Tony Hogben, Immersive Studio Lead i Pfizer Digital Omnichannel Services & Solutions (OSS) – Intervju-serie

Tony Hogben er Immersive Studio Lead i Pfizer (PFE ) Digital Omnichannel Services & Solutions (OSS). Pfizer Digital Omnichannel Services & Solutions (OSS) er i forkant av å transformere hvordan Pfizer kobler seg til pasienter, helsepersonell og profesjonelle verden over. Gjennom innovative digitale strategier, banebrytende teknologi og datadrevne innsikter, gir OSS sammenhengende, personlige og effektive opplevelser. Ved å integrere avanserte analyser, automatisering og AI-drevne løsninger, forbedrer teamet engasjement, optimaliserer kommunikasjon og driver meningsfulle forbindelser over alle digitale kontaktpunkter.

Du har hatt en omfattende karriere innen digital innovasjon og immersive teknologier. Hva var det som først vekket din interesse for dette feltet, og hvordan ledet din reise deg til din nåværende stilling?

Min vei har vært noe uvanlig. Etter å ha fullført en grad i “New Media” på begynnelsen av år 2000-tallet – da digitalt fortsatt var i ferd med å finne sin plass – etablerte og drev jeg min egen digitale byrå. Å jobbe under oppblomstringen av Web 2.0 var virkelig spennende. Vi var pionerer innen SAAS-løsninger og tidlige mobilapplikasjoner i en omgang hvor innovasjon ikke bare var et buzzord – det var vår daglige virkelighet. Hvert prosjekt brøt ny grund, og det entreprenørielle energien var smittsom.

Etter å ha solgt bedriften min like før pandemien, nøt jeg først noen ledige dager, men innsett raskt at jeg trengte en ny utfordring som ville utnytte min ekspertise. Å slutte meg til Pfizer Digital har gjort det mulig for meg å kombinere både min kreative visjon og tekniske evner, byggende på nesten to tiår med erfaring i å hjelpe organisasjoner av alle størrelser å transformere digitalt.

Å bygge Immersive Studio fra grunnen av har vært spesielt givende – å skape en intern innovasjonsenhet som gjør det mulig for teamene over hele selskapet å utnytte immersive og interaktive teknologier. For tiden er jeg en del av et team som fører an i våre initiativer for å integrere AI-løsninger over flere avdelinger og bruksområder, og hjelper teamene med å gjenoppfinne sine arbeidsflyter og evner.

Hva som har vært mest tilfredsstillende med å gå over til helsevesenet, er å kunne bruke min lidenskap for krysningspunktet mellom teknologi og menneskelig erfaring i en omgang hvor vårt arbeid har en konkret innvirkning. Her har presisjonen, realisme og engasjement vi skaper gjennom immersive teknologier en direkte innvirkning på utdanningen av helsepersonell og, i siste instans, pasientresultater. Denne forbindelsen mellom teknologisk innovasjon og menneskelig velvære driver meg hver dag.

Medisinsk utdanning gjennomgår en forandring med AI-drevne simuleringer. Hvordan sammenlignes disse AI-drevne immersive opplevelser med tradisjonelle treningsmetoder når det gjelder effektivitet og tilgjengelighet?

Jeg burde starte med å omhandle immersive opplevelser før jeg utforsker hvordan AI transformerer landskapet.

Immersive treningsopplevelser transformerer grunnleggende medisinsk utdanning ved å tilby fleksibilitet som tradisjonelle metoder ikke kan matche. Lærerne kan gå tilbake til komplekse scenarier fra nesten hvor som helst, i deres eget tempo, og så mange ganger som nødvendig. Bevisene er overbevisende, kunnskapsretensjonsrater for immersive læring er betydelig – opptil 76% bedre enn tradisjonelle treningsmetoder*

AI er nå i ferd med å revolusjonere disse immersive opplevelsene på fire avgjørende måter:

I innholdsskaping er AI i ferd med å demokratisere utviklingen av høykvalitets-simuleringer. Det som tidligere krevde lag av spesialiserte utviklere og måneder med arbeid, kan nå fullføres raskere og av langt færre mennesker – dette vil låse opp utviklingspotensialet og tillate innhold å bli skapt i stor skala.

For lærerens erfaring, gjør AI det mulig med dynamisk tilpasning – justering av scenarier i sanntid basert på beslutninger og ferdighetnivå, og skaper autentiske utfordringer som bedre speiler klinisk usikkerhet.

På tilbakemeldingsfronten, gir AI nyansert vurdering utover enkle bestått/ikke-bestått-mål. Det kan analysere lærernes bevegelser, beslutningssekvenser og sammenligne ytelse mot tusenvis av tidligere sesjoner for å tilby personlig veiledning.

