Jonathan Kron, administrerende direktør i BloodGPT – Intervju-serie

Jonathan Kron er administrerende direktør i BloodGPT. Han er en helsestrateg og entreprenør med over 20 års erfaring med å bygge og skale helseprosjekter. Før han ble med i BloodGPT, grunnla han og solgte Med24, en London-basert klinik (samlet inn 5 millioner pund, solgt i 2022), og var med å grunnlegge PCG, et Monaco-basert helse-til-hjem-startup som sikret kontrakter verdt over 1 million dollar på en seed-budsjett på 500 000 dollar, og har rådgitt digitale helseprosjekter, inkludert Klarity og LIPS Healthcare om større fundraising og vekst.

BloodGPT er en AI-drevet plattform for diagnostiske laboratorier og klinikker som integrerer sømløst i eksisterende arbeidsflyter, og tolker blodprøveresultater på sekunder med 99,99% nøyaktighet.

Du har brukt over to tiår på å bygge og skale helseprosjekter. Hva var det som førte deg til BloodGPT?

Jeg hørte om BloodGPT tidligere i år fra en kollega. Konseptet resonnerte umiddelbart, både personlig og fra et forretningsperspektiv. Jeg er en person som alltid har sporet min egen blodverdi i regneark, og trukket tall fra PDF-er og bilder, bare for å møte på inkonsistente enheter, referanseområder og navnekonvensjoner. Det var kjedelig og ofte uansvarlig. Og dypt inne visste jeg at jeg ikke kunne være den eneste som hadde å gjøre med frustrasjonen over å motta ufullstendige, fragmenterte og utilgjengelige resultater fra en lege, laboratorium eller klinik.

Av den grunn var jeg på et møte med grunnleggerne bare noen dager etter at jeg hørte om BloodGPT, og på slutten av det møtet ble jeg CSO. Etter over 20 år med å arbeide i klinikker, startup-selskaper og helsesystemer, visste jeg at dette var rett opp min gate.

BloodGPT løser noen smertepunkter som jeg har sett gjentatte ganger. Folk får testresultater, men tilgangen er fragmentert, konteksten går tapt, og prosessen overvelder allerede strekkede profesjonelle. Tenk på dette. Bloddata er en av de rikeste signalene for generell velvære, og likevel er det fortsatt så underutnyttet.

Min begrunnelse var at hvis vi kan kombinere AI og avansert datavitenskap med sterk helsekunnskap, kan vi gjøre denne informasjonen brukbar i sanntid for alle: enkeltpersoner, helsepersonell og hele systemer.

BloodGPT lover 99,99% nøyaktighet i tolkning av blodprøveresultater og integrerer direkte i eksisterende laboratoriearbeidsflyter. Kan du forklare hvordan plattformen ble konseptualisert og hvilke nøkkelutfordringer du møtte under utviklingen?

Det begynte faktisk med en nabolig samtale. Nikita Udovichenko, en biokjemiker og ernæringskonsulent, så alltid det samme problemet i sin praksis før han grunnla BloodGPT. Folk fikk blodprøveresultater og visste ikke hva de skulle gjøre med dem. Hans nabo Vasilii Lazuka, en serial AI-entrepreneur og nå medgrunnlegger og CTO, så umiddelbart potensialet. Det som begynte som en uformell samtale ble raskt til et ekte prosjekt. Kort tid etter kom AI-produktutviklingseksperten Nata Savaścienka med som medgrunnlegger og CPO, og jeg kom på bordet, arbeidende sammen med dem og trekke på mine tjue års erfaring med å bygge helse- og dataplattformer.

Fra det punktet ble fokus på å bygge et system som behandler hver enkelt verdi som verifiserbar data, ikke noe et språkmodell kan gjette. Vi designet en flerlagsarkitektur som normaliserer hver biomarkør til LOINC-koder — Logiske Observasjonsidentifikatorer Navn og Koder, den internasjonale standarden for rapportering av laboratorietester — verifiserer hver enhet med UCUM, den forente koden for måleenheter, og alltid henviser til laboratoriets egne referanseområder.

Fra mine tjue års erfaring med å arbeide med helsepersonell, vet jeg hvor sentralt tillit er i denne sektoren. Derfor var de tøffeste utfordringene vi fokuserte på å bygge BloodGPT, stabilitet og tillit. Vi må huske at store modeller kan gi forskjellige svar på samme fil, misforstå datoer eller oppfinne områder. Vi gjorde det til vår misjon å sikre at hver utgang var reproduserbar og fullstendig sporable tilbake til sin kilde.

I dag kobler plattformen direkte inn i laboratoriearbeidsflyter gjennom FHIR-API-er — Fast Healthcare Interoperability Resources, en moderne standard som lar helseinformasjonssystemer dele data trygt og effektivt. Den fungerer også med legacy laboratorieinformasjonssystemer, og gir profesjonell tid tilbake og gir enkeltpersoner umiddelbar klarhet.

