Matt Walz, CEO w Trialbee – Wywiad

Matt Walz jest dyrektorem generalnym Trialbee, globalnym liderem w dziedzinie technologii napędzanych rekrutacją pacjentów. Przynosi ponad 20 lat doświadczenia w branży oprogramowania i liderstwa w sektorze nauk o życiu. Matt rozpoczął swoją karierę jako deweloper i zajmował różne stanowiska techniczne i liderów w Rollins Corporation, PSCI, Microsoft (MSFT ), Morgan Lewis i Datalabs. W 2006 roku Matt współzałożył NextDocs, który stał się globalnym liderem w zarządzaniu dokumentami klinicznymi, jakościowymi i regulacyjnymi, gdzie pełnił funkcję CTO, CSO i członka zarządu przez 9 lat. Przed dołączeniem do Trialbee, Matt spędził 5 lat jako dyrektor generalny ds. nauk o życiu i wiceprezes ds. rachunków strategicznych w Aurea Software, która nabyła NextDocs.

Trialbee to firma z branży healthcare-technology, która usprawnia rekrutację pacjentów do badań klinicznych. Wykorzystując analizy danych, działania cyfrowe i dowody z życia wzięte, dopasowuje, angażuje i prekwalifikuje pacjentów w celu przyspieszenia zapisów. Platforma oferuje przejrzystość wśród źródeł i partnerów, pomagając sponsorom, CRO i miejscom badań zarządzać procesem rekrutacji w sposób bardziej efektywny, redukując jednocześnie obciążenie miejsc.

Pracowałeś w branży health tech startupów i dużych platform badań klinicznych. Jakie osobiste doświadczenia lub momenty w Twojej karierze doprowadziły Cię do rozpoznania potencjału i pułapek AI w rekrutacji pacjentów?

AI jest najszybciej rozwijającą się tendencją technologiczną, jaką widziałem w ciągu ponad dwóch dekad pracy w rozwoju klinicznym – szybciej nawet niż w początkowych dniach adopcji chmury. To, co było dla mnie najbardziej uderzające, to sposób, w jaki AI przeszło od koncepcyjnego do operacyjnego w branży, która zwykle jest powolna w przyjmowaniu nowych technologii – i jest priorytetem nawet przez organy regulacyjne, takie jak FDA. W przypadku rekrutacji pacjentów do badań klinicznych jesteśmy jeszcze w początkowych fazach uczenia się, gdzie AI jest najlepiej dopasowane. Dostawcy i sponsorzy badają AI do rozwoju protokołu, tworzenia persona i celowania, wzbogacania danych, lokalizacji i komunikacji – które są wszystkie głównymi punktami tarcia dla zespołów badawczych.

Z drugiej strony, istnieje pewne ryzyko związane z tym potencjałem. Rozmawiałem z liderami dużych firm farmaceutycznych, którzy potwierdzają, że chociaż AI pojawia się w coraz większej liczbie punktów workflow, nie może działać bez nadzoru. Nadzór ludzki jest podstawowy.

Jest to z powodów jakości i bezpieczeństwa, a także dlatego, że firmy jak Trialbee łączą się z pacjentami i rodzinami szukającymi nadziei – bardzo ludzkim i empatycznym doświadczeniem, które nie może być zastąpione przez AI w sposób znaczący dla pacjentów, którym służymy.

Rekrutacja do badań klinicznych historycznie borykała się z problemami różnorodności, szybkości i dokładności. Jak AI pomaga rozwiązać te wyzwania – i gdzie AI jeszcze zawodzi?

AI pomaga usprawniać niektóre z najwolniejszych i najbardziej zasobożernych części procesu rekrutacji. Na przykład, rzeczy, które kiedyś zajmowały tygodnie – jak tłumaczenie materiałów badawczych na dziesiątki języków – są teraz kompresowane do godzin. Oznacza to, że możemy rozpocząć rekrutację szybciej na całym świecie.

Gdy chodzi o dokładność, agenci AI zaczynają pomagać nam dostarczać bardziej spójne, zgodne z kryteriami interakcje, od materiałów, które tworzymy, przez pre-ekranowanie do czatbotów. Te narzędzia są szczególnie przydatne do redukcji punktów spadku, które spowalniają proces rekrutacji.

