Ed Chidsey, President for Inovalons Insights Business Unit – Intervju-serie

Ed Chidsey, President for Inovalons Insights Business Unit, bringer en bred bakgrunn i finansiell data, analyser og strategisk rådgivning — mest nylig som Senior Vice President i S&P Global Market Intelligence, hvor han ledet et milliarddollar-data- og analyseforretak med 2 000 ansatte, og tidligere som privat-eier-rådgiver, styremedlem i PeerNova Inc. og begrenset partner i Mendoza Ventures.

Inovalon, er et amerikansk teknologiselskap som leverer sky-basert programvare og data-analyse-løsninger til helsevesenet. Gjennom sitt flaggskip-tilbud, Inovalon ONE^® Platform, samler og analyserer selskapet massive, virkelige kliniske og krav-data — som omfatter hundredvis av millioner av liv — for å støtte helseplaner, leverandører, apotek og livsvitenskapelige organisasjoner i å forbedre kliniske resultater, omsorgskvalitet, risikoscoring, betalingsintegritet og operasjonell effektivitet.

Du har hatt en lang karriere som omfatter S&P Global, IHS Markit og nå Inovalon. Hva var den enkelt mest formative rollen eller erfaringen som ledet deg til å fokusere på virkelige data (RWD) og analyser i helsevesenet, og hvordan har det formet din visjon for å lede Insights Business Unit i Inovalon?

Jeg har brukt det meste av min karriere på å bygge, drive og skalerer data- og analyseforretak, primært i finansielle tjenester, ofte startet smått og drevet betydelig vekst gjennom en kombinasjon av organisk og ikke-organisk strategier. Etter mer enn tre tiår i finansindustrien, nådde jeg et punkt der jeg trengte å pause og resette. Jeg hadde vært i den verden i lang tid, og selv om jeg elsket arbeidet, begynte miljøet å føles mindre oppfyllende. Så, tidlig i 2024, bestemte jeg meg for å trekke meg tilbake.

Det året var usedvanlig grunnleggende. Jeg tilbrakte mer tid med familien min, gikk med i et bedrifts- og et ikke-gevinst-drevet styre, og, noe jeg ikke hadde forventet, ble mer involvert i min kirke. Denne vendingen ga meg en sjanse til å fokusere på balanse, samfunn og formål på en måte jeg ikke hadde gjort på lang tid. Mot slutten av året, innser jeg at jeg fortsatt hadde mye energi og lidenskap for å lede lag og bygge forretak, men jeg ønsket at arbeidet mitt skulle føles mer personlig og meningsfullt.

Da Adam Kansler, CEO i Inovalon, kontaktet meg for å fortelle meg mer om selskapet, var timingen gunstig. Jeg arbeidet tett med Adam i mange år og har stor respekt for ham som leder. Han beskrev Inovalon som en ledende leverandør av data og løsninger som gir helsevesenet mulighet til å fungere, og som arbeider med betalere, leverandører, apotek og livsvitenskapelige selskaper, og noterte at selskapet søkte en ny person til å lede sin Insights-forretningsenhet.

Før samtalen med Adam, hadde jeg ikke noen gang vurdert at jeg kunne bruke min bakgrunn i data og analyser til helsevesenet. Imidlertid, jo mer jeg lærte, desto mer resonnerte det. Helsedata er veldig tangibelt fordi det kan påvirke oss på virkelige måter. Tanken på å bruke samme analytiske strenghet og skala jeg hadde utviklet i finansielle tjenester til å forbedre helsekvalitet og resultater, var usedvanlig tiltrekkende. Denne sansen for formål er det som bragte meg hit, og det fortsetter å forme hvordan jeg leder Insights-forretningsenheten, ved å bringe sammen data, teknologi og mennesker for å gjøre en målbart forskjell over hele helseøkosystemet.

Hvordan ser du på Inovalons beslutning om å gjøre sine avanserte analyser og primærkilde RWD tilgjengelig på Snowflakes AI Data Cloud, og hvordan vil det endre konkurranse-dynamikken i helsevesenet og life sciences?

