Matt Walz, CEO da Trialbee – Série de Entrevistas

Matt Walz é o CEO da Trialbee, uma líder global em recrutamento de pacientes impulsionado por tecnologia. Ele traz mais de 20 anos de experiência em software e liderança na indústria de ciências da vida. Matt começou sua carreira como desenvolvedor e ocupou vários cargos técnicos e de liderança na Rollins Corporation, PSCI, Microsoft (MSFT ), Morgan Lewis e Datalabs. Em 2006, Matt co-fundou a NextDocs, que cresceu para se tornar uma líder global em gerenciamento de documentos clínicos, de qualidade e regulatórios, onde ele atuou como CTO, CSO e Diretor do Conselho por 9 anos. Antes de ingressar na Trialbee, Matt passou 5 anos como Gerente Geral de Ciências da Vida e VP de Contas Estratégicas para a Aurea Software, que adquiriu a NextDocs.

Trialbee é uma empresa de tecnologia de saúde que simplifica o recrutamento de pacientes para ensaios clínicos. Ao aproveitar a análise de dados, o alcance digital e a evidência do mundo real, ela combina, engaja e pré-qualifica pacientes para acelerar o recrutamento. Sua plataforma oferece transparência em todas as fontes e parceiros, ajudando patrocinadores, CROs e sites de ensaios a gerenciar o pipeline de recrutamento de forma mais eficiente, reduzindo a carga nos sites.

Você trabalhou em startups de saúde e plataformas de pesquisa clínica em larga escala. Quais experiências pessoais ou momentos em sua carreira o levaram a reconhecer o potencial – e os perigos – da IA no recrutamento de pacientes?

A IA foi a tendência tecnológica de movimento mais rápido que eu vi em mais de duas décadas trabalhando no desenvolvimento clínico – mais rápido até do que os primeiros dias da adoção de nuvem. O que mais me chamou a atenção foi como a IA passou de conceitual para operacional em uma indústria que normalmente é lenta para adotar novas tecnologias – e está sendo priorizada mesmo por autoridades reguladoras, como a FDA. Para o recrutamento de pacientes em ensaios clínicos, específicos, ainda estamos nas fases iniciais de aprendizado sobre onde é o melhor ajuste. Fornecedores e patrocinadores estão explorando a IA para desenvolvimento de protocolos, personas e direcionamento, enriquecimento de dados, localizações e comunicações e engajamento – que são todos pontos de fricção significativos para equipes de pesquisa.

Com isso dito, há algum risco que acompanha esse potencial. Eu falei com líderes em grandes empresas farmacêuticas que reforçam que, embora a IA esteja aparecendo em mais pontos do fluxo de trabalho, ela não pode funcionar sem supervisão humana.

Isso é por razões de qualidade e segurança, bem como porque, em nosso núcleo, empresas como a Trialbee se conectam com pacientes e famílias que buscam esperança – uma experiência muito humana e empática que não pode ser substituída por IA de forma significativa para os pacientes que servimos.

O recrutamento de ensaios clínicos historicamente enfrentou problemas de diversidade, velocidade e precisão. Na sua opinião, como a IA está ajudando a enfrentar esses desafios – e onde ela ainda falha?

A IA está ajudando a simplificar algumas das partes mais lentas e intensivas em recursos do processo de recrutamento. Por exemplo, coisas que costumavam levar semanas – como traduzir materiais de estudo em dezenas de idiomas – agora estão sendo comprimidas em horas. Isso significa que podemos começar a recrutar mais rápido em mais mercados globais.

Quando se trata de precisão, agentes impulsionados por IA estão começando a nos ajudar a entregar interações mais consistentes, alinhadas com critérios, desde os materiais que criamos até a pré-seleção e chatbots. Essas ferramentas são especialmente úteis para reduzir pontos de queda que desaceleram o processo de recrutamento.