Różnorodność pozostaje wyzwaniem. AI jest tylko tak reprezentatywne, jak dane, na których zostało wyszkolone, a reprezentacja jest również kształtowana przez czynniki poza technologia – w tym ograniczenia regulacyjne kraju, które ograniczają, w jaki sposób AI może być używane w rolach związanych z pacjentami. Budowanie zaufania z uczestnikami badań było wyzwaniem przez całą historię badań klinicznych, a zaangażowanie w narzędzia AI spotyka się z różnymi stopniami sceptycyzmu. Z tego powodu silnie wspieramy podejście, które daje ludziom możliwość interakcji z żywym profesjonalistą medycznym lub, na przykład, agentem AI. Może to pomóc w dotarciu do uczestników z różnymi poziomami komfortu wokół AI, zapewniając jednocześnie silny nadzór, szczególnie dla AI agenty, choć środki ostrożności, takie jak oddzielne silniki wnioskowania, muszą być wbudowane, aby to się udało.

Wspomniałeś wcześniej, że narzędzia AI są wdrażane szybciej niż jakakolwiek poprzednia innowacja w rekrutacji pacjentów. Ale z regulatorem globalnym walczącym o utrzymanie tempa, jakie są najpilniejsze luki w nadzorze, które widzisz w kampaniach badań klinicznych o zasięgu międzynarodowym?

Największa luka to brak wyrównania regulacyjnego na całym świecie. W Stanach Zjednoczonych, agencje takie jak FDA przyjmują AI z nowymi ramami i procesami przeglądu. W przeciwieństwie do tego, Europa porusza się bardziej ostrożnie, skupiając się na ostrożnym postępowaniu i stosowaniu bardziej rygorystycznych przeglądów regulacyjnych.

Dla firm jak nasza, które działają na całym świecie, stwarza to wyzwanie: co jest akceptowalne w jednym kraju, może nie być akceptowalne w innym. A różnica nie jest tylko w regulacjach, ale także w tym, w jaki sposób różne kanały lub platformy społecznościowe, takie jak Facebook (META ), mogą być używane do rekrutacji, w jaki sposób dane osobowe są obsługiwane, lub w jaki sposób zgoda pacjenta jest zbierana. Są to niuanse, które wymagają operacyjnej elastyczności i głębokiego zrozumienia standardów etycznych i zgodności regionalnej.

To jest tam, gdzie nasza historia innowacji i wewnętrzna kultura globalna są głównymi aktywami, gdy nawigujemy w ekscytującym, ale bardzo dynamicznym krajobrazie AI.

Jak ta brak globalnego wyrównania w ramach regulacyjnych może zakłócić adopcję AI w badaniach klinicznych? Czy widziałeś jakieś prawdziwe konsekwencje tego?

Bez wątpienia. Strategie reklamowe cyfrowych, na które polegamy w rekrutacji pacjentów, są dobrym przykładem. Facebook jest jedną z najbardziej skutecznych platform na całym świecie, ale nawet w krajach, w których jest dozwolony, poziom celowania, które można wykonać, i jakie dane można wykorzystać, różnią się znacznie. Budujemy wewnętrzną ekspertyzę, aby pokonać te różnice, i spodziewamy się, że regulacja AI będzie podążać podobną ścieżką.

W praktyce ograniczenia, które to dylemat nakłada na zespoły rekrutacyjne, mogą prowadzić do opóźnień w uruchomieniu kampanii, dodatkowych cykli z komitetami etycznymi i bardziej złożonych workflow zgodności. Jeśli nie jesteś głęboko świadomy, jak każdy kraj interpretuje użycie AI, szczególnie w aplikacjach związanych z pacjentami, ryzykujesz spowolnienie badań lub napotkasz poważne bariery zatwierdzenia.

Trialbee działa na przecięciu danych, technologii i zaangażowania pacjentów. Jak zapewniasz, że strategie rekrutacji napędzane przez AI nie redukują pacjentów do punktów danych, ale raczej wzmacniają ludzki aspekt badań?

Wyśmienite i ważne pytanie dla nas wszystkich. Jak wcześniej wspomniałem, sposób, w jaki postrzegam AI, to jego zdolność do umożliwienia ludziom – nie zastępowania ich. Jest to szczególnie prawdziwe w bardzo osobistej branży, w której pracujemy, gdzie staramy się pomóc pokoleniom pacjentów żyć zdrowiej na całym świecie. Nasz biznes jest ciepły, o łączeniu ludzi, a ludzie zawsze będą w centrum tego.

Gdy chodzi o codzienne operacje, najlepsze AI, które możemy dostarczyć – na przykład w naszej platformie Honey – polega na analizowaniu danych i trendów oraz sygnalizowaniu miejsc i zespołom badawczym, gdzie może być potrzebne działanie. Robimy to już teraz i będziemy kontynuować dodawanie możliwości, aby upewnić się, że cenne dane, które są przechwytywane, są wykorzystywane w sposób, który ma znaczenie w badaniu. Może to oznaczać dostarczanie codziennych informacji o postępie rekrutacji lub sygnalizowanie follow-upu z konkretnymi pacjentami z modelem predykcyjnym.

