Jay Ferro, Chief Information, Technology and Product Officer, Clario – Wywiad z serii

Jay Ferro jest Chief Information, Technology and Product Officer w Clario, ma ponad 25 lat doświadczenia w kierowaniu zespołami IT i produktowymi, z silnym naciskiem na ochronę danych i pasją do tworzenia technologii i produktów, które mają znaczący wpływ.

Przed dołączeniem do Clario, Jay pełnił stanowiska kierownicze, w tym CIO, CTO i CPO, w globalnych organizacjach, takich jak Quikrete Companies i American Cancer Society. Jest również członkiem zarządu Allata, LLC. Jego osiągnięcia zawodowe zostały uznane wielokrotnie, w tym nagrody od Atlanta Technology Professionals jako Executive Leader of the Year i HMG Strategy jako Mid-Cap CIO of the Year.

Clario jest liderem w zarządzaniu badaniami klinicznymi, oferującym kompleksowe technologie punktów końcowych w celu przekształcenia życia poprzez wiarygodną i precyzyjną generację dowodów. Specjalizując się w badaniach onkologicznych, Clario kładzie nacisk na wyniki zgłaszane przez pacjentów (PRO), aby poprawić skuteczność, zapewnić bezpieczeństwo i poprawić jakość życia, promując elektroniczne PRO jako bardziej opłacalną alternatywę dla papieru. Z doświadczeniem w dziedzinach terapeutycznych i zgodności regulacyjnej na całym świecie, Clario wspiera badania zdecentralizowane, hybrydowe i oparte na miejscu w ponad 100 krajach, wykorzystując zaawansowane technologie, takie jak sztuczna inteligencja i urządzenia podłączone. Ich rozwiązania upraszczają procesy badań, zapewniając zgodność i retencję za pomocą zintegrowanego wsparcia i szkolenia dla pacjentów i sponsorów.

Clario zintegrowało ponad 30 modeli AI na różnych etapach badań klinicznych. Czy mógłbyś podać przykłady, w jaki sposób te modele poprawiają konkretne aspekty badań, takie jak onkologia czy kardiologia?

Używamy naszych modeli AI, aby dostarczyć prędkość, jakość, precyzyjność i prywatność naszym klientom w ponad 800 badaniach klinicznych. Jestem dumny, że nasze narzędzia nie są częścią hossy AI, ale dostarczają prawdziwą wartość naszym klientom w tych badaniach.

Dziś nasze modele AI można podzielić na cztery kategorie: ochronę danych, asystę kontroli jakości, asystę odczytu i analizę odczytu. Na przykład, mamy narzędzia w obrazowaniu medycznym, które mogą automatycznie usunąć Osobiste Informacje Identyfikujące (PII) w statycznych obrazach, filmach lub plikach PDF. Używamy również narzędzi AI, które dostarczają dane z szybkimi ocenami jakości w momencie przesłania — co daje nam pewność, że dane są prawidłowe. Rozwinęliśmy narzędzie, które monitoruje dane ECG w sposób ciągły pod kątem jakości sygnału, oraz inne, które potwierdzają poprawne identyfikatory pacjentów. Rozwinęliśmy narzędzie asystujące odczytowi, które umożliwia przewidywanie plasterków, propagację zmiany i wykrywanie choroby. Dodatkowo, poprawiliśmy analizę odczytu, automatyzując i standaryzując interpretację danych za pomocą narzędzi, takich jak AI-wspomagane ilościowe oceny wrzodziejącego zapalenia jelita grubego według skali Mayo.

To tylko kilka przykładów rodzajów modeli AI, które rozwijamy od 2018 roku, i choć zrobiliśmy duże postępy, dopiero zaczynamy.

Jak Clario zapewnia, aby wglądy AI utrzymywały wysoką dokładność i spójność w różnych środowiskach badań?

Ciągle trenujemy nasze modele AI na ogromnych ilościach danych, aby zrozumieć różnicę między dobrymi danymi a danymi, które nie są dobre lub istotne. W efekcie, nasza analiza danych AI wykrywa bogate historie danych, a ostatecznie prowadzi do lepszych wyników dla naszych klientów.