A diversidade ainda é um desafio, no entanto. A IA é apenas tão representativa quanto os dados em que é treinada, e a representação também é moldada por fatores fora da tecnologia – incluindo restrições reguladoras país a país que limitam como a IA pode ser usada em papéis voltados para pacientes. Construir confiança com participantes de ensaios clínicos foi um desafio ao longo de toda a história da pesquisa clínica, e o engajamento com ferramentas de IA é recebido com diferentes graus de ceticismo. Com isso em mente, apoiamos firmemente uma abordagem que daria às pessoas a opção de interagir com um profissional médico ao vivo ou, por exemplo, um agente de IA. Isso pode ajudar a alcançar participantes com diferentes níveis de conforto em torno da IA, garantindo uma supervisão sólida, especialmente para IA agente, embora salvaguardas como motores de raciocínio separados devem ser incorporados para torná-lo bem-sucedido.

Você mencionou anteriormente que as ferramentas de IA estão sendo implantadas mais rápido do que qualquer inovação anterior no recrutamento de pacientes. Mas com reguladores globais lutando para acompanhar, quais são as lacunas de supervisão mais urgentes que você vê em campanhas de ensaios clínicos multinacionais?

A maior lacuna é a falta de alinhamento regulatório entre geografias. Nos EUA, agências como a FDA estão abraçando a IA com novos quadros e processos de revisão antecipada. Em contraste, a Europa está se movendo mais cautelosamente, focada em pisar com cuidado e aplicar revisões reguladoras mais rigorosas.

Para empresas como a nossa que operam globalmente, isso cria um desafio: o que é aceitável em um país pode não ser em outro. E a variação não está apenas nas regulamentações, mas também na forma como diferentes canais ou plataformas de mídia social, como o Facebook (META ), podem ser usados para recrutamento, como os dados pessoais são tratados ou como o consentimento do paciente é coletado. Essas são nuances que exigem agilidade operacional e um profundo entendimento de padrões éticos e de conformidade regionais.

Isso é onde a nossa história de inovação e cultura global inerente são ativos importantes à medida que navegamos o emocionante, mas altamente dinâmico, cenário de IA.

Como a falta de alinhamento global em quadros regulamentares pode descarrilar a adoção de IA em ensaios clínicos? Você testemunhou alguma consequência real do mundo real disso?

Absolutamente. As estratégias de publicidade digital em que confiamos para o recrutamento de pacientes são um bom exemplo aqui. O Facebook é uma das plataformas mais eficazes globalmente, mas mesmo dentro dos países onde é permitido, o nível de direcionamento que você é permitido fazer e quais dados você pode usar varia amplamente. Estamos construindo expertise interna para superar essas diferenças e esperamos que a regulação de IA siga um caminho semelhante.

Em termos práticos, as limitações que esse dilema impõe às equipes de recrutamento podem resultar em lançamentos de campanha atrasados, mais ciclos com comitês de ética e fluxos de trabalho de conformidade mais complexos. Se você não estiver profundamente ciente de como cada país interpreta o uso de IA, especialmente em aplicações voltadas para pacientes, você arrisca desacelerar ensaios ou enfrentar barreiras de aprovação sérias.

A Trialbee opera na interseção de dados, tecnologia e engajamento de pacientes. Como você garante que as estratégias de recrutamento impulsionadas por IA não reduzam os pacientes a pontos de dados, mas sim melhorem o lado humano da pesquisa?

Uma excelente e importante pergunta para todos nós. Como mencionei anteriormente, a forma como vejo a IA é sua capacidade de empoderar os humanos – não substituí-los. Isso é especialmente verdadeiro na indústria muito pessoal em que trabalhamos, onde estamos tentando ajudar gerações de pacientes a viver vidas mais saudáveis em todo o mundo. Nosso negócio é um negócio quente, sobre conectar pessoas, e seres humanos sempre estarão no coração disso.

Quando se trata de operações diárias, a melhor IA que podemos fornecer – por exemplo, dentro de nossa Plataforma Honey – seria analisar dados e tendências e acionar sites e equipes de estudo onde ação possa ser necessária. Fazemos muito disso já e continuaremos adicionando capacidades para garantir que os dados valiosos que estão sendo capturados sejam colocados em uso imediato que faça uma diferença no ensaio. Isso pode significar fornecer insights diários sobre o progresso do recrutamento ou acionar um follow-up com pacientes específicos com modelagem preditiva.