Til slutt, gjør AI det mulig med samarbeidslæring gjennom naturlig språkbehandling og intelligente avatarer som simulerer realistiske pasient- og teaminteraksjoner.

Impakten på tilgjengelighet er profond – AI-drevne immersive opplevelser kan bli deployert vidt og kostnadseffektivt, og hjelpe med å løse treningsgap globalt. Denne kraftfulle kombinasjonen av immersive teknologi og AI har potensialet til å demokratisere tilgangen til høykvalitets medisinsk utdanning, spesielt i underserved regioner.

*Bonde, Mads & Makransky, Guido & Wandall, Jakob & Larsen, Mette & Morsing Bagger, Mikkel & Jarmer, Hanne & Sommer, Morten. (2014). Forbedring av bioteknisk utdanning gjennom gamifiserte laborasjonssimuleringer

Kan du dele innsikt i hvordan AI-drevne medisinske simuleringer utvikles i ditt selskap? Hva er noen av de største utfordringene i å bygge disse høykvalitets-simuleringene?

Vi er i de tidlige fasene av å integrere AI i våre tilnærminger. Vi har en tydelig visjon om hvor vi er på vei, men den tungt regulerte helsebransjen vi jobber i, krever metodelig implementering og strenge valideringer. Dette skaper en spenning mellom vår ønske om å innovere raskt og vår forpliktelse til å gå fremover med forsiktighet – vi ville gjerne holde tritt med den frenetiske innovasjonen som skjer med AI.

For tiden fokuserer vi våre AI-innsats i tre nøkkelområder:

1. Innholdsskaping akselerasjon: Vi bruker AI til å forbedre vår innholdsskaping, og hjelper våre medisinske og instruksjonsdesign-team å skala opp produksjonen av bevisbaserte scenarier, kliniske variasjoner og pasientmodeller. Dette gjør det mulig for oss å opprettholde kvalitet samtidig som vi betydelig utvider vår bibliotek av simuleringer.
2. Teknisk utviklingsakselerasjon: Vi utnytter AI til å strømlinje vår tekniske utviklingsprosess, og gjør det mulig for oss å raskere prototypere, teste og deployere nye simuleringsfunksjoner og egenskaper. Dette hjelper oss med å overvinne ressursbegrensninger og akselerere vår innovasjonsyklus.
3. Lærer-tilpassede opplevelser: I parallell utvikler vi måter å inkorporere AI direkte i våre simuleringer for å skape mer dynamiske og responsivt læringsmiljø. Dette inkluderer personlige tilbakemeldingssystemer og tilpasset vanskelighetsgrad basert på lærerens prestasjonsmønster.

Selv om fremgang krever tålmodighet i dette domenet, er vi spente på hvordan disse AI-innovasjonene til slutt vil transformere medisinsk utdanning og pasientresultater.

Din 360-graders erfaring, virtuell laboratorium, er en innovativ tilnærming til å trene helsepersonell. Hvordan fungerer det, og hva slags tilbakemeldinger har du mottatt fra brukerne så langt?

Det virtuelle laboratoriet gir helsepersonell erfaringen av å gå gjennom et ekte laboratorium, interagere med medisinsk utstyr, øve prosedyrer og løse virkelige utfordringer i et fullstendig immersivt digitalt rom.

Det virtuelle laboratoriet ble designet for å supplere fysiske laboratorieturer som demonstrerer beste praksis. Vi innsett at fysiske laboratorieturer involverer kompliserte logistiske og tidsmessige begrensninger, så vi skapte en digital alternativ som er tilgjengelig 24/7 fra hvor som helst i verden.

Helsepersonell navigerer gjennom detaljerte, interaktive simuleringer som tester deres kunnskap og forbedrer deres forståelse av laboratorieprosedyrer. Plattformen er designet for multiple enheter, og sikrer fleksibilitet i hvordan og hvor læring skjer. Vi har utvidet vårt tilbud til å inkludere virtuelle laboratorier for flere medisinske tilstander og har oversatt disse opplevelsene til mange språk for å støtte globale utdanningsbehov.

Tilbakemeldingene har vært overveldende positive. Brukerne prisar jevnt tre aspekter:

1. Realisme: Det høykvalitets-miljøet skaper en autentisk følelse av nærvær i et arbeidende laboratorium
2. Engasjement: Interaktive elementer opprettholder interesse og fokus gjennom hele læringsopplevelsen
3. Fleksibilitet: Evnen til å få tilgang til trening når som helst og i eget tempo

Viktigst av alt, rapporterer helsepersonell at de føler seg mer trygge på sine ferdigheter og beholder informasjon bedre enn med tradisjonelle treningsmetoder. Denne forbedrede kunnskapsretensjonen oversettes direkte til bedre pasientbehandling i virkelige situasjoner.

