Matt Walz, CEO bij Trialbee – Interview Serie

Matt Walz is de CEO van Trialbee, een wereldleider in technologie-gedreven patiëntrecruitment. Hij brengt meer dan 20 jaar software- en leiderschapservaring in de life sciences-industrie met zich mee. Matt begon zijn carrière als ontwikkelaar en bekleedde verschillende technische en leiderschapsfuncties bij Rollins Corporation, PSCI, Microsoft, Morgan Lewis en Datalabs. In 2006 richtte Matt NextDocs op, dat uitgroeide tot een wereldleider in klinische, kwaliteits- en regelgevingsdocumentbeheer, waar hij 9 jaar lang als CTO, CSO en bestuurslid fungeerde. Voordat hij bij Trialbee kwam, bracht Matt 5 jaar door als algemeen manager voor Life Sciences en VP Strategic Accounts voor Aurea Software, dat NextDocs had overgenomen.

Trialbee is een healthcare-technologiebedrijf dat patiëntrecruitment voor klinische onderzoeken stroomlijnt. Door gebruik te maken van data-analyse, digitale uitreiking en real-world evidence, wordt een match gemaakt, worden patiënten betrokken en vooraf gekwalificeerd om inschrijving te versnellen. Het platform biedt transparantie over bronnen en partners, waardoor sponsors, CRO’s en proefcentra de wervingspijplijn efficiënter kunnen beheren en de belasting van sites kunnen verminderen.

U hebt gewerkt aan zowel health-tech-startups als grote klinische onderzoeksplatforms. Welke persoonlijke ervaringen of momenten in uw carrière hebben u ertoe gebracht om de potentie – en de valkuilen – van AI in patiëntrecruitment te erkennen?

AI is de snelst bewegende technologie-trend die ik in meer dan twee decennia werk in klinische ontwikkeling heb gezien – sneller zelfs dan de vroege dagen van cloud-adoptie. Wat me het meest heeft getroffen, is hoe AI is overgegaan van conceptueel naar operationeel in een industrie die typisch langzaam is om nieuwe technologie te adopteren – en nu wordt geprioriteerd, zelfs bij regelgevende instanties zoals de FDA. Voor klinische proefpatiëntrecruitment in het bijzonder, zijn we nog steeds in de vroege fasen van het leren waar het het beste past. Leveranciers en sponsors onderzoeken allemaal AI voor protocolontwikkeling, personas en targeting, data-verrijking, lokaliseren en communicatie en betrokkenheid – die allemaal grote wrijvingspunten zijn voor onderzoeksteams.

Met dat gezegd, is er nog steeds een zeker risico dat samenkomt met die potentie. Ik heb met leiders van grote farmaceutische bedrijven gesproken die benadrukken dat, hoewel AI in meer punten van de workflow verschijnt, het niet ongecontroleerd kan worden gelaten. Menselijke toezicht is fundamenteel.

Dit is voor kwaliteits- en veiligheidsredenen, evenals omdat bedrijven zoals Trialbee op het niveau van patiënten en families verbonden zijn die op zoek zijn naar hoop – een zeer menselijke en empathische ervaring die niet kan worden vervangen door AI op een zinvolle manier voor de patiënten die we allemaal bedienen.

Klinische proefrecruitment heeft historisch gezien problemen gekend met diversiteit, snelheid en nauwkeurigheid. Hoe helpt AI volgens u om deze uitdagingen aan te pakken – en waar schiet het nog tekort?

AI helpt bij het stroomlijnen van enkele van de langzaamste en meest bron-intensieve delen van het wervingsproces. Bijvoorbeeld, dingen die vroeger weken duurden – zoals het vertalen van studiemateriaal in tientallen talen – worden nu samengeperst in uren. Dat betekent dat we sneller kunnen beginnen met werven in meer mondiale markten.

Wanneer het gaat om nauwkeurigheid, helpen AI-geactiveerde agenten ons om meer consistente, criteria-georiënteerde interacties te leveren, van de materialen die we creëren tot voorafscreening tot chatbots. Deze tools zijn vooral nuttig voor het verminderen van drop-off punten die het wervingsproces vertragen.

