Jeff Elton, administrerende direktør i ConcertAI – Intervjuserie

Jeff Elton, Ph.D., er administrerende direktør i Konsert AI, et AI SaaS-løsningsselskap som tilbyr forskningsløsninger og pasientsentrerte løsninger for innovatører innen biovitenskap og verdens ledende leverandører. ConcertAI er fokusert på å akselerere og forbedre presisjonen til retrospektive og prospektive kliniske studier ved å bruke leverandørens EMR-er, LIS-er og PACS-systemer som kilde for alle studiedata. Det er en langsiktig partnerpartner med American Society of Clinical Oncology og dets CancerLinQ-program, US FDA, NCI Health Equity-initiativer og nesten 100 helsepersonell over hele USA.

Før ConcertAI var Jeff administrerende direktør, Accenture Strategy/Patient Health; Global Chief Operating Officer og SVP-strategi ved Novartis Institutes of BioMedical Research, Inc.; og partner i McKinsey & Company. Han er også et grunnleggende styremedlem og seniorrådgiver for flere selskaper i tidlig fase. Jeff er for tiden styremedlem i Massachusetts Biotechnology Council. Han er medforfatter av den mye siterte boken, Helsevesenet forstyrret (Wiley, 2016). Jeff har en Ph.D. og MBA fra University of Chicago.

Som grunnlegger av ConcertAI, kan du dele din visjon for selskapet ved oppstarten? Hvordan har denne visjonen utviklet seg siden 2018?

Vi startet med ideen om at forbedrede pasientresultater kommer fra dyp og handlingsrettet innsikt. Å oppnå denne innsikten krever datafullstendighet, dataskala, datarepresentativitet og avansert AI-intelligens. Derfor opprettet vi et Data-as-a-Service og AI Software-as-a-Service-selskap. Vi målrettet oss AI som muliggjør inferens og prediksjon. Dette inkluderte å forutsi hendelser som bør unngås, for eksempel pasienters manglende overholdelse av behandlingen eller seponering av behandling på grunn av manglende positiv respons, noe som informerte når kliniske studier kunne være neste alternativ.

Visjonen vår har holdt seg stabil, og vi forventer fortsatt mer ut av løsningene våre. Med den siste generasjonen av LLM-er, agent AI og andre generative AI-løsninger kan vi operere i stor skala (og nesten i sanntid – noe vi ikke forventet eller forutså i 2018). Med partnere som NVIDIA kan vi fremme løsningene våre for å yte bedre enn forventet, gjenkjenne begrensninger og unike egenskaper og bevege oss i takt med hele markedets innovasjoner – reisen så langt har vært usedvanlig produktiv og spennende.

Vi har åpnet for tidligere ufattelige ytelser innen automatiseringsløsninger for klinisk utprøving, automatisering av plassering av pasienter på evidensbaserte kliniske veier, avanserte arbeidsflyter innen radiologisk tolkning og bruk av digitale tvillinger som et beslutningsfremmende verktøy for omsorg og forskning.

I dag betjener vi nesten 50 biofarmaka-innovatører og 2,000 helsepersonell – så selv om vi ikke er helt i omfanget av hele markedet, er vi de bredeste AI-løsningene for onkologi i bransjen.

Hva inspirerte deg til å fokusere spesielt på onkologi- og hematologidatasett, og hvordan så du at ConcertAI gjorde en forskjell på disse feltene?

USA startet "War on Cancer" i 1971 med National Cancer Act. Dette katalyserte storstilt statlig finansiering, som genererte innsikt i mutasjonene som driver kreft, nye modaliteter for terapier, utvidede National Cancer Institute-utpekte behandlingssentre og mer. Under Obama-administrasjonen økte finansieringen igjen med 10 milliarder dollar i elektronisk stimulans som gikk til NIH og, i sin tur, til NCI. Under Biden ble Cancer Moonshot 2.0-programmet lansert i 2022, og katalyserte igjen en helt ny generasjon av forsknings- og startfinansieringsinvesteringer for akademiske, samfunns- og privat-offentlige partnerskap.

Jeg gir denne historien fordi få sykdommer eller områder innen helsevesenet har datanivået: genomisk, transkriptomisk, digital patologi, digital radiologi, detaljerte elektroniske medisinske journaler, etc., og forskningsnivået som kontekstualiserer disse dataene med validert innsikt gjennom strenge, multisenter, fagfellevurderingsstudier. Som ytterligere bevis er årsmøtet i American Society of Clinical Oncology det største medisinske møtet i verden, med det største antallet nye publikasjoner, plakater og sammendrag fra ethvert vitenskapelig forum om ethvert emne.