Jeg ville betrakte det mer som en strategisk beslutning for å møte kundene der de er, snarere enn å endre konkurranse-dynamikken. I mitt syn var det kritisk at vi sikrer at kundene våre har tilgang til våre data og ressurser på plattformene hvor de ønsker å konsumere dem på en mer moderne, smidig og tilgjengelig måte. Med dette, visste vi at flere og flere av våre kunder migrerte til plattformer som Snowflake, så det var viktig for oss å møte dem der, hvor de ønsket å konsumere våre data.

Hva skiller Inovalons RWD-tilbud, som f.eks. MORE² Registry, fra andre virkelige data-plattformer når det gjelder kvalitet, dybde, aktualitet eller skala?

Det som skiller våre RWD-tilbud, inkludert MORE² Registry, er våre primærkilde-data. Vi samler inn disse dataene direkte fra ulike enheter over hele helseøkosystemet, som f.eks. helsebetalere eller -leverandører, og det gir oss en helhetlig visning av pasientenes helse-reiser, som lar oss trekke slutsatser som støtter beslutningstaking over hele helse-kontinuumet.

mens bredde av dataene vi har er alene en merkbart differensierer, er historien og konsistensen bak disse dataene virkelig bemerkelsesverdig. Gjennom vårt samarbeid med Snowflake, er våre kunder nå i stand til å sikre og raskt få tilgang til våre longitudinelle datasett av stor skala, høykvalitets RWD, en kapasitet som tradisjonelt har vært skjult av fragmenterte systemer og komplekse manuelle data-inngangsprosesser. For life sciences- og biopharma-selskaper, er det spesielt viktig å ha tillit til at deres partner vil levere data som er konsistent og pålitelig for beslutningstaking. Denne grunnmuren er hjørnestenen i vårt RWD-tilbud, som vi fortsetter å utvide i omfang og typene av innsikt vi kan generere.

Hva er de viktigste tekniske eller styre-utfordringene ved å koble eller integrere datasett fra ulike kilder for å bygge omfattende virkelige bevis?

Det begynner med å erkjenne grunnlaget for våre data, som kommer tilbake til interaksjoner mellom en pasient og deres leverandør, apotek og betaler. Ofte er disse interaksjonene personlige og stammer fra betydelige berøringspunkter i deres egen omsorg. Dette gjør det kritisk å være en pålitelig forvalter av våre data, og nødvendiggjør at vi har sterk styring rundt disse dataene. Vi tar denne ansvarligheiten meget alvorlig i Inovalon, spesielt når det gjelder hvordan RWD matet inn i virkelige bevis-prosesser. Hvordan vi velger å forvalte, beskytte og bruke våre data, definerer vår troverdighet og tilliten vi har med våre partnere over hele økosystemet.

En av de største utfordringene vi møter, er å balansere data-bruk og personvern. Hvis fokuset er eksklusivt på personvern, mister du evnen til å fullt ut analysere og trekke ut verdi fra dataene. Imidlertid, hvis fokuset er kun på analyse, risikerer du å komme til kort i dine etiske eller regulatoriske forpliktelser til pasienter og familier. Denne vanskelige balansen er ikke bare en teknisk utfordring, men også en styre-utfordring. Vi må konstant vurdere hva vi kan gjøre, hva vi bør gjøre, og hva vi ikke kan gjøre for å beskytte dataene våre, samtidig som vi maksimerer deres verdi og påvirkning på det bredere helse-økosystemet.

Fra et teknisk perspektiv, er en annen stor utfordring kobling. Uansett hvor dypt eller bredt et enkelt datasett er, er det aldri nok på egen hånd. Evnen til å koble datasett fra multiple kilder er kritisk, og vi prioriterer dette hver dag gjennom vårt arbeid med ulike partnere.