Wewnętrznie używamy AI w całej naszej organizacji w systematyczny i współpracujący sposób. Dwa dobre przykłady to tłumaczenie materiałów rekrutacyjnych i AI-napędzana supresja potencjalnych danych PII – te będą zawsze nadzorowane przez doświadczonego człowieka. Tak więc, mam nadzieję, że zobaczysz, jak używamy AI, aby nasz niesamowity zespół był silniejszy, a nie odwrotnie.

Jakie specjalistyczne umiejętności są najbardziej krytyczne dla zespołów badań klinicznych, aby odpowiedzialnie kierować i zarządzać narzędziami AI?

Najbardziej krytyczne umiejętności leżą na przecięciu ekspertyzy klinicznej, literackości AI i płynności regulacyjnej. Zespoły muszą zrozumieć, jak efektywnie angażować się z platformami AI, poprzez precyzyjne wprowadzanie i krytyczne przeglądanie ich danych wyjściowych.

Istnieje również rosnące zapotrzebowanie na wgląd regulacyjny. Jak wcześniej wspomniałem, jest to szczególnie potrzebne w obszarach takich jak AI agenty, gdzie budujemy oddzielne silniki wnioskowania, aby służyć jako barierki w interakcjach z pacjentami. Zespoły muszą również umieć ocenić treści przetłumaczone przez AI i zweryfikować ich dokładność i odpowiedniość kulturową przed złożeniem ich do komitetów etycznych.

Adopcja AI przyspiesza. Jakie porady dałbyś sponsorom badań klinicznych, którzy są wahający się lub przytłoczeni złożonością integracji AI ze swoimi workflow?

Ktoś powiedział, że gdy zaczynasz pracę z AI, upewnij się, że używasz Rzeczywistej Inteligencji. Uczenie maszynowe może umożliwić niesamowite rzeczy – pod warunkiem, że ma za sobą ekspertyzę, kontekst i barierki ekspertów domeny.

Moja rada jest taka, aby zacząć od małych, zdefiniowanych kroków z wyraźnymi wynikami. Wybierz jeden lub dwa obszary o wysokim wpływie, w których AI może usunąć tarcie i upewnij się, że są one wspierane przez odpowiedni nadzór. Bądź szczegółowy w odniesieniu do narzędzi, których używasz, jak są one ustawione i, co najważniejsze, jak chronisz wrażliwe informacje. To jest podejście, które stosujemy w Trialbee. Tylko rozmawiamy z interesariuszami o możliwościach, które aktywnie budujemy, zwykle nie więcej niż trzy miesiące do przodu, ponieważ chcemy upewnić się, że komunikujemy to, co jest realne.

W Trialbee poprosiliśmy różne departamenty lub zespoły, aby każdego tygodnia przedstawiły przypadki użycia, które działały dla nich. Dyskutujemy o tym, jak i dlaczego, aby podzielić się wiedzą, wyzwaniami i rozwiązaniami, aby inni mogli powielić swoje sukcesy AI, aby poprawić wydajność, dostarczanie klientom lub wyniki rekrutacji.

Także podkreślamy przejrzystość w odniesieniu do narzędzi, których używamy do budowania tych możliwości. Jeśli używamy ChatGPT OpenAI lub Claude Anthropic, na przykład, opisujemy ustawienia dla interesariuszy, w tym, jak izolujemy wrażliwe informacje i stosujemy nadzór ludzki. Gdy tylko zobaczą korzyści w działaniu, takie jak oszczędność czasu w workflow tłumaczeń lub zwiększenie szybkości wczesnego screeningu pacjentów, są bardziej skłonni do przyjęcia następnego przypadku użycia AI. I tak, jest to mniej o sprzedaży dużej wizji i bardziej o udowodnieniu wartości krok po kroku.

Agencja FDA i inni regulatorzy zaczynają zadawać trudniejsze pytania o modele AI używane w rozwoju leków. Jakie standardy przejrzystości, walidacji lub audytowalności uważasz, że powinny stać się normą branżową?

Branż musi przystąpić do pełnej przejrzystości i musi zapewnić, że jest nadzór ludzki w każdej AI-pomaganej decyzji. Aby powołać się na kilka przykładów:

Gdy mówimy o AI agenty, już pracujemy nad sposobami wbudowania logiki regulacyjnej w oddzielny silnik wnioskowania, który może ocenić i skorygować rozmowy w czasie rzeczywistym. Tego rodzaju wewnętrzny system kontroli powinien stać się standardem w każdej aplikacji związanej z pacjentem. Protokoły walidacji również muszą być sformalizowane, w tym testowanie benchmarkowe i ciągłe oceny wydajności.