AI og immersive teknologi kan gjøre trening mer tilgjengelig, men ser du noen barrierer – som regulatoriske bekymringer, adopsjonsavvisning eller tekniske begrensninger – som må overvindes?

Når det gjelder implementering av nye teknologier i helseutdanning, er barrierene forskjellige mellom immersive opplevelser og AI-applikasjoner.

De primære utfordringene med immersive teknologi inkluderer:

• Utviklingskostnader: Tradisjonelt har skaping av høykvalitets-immersive opplevelser vært dyrt. Men AI hjelper oss faktisk med å løse dette ved å akselerere innholdsskaping og redusere produksjonstid.
• Tilgjengelighet: Vi sikrer at vår immersive trening forblir tilgjengelig ved å utvikle for multiple plattformer, som demonstrert med vårt virtuelle laboratorium som fungerer på flere enheter. Dette tillater lærerne å engasjere uavhengig av deres tekniske oppsett.
• Adopsjonsavvisning: Dette er kanskje vår mest vedvarende utfordring, spesielt blant erfarne helsepersonell. Vår strategi er inkrementell eksponering – starte med kjente formater som vårt virtuelle laboratorium som introduserer romlige læringskonsepter uten å kreve en bratt læringskurve. Dette bygger komfort med immersive konsepter før vi går videre til mer komplekse teknologier.

For AI-integrasjon møter vi forskjellige hindringer:

• Tekniske begrensninger: Vi jobber aktivt med å løse disse ved å bygge robuste plattformer og tilnærminger som vil tjene som grunnlag for fremtidige utviklinger.
• Regulatoriske bekymringer: Dette representerer vår største utfordring. Regulatoriske organer har gyldige spørsmål om nøyaktigheten og gyldigheten av AI-generert innhold i helseutdanning. Vår tilnærming er å utvikle interne bruksområder først, og skape konkrete eksempler vi kan bruke til å engasjere regulatoriske team konstruktivt. Vi erkjenner at vi må støtte deres forståelse samtidig som vi samarbeider om å utvikle passende retningslinjer.

Ved å løse disse barrierene systematisk og erkjenne deres distinkte karakteristika, skaper vi veier for ansvarlig innovasjon som opprettholder de høye standardene som kreves i helseutdanning.

Med AI akselererende i en utenforliggende takt, ser du for deg et punkt hvor AI kunne ta på seg en mer aktiv rolle i sanntids pasientbehandling, i stedet for bare å være et støtteverktøy?

Dette går litt utenfor mitt ekspertområde, men jeg tror vi kan se at AI allerede beveger seg utover støtteroller i helsevesenet, med eksempler som AI-assistert diagnostikk og sanntids kirurgi-veiledning. I de neste fem årene forventer jeg at AI vil ta på seg en mye mer aktiv rolle i pasientbehandling, men det vil ikke fullstendig erstatte mennesker. I stedet vil AI arbeide sammen med helsepersonell i en “menneske-i-løkken”-ramme, og tilby assistanse uten å ta full kontroll. Denne skiftet raiser etiske bekymringer rundt tillit og ansvar – mens AI kan foreslå diagnoser eller behandlingsplaner, vil den endelige beslutningen fortsatt bli tatt av mennesker for å sikre pasient sikkerhet. AI vil forbedre beslutningstaking, men menneskelig dømmekraft vil fortsatt være essensiell.

I en verden hvor AI-genererte medisinske innsikter en dag kan overgå menneskelige profesjonelle i visse oppgaver, hvordan bør helseindustrien forberede seg på denne skiftet?

Med hver teknologisk transformasjon, ser vi oppgavefordeling i stedet for menneske-erstatning. Helseindustrien må omdefinere AI ikke som en erstatning for profesjonelle, men som en samarbeidspartner. Det er en enkel ligning, Menneske + AI er større enn Menneske eller AI alene.

Dette skiftet vil være gradvis og oppgave-spesifikt – sannsynligvis begynner i områder som bilde-basert diagnostikk, patologisk skjerming og prediktiv analyse for pasient-forverring. Disse er områder hvor mønster-gjenkjenning i stor skala gir AI en naturlig fordel, mens mer kompleks klinisk resonnering vil fortsatt være menneske-ledet for den nærmeste fremtid.