Til slutt, er det en strukturell utfordring med at helse-økosystemet er høyt fragmentert. For en kunde til å få tilgang til alle dataene de trenger, krever det ofte å trekke fra multiple datasett og koble data over ulike omsorgspunkter, med mange mellomledd mellom. I sammenligning med industrier som finansielle tjenester, ligger helsevesenet år, om ikke tiår, bak i terms av data-integrasjon og -interoperabilitet. Imidlertid, er dette også en massiv mulighet for Inovalon. Hvis vi kan fortsette å fremme hvordan data kobles, gjøres tilgjengelig og kreativt brukes, kan vi levere mye mer innovative analyser og løsninger som ultimate vil bénéfice pasienter.

Hvordan balanserer du personvern, regulatorisk overholdelse og innovasjon når du deployer AI-modeller på følsomme helsedata?

Måten jeg tenker om AI på, er at det ultimate handler om å erstatte eller forbedre det som teoretisk kan gjøres i dag, bare raskere, smartere og mer avansert. Når en kunde ønsker å deployere en AI-modell på toppen av våre data, er det noe vi må omfavne. Som med alle bruk av våre data, er det vilkår og betingelser som definerer hva en kunde kan og ikke kan gjøre. Disse er basert på våre egne oppstrøms-tillatelser, begrensninger og gjeldende reguleringsforskrifter. Denne rammen endrer ikke i AI-verden, og vi må være enabler. Vi kan ikke være redd for det. Vi må omfavne det ansvarlig for at AI skal fremme, fordi det har potensialet til å enormt bénéfice helse-økosystemet.

AI krever både historiske data for å bygge modellene og pågående data for å vedlikeholde dem. Fra vår perspektiv som en data-leverandør, er det en sterk posisjon, fordi når en modell er bygget på våre data, blir den enda mer integrert. Vi må nærme oss hver modell som vi ville noen som helst kunde-brukstilfelle, og sikre at det er riktig lisensiert og styrt. Den mest følsomme delen av AI, spesielt i helsevesenet, er å sikre at det alltid er en menneskelig i løkken når omsorg leveres. Det er et mye større tema, og et som mange mennesker debatterer.

Fra et RWD-perspektiv, er vi fortsatt i de tidlige stadiene. AI har ikke ennå levert mange banebrytende resultater i helsevesenet, spesielt når du fokuserer på RWD-brukstilfeller. Vi utforsker en rekke muligheter, inkludert f.eks. maskinlæring-basert ekstraksjon fra kliniske notater, som er en mer grunnleggende anvendelse av AI. Ut over det, ser vi på AI-bruk i kliniske prøve-applikasjoner og sykdoms-progresjon og forutsigbarhet. Vi er på begynnelsen av denne reisen, men potensialet er enormt. I Inovalon, er vi fokusert på å sikre at vi har de høyeste kvalitetsdataene som kan brukes i sammenheng med AI ansvarlig, med sterk styring og menneskelig tilsyn, samtidig som vi forbereder oss på å skalerer innvirkningen når teknologien og økosystemet modnes.

Fra dine samtaler med kunder, hva er de vanligste bekymringene om å adoptere AI og RWD-drevne analyser i helsevesenet, og hvordan responderer du på dem?

De vanligste bekymringene jeg hører, er datakvalitet og tillatelser til å bruke våre data til å trene deres egne AI-modeller. For datakvalitet, med AI, “skrald inn, skrald ut” ringer sant. Hvis datakvaliteten er dårlig, det vil si at dataene ikke er rene eller kanskje ikke er nok data, så vil utgangen ikke være verdifull heller. Våre kunder forventer konsistente, nøyaktige og pålitelige data. Gitt de massive volumene vi håndterer, var en av mine første prioriteringer å sikre datakvalitet over hele linjen. Vi har arbeidet hardt for å rense, fjerne duplikater, normalisere, standardisere og levere dataene nedstrøms. Å ta eierskap av datakvaliteten hjelper også med å forbedre konsistensen og påliteligheten over våre datasett, som lar oss levere mer innenfor våre tradisjonelle data-analyse-tilbud, samt analyser basert på AI.

