Jeff Elton, CEO i ConcertAI – Intervju-serie

Jeff Elton, Ph.D., er CEO i ConcertAI, et AI SaaS-løsningsselskap som tilbyr forskningsløsninger og pasient-sentrerte løsninger for life sciences-innovatører og verdens ledende leverandører. ConcertAI fokuserer på å akselerere og forbedre nøyaktigheten av retrospektive og prospektive kliniske studier ved å bruke leverandørens EMR-er, LIS-er og PACS-systemer som kilde for all studie-data. Det er en langvarig partner med American Society of Clinical Oncology og dens CancerLinQ-program, US FDA, NCI Health Equity-initiativer og nesten 100 helsetjenestetilbydere over hele USA.

Før ConcertAI var Jeff Managing Director, Accenture Strategy/Patient Health; Global Chief Operating Officer og SVP Strategy i Novartis Institutes of BioMedical Research, Inc.; og partner i McKinsey & Company. Han er også en grunnleggende styremedlem og senior rådgiver for flere tidlige selskaper. Jeff er for tiden styremedlem i Massachusetts Biotechnology Council. Han er medforfatter av den bredt siterte boken, Healthcare Disrupted (Wiley, 2016). Jeff har en Ph.D. og M.B.A. fra University of Chicago.

Som grunnleggende CEO i ConcertAI, kan du dele din visjon for selskapet ved oppstarten? Hvordan har den visjonen utviklet seg siden 2018?

Vi startet med ideen om at forbedrede pasientresultater kommer fra dyptgående og handlebare innsikter. Å oppnå disse innsiktene krever data-fullstendighet, data-skala, data-representativitet og avansert AI-intelligens. Så, vi skapte et Data-as-a-Service- og AI-Software-as-a-Service-selskap. Vi målrettet AI som tillater inferens og prediksjon. Dette inkluderte å prediktere hendelser som må unngås, som pasienters non-adherens til deres terapi eller avbrytning av behandling på grunn av manglende positiv respons, som informerte når kliniske studier måtte være neste alternativ.

Vår visjon har forblitt uendret, og vi fortsetter å forvente mer av våre løsninger. Med den siste generasjonen av LLM-er, agens AI og andre generative AI-løsninger, kan vi operere på skala (og nesten i sanntid—noe vi ikke forventet eller antok i 2018). Med partnere som NVIDIA (NVDA ), kan vi fremme våre løsninger til å fungere bedre enn forventet, gjenkjenne begrensninger og unike karakteristika, og bevege oss i takt med markedets innovasjoner—reisen hittil har vært ekstraordinært produktiv og spennende.

Vi har åpnet opp tidligere uforståelige prestasjoner i kliniske studie-automatiseringsløsninger, automatisering av plassering av pasienter på evidens-baserte kliniske stier, avanserte arbeidsflyter i radiologisk tolkning, og bruk av digitale tvillinger som en beslutningsforbedringsverktøy for omsorg og forskning.

I dag betjener vi nesten 50 biopharma-innovatører og 2 000 helsetjenestetilbydere—så mens ikke på helt samme skala som hele markedet, er vi den bredest rekkevidde AI-løsninger for onkologi i industrien.

Hva inspirerte deg til å fokusere på onkologi- og hematologidatasett spesifikt, og hvordan så du ConcertAI gjøre en forskjell i disse feltene?

USA startet “krigen mot kreft” i 1971 med National Cancer Act. Dette katalyserte stor-skala-regjeringfinansiering, som genererte innsikter i mutasjonene som driver kreft, nye modaliteter for terapier, utvidet National Cancer Institute-designated behandlingssentre, og mer. Under Obama-administrasjonen økte finansieringen igjen med 10 milliarder dollar i elektronisk stimulus til NIH og, i tur, til NCI. Under Biden, ble Cancer Moonshot 2.0-programmet lansert i 2022, igjen katalysert en helt ny generasjon av forskning og seed-investeringer for akademiske, samfunns- og private-offentlige partnerskap.

Jeg gir denne historien fordi få sykdommer eller områder av helsetjenesten har samme nivå av data: genomisk, transkriptomisk, digital patologi, digital radiologi, detaljerte elektroniske medisinske journaler osv., og nivået av forskning som kontekstualiserer disse dataene med validerte innsikter gjennom strenge, multi-senters, peer-review-studier. Som ytterligere bevis, er American Society of Clinical Oncology årlige møte det største medisinske møtet i verden, med det største antall nye publikasjoner, poster og abstrakter av noen vitenskapelig forum på noen tema.

