëntenzorg.

Ten tweede is dat continuïteit. Het platform houdt een lopende geschiedenis bij van elke patiëntengegevens, zodat trends en afwijkingen gemakkelijk te herkennen zijn. Dat vermindert herhaalde testen en vangt fouten die anders onnodige follow-up-afspraken of herhaalde laboratoriumtests zouden kunnen veroorzaken.

Ten derde is dat het gebruik van middelen. Wanneer informatie nauwkeurig en onmiddellijk wordt geleverd, kunnen medewerkers zich richten op taken met hogere waarde en kunnen laboratoria opereren met kleinere ondersteunende teams.

Wanneer u deze effecten samenvoegt, kan een middelgroot zorgsysteem jaarlijkse besparingen zien in de miljoenen, terwijl het ook de resultaten verbetert. In de zorg is het ongebruikelijk om kosten te verlagen en kwaliteit te verhogen tegelijk, en dat is precies waar we naar streven.

U hebt opgemerkt dat korte beleggershorizon vaak systemische innovatie in zorg-AI doodt. Hoe denkt u dat oprichters en beleggers kunnen samenwerken om langetermijneffect te garanderen?

Het begint met een gedeelde missie. Als een belegger op zoek is naar een twaalfmaands flip, is de zorg de verkeerde arena. Deze sector vraagt om geduld, strikte naleving en jaren van vertrouwensopbouw.

Oprichters hebben een rol te spelen in het stellen van verwachtingen. Ze moeten beleggers uitleggen wat de regelgevingslijnen, adoptiecycli en realiteiten van terugbetaling zijn, zodat partners begrijpen waarom vooruitgang van buitenaf langzaam kan lijken.

Beleggers moeten milestone-gebaseerde groei ondersteunen en het najagen van oppervlakkige metrics weerstaan. De bedrijven die de zorg-AI echt veranderen, zullen worden opgebouwd door partners die bereid zijn om op een horizon van vijf tot tien jaar te denken en om het volledige traject te blijven ondersteunen, niet alleen voor de eerste stijging in waardering of een snelle exit.

Met regelgeving die rondom AI in de zorg strakker wordt, hoe benadert BloodGPT compliance, veiligheid en vertrouwensopbouw met zowel clinici als patiënten?

Vanaf het begin hebben we verantwoorde ontwerp als onderdeel van het product behandeld, niet als een nageslacht. Ons team volgt de belangrijkste privacy- en beveiligingsstandaarden die in de zorg worden gebruikt en houdt een nauw oog op de evoluerende regelgeving in de Verenigde Staten, Europa en andere belangrijke markten. Onze focus ligt op sterke gegevensbehandelingspraktijken, transparante algoritmes en uitvoer die volledig geaudit kunnen worden.

Zoals ik eerder al zei, was vertrouwen onze grootste uitdaging vanaf het begin, en dat is ons noorden gebleven. Voor ons gaat het om meer dan alleen het voldoen aan regelgevingskaders. Professionals kunnen zien waar elke waarde vandaan komt en hoe deze is verwerkt, wat hen vertrouwen geeft in de informatie. Patiënten waarderen dezelfde duidelijkheid. BloodGPT is een instrument voor het organiseren en presenteren van hun eigen resultaten, niet voor het vervangen van de rol van een clinicus. In die zin zijn veiligheid en vertrouwen geen functies die we later toevoegen. Ze zijn het product zelf.

Kijkt u vooruit, ziet u AI-interpretatie zich uitbreiden buiten bloedtests naar andere diagnostische gebieden — en zo ja, waar denkt u dat de grootste doorbraken het eerst zullen komen?

Het is al gaande.Radiologie, genomics en oftalmologie zijn allemaal verder gegaan dan het experimentele stadium. In deze gebieden helpen AI-systemen om vroege kankers op scans te identificeren, complexe genetische varianten te analyseren en tekenen van diabetische retinopathie in retinale beelden te signaleren. In elk geval gaat de output naar een gekwalificeerde clinicus voor beoordeling, zodat de professional de controle over de uiteindelijke beslissing behoudt.

De volgende golf zal gaan over verbinding en integratie in plaats van enkele domeinen. Denk aan het feit dat beeldvorming, genomics, wearables en laboratoriumgegevens nog steeds als afzonderlijke stromen worden behandeld. AI zal deze steeds meer met elkaar verbinden, subtiele signalen correlerend — een bloedmarker, een genetische variatie, een patroon van een wearable — om risico te onthullen lang voordat enige test dat zou kunnen.

De echte doorbraak zal deze integratie zijn: een laag intelligentie die meerdere inputs verbindt om artsen en patiënten een continue, real-time beeld van gezondheid en risico te geven. Die verschuiving van episodische zorg naar voorspellende, proactieve zorg is waar de grootste impact ligt.

Tenslotte, wat maakt u het meest enthousiast over de toekomst van AI in de zorg, en welke rol ziet u voor BloodGPT Away in het vormgeven van die toekomst?

Wat me het meest enthousiast maakt, is wat ik net besprak over de verschuiving van reactieve naar proactieve zorg. Gedurende decennia hebben we gewacht tot mensen ziek werden voordat we ingrepen. Ja, preventie en persoonlijke verantwoordelijkheid waren altijd onderdeel van het gesprek, maar AI kan die visie eindelijk praktisch maken door risico’s eerder te identificeren, gezondere keuzes te stimuleren en informatie te personaliseren op een schaal die we nog nooit eerder hebben gezien.

BloodGPT is ontworpen om onderdeel te zijn van die basis. Bloeddata is het meest voorkomende en breed beschikbare gezondheidssignaal, en toch wordt het nog steeds zo weinig gebruikt. Door die informatie gemakkelijker te maken om te begrijpen en te gebruiken, helpen we om ruwe cijfers om te zetten in duidelijke inzichten, en inzichten in gezondere levens. Uiteindelijk is dat het eenvoudige doel. Iets complex maken tot iets wat mensen kunnen gebruiken. We leggen de basis voor de zorg die mensen in de komende jaren nodig zullen hebben, terwijl we ook de dagelijkse zorg nu al beter maken.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten bezoeken BloodGPT.