Så hvis du skal være data- og AI-sentrisk, er det få bedre områder for å fremme løsninger med selvtillit og i stor skala enn onkologi. ConcertAI har den største samlingen av forskningsgradsdata av noen i verden. Den inkluderer hundrevis av fagfellevurderte publikasjoner aktivert av disse dataene, betydelig bevis som er et resultat av disse publikasjonene som endrer hvordan pasienter behandles og sikrer mest mulig positive utfall, og nå AI SaaS-teknologier som er integrert i prosessene for omsorg og forskning som gir kraften til disse dataene og bevisene til å bære på alle punkter og for alle beslutninger langs en pasients omsorgsreise. Det som virkelig er viktig her er at vi ikke gjør dette ensidig. Det gjøres på en transparent måte med vår helsepersonell og biofarmainnovatorpartnere for å skape størst mulig tillit og bruk. Så vi utvikler oss mot sanntids, avansert, AI intelligens-aktivert beslutningsforsterkning.

ConcertAI har blitt en ledende aktør innen real-world evidens (RWE) og AI-teknologi for helsetjenester. Hva var noen av de tidlige utfordringene du møtte med å posisjonere selskapet som en leder på dette området?

Du må stole på og utvikle deg mot å være referansekilden. Det er fortjent. Tilliten kommer fra leverandørpartnerne dine, som tror at dataene du får tilgang til er til det beste for pasientene deres. Tillit kommer fra dine akademiske og bransjepartnere, som ser bevisene på og tror at dataene dine er utledet som en perfekt refleksjon av de opprinnelige pasientjournalene og at konseptene du fremmer er "sanne" og reflekterer gjeldende klinisk og vitenskapelig praksis. Du må også oppnå en skala der dataløsningene ikke bare representerer hele befolkningen, men også produserer konklusjoner som trygt kan generaliseres tilbake til hele befolkningen som behandles med en bestemt medisin. Teknologien er lik. Forskere og klinikere er iboende skeptiske – som de burde være – og stoler ikke på svarte bokser eller algoritmer de ikke forstår. Så vi trengte å etablere tillit der også, gjennom publikasjoner og være åpne om hvordan løsningene våre fungerer.

ConcertAI har verdens største onkologi- og hematologidatasett. Hvilke unike muligheter skaper disse dataene for å transformere kreftforskning og -behandling?

Jeg elsker det spørsmålet. Vi jobber med dette hver dag! Mulighetene til å gi verdi til tilbydere, pasienter og innovatører er nesten ubegrensede. I tidligfaseforsøk utvikler vi studiesimuleringstilnærminger med digitale tvillinger som vil endre programmene vi tar inn i kliniske studier. Våre data- og AI-optimaliseringer vil redusere tiden det tar å gå fra ferdigstilt protokoll til endelig innsending til regulatorer med 30 til 40 % – noe som betyr at nye medisiner kommer raskere til pasientene. Våre beslutningsforsterkede AI-løsninger vil anbefale behandlingsveier som er evidensbasert og spesifikt skreddersydd for disse banene, overvåke responser i tråd med den forutsagte responsen og se etter potensielt fordelaktige kliniske studier når responsen eller fordelen er under forventningene. Våre avbildningsløsninger for klinisk tolkning opererer på nivå med operasjonelle prosesser, klinisk tolkning og langsiktig syn på nye tolkninger eller nye intervensjoner som bør vurderes basert på innsikt og bevis i fremtiden. Ikke lenger er en handling "en gang og gjort", men den blir snarere "en gang, og så igjen og igjen" slik at fordelaktige revurderinger og fremtidige beslutninger er en pågående prosess! Det som er annerledes her er at utsikten er hele pasientreisen – dette er en horisontal visning versus en serie med smale, dype, vertikale visninger som må sys sammen. Dette er en innovasjon aktivert av AI og en dyp prosessendring som gir nye måter å jobbe på for de involverte ekspertene.

Kan du forklare hvordan ConcertAIs digitale prøveløsning fungerer for å matche kreftpasienter med livreddende kliniske studier? Hvilken effekt har du sett så langt når det gjelder pasientutfall?