Internamente, estamos usando a IA em toda a nossa organização de forma sistemática e colaborativa. Dois bons exemplos aqui podem ser a tradução de materiais de recrutamento e a supressão de dados potenciais de PII impulsionada por IA – essas sempre serão supervisionadas por um experiente humano. Então, você verá como estamos usando a IA para tornar nossa equipe incrível mais forte, e não o contrário.

Quais conjuntos de habilidades são mais críticos para equipes de pesquisa clínica guiarem e governarem ferramentas de IA hoje?

Os conjuntos de habilidades mais críticos estão na interseção da expertise clínica, da alfabetização em IA e da fluência regulatória. As equipes precisam entender como engajar-se com plataformas de IA de forma eficaz, acionando-as com precisão e revisando suas saídas criticamente.

Há também uma necessidade crescente de insight regulatório. Como mencionei anteriormente, isso é especialmente necessário para áreas como IA agente, onde estamos construindo motores de raciocínio separados para servir como guardiões em interações de pacientes. As equipes também devem ser capazes de avaliar o conteúdo traduzido por IA e verificar sua precisão e relevância cultural antes de materiais serem submetidos a comitês de ética.

A adoção de IA está acelerando. Qual conselho você daria a stakeholders de ensaios clínicos que estão hesitantes ou sobrecarregados pela complexidade de integrar a IA em seus fluxos de trabalho?

Alguém disse uma vez que, quando você começa a trabalhar com IA, certifique-se de usar Inteligência Real. A aprendizagem de máquina pode habilitar coisas incríveis – desde que tenha a expertise, o contexto e as guardas de especialistas de domínio por trás disso.

Meu conselho é começar pequeno e permanecer aterrado no que você pode entregar hoje. Um dos maiores erros que vejo é que as empresas se inclinam muito para promessas vagas sobre a transformação da IA sem articular como ela realmente funciona ou quando estará pronta. Embora essas promessas possam soar ótimas no momento, elas podem erodir a confiança porque não mostram evidência de um plano real.

O caminho melhor é quebrar a adoção em pequenos passos definidos com resultados claros. Escolha uma ou duas áreas de alto impacto onde a IA possa remover fricção e certifique-se de que essas sejam apoiadas pela supervisão certa. Seja específico sobre as ferramentas que você está usando, como elas estão configuradas e, mais importante, como você está protegendo informações sensíveis. Essa é a abordagem que a Trialbee adota. Só falamos com stakeholders sobre capacidades que estamos ativamente construindo, normalmente não mais de três meses à frente, porque queremos garantir que estamos comunicando o que é real.

Na Trialbee, estamos pedindo a um departamento ou equipe diferente cada semana para apresentar casos de uso que funcionaram para eles. Discutimos o como, bem como o porquê, para compartilhar aprendizados, desafios e soluções para que outros possam replicar seus sucessos de IA para melhorar a eficiência, a entrega ao cliente ou os resultados de recrutamento.

Também enfatizamos a transparência sobre as ferramentas que estamos usando para construir essas capacidades. Se estamos usando o ChatGPT da OpenAI ou o Claude da Anthropic, por exemplo, descrevemos o setup para stakeholders, incluindo como isolamos informações sensíveis e aplicamos supervisão humana. Uma vez que eles veem os ganhos em ação, como economia de tempo em fluxos de trabalho de tradução ou aumento de velocidade na triagem inicial de pacientes, eles estão mais propensos a embarcar na próxima utilização de IA. E assim, é menos sobre vender a grande visão e mais sobre provar o valor passo a passo.

A FDA e outros reguladores estão começando a fazer perguntas mais difíceis sobre os modelos de IA usados no desenvolvimento de medicamentos. Quais padrões de transparência, validação ou auditoria você acredita que devem se tornar normas da indústria?

A indústria precisa se mover em direção à transparência total e garantir que haja supervisão humana em cada decisão assistida por IA. Para citar alguns exemplos:

Quando falamos sobre IA agente, já estamos trabalhando em maneiras de incorporar lógica regulatória em um motor de raciocínio separado que possa avaliar e corrigir conversas em tempo real. Esse tipo de sistema de controle interno deve se tornar padrão em qualquer aplicação voltada para pacientes. Protocolos de validação também precisam ser formalizados, incluindo testes de benchmark e avaliações de desempenho contínuas.