Nasze rozwiązania spirometryczne ilustrują to ładnie. Klinicyści używają spirometrii, aby pomóc w diagnozowaniu i monitorowaniu pewnych chorób płuc, mierząc, ile powietrza pacjent może wydmuchać w jednym wymusznym oddechu. Mogą wystąpić różne błędy, gdy pacjent używa spirometru. Mogą wykonywać test zbyt wolno, kaszleć podczas testu lub nie być w stanie utworzyć pełnej szczeliny wokół ustnika spirometru. Każda z tych zmienności może spowodować błąd, który może nie zostać odkryty, dopóki człowiek nie przeanalizuje wyników. Wytrenowaliśmy głębokie modele uczenia maszynowego na ponad 50 000 przykładach, aby nauczyć się różnicy między dobrym a złym odczytem. Z naszymi urządzeniami i algorytmami klinicyści mogą zobaczyć wartość danych w czasie rzeczywistym, zamiast czekać na analizę ludzką. To ma znaczenie, ponieważ niektórzy pacjenci mogą musieć podróżować kilka godzin, aby wziąć udział w badaniu klinicznym. Wyobraź sobie, że podróżujesz tę odległość, aby dowiedzieć się, że musisz wykonać kolejny test spirometryczny w następnym tygodniu, ponieważ pierwszy test wykazał błąd. Nasze modele AI dostarczają dokładne odczyty, zanim pacjent opuści miejsce.

Czy mógłbyś wyjaśnić, w jaki sposób modele AI Clario redukują czas zbierania danych bez naruszania jakości danych?

Generowanie danych najwyższej jakości do badań klinicznych jest zawsze naszym celem, ale charakter naszych algorytmów AI oznacza, że przechwytywanie i analiza są przyspieszane w dramatyczny sposób. Jak już wspomniałem, nasze algorytmy pozwalają nam na szybszą i bardziej precyzyjną analizę jakości niż interpretacja ludzka. Pozwalają nam również na przeprowadzanie kontroli jakości w momencie wprowadzania danych. Oznacza to, że możemy identyfikować brakujące, błędne lub niskiej jakości dane pacjentów, zanim opuszczą miejsce badania, zamiast informować ich o tym dni lub tygodnie później.

Jak Clario rozwiązuje wyzwania związane z zdecentralizowanymi i hybrydowymi badaniami, zwłaszcza w zakresie ochrony danych, zaangażowania pacjentów i jakości danych?

Dziś badanie zdecentralizowane to tak naprawdę badanie z komponentem hybrydowym. Uważam, że pojęcie pozwalania uczestnikom na używanie własnych urządzeń lub urządzeń podłączonych w domu otwiera drzwi do większych możliwości w badaniach, zwłaszcza w zakresie dostępności. Ułatwianie udziału w badaniach jest kluczowym celem naszej mapy technologicznej, która ma na celu rozwijanie rozwiązań, które poprawiają różnorodność pacjentów, upraszczają rekrutację i retencję, zwiększają wygodę dla uczestników i rozszerzają możliwości bardziej inkluzywnych badań klinicznych. Oferujemy spirometrię w domu, ciśnienie krwi w domu, eCOA i inne rozwiązania, które dostarczają tę samą integralność danych, co rozwiązania tradycyjne, i robimy to pod nadzorem naszych ekspertów od punktów końcowych i dziedzin terapeutycznych. Efektem jest lepsze doświadczenie pacjenta dla lepszych danych punktów końcowych.

Jakie unikalne korzyści oferuje podejście Clario oparte na AI, aby zmniejszyć czas trwania badań i koszty dla firm farmaceutycznych, biotechnologicznych i producentów urządzeń medycznych?

Od 2018 roku rozwijamy narzędzia AI, i przeniknęły one wszystko, co robimy wewnętrznie i na pewno w naszym produkcie. I co nas nie opuściło, to robienie tego w odpowiedzialny sposób: trzymanie ludzi w pętli, współpracę z regulatorami, współpracę z naszymi klientami i włączanie naszych zespołów prawnych, ochrony danych i naukowych, aby upewnić się, że robimy wszystko we właściwy sposób.