Mange pasienter søker nå til generelle LLM-er for å tolke laboratorietestresultater. Hva er risikoen med denne trenden, og hvordan gir BloodGPT en tryggere og mer pålitelig alternativ?

Generelle språkmodeller er ikke bygget for laboratoriedata. De kan misforstå enheter, blande sammen datoer eller oppfinne referanseverdier, og de viser ikke når de er usikre. En pasient kan lime inn resultater og få et polert svar som bare er feil. Og det skremmende er at det høres så overbevisende ut at du kanskje ikke tenker å spørre.

BloodGPT er trent og validerert spesifikt for patologiske arbeidsflyter. Hver verdi er knyttet til LOINC-identifikatorer og kontrollert mot UCUM-måleenhetsstandarder, og plattformen bruker alltid laboratoriets egne referanseområder som sluttpunkt. Flerelagsbeskyttelse sporer hver utgang tilbake til sin kilde, så samme inndata produserer samme, fullstendig auditerbar resultater.

Denne formål-bygde designen, fokusert på reproduserbarhet og gjennomsiktig proveniens, gir profesjonelle og enkeltpersoner et nivå av pålitelighet som en generell chatbot bare ikke kan tilby.

Din karriere har spandt over å grunnlegge klinikker, å rådgive startup-selskaper og nå å lede et AI-drevet helseprosjekt. Hvordan har din perspektiv på helseinnovasjon utviklet seg over denne reisen?

Tidligere betydde innovasjon murstein og mørtel — bygging av nye fasiliteter og tjenester for å kutte ventetider og strømlinje pasientforløp. Senere ble det om forretningsmodeller, som innebærer å levere omsorg mer effektivt, operasjoner mer bærekraftig og forbedre den generelle pasientopplevelsen.

I dag handler det om intelligens og skala. AI åpner muligheter som var utenkelige da jeg startet, men en lære som har forblitt konstant er at teknologi alene ikke transformerer helse. Systemer, incitamenter og adopsjoner gjør det.

I denne sammenhengen har min tenkning skiftet fra «Hvordan bygger vi?» til «Hvordan integrerer vi?» Jeg tror fast på at de selskapene som lykkes ikke nødvendigvis vil ha de flotteste algoritmene. De vil være de som hvis verktøy sømløst og stille driver daglige rutiner for leger, pasienter og helsesystemer.

En gjentakende tema i helseprosjekter er balansen mellom automatisering og det menneskelige aspektet. Hvordan forestiller du deg at AI som BloodGPT vil omforme legers rolle — spesielt i reduksjon av utbrenthet samtidig som de bevare dommen og empati?

Leger brenner sjelden ut av å ta seg av mennesker. De brenner ut av papirarbeid, dupliserte tester, fragmenterte systemer og alle de administrative oppgavene som trekker dem vekk fra pasientene. Hver lege jeg kjenner ville heller bruke fem minutter på å snakke med en pasient enn å fylle ut enda en skjema. Den ekstra arbeidsbyrden, dessverre, vokser bare, og den undergraver tiden og energien de har for ekte klinisk omsorg.

BloodGPT ble bygget for å lettet noe av denne presset. Plattformen tar over den tunge løftingen involvert i organisering og tolkning av laboratoriedata og leverer klare, strukturerte innsikter som passer inn i eksisterende arbeidsflyter. Når disse rutine-trinnene håndteres automatisk og pålitelig, kan leger bruke mer av sin dag på det som bare de kan gjøre, som er å lytte, utøve dømmekraft og bygge tillit med de menneskene de behandler.

Jeg tror ikke AI vil erstatte leger. Hvis noe, lar det dem returnere til hjertet av sin profesjon, tilbringe mer tid i samtale og mindre tid på å jakte på data. Det er der teknologien kan stille medisin til å bli mer menneskelig, ikke mindre.

En av dine uttalte mål er å spare klinikker millioner årlig i effektivitetsgevinster. Hva er de mest tangibile kostnadsbesparende mekanismene BloodGPT leverer?

Besparelsene kommer fra tre hovedområder.

Først er det tid. Gjennomgang og kommunikasjon av laboratorietestresultater er fortsatt en langsom, manuell prosess i mange helsesystemer. BloodGPT kutte gjennomgangs- og tolkningsvinduet fra flere minutter til noen sekunder for hver test. Over tusenvis av resultater hver uke, oversettes det til hundrevis av kliniske timer returnert til pasientbehandling.

Andre er kontinuitet. Plattformen holder en løpende historikk over hver pasients bloddata, så trendene og anomaliene er lett å spore. Det reduserer dupliserte tester og fanger feil som ellers kunne utløse unødvendige oppfølgingsbesøk eller gjentakelse av laboratorietester.

Tredje er ressursbruk. Når informasjonen leveres nøyaktig og umiddelbart, kan personalet fokusere på høyere-verdioppgaver og laboratoriene kan operere med slankere støttegrupper.