Diversiteit blijft een uitdaging, hoewel. AI is alleen zo representatief als de data waarop het is getraind, en representatie wordt ook gevormd door factoren buiten de technologie – waaronder land-specifieke regelgevingsbeperkingen die beperken hoe AI kan worden gebruikt in patiënt-georiënteerde rollen. Het opbouwen van vertrouwen met proefdeelnemers is een uitdaging geweest in de hele geschiedenis van klinisch onderzoek, en betrokkenheid met AI-hulpmiddelen wordt ontmoet met uiteenlopende gradaties van scepticisme. Met dat in gedachten, ondersteunen we sterk een benadering die mensen de optie zou geven om te communiceren met een live medisch professional of, bijvoorbeeld, een AI-agent. Dit kan helpen om deelnemers te bereiken met uiteenlopende niveaus van comfort met AI, terwijl er toch sterk toezicht wordt gehouden, vooral voor agente AI, hoewel waarborgen zoals afzonderlijke redeneringsmotoren moeten worden geïntegreerd om het succesvol te maken.

U hebt eerder vermeld dat AI-hulpmiddelen sneller worden ingezet dan enige voorgaande innovatie in patiëntrecruitment. Maar met mondiale regulators die worstelen om gelijke tred te houden, wat zijn de meest dringende toezichtsgaten die u ziet in multinationale klinische proefcampagnes?

De grootste kloof is het gebrek aan regelgevingsalignement over geografische gebieden. In de VS zijn agentschappen zoals de FDA AI aan het omarmen met nieuwe kaders en vroege beoordelingsprocessen. In Europa beweegt men begrijpelijkerwijs voorzichtiger, met een focus op voorzichtigheid en het toepassen van strengere regelgevingsbeoordelingen.

Voor bedrijven zoals de onze die wereldwijd opereren, creëert dit een uitdaging: wat acceptabel is in één land, hoeft dat niet te zijn in een ander. En de variatie is niet alleen in regelgeving, maar ook in hoe verschillende kanalen of sociale mediaplatforms zoals Facebook kunnen worden gebruikt voor werving, hoe persoonlijke gegevens worden afgehandeld, of hoe patiënttoestemming wordt verzameld. Dit zijn nuances die operationele flexibiliteit en een diep begrip van regionale ethiek en compliance-standaarden vereisen.

Dit is waar onze geschiedenis van innovatie en inherente mondiale cultuur belangrijke activa zijn, aangezien we de spannende maar zeer dynamische AI-landschap navigeren.

Hoe kan dat gebrek aan mondiale alignering in regelgevingskaders de adoptie van AI in klinische proeven ontsporen? Hebt u enige reële gevolgen van dit gezien?

Absoluut. De digitale advertentiestrategieën waarop we voor patiëntrecruitment vertrouwen, zijn een goed voorbeeld hiervan. Facebook is een van de meest effectieve platforms wereldwijd, maar zelfs in de landen waar het is toegestaan, varieert het niveau van targeting dat u mag doen en welke gegevens u kunt gebruiken, sterk. We bouwen interne expertise op om deze verschillen te overwinnen, en we verwachten dat AI-regulering een soortgelijke weg zal volgen.

In praktische zin kunnen de beperkingen die dit dilemma oplegt aan wervingsteams resulteren in vertraagde campagnelanceringen, extra cycli met ethische commissies en complexere compliance-workflows. Als u niet diep bewust bent van hoe elk land de gebruikmaking van AI interpreteert, vooral in patiënt-georiënteerde toepassingen, loopt u het risico om proeven te vertragen of tegen ernstige goedkeuringsbarrières aan te lopen.

Trialbee opereert op het snijvlak van data, technologie en patiëntbetrokkenheid. Hoe zorgt u ervoor dat AI-gedreven wervingsstrategieën patiënten niet reduceren tot datapunten, maar in plaats daarvan de menselijke kant van onderzoek versterken?

Een uitstekende en belangrijke vraag voor ons allen. Zoals ik eerder vermeldde, zie ik AI als zijn vermogen om mensen te empoweren – niet te vervangen. Dit is vooral waar in de zeer persoonlijke industrie waarin we werken, waar we proberen om generaties van patiënten over de hele wereld te helpen om gezonder te leven. Ons bedrijf is een warm bedrijf, over het verbinden van mensen, en menselijke wezens zullen altijd het hart van het vormen.

Wanneer het gaat om dagelijkse operaties, is de beste AI die we kunnen bieden – bijvoorbeeld binnen ons Honey Platform – het analyseren van data en trends, en het aansporen van sites en studieteams waar actie nodig kan zijn. We doen veel van dit al, en zullen blijven capaciteiten toevoegen om ervoor te zorgen dat de waardevolle data die wordt vastgelegd, onmiddellijk wordt gebruikt om een verschil te maken in de proef. Dit kan betekenen dat we dagelijkse inzichten bieden over de voortgang van de werving of het aansporen van follow-up met specifieke patiënten met predictief modeleren.