Kliniske studier er svært komplekse og krever timer med innsats av et bredt spekter av svært eksperter. For de fleste organisasjoner tilbys kliniske studier som et ansvar og forpliktelse til pasienter der dagens standard for omsorg kanskje ikke representerer et levedyktig alternativ. Utprøvinger har egentlig ikke vært veldig tilgjengelige for pasienter på behandlingssentre i nærmiljøet, hvor 80 % av pasientene får omsorgen deres. Likevel er dette pasientene som til slutt vil motta nylig godkjente medisiner. Dette skaper et dobbelt dilemma: flertallet av pasienter som trenger tilgang til studier er begrenset, og de som reflekterer den ultimate standarden på omsorgspopulasjonen er ikke i prøvedatasettet. Vi legger en vei for å løse disse problemene.

Resultatene har vært flotte – så positive at vi kommer til å utvide antall pågående studier med 10 ganger i 2025. Vi publiserte dette for de siste American Society of Clinical Oncology-møtene og på andre områder. Vår tilnærming er hvordan vi mener AI bør implementeres – som en utvidelse av ekspertmennesker der det er store kapasitets- og talentbegrensninger og hvor liv står på spill. Vi har utviklet et sett med orkestrerte og innstilte store språkmodeller som får tilgang til pasientjournaler, syntetiserer kjennetegn og matcher pasienter til potensielt gunstige forsøk, og gjør akkurat det ekspertene ville gjort – med en fullt dokumentert tilnærming til å gi anbefalinger og vurderinger. På nettstedene der teknologiene våre brukes, presterer vi på nivået til de mest eksperter og samler pasienter 5 ganger eller mer i forhold til nettsteder der teknologiene våre ikke brukes – både forskningsteamene og biofarmaka-innovatørene er fornøyde, og pasientene drar mest nytte av .

Hvordan adresserer ConcertAIs AI-drevne tilnærming til studiedesign og pasientrekruttering noen av de nåværende begrensningene i klinisk forskning, som pasientmangfold og studieeffektivitet?

Jeg er stolt av teamet mitt – de fortalte meg for tre til fire år siden at å oppnå mangfold er en forpliktelse og det riktige å gjøre vitenskapelig. De hevdet også at det er vanskelig å gjøre hvis det er manuelt, men krever null inkrementell innsats hvis det er automatisert. Så vi bestemte oss da for at hvert datasett og AI SaaS-løsning ville integrere mangfold og sosiale determinanter for helsekarakteristikker som vår standardtilnærming. Det er ikke et alternativ. Det er bare det vi gjør. Deretter kan våre CARAai™-støttede kliniske utprøvingsdesign og optimaliseringsløsninger vurdere hvilke etniske, rasemessige eller økonomiske underpopulasjoner som kan bli mest negativt påvirket av en sykdom, integrere disse hensynene i prøvedesignet, sikre at disse populasjonene ikke uforvarende ekskluderes, og definere kliniske steder mest sannsynlig å sikre deltakelse og representativitet. Det er her AI kan være «AI for Good» og hvor teknologien ikke introduserer en skjevhet, men sikrer at skjevheter ikke kommer inn i prosessen, det ultimate designet eller de operasjonelle prosessene rundt den kliniske utprøvingen.

Hvilken rolle spiller ConcertAI for å redusere belastningen på helsepersonell og optimalisere valg av sted i kliniske studier?

Vi integrerer arbeidsbyrden i alle aspekter av våre kliniske utprøvingsløsninger. For det første er det en belastning for pasienten. Dette kan være hvor stedet er lokalisert, antall besøk som kreves for en studie versus standarden for omsorg, eller den kliniske intensiteten til en studie kontra standarden for omsorg, som i tilfellet med ytterligere biopsier. Disse tingene kan avgjøre om pasienten – eller pasienten i samråd med sin leverandør – har råd til å delta eller tolerere og fullføre deltakelse.

Det er også en belastning for tilbyderen. Hvis vi kan automatisere identifiseringen av pasienter for kvalifisering til kliniske utprøvinger, minimere falske positiver som skaper arbeid, og gi det vi kaller «AI-innflytelse» til arbeidet til Clinical Research Associated, Study Nurses og Physicians, så reduseres byrden. Det samme gjelder vår AI-automatiseringsløsning, som lar forskerteamet unngå å gjøre manuell dataregistrering – vanligvis 2 til 4 timer på slutten av dagen, og ofte fullført hjemme. Tidlig så vi på at dataene i EMR – digital – ble lagt inn manuelt i en portal for sponsorens EDC. Så digitale data blir lest og deretter tastet på nytt for å bli digitale data igjen! Også her bruker vi våre multitunede store språkmodeller – dette var et virkelig fokus for NVIDIA-partnerskapet fra begynnelsen. Vi er på 55 % full automatisering i dag, med en veldig rask vei til over 80 % i løpet av de neste månedene. Etter hvert som disse elementene kommer sammen, vil vi få personalets tid ned til 10 % av de eldre kravene og gjøre disse studiene mer tilgjengelige for flere pasienter.