Så, hvis du skal være data- og AI-sentrisk, er det få bedre områder å fremme løsninger med tillit og på skala enn onkologi. ConcertAI har den største samlingen av forskningsgrad-data i verden. Det inkluderer hundrevis av peer-review-publikasjoner muliggjort av disse dataene, betydelige bevis som resulterer fra disse publikasjonene som endrer hvordan pasienter behandles og sikrer de mest positive mulige resultater, og nå AI SaaS-teknologier som er integrert i prosessene for omsorg og forskning som bringer kraften av disse dataene og bevisene til å bære på alle punkter og for alle beslutninger langs en pasients omsorgsreise. Hva som er viktig her er at vi ikke gjør dette ensidig. Det gjøres transparent med våre helsetjenestetilbyder- og biopharma-innovatørpartnere for å skape den største tilliten og bruken.

ConcertAI har blitt en ledende spiller i realverden-bevis (RWE) og AI-teknologi for helsetjenesten. Hva var noen av de tidlige utfordringene du møtte i å posisjonere selskapet som en leder i dette området?

Du må være tillitsfull og utvikle deg mot å bli referansekilden. Det er tjent. Tilliten kommer fra dine helsetjenestetilbyderpartnere, som tror at dataene du aksesserer er i beste interesse for deres pasienter. Tilliten kommer fra dine akademiske og industripartnere, som ser bevisene for og tror at dine data er avledet som en perfekt refleksjon av de opprinnelige pasientjournalene og at konseptene du fremmer er “sanne” og reflekterer nåværende klinisk og vitenskapelig praksis. Du må også oppnå en skala som dine datasøninger representerer ikke bare hele befolkningen, men også produserer konklusjoner som er trygt generaliserbare tilbake til hele befolkningen som behandles med en bestemt medisin. Teknologien er lignende. Vitenskapsmenn og kliniske ansatte er innebygget skeptiske—som de skal være—and tror ikke på svarte bokser eller algoritmer de ikke forstår. Så, vi måtte etablere tillit der også, gjennom publikasjoner og å være åpne om hvordan våre løsninger fungerer.

ConcertAI har verdens største onkologi- og hematologidatasett. Hva unike muligheter skaper denne dataen for å transformere kreftforskning og -behandling?

Jeg elsker denne spørsmålet. Vi jobber med dette hver dag! Mulighetene til å levere verdi til helsetjenestetilbydere, pasienter og innovatører er nesten ubegrensede. I tidlige fase-studier, utvikler vi studie-simuleringstilnærminger med digitale tvillinger som vil endre programmene vi tar inn i kliniske studier. Våre data og AI-optimieringer vil senke tiden det tar å gå fra ferdigstilt protokoll til ferdigstilt innlevering til regulatorer med 30 til 40%—det betyr at nye medisiner kommer til pasienter raskere. Våre beslutningsforbedrings-AI-løsninger vil anbefale stier for behandling som er evidens-basert og spesifikt tilpasset disse stiene, overvåke respons i tråd med den forventede responsen og se etter potensielt gunstige kliniske studier når respons eller nytte er under forventningene. Våre bilde-kliniske tolkningsløsninger opererer på operasjonell prosess-nivå, klinisk tolkning og lengre-tidsvisning av nye tolkninger eller nye intervensjoner som bør vurdernes basert på innsikter og bevis i fremtiden. Ikke lenger er en handling “en gang og ferdig”, men heller “en gang, og så igjen og igjen” slik at gunstige gjen-vurderinger og fremtidige beslutninger blir en pågående prosess! Hva som er annerledes her er at visningen er hele pasient-reisen—dette er en horisontal visning i motsetning til en serie smale, dype, vertikale visninger som må syes sammen.

Kan du forklare hvordan ConcertAI Digital Trial-løsning fungerer for å matche kreftpasienter med livreddende kliniske studier? Hva innvirkning har du sett så langt i forhold til pasient-resultater?