O mais importante é que esses padrões devem ser integrados ao processo de desenvolvimento de produtos e não acoplados posteriormente. Esse nível de rigor será essencial para manter a segurança do paciente, ganhar confiança regulatória e escalar a IA de forma responsável em campanhas de pesquisa clínica globais.

Os modelos de IA frequentemente dependem de conjuntos de dados históricos que podem refletir vieses sistêmicos de saúde. Como você aborda a garantia de justiça e diversidade no recrutamento de pacientes, especialmente para populações sub-representadas?

Não ter IA não é o que está segurando a diversidade na pesquisa clínica – não priorizar um plano é. E a IA não pode realmente ajudar com isso. Uma vez que haja um compromisso real, a IA pode ser uma ferramenta poderosa que absolutamente ajuda a alcançar grupos sub-representados de forma mais eficaz, mas apenas se formos intencionais. É por isso que, na Trialbee, ampliamos os dados que nossos modelos usam, construímos parcerias comunitárias e monitoramos constantemente os resultados do recrutamento para garantir que nenhum grupo seja deixado para trás.

Você mencionou que sua equipe está lançando novos produtos relacionados à IA mais tarde este ano. Pode oferecer uma prévia de alto nível dos problemas que vocês estão resolvendo – e como essas inovações refletem sua filosofia mais ampla sobre o uso responsável de IA?

A Trialbee tem uma cultura de inovação e a IA é um componente importante e crescente disso. Este ano, nossa Plataforma Honey lançou novos fluxos de trabalho de site, um registro de pacientes específico para patrocinadores e casos de uso que suportam sites de ensaios clínicos para marcas de biotecnologia globais, como BMSClinicalTrials.com. Com a IA especificamente, você verá novos recursos e melhorias sendo lançados nos próximos 3, 6, 12 meses e além. Estamos desenvolvendo chatbots, ferramentas inteligentes e mais dentro da Honey, enquanto também avaliamos novas maneiras de simplificar processos para nossos clientes. Internamente, estamos usando a IA para nos tornar mais direcionados, mais intencionais, mais inclusivos e mais eficientes em tudo o que fazemos – com um membro experiente da equipe impulsionando cada decisão e interpretando o contexto para todos os modelos de IA que usamos.

Olhando cinco anos à frente, como você vê o papel da Trialbee evoluindo à medida que a IA se torna mais profundamente incorporada à pesquisa clínica? Qual parte você vê sua empresa desempenhando no formato de um futuro mais ético, eficiente e globalmente harmonizado para o recrutamento de pacientes?

Cinco anos a partir de agora, vejo a Trialbee como a principal provedora de serviços habilitados por IA para o recrutamento de pacientes em pesquisa clínica. Já estamos integrando a IA gerativa em cada parte do fluxo de trabalho de recrutamento onde ela possa acelerar a velocidade, melhorar a precisão ou aumentar a opção do paciente. Como mencionei, estamos ativamente avaliando ferramentas que dariam aos pacientes a opção de se engajar com um profissional médico ao vivo ou com um agente de IA, dependendo de sua preferência e nível de confort. Acreditamos que dar às pessoas essa escolha é fundamental para aumentar a confiança e a participação ao longo do tempo.

Eticamente, estamos comprometidos em garantir que a IA seja implementada com rigor regulatório e transparência. Isso significa incorporar mecanismos de supervisão à própria tecnologia e ser aberto sobre como nossos sistemas funcionam. Também estamos construindo a IA na cultura de nossa organização – cada departamento e cada equipe – para que estejamos prontos para adaptar à medida que a tecnologia evolui. No final, queremos ser uma empresa que ajuda a definir como a IA é usada de forma responsável em toda a pesquisa clínica. Se fizermos isso corretamente, podemos ajudar a moldar um futuro onde os ensaios são mais rápidos, mais inclusivos e mais fáceis para os pacientes acessarem, independentemente de onde vivem ou qual idioma falam.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Trialbee.