Intern gebruiken we AI op systematische en samenwerkende wijze in onze hele organisatie – elk departement en elk team. U zult hopelijk zien hoe we AI gebruiken om ons geweldig team sterker te maken, en niet andersom.

Welke specifieke vaardigheden zijn het meest kritisch voor klinisch onderzoeksteams om AI-hulpmiddelen verantwoordelijk te leiden en te reguleren?

De meest kritische vaardigheden liggen op het snijvlak van klinische expertise, AI-geletterdheid en regelgevingsvaardigheid. Teams moeten weten hoe ze effectief met AI-platforms kunnen omgaan door ze met precisie aan te sporen en hun uitvoer kritisch te beoordelen.

Er is ook een groeiende behoefte aan regelgevingsinzicht. Zoals ik eerder vermeldde, is dit vooral nodig voor gebieden zoals agente AI, waar we afzonderlijke redeneringsmotoren bouwen om als guardrails in patiëntinteracties te dienen. Teams moeten ook in staat zijn om AI-vertaalde inhoud te evalueren en de nauwkeurigheid en culturele relevantie te verifiëren voordat materialen worden ingediend bij ethische commissies.

AI-adoptie versnelt. Wat is uw advies aan klinische proefstakeholders die aarzelen of overweldigd worden door de complexiteit van het integreren van AI in hun workflows?

Iemand zei eens, wanneer u begint te werken met AI, zorg er dan voor dat u Actuele Intelligentie gebruikt. Machine learning kan geweldige dingen mogelijk maken – mits het de expertise, context en guardrails van domeinexperts achter zich heeft.

Mijn advies is om te beginnen met kleine, gedefinieerde stappen met duidelijke resultaten. Een van de grootste fouten die ik zie, is dat bedrijven te ver leunen in vage beloften over AI-transformatie zonder uit te leggen hoe het werkt of wanneer het klaar zal zijn. Terwijl die beloften in het moment misschien goed klinken, kunnen ze vertrouwen ondermijnen omdat ze geen bewijs van een echte planning laten zien.

De betere benadering is om adoptie op te breken in kleine, gedefinieerde stappen met duidelijke resultaten. Kies één of twee high-impactgebieden waar AI wrijving kan verwijderen en zorg ervoor dat die worden ondersteund door het juiste toezicht. Wees specifiek over de tools die u gebruikt, hoe ze zijn ingesteld en, het belangrijkste, hoe u gevoelige informatie beschermt. Dit is de benadering die we bij Trialbee hanteren. We praten alleen met stakeholders over capaciteiten die we actief aan het bouwen zijn, meestal niet meer dan drie maanden vooruit, omdat we ervoor willen zorgen dat we communiceren wat echt is.

Bij Trialbee vragen we momenteel elke week een ander departement of team om use cases te presenteren die voor hen hebben gewerkt. We bespreken het hoe en het waarom om kennis, uitdagingen en oplossingen te delen, zodat anderen hun AI-successen kunnen repliceren om efficiency, klantlevering of wervingsresultaten te verbeteren.

We benadrukken ook transparantie over de tools die we gebruiken om die capaciteiten op te bouwen. Als we bijvoorbeeld OpenAI’s ChatGPT of Anthropic’s Claude gebruiken, beschrijven we de setup voor stakeholders, inclusief hoe we gevoelige informatie isoleren en menselijk toezicht toepassen. Zodra ze de voordelen in actie zien, zoals tijdsbesparingen in vertaalworkflows of toegenomen snelheid in vroege patiëntenscreening, zijn ze meer geneigd om aan boord te komen met de volgende AI-use case. En zo is het minder over het verkopen van de grote visie en meer over het bewijzen van waarde stap voor stap.

De FDA en andere regulators beginnen moeilijkere vragen te stellen over AI-modellen die in geneesmiddelenontwikkeling worden gebruikt. Welke soorten transparantie-, validatie- of auditatie-standaarden denkt u dat industrienormen moeten worden?

De industrie moet naar volledige transparantie toe en moet ervoor zorgen dat er menselijk toezicht is in elke AI-ondersteunde beslissing. Om een paar voorbeelden te noemen:

Wanneer we het hebben over agente AI, werken we al aan manieren om regelgevingslogica in een afzonderlijke redeneringsmotor in te bouwen die conversaties in real-time kan evalueren en corrigeren. Dat soort interne controlesysteem zou standaard moeten worden in elke patiënt-georiënteerde toepassing. Validatieprotocollen moeten ook worden geformaliseerd, inclusief benchmarktesting en voortdurende prestatiebeoordelingen.