Kliniske studier er svært komplekse og krever timer med arbeid fra en rekke høyt ekspertise-individer. For de fleste organisasjoner, er kliniske studier tilbudt som en plikt og forpliktelse til pasienter hvor den nåværende standarden for omsorg kanskje ikke representerer et livskraftig alternativ. Studier har ikke vært tilgjengelige for pasienter i samfunnsbehandlingssentre, hvor 80% av pasientene mottar sin omsorg. Likevel, disse er pasientene som vil til slutt motta nygodkente medisiner. Dette skaper en dobbel dilemma: majoriteten av pasienter som trenger tilgang til studier er begrensede, og de som er representative for den ultimate standarden for omsorg-populasjonen er ikke i studie-datasettet. Vi satte en vei å løse disse problemene.

Resultatene har vært flotte—så positive at vi kommer til å utvide vårt antall studier i gang med 10 ganger i 2025. Vi publiserte dette for det siste American Society of Clinical Oncology-møtet og i andre områder. Vår tilnærming er hvordan vi tenker AI bør implementeres—som en forbedring av ekspert-mennesker der det er store kapasitets- og talent-begrensninger og der liv er på spill. Vi har utviklet en rekke orkestrerte og avstemte store språkmodeller som aksesserer pasientjournaler, syntetiserer karakteristika og matcher pasienter til potensielt gunstige studier, gjør eksakt det som ekspert-menneskene ville gjøre—med en fullt dokumentert tilnærming til å gi anbefalinger og vurderinger. På stedene hvor våre teknologier er deployert, utfører vi på samme nivå som de mest ekspert-menneskene og rekrutterer pasienter med 5 ganger eller mer relativt til steder hvor våre teknologier ikke er deployert—forskningslagene og biopharma-innovatørene er begge fornøyde, og pasientene nyter mest.

Hvordan adresserer ConcertAI AI-drevne tilnærming til studie-design og pasient-rekruttering noen av de nåværende begrensningene i klinisk forskning, som pasient-mangfold og studie-effektivitet?

Jeg er stolt av mitt team—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 automatisert. Så, vi bestemte oss da at hver datasett og AI SaaS-løsning ville integrere mangfold og sosiale bestemmelsesfaktorer for helse-karakteristika som vår standard-tilnærming. Det er ikke et alternativ. Det er bare hva vi gjør. Deretter kan våre CARAai™-støttede kliniske studie-design og -optimaliseringsløsninger vurdere hvilke etniske, rasiske eller økonomiske under-populasjoner som kan være mest negativt berørt av en sykdom, integrere disse overveielser i studie-designet, sikre at disse populasjonene ikke uforvarende utelukkes, og definere de kliniske steder som er mest sannsynlig å sikre deltakelse og representativitet. Dette er hvor AI kan være “AI for godt” og hvor teknologien ikke introduserer en bias, men sikrer at biaser ikke kommer inn i prosessen, den ultimate design eller de operative prosessene rundt den kliniske studien.

Hva rolle spiller ConcertAI i å redusere byrden på helsetjenestetilbydere og optimalisere sted-valg i kliniske studier?

Vi integrerer arbeidsbyrden i alle aspekter av våre kliniske studie-løsninger. Først og fremst, er det en byrd på pasienten. Dette kan være hvor stedet er lokalisert, antallet besøk som kreves for en studie versus standard omsorg, eller den kliniske intensiteten av en studie versus standard omsorg, som i tilfelle av ekstra biopsier. Disse tingene kan bestemme om pasienten—or pasienten i konsultasjon med sin helsetjenestetilbyder—kan delta eller tåle og fullføre deltakelse.

Det er også en byrd på helsetjenestetilbyderen. Hvis vi kan automatisere identifiseringen av pasienter for klinisk studie-egnet, minimere falske positive som skaper arbeid og gi hva vi kaller “AI-leverage” til arbeidet med klinisk forsknings-assosiert, studie-sykepleiere og leger, da blir byrden lavere. Det samme gjelder for vår AI-automatiseringsløsning, som tillater forskningslaget å unngå manuell data-innlasting—typisk 2 til 4 timer på slutten av dagen og ofte fullført hjemme. Tidlig ut så vi på dataene i EMR—digitale—som ble manuelt innlest i en portal for sponsorens EDC. Så, digitale data leses og så innlest igjen for å bli digitale data igjen! Her også, bruker vi våre multi-avstemte store språkmodeller—dette var et virkelig fokus for NVIDIA-partnerskapet fra begynnelsen. Vi er på 55% full automatisering i dag, med en svært rask vei til over 80% i de kommende månedene. Etterhvert som disse elementene kommer sammen, vil vi få ned personalsiden til 10% av legacy-kravene og gjøre disse studiene mer tilgjengelige for flere pasienter.