Når du adderer disse effektene sammen, kan et midt-stort helsesystem se årlige besparelser på millioner samtidig som de også forbedrer resultater. I helse, er det uvanlig å senke kostnader og forbedre kvalitet på samme tid, og det er nettopp det vi sikter mot.

Du har notert at kortvarige investorer ofte dreper systemisk innovasjon i helse-AI. Hvordan tror du grunnleggere og investorer kan samarbeide for å sikre langvarig innvirkning?

Det begynner med en felles misjon. Hvis en investor ser etter en tolv-måneders omgang, er helse feil arena. Denne sektoren krever tålmodighet, streng overholdelse og år med tillitsbygging.

Grunnleggere har en rolle å spille i å sette forventninger. De må forklare regulatoriske tidsfrister, adopsjonscykluser og realitetene rundt refundering, så partnere forstår hvorfor fremgang kan se langsom ut fra utsiden.

Investorer, på sin side, bør støtte milepæl-basert vekst og motstå å jage etter flatusignaler. Selskapene som virkelig endrer helse-AI, vil bli bygget av partnere som er villige til å tenke på en fem- til ti-års horisont og forbli kommittet for hele reisen, ikke bare den første oppgangen i verdi eller en rask exit.

Med reguleringer som strammer rundt AI i helse, hvordan nærmer BloodGPT seg overholdelse, sikkerhet og tillitsbygging både hos kliniske og pasienter?

Fra begynnelsen behandlet vi ansvarlig design som en del av produktet, ikke en ettertanke. Vårt team følger de større privat- og sikkerhetsstandardene brukt i helse og holder et nøye øye på utviklingene i reguleringer i USA, Europa og andre nøkkelmarkeder. Fokus er på sterke datahåndteringsspraksis, gjennomsiktige algoritmer og utgang som kan fullstendig auditeres.

Som jeg nevnte tidligere, var tillit vår største utfordring fra starten, og det har forblitt vår nordstjerne. For oss handler det om mer enn å bokse av regulatoriske bokser. Profesjonelle kan se hvor hver verdi kommer fra og hvordan den ble prosessert, noe som gir dem tillit til informasjonen. Pasienter setter pris på samme klarhet. BloodGPT er et verktøy for å organisere og presentere deres egne resultater, ikke for å erstatte rollen til en kliniker. I den forstand er sikkerhet og tillit ikke funksjoner vi legger til senere. De er produktet selv.

Ser du fremover, ser du AI-tolkning utvide seg utenfor blodprøver til andre diagnostiske områder — og hvis så, hvor tror du de største gjennombruddene kommer først?

Det er allerede i gang.Radiologi, genomik, og oftalmologi har flyttet seg langt forbi den eksperimentelle fasen. I disse feltene hjelper AI-systemer med å identifisere tidlige kreftformer på skanninger, analysere komplekse genetiske varianter og flagge tegn på diabetisk retinopati i retinalbilder. I hver enkelt tilfelle går utgangen til en kvalifisert kliniker for gjennomgang, så profesjonelle forblir i kontroll over den endelige beslutningen.

Neste bølge vil være om forbindelse og integrasjon snarere enn enkeltområder. Tenk på at bilde, genetisk, wearables og laboratoriedata fortsatt behandles som separate strømmer. AI vil stadig bringe dem sammen, korrelere subtile signaler — en blodmarkør, en genetisk variasjon, en mønster fra en wearables — for å avsløre risiko langt før noen enkelt test kunne.

Det virkelige gjennombruddet vil være denne typen integrasjon: ett lag av intelligens som kobler sammen flere inndata for å gi leger og pasienter en kontinuerlig, sanntidsvisning av helse og risiko. Denne skiftet fra episodisk omsorg til prediktiv, proaktiv omsorg er hvor den største innvirkningen ligger.

Til slutt, hva er det som spenner deg mest om fremtiden for AI i helse, og hva rolle ser du BloodGPT spille i å forme denne fremtiden?

Hva som spenner meg mest, ærlig talt, er det jeg nettopp diskuterte angående skiftet fra reaktiv til proaktiv helse. I tiår har vi ventet på at folk blir syke før vi griper inn. Ja, forebygging og personlig ansvar har alltid vært en del av samtalen, men AI kan endelig gjøre den visjonen praktisk, ved å identifisere risiko tidligere, guide sunnere valg og tilpasse informasjon på en skala vi aldri har sett før.

BloodGPT er designet for å være en del av denne grunnlaget. Bloddata er det vanligste og mest tilgjengelige helsesignalet, og likevel er det ofte underutnyttet. Ved å gjøre denne informasjonen lettere å forstå og handle på, hjelper vi med å transformere råtall til klare innsikt, og innsikt til sunnere liv. Til slutt er det det enkle målet. Ta noe komplekst og gjør det til noe folk kan bruke. Vi legger grunnlaget for den type omsorg folk vil trenge i årene som kommer, samtidig som vi også gjør hverdags helse bedre nå.

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