Najważniejsze jest to, że te standardy powinny być wbudowane w proces rozwoju produktu i nie powinny być dołączane później. Ten poziom rygoru będzie niezbędny do utrzymania bezpieczeństwa pacjentów, zdobycia zaufania regulatorów i odpowiedzialnego skalowania AI w kampaniach badań klinicznych na całym świecie.

Modele AI często polegają na historycznych zestawach danych, które mogą odzwierciedlać systemowe uprzedzenia w opiece zdrowotnej. Jak podchodzisz do zapewnienia uczciwości i różnorodności w rekrutacji pacjentów, szczególnie dla grup niedoreprezentowanych?

Nie posiadanie AI nie było tym, co powstrzymywało różnorodność w badaniach klinicznych – brak priorytetu planu jest. AI nie może naprawdę pomóc w tym. Gdy tylko jest rzeczywiste zaangażowanie, AI może być potężnym narzędziem, które absolutnie pomaga nam dotrzeć do grup niedoreprezentowanych w sposób bardziej efektywny, ale tylko jeśli jesteśmy intencjonalni. Dlatego w Trialbee rozszerzamy dane, których używają nasze modele, budujemy partnerstwa społeczne i stale monitorujemy wyniki rekrutacji, aby upewnić się, że żadna grupa nie jest pozostawiona w tyle.

Wspomniałeś, że Twoja drużyna wprowadza nowe produkty związane z AI w tym roku. Czy możesz zaoferować podgląd na wysokim poziomie problemów, które rozwiązujesz – i jak te innowacje odzwierciedlają Twoją szerszą filozofię dotyczącą odpowiedzialnego użycia AI?

Trialbee ma kulturę innowacji, a AI jest głównym i rosnącym składnikiem. W tym roku sama nasza platforma Honey wprowadziła nowe workflow dla miejsc, rejestr pacjentów dla sponsorów i przypadki użycia wspierające strony internetowe badań klinicznych dla globalnych marek biopharmaceutycznych, takich jak BMSClinicalTrials.com. Z AI konkretnie zobaczysz nowe funkcje i ulepszenia, które będą wprowadzane w ciągu najbliższych 3, 6, 12 miesięcy i dalej. Rozwijamy czatboty, inteligentne narzędzia i więcej wewnątrz Honey, a także oceniamy nowe sposoby usprawniania procesów dla naszych klientów. Wewnętrznie używamy AI, aby stać się bardziej ukierunkowanym, intencjonalnym, bardziej inkluzywnym i bardziej efektywnym we wszystkim, co robimy – z doświadczonym członkiem zespołu, który napędza każdą decyzję i interpretuje kontekst dla wszystkich modeli AI, których używamy.

Patrząc pięć lat do przodu, jak wyobrażasz sobie ewolucję roli Trialbee jako AI staje się coraz bardziej zakorzenione w badaniach klinicznych? Jaką rolę widzisz swoją firmę odgrywającą w kształtowaniu bardziej etycznego, efektywnego i zharmonizowanego na całym świecie przyszłości rekrutacji pacjentów?

Pięć lat od teraz widzę Trialbee jako wiodącego dostawcę usług AI-wspomaganej rekrutacji pacjentów w badaniach klinicznych. Jesteśmy już integrując AI generatywny w każdą część workflow rekrutacji, w której może przyspieszyć szybkość, poprawić dokładność lub zwiększyć opcje pacjentów. Jak wcześniej wspomniałem, aktywnie oceniamy narzędzia, które dają pacjentom wybór między interakcją z żywym profesjonalistą medycznym a agentem AI, w zależności od ich preferencji i poziomu komfortu. Wierzymy, że dawanie ludziom tego wyboru jest kluczem do zwiększenia zaufania i uczestnictwa w czasie.

Etycznie jesteśmy zaangażowani w zapewnienie, że AI jest wdrażane z rygorem regulacyjnym i przejrzystością. Oznacza to wbudowanie mechanizmów nadzoru w samą technologię i bycie otwartym w odniesieniu do tego, jak nasze systemy działają. Budujemy AI w kulturze naszej organizacji – każdy departament i każdy zespół – abyśmy byli gotowi do adaptacji, gdy technologia ewoluuje. Ostatecznie chcemy być firmą, która pomoże zdefiniować, jak AI jest używane odpowiedzialnie w całym badaniu klinicznym. Jeśli zrobimy to dobrze, możemy pomóc ukształtować przyszłość, w której badania będą szybsze, bardziej inkluzywne i łatwiejsze dla pacjentów do dostępu, niezależnie od tego, gdzie żyją lub jaki język mówią.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Trialbee.