Odpowiedzialne rozwijanie i wdrażanie AI powinno wpłynąć na naszych klientów w różny sposób. Podstawą naszego programu AI są cośmy uważają za pierwsze Zasady Odpowiedzialnego Użycia. Każdy w Clario, kto dotyka AI, podąża za tymi pięcioma zasadami. Wśród nich podjęliśmy wszelkie środki, aby upewnić się, że używamy najbardziej różnorodnych danych dostępnych do treningu naszych algorytmów. Monitorujemy i testujemy, aby wykryć i złagodzić ryzyko, i używamy tylko anonimowych danych do treningu modeli i algorytmów. Gdy stosujemy tego rodzaju wytyczne przy tworzeniu nowego narzędzia AI, możemy szybko dostarczyć dokładne dane — w skali — które redukują stronniczość, zwiększają różnorodność i chronią prywatność pacjentów. Im szybciej możemy dostarczyć sponsorom dokładne dane, tym większy wpływ ma to na ich rentowność i, ostatecznie, wyniki pacjentów.

Modele AI mogą czasem odzwierciedlać uprzedzenia tkwiące w danych. Jakie środki Clario podejmuje, aby zapewnić sprawiedliwą i bezstronną analizę danych w badaniach?

Wiemy, że uprzedzenia występują, gdy zestaw danych szkoleniowych jest zbyt ograniczony do ich zamierzonego zastosowania. Początkowo zestaw danych może wydawać się wystarczający, ale gdy użytkownik końcowy zaczyna używać narzędzia i popycha AI poza to, do czego zostało przeszkolone, może to prowadzić do błędów. Chief Medical Officer Clario, Dr Todd Rudo, czasem używa tego przykładu: Możemy przeszkolić model, aby określić poprawne umieszczenie elektrod w elektrokardiogramach (ECG), aby klinicyści mogli powiedzieć, czy technicy umieścili elektrody w odpowiednich miejscach na ciele pacjenta. Mamy mnóstwo wspaniałych danych, aby przeszkolić ten model na 100 000 ECG. Ale co się stanie, jeśli przeszkolimy nasz model AI tylko na danych z testów dorosłych? Jak model zareaguje, jeśli ECG zostanie wykonane na 2-letnim pacjencie? Oczywiście mógłby potencjalnie przegapić błędy, które mają wpływ na leczenie.

To dlatego w Clario nasze zespoły produktowe, danych, R&D i naukowe ściśle współpracują, aby upewnić się, że używamy najbardziej kompleksowych danych szkoleniowych, aby zapewnić dokładność i niezawodność w aplikacjach świata rzeczywistego. Używamy najbardziej różnorodnych danych dostępnych do treningu algorytmów wbudowanych w nasze produkty. To również dlatego nalegamy na używanie nadzoru ludzkiego, aby złagodzić ryzyko podczas rozwoju i użytkowania AI.

Jak proces nadzoru i monitorowania Clario integruje się z wyjściami AI, aby zapewnić zgodność regulacyjną i standardy etyczne?

Nadzór ludzki oznacza, że mamy zespoły ludzi, którzy wiedzą dokładnie, jak nasze modele są rozwijane, szkolone i walidowane. Zarówno w trakcie rozwoju, jak i po zintegrowaniu modelu z technologią, nasi eksperci monitorują wyjścia, aby wykryć potencjalne uprzedzenia i upewnić się, że wyjścia są sprawiedliwe i niezawodne. Uważam, że AI jest o augmentacji nauki i ludzkiej genialności. AI daje ludziom możliwość skupienia się na wyższym poziomie wyzwań. Jesteśmy niezwykle dobrzy w rozwiązywaniu problemów i nadal znacznie lepsi w intuicji i nuansach niż maszyny. W Clario używamy AI, aby usunąć ciężar powtarzalnych rzeczy. Używamy go, aby analizować szerokie zestawy danych, niezależnie od tego, czy są to obrazy pacjentów, poprzednie badania, czy cokolwiek innego, co chcemy analizować. Ogólnie, maszyny mogą to robić szybciej i czasem lepiej niż ludzie. Ale nie mogą zastąpić ludzkiej intuicji i nauki oraz doświadczenia świata rzeczywistego, które wspaniali ludzie w naszej branży posiadają.

Jak widzisz wpływ AI na badania kliniczne w ciągu najbliższych kilku lat, zwłaszcza w dziedzinach takich jak onkologia, kardiologia i badania oddechowe?