Presisjonsmedisin er et nøkkelområde der AI gjør betydelige fremskritt. Hvordan bidrar ConcertAIs teknologi til mer presise og personlig tilpassede kreftbehandlinger?

Vi har ikke diskutert dette så mye siden i fjor. I desember 2023 tok vi ansvar for American Society of Clinical Oncologys (ASCO) CancerLinQ-program. Det er verdens største intelligente helsenettverk, som består av akademiske sentre, regionale sykehussystemer og lokalsamfunnsleverandører. En sentral del av dette nettverket er å implementere ASCO Certified®-kvalitets- og kliniske forløpsløsninger. Siden CancerLinQ er et ConcertAI-initiativ, har vi utvidet nettverket, automatisert presisjons onkologiske forløp, laget nye digitale tvillingtilnærminger for å forbedre behandlingsvalget for leverandørene, identifisert og formidlet meldinger til kritiske diagnostiske tester som kan informere behandlingsbeslutninger, og gjort det samme for nylig godkjente medisiner som representerer et annet eller bedre behandlingsalternativ. Alt dette er underbygget av vår CARAai™-arkitektur, igjen et sett med visjons-LLM og finjusterte onkologiske LLM-er utført i samarbeid med NVIDIA. Det er fantastisk å se fremgangen som gjøres, og vi er begeistret for hva vi skal publisere og presentere på neste års ASCO 2025.

Hvordan ser du på at AI-avbildningsløsninger er til fordel for felt som onkologi og radiologi, spesielt ettersom disse feltene har mangel på klinikere?

Flott spørsmål! Det er riktig at både antallet nye onkologer og radiologer som kommer inn på feltet er mindre enn antallet som går av med pensjon. Pasientetterspørselen er imidlertid stadig økende. Så det er det ideelle området for å tilby AI SaaS-løsninger som støtter leger og beslektede omsorgspersoner i både arbeidsflytoptimalisering og kliniske beslutningsforsterkninger. Både radiologer og onkologer vil nevne viktigheten av at disse nye intelligente løsningene kommer spesielt inn på deres felt. Bildebehandling er et fantastisk område for AI, og ytelsen er eksepsjonell. Ikke-mindreverdighetsstudier reflekterer at AI-modeller kan være nær eller sammenlignbare med ekspertmennesker i trange områder. Orkestrerte arbeidsflyter kan bringe alt sammen. Det samme gjelder i onkologi, hvor vi samler molekylære testresultater med immunresponsdata, prediktive algoritmer for resistens og andre elementer som alle vil informere behandlingsbeslutningen og muliggjøre responsovervåking. Jeg har vært i feltet i årevis og på forskjellige sider av nye innovasjoner – det vi kan gjøre nå er langt utover alt vi noen gang kunne gjøre før, og endringstakten er fantastisk.

Som en erfaren leder innen helseteknologi, hvilke råd vil du gi til nye selskaper som ønsker å ha en meningsfull innvirkning på helsevesenet gjennom AI?

Du kan ikke være et AI-selskap uten tilgang til data i stor skala. Data er underlaget for å bygge opplærings- og overvåkingsmodeller. Å bygge AI-løsninger er også en lagsport. Du trenger domenekunnskap på en eksepsjonell dybde matchet med en ny generasjon av AI-modellutviklingsevner som gjenkjenner atferden til forskjellige klasser av AI-løsninger og kan bringe dem til å bære mot snevre mål, spesifikt innstilt for menneskelig eller høyere ytelse. Deretter kan disse tilnærmingene orkestreres på forskjellige måter for å representere et nytt system for drift - det er der endringene skjer, og verdien blir levert. Øv på "AI-ydmykhet" siden alt er fantastisk og viser ting vi ikke kunne gjøre engang seks måneder før. Likevel er "utrolig" ikke nødvendigvis et produkt eller en ny måte å jobbe på – det er nettopp det, teknologi som gjør noe nytt. Det er AI-selskapets ansvar å gjøre det til en ny måte å jobbe på og en ny tilnærming for å levere et forbløffende verdinivå som aldri var tilgjengelig før. Til slutt, anta at du må vise tillit til forretningspraksis, AI-modeller og åpenhet i løsninger. Vi er fortsatt tidlig i vår samfunnsreise, og det er vi som må tjene tilliten til å få til endringene vi er i stand til å levere.

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