Het belangrijkste is dat deze standaarden moeten worden geïntegreerd in het productontwikkelingsproces en niet achteraf worden toegevoegd. Dat niveau van zorgvuldigheid zal essentieel zijn voor het handhaven van patiëntveiligheid, het verdienen van regelgevingsvertrouwen en het verantwoord opschalen van AI over mondiale klinische onderzoeks campagnes.

AI-modellen vertrouwen vaak op historische datasets die systemische gezondheidsbias kunnen weerspiegelen. Hoe benaderen wij de zorg voor eerlijkheid en diversiteit in patiëntrecruitment, vooral voor ondervertegenwoordigde populaties?

Niet hebben van AI is niet wat diversiteit in klinisch onderzoek heeft tegengehouden – niet prioriteit geven aan een plan is. En AI kan niet echt helpen met dat. Zodra er een echte toewijding is, kan AI een krachtig hulpmiddel zijn dat ons helpt om ondervertegenwoordigde groepen effectiever te bereiken, maar alleen als we intentioneel zijn. Daarom verbreden we bij Trialbee de data die onze modellen gebruiken, bouwen we gemeenschapspartnerschappen op en monitoren we constant de wervingsresultaten om ervoor te zorgen dat geen enkele groep wordt achtergelaten.

U hebt vermeld dat uw team nieuwe AI-gerelateerde producten later dit jaar gaat lanceren. Kunt u een hoog niveau overzicht geven van de problemen die u oplost – en hoe deze innovaties uw bredere filosofie rond verantwoord AI-gebruik weerspiegelen?

Trialbee heeft een cultuur van innovatie en AI is een belangrijk en groeiend onderdeel daarvan. Dit jaar alleen al heeft ons Honey Platform nieuwe site-workflows, een sponsor-specifiek patiëntregister en use cases ondersteund voor trial finder-websites voor mondiale biopharma-merken zoals BMSClinicalTrials.com. Met AI in het bijzonder, zult u nieuwe functies en verbeteringen zien die in de komende 3, 6, 12 maanden en daarna worden gelanceerd. We ontwikkelen chatbots, slimme tools en meer binnen Honey, terwijl we ook nieuwe manieren evalueren om processen voor onze klanten te stroomlijnen. Intern gebruiken we het om meer gericht, intentioneel, inclusief en efficiënt te worden in alles wat we doen – met een ervaren teamlid dat elke beslissing aandrijft en context interpreteert voor alle AI-modellen die we gebruiken.

Als we vijf jaar vooruitkijken, hoe ziet u de rol van Trialbee evolueren terwijl AI dieper wordt ingebed in klinisch onderzoek? Welke rol denkt u dat uw bedrijf zal spelen bij het vormgeven van een meer ethisch, efficiënt en mondiaal geharmoniseerd toekomst voor patiëntrecruitment?

Vijf jaar van nu, zie ik Trialbee staan als de toonaangevende AI-geactiveerde dienstverlener voor patiëntrecruitment in klinisch onderzoek. We integreren al generatieve AI in elke fase van het wervingsproces waar het kan versnellen, verbeteren of patiëntopties verhogen. Zoals ik eerder vermeldde, evalueren we actief tools die patiënten de keuze zouden geven om te communiceren met een live medisch professional of een AI-agent, afhankelijk van hun voorkeur en comfortniveau. We geloven dat het geven van mensen die keuze cruciaal is om vertrouwen en deelname in de loop van de tijd te vergroten.

Ethiek gezien, zijn we toegewijd aan het waarborgen dat AI wordt geïmplementeerd met regelgevingsrigor en transparantie. Dat betekent het inbouwen van toezichtmechanismen in de technologie zelf en open zijn over hoe onze systemen werken. We bouwen AI ook in de cultuur van onze organisatie – elk departement en elk team – zodat we klaar zijn om aan te passen aan de evolutie van technologie. Uiteindelijk willen we een bedrijf zijn dat helpt bij het definiëren van hoe AI verantwoord wordt gebruikt in klinisch onderzoek. Als we dat goed doen, kunnen we helpen bij het vormgeven van een toekomst waarin proeven sneller, inclusiever en gemakkelijker toegankelijk zijn voor patiënten, ongeacht waar ze wonen of welke taal ze spreken.

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