Presisjonsmedisin er et nøkkelområde hvor AI gjør betydelige skritt. Hvordan bidrar ConcertAI-teknologien til mer presise og personaliserte kreftbehandlinger?

Vi har ikke diskutert dette så mye siden i fjor. I desember 2023, overtok vi ansvaret for American Society of Clinical Oncologys (ASCO) CancerLinQ-program. Det er verdens største intelligente helse-nettverk, bestående av akademiske sentre, regionale sykehus-systemer og samfunns-tilbydere. En nøkkel-del av dette nettverket er å implementere ASCO-sertifiserte kvalitets- og kliniske sti-løsninger. Ettersom CancerLinQ er et ConcertAI-initiativ, har vi vokst nettverket, automatisert presisjons-onkologi-stier, skapt nye digitale tvilling-tilnærminger for å forbedre behandlings-valg for helsetjenestetilbyderne, identifisert og meldt kritiske diagnostiske tester som kunne informere behandlings-beslutninger og gjort det samme for nygodkente medisiner som representerer et annet eller bedre behandlings-alternativ. Alt dette er underbygget av vår CARAai™-arkitektur, igjen en rekke visjon LLM og avstemte onkologi LLM-er gjort i samarbeid med NVIDIA. Det er fantastisk å se fremgangen som gjøres, og vi er spente på hva vi kommer til å publisere og presentere på neste års ASCO 2025.

Hvordan ser du på AI-bilde-løsninger som kan nyttiggjøre felt som onkologi og radiologi, spesielt når disse feltene møter kliniske ansatt-mangel?

Flott spørsmål! Det er sant at både antallet nye onkologer og radiologer som går inn i feltet er mindre enn antallet som går av med pensjon. Likevel, pasient-etter-spørselen er stadig økende. Så, det er det ideelle området for å levere AI SaaS-løsninger som støtter fysikere og kliniske ansatte i både arbeidsflyt-optimiering og klinisk beslutnings-forbedring. Radiologer og onkologer vil begge sitere viktigheten av disse nye intelligente løsningene som kommer inn i deres felt spesielt. Bildingen er et fantastisk område for AI, og dens ytelse er eksepsjonell. Non-inferioritets-studier reflekterer at AI-modeller kan være like eller sammenlignbare med ekspert-mennesker i smale områder. Orkestrerte arbeidsflyter kan bringe alt dette sammen. Det samme gjelder for onkologi, hvor vi bringer sammen molekylære test-resultater med immun-respons-data, predikative algoritmer for motstand og andre elementer som vil informere behandlings-beslutningen og muliggjøre respons-overvåking. Jeg har vært i feltet i mange år og på forskjellige sider av nye innovasjoner—hva vi kan gjøre nå er langt utenfor hva vi noen gang kunne gjøre før, og forandringens tempo er fantastisk.

Som en erfaren leder i helseteknologi, hva råd ville du gi til nye selskaper som ønsker å ha en meningsfull innvirkning i helsetjenesten gjennom AI?

Du kan ikke være et AI-selskap uten tilgang til data på skala. Data er substratet for å bygge trening- og overvåkingsmodeller. Bygging av AI-løsninger er et lag-sport. Du trenger domene-kunnskap på en eksepsjonell dybde sammen med en ny generasjon av AI-modell-utviklings-kapasiteter som gjenkjenner atferden til forskjellige klasser av AI-løsninger og kan bringe dem til å bære mot smale objekter, spesielt tilpasset for menneskelig eller over prestasjon. Deretter kan disse tilnærmingene orkestreres på forskjellige måter for å representere et nytt system for å operere—det er der endringene skjer, og verdien blir levert. Praktiser “AI-ydmykhet” ettersom alt er fantastisk og viser ting vi ikke kunne gjøre selv for seks måneder siden. Likevel, er “fantastisk” ikke nødvendigvis et produkt eller en ny måte å arbeide på—det er bare teknologi som gjør noe nytt. Det er AI-selskapets ansvar å gjøre det til en ny måte å arbeide på og en ny tilnærming for å levere en forbløffende høy verdi som aldri var tilgjengelig før. Til slutt, anta at du må demonstrere tillit i forretnings-praksis, AI-modeller og løsnings-gjennomsiktighet. Vi er fortsatt tidlig i vår sosiale reise, og vi er de som må tjene tilliten for å bringe om endringene vi er i stand til å levere.

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