W onkologii jestem podekscytowany postępem w zastosowaniu AI w radiomics, który wyodrębnia ilościowe metryki z obrazów medycznych. Radiomics obejmuje kilka kroków, w tym akwizycję obrazu guza, przetwarzanie wstępne, ekstrakcję cech i rozwój modelu, a następnie walidację i zastosowanie kliniczne. Z coraz bardziej zaawansowanymi narzędziami AI będziemy w stanie przewidywać zachowanie guza, dostosowywać odpowiedź na leczenie i przewidywać wyniki pacjentów na podstawie nieinwazyjnego obrazowania guzów. Będziemy w stanie użyć go do wykrycia wczesnych objawów choroby i wczesnego wykrycia nawrotu choroby. Gdy coraz bardziej zaawansowane narzędzia AI staną się bardziej zintegrowane z radiomics i przepływami pracy klinicznymi, zobaczymy ogromne postępy w onkologii i opiece nad pacjentami.

Jestem równie podekscytowany przyszłością badań oddechowych. W zeszłym roku nabyliśmy ArtiQ, belgijską firmę, która zbudowała modele AI, aby poprawić zbieranie danych oddechowych w badaniach klinicznych. Założyciel jest teraz moim Chief AI Officer, i spodziewamy się wielkich rzeczy w rozwiązaniach oddechowych. Nasze podejście do aplikacji algorytmów stało się grą zmieniającą, nie tylko dlatego, że pomaga redukować ciężar na miejscach i pacjentach. Gdy dane wydychania nie są analizowane w czasie rzeczywistym, a anomalie są wykrywane później, zmusza to pacjenta do powrotu do kliniki na kolejny test. To nie tylko dodaje stresu pacjentowi, ale może również tworzyć opóźnienia i dodatkowe koszty dla sponsora badania, i to prowadzi do różnych wyzwań operacyjnych. Nasze nowe urządzenia spirometryczne wykorzystują modele ArtiQ, aby rozwiązać ten ciężar, oferując odczyty w czasie rzeczywistym. Oznacza to, że jeśli wystąpią jakieś problemy, są one identyfikowane i rozwiązywane natychmiast, zanim pacjent opuści klinikę.

W końcu rozwijamy narzędzia, które będą miały wpływ na różne dziedziny terapeutyczne. Wkrótce, na przykład, zobaczymy AI dostarczające coraz więcej wartości w elektronicznych ocenach wyników klinicznych (eCOA). Zobaczymy modele AI, które przechwytują i mierzą subtelne zmiany doświadczane przez pacjenta. Ta technologia pomoże wielu badaczom, ale na przykład, badaczom Alzheimerem będą w stanie zrozumieć, na jakim etapie choroby jest pacjent. Z tym rodzajem wiedzy, skuteczność leku może być lepiej oceniona, a pacjenci i ich opiekunowie mogą być lepiej przygotowani do zarządzania chorobą.

Jaką rolę uważasz, że AI będzie odgrywać w rozszerzaniu różnorodności w badaniach klinicznych i poprawie równości zdrowotnej wśród populacji pacjentów?

Jeśli spójrzysz na AI tylko przez pryzmat techniki, uważam, że można się potknąć. AI musi być podejściem z wszystkich stron: techniki, nauki, regulacji itd. W naszej branży prawdziwa doskonałość jest osiągana tylko przez ludzką współpracę, co zwiększa możliwość zadawania prawidłowych pytań, takich jak: „Czy trenujemy modele, które biorą pod uwagę wiek, płeć, rasę i etniczność?” Jeśli wszyscy inni w naszej branży zadają tego rodzaju pytania przed tworzeniem narzędzi, AI nie tylko przyspieszy rozwój leków, ale także przyspieszy go dla wszystkich populacji pacjentów.

Czy mógłbyś podzielić się planami Clario lub przewidywaniami dotyczącymi ewolucji AI w sektorze badań klinicznych w 2025 roku i w przyszłości?

W 2025 roku będziemy świadkami wykorzystania AI i analizy w czasie rzeczywistym przez firmy farmaceutyczne, biotechnologiczne i medyczne, jak nigdy wcześniej. Te postępy przyspieszą badania kliniczne i poprawią podejmowanie decyzji. Przez przyspieszenie budowy badań i wdrożenie monitorowania opartego na ryzyku, będziemy w stanie przyspieszyć terminy, ułatwić ciężar na pacjentach i umożliwić sponsorom dostarczanie ratujących życie leków z większą precyzją i wydajnością. To ekscytujący czas dla nas wszystkich, ponieważ współpracujemy, aby przekształcić opiekę zdrowotną.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Clario.