Vi må starte med små, målrettede oppgaver som leverer umiddelbar verdi, i stedet for den vanlige alt-eller-ingenting-tilnærmingen av monolittiske løsninger. Denne iterative tilnærmingen tillater klinikere og pasienter å bygge tillit til AI-kapasiteter over tid.

I stedet for å motstå forandring, bør helseindustrien proaktivt forme hvordan AI blir integrert i helseøkosystemet, og sikre at det forbedrer de menneskelige elementer som fortsatt er sentrale for helbredelse.

Til slutt, det første skritt ethvert selskap bør ta, er å demokratisere AI-eksponering. Gi din stab personlige utfordringer for å åpne deres øyne for mulighetene – la dem skape et bilde, skrive en e-post eller bygge en presentasjon ved hjelp av AI-verktøy. Når de selv opplever kraften, vil de bringe den spenningen tilbake for å identifisere meningsfulle applikasjoner i deres daglige arbeid. Bunn-opp-innovasjon produserer ofte de mest praktiske og innvirkningsfulle løsningene.

Mange selskaper sliter med å skala AI-løsninger utover pilotprosjekt. Hva strategier har du brukt for å suksessfullt implementere AI i stor skala?

For meg handler suksessfull AI-skala noen teknologiprojekt om å løse to kritiske utfordringer: teknisk infrastruktur, og brukeradopsjon.

I helsevesenets tungt regulerte miljø, er etablering av robust teknisk grunnlag essensielt før skala noen AI-initiativ. Vi må ha sikre, kompatible infrastrukturer som balanserer innovasjon med pasientsikkerhetskrav.

Med ny teknologi, blir adopsjon ofte den største barrieren for skala. Vi har funnet at å gjøre AI så usynlig som mulig er kritisk for vidt adopsjon. For eksempel, å bli presentert med en blank skjerm og måtte skrive en effektiv prompt, skaper betydelig friksjon for de fleste brukerne. I stedet designer vi løsninger hvor brukerne kan bare klikke på forhånds-konfigurerte knapper eller bruke kjente arbeidsflyter som utnytter AI bak scenen.

Vår tilnærming prioriterer å starte små, men bygge med skala i mente fra dag én. I stedet for å skape en-til-en-løsninger, designer vi modulære komponenter som kan utvides og gjenbrukes over flere bruksområder. Dette gjør det mulig for suksessfulle piloter å bli maler for bredere implementering.

Du tror AI er i ferd med å transformere helsevesenet på måter som en gang ble ansett som science fiction. Hva spesifikke fremgang ser du vil ha den mest profunde innvirkning over de neste fem årene?

Som et barn av 80-tallet, husker jeg Six Million Dollar Man og Bionic Woman TV-seriene fra 1970-tallet. Disse seriene presenterte karakterer fysisk forbedret av teknologi, den virkelige revolusjonen med AI, imidlertid, vil være kognitiv forbedring. Dette spenner meg mest.

Over de neste fem årene tror jeg flere spesifikke fremanger vil fundamentalt transformere helsevesenet:

1. Administrativ automatisering: Den byråkratiske byrden som for tiden konsumerer så mye av våre helsepersonells tid, vil bli dramatisk redusert. Dette handler ikke bare om effisiens – det handler om å sette omsorgen tilbake i helsevesenet ved å rette menneskelig oppmerksomhet mot pasientinteraksjoner.
2. Legemiddeloppdagelse akselerasjon: Tidsrammen fra å identifisere terapeutiske mål til å utvikle effektive behandlinger, vil komprimere fra tiår til år eller måneder. AlphaFold, skapt og åpnet av Google’s DeepMind, har allerede revolusjonert vår forståelse av proteinstrukturer – løst på dager hva som tidligere tok år av laboratoriearbeid.
3. Presisjonsdiagnostikk i stor skala: AI-systemer vil dramatisk forbedre tidlig oppdaging av tilstander som kreft, hjerte- og karsykdommer og nevrologiske forstyrrelser gjennom mønster-gjenkjenning over store datamengder.
4. Personlig behandling: Behandlingsplaner vil bli kontinuerlig forfinet basert på individuelle pasientdata, og justeres i sanntid for å maksimere effektivitet og pasientengasjement i deres egen omsorg.

Farten på disse endringene vil være slående. AI-utvikling er som hundeår – men med eksponentiell akselerasjon. Vi vil se hva som kunne ha tatt 50 år av konvensjonell forskning og implementering.

Disse ikke er fjerne science fiction-scenarier – de er allerede i ferd med å oppstå i tidlige former, det er ikke fremtiden, det er nå.