Den andre overvegelsen handler om hvordan våre data kan brukes til å støtte AI-modell-utvikling. Som en data-drevet organisasjon, er det viktig at vi omhyggelig muliggjør disse nye brukstilfellene. Gitt den raske utviklingen av data- og AI-landskapet, har vi tilpasset vår tilnærming for å tillate dette på en ansvarlig måte, støttet av sterk styring, klare bruksvilkår og definerte sikkerhetstiltak. Denne utviklingen muliggjør at våre kunder kan innovere med tillit med AI, samtidig som de sikrer ansvarlig, overholdende og etisk data-praksis.

Hvordan måler du suksess eller avkastning for kunder som adopterer din plattform og analyser, og hva metrikker bryr de seg mest om?

Vi måler suksess ved de virkelige innvirkningene våre plattform og analyser har på våre kunders operative og kliniske resultater. Dette kan inkludere en rekke suksess-mål, avhengig av kunden, som f.eks. å forbedre CMS Star-rangeringer i Medicare Advantage, å optimalisere risiko-justering, eller å generere håndgripelige virkelige bevis for life sciences. Den felles tråden er at innsiktene må være aktuelle, troverdige og håndgripelige.

For metrikker, kan kunder, avhengig av hvor de befinner seg i helse-økosystemet, fokusere på aspekter som kvalitetsforbedringer, reduksjoner i hull i omsorg, bedre overholdelse av behandlingsprotokoller, eller målbare kost- eller bruksgainer. Kunder realiserer avkastning når våre analyser hjelper dem til å ta informerte beslutninger som forbedrer pasient-resultater, operasjonell effektivitet og/eller strategisk ytelse.

Ser du for deg hvordan AI og RWD vil utvikle seg i helsevesenet og life sciences de neste fem årene, og hva ser du som den neste frontieren?

I løpet av de neste fem årene, kan helsevesenet se ut som noe ingen av oss nå kjenner, men det er umulig å forutsi hvor raskt industrien vil utvikle seg. Den eneste sikkerheten er at det vil være transformasjonsmessig. Mens innovasjons-tempoet er ekstraordinært, forblir fremgangen begrenset av fragmentering over hele helse-økosystemet, som spenner over laboratorier, apotek og elektroniske helsejournaler, hvor få organisasjoner er i stand til å virkelig koble disse data-kildene på en meningsfull måte.

mens det kan være en begrensning, hvis data kan kobles og longitudinelt skapes på en normalisert, standardisert måte, så tror jeg at alt er mulig. AI vil stadig mer underbygge alt fra klinisk beslutningsstøtte til hvordan life science-organisasjoner nærmer seg kliniske prøve-design og -gjennomføring. I løpet av de neste fem årene, vil vi se mer automatisering, forbedret bruk av prediktiv analyse og økt kobling som gir organisasjoner tilgang til innsiktene de trenger i sanntid, alt av dette har potensialet til å transformere pasienters omsorgs-reiser og helse-operasjoner som en helhet.

For organisasjoner som nettopp begynner å utforske integrering av AI med virkelige data, hva er de tre rådene du ville gi?

Først og viktigst, fokusere på dataene og sikre at du konstant vurderer kvaliteten på dataene dine. Andre, utnytte hjernekraften til dine ansatte. Virkeligheten er at de beste idéene kan komme fra enhver nivå i organisasjonen, spesielt yngre generasjoner som kommer inn i arbeidsstyrken og som har levd og åndet data, AI og teknologi. Ledere bør finne måter å utnytte idéene og innovasjonene som er dypt inne i organisasjonen og skape en plattform for disse perspektivene til å bli hørt og innhøstet. Tredje, hyre de riktige menneskene. Uten de riktige menneskene og tekniske talenter, vil innovasjon i tempo, verdiskaping og konkurransedyktighet være nesten umulig.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Inovalon.