Entrevistas
Patrick Leung, CTO da Faro Health – Série de Entrevistas
Patrick Leung, CTO da Faro Health, impulsiona a plataforma habilitada para IA da empresa, que simplifica e acelera o design do protocolo de ensaios clínicos. As ferramentas da Faro Health aprimoram a eficiência, a padronização e a precisão na planejação de ensaios, integrando insights baseados em dados e processos otimizados para reduzir os riscos, os custos e a carga sobre os pacientes.
Faro Health capacita as equipes de pesquisa clínica a desenvolver protocolos de ensaios otimizados e padronizados mais rapidamente, impulsionando a inovação na pesquisa clínica.
Você passou muitos anos construindo IA no Google. Quais foram alguns dos projetos mais emocionais em que você trabalhou durante seu tempo no Google, e como essas experiências moldaram sua abordagem à IA?
Eu estava na equipe que construiu o Google Duplex, um sistema de IA conversacional que ligava para restaurantes e outras empresas em nome do usuário. Este foi um projeto ultrassecreto que estava cheio de pessoas extremamente talentosas. A equipe era rápida, constantemente tentando novas ideias, e havia demos legais das últimas coisas que as pessoas estavam trabalhando a cada semana. Foi muito inspirador estar em uma equipe como essa.
Uma das muitas coisas que eu aprendi nessa equipe é que, mesmo quando você está trabalhando com os últimos modelos de IA, às vezes você ainda precisa ser astuto para obter a experiência do usuário e o valor que você deseja. Para gerar conversas verbais hiperrealistas, a equipe costurou gravações intercaladas com temporizadores como “hum” para fazer a conversa soar mais natural. Foi tão divertido ler o que a imprensa tinha a dizer sobre por que aqueles “hums” estavam lá após o lançamento!
Você e o CEO da Faro vêm de grandes empresas de tecnologia. Como sua experiência passada influenciou o desenvolvimento e a estratégia da Faro?
Várias vezes em minha carreira, eu construí empresas que vendem vários produtos e serviços para grandes empresas. A Faro também está mirando nas maiores empresas farmacêuticas do mundo, então há muita experiência em torno do que é necessário para conquistar e se associar a grandes empresas que é altamente relevante aqui. Trabalhar na Two Sigma, um grande fundo de hedge algorítmico com sede em Nova York, realmente moldou como abordo a ciência de dados. Eles têm um processo rigoroso de hipótese orientada, pelo qual todas as novas ideias entram em um plano de pesquisa e são testadas minuciosamente. Eles também têm uma organização de engenharia de dados muito desenvolvida para incorporar novos conjuntos de dados e realizar engenharia de recursos. À medida que a Faro aprofunda suas capacidades de IA para lidar com mais problemas no desenvolvimento de ensaios clínicos, essa abordagem será altamente relevante e aplicável ao que estamos fazendo.
A Faro Health é construída em torno da simplificação da complexidade do design de ensaios clínicos com IA. Vindo de um background não clínico, qual foi o “momento de aha” que o levou a entender os pontos de dor específicos no design do protocolo que precisavam ser abordados?
Meu primeiro “momento de aha” aconteceu quando eu encontrei o conceito de “Lei de Eroom”. Eroom não é uma pessoa, é apenas “Moore” escrito ao contrário. Esse nome tongue-in-cheek é uma referência ao fato de que, nos últimos 50 anos, os custos e prazos de desenvolvimento de drogas clínicas ajustados pela inflação aumentaram roughmente dobraram a cada 9 anos. Isso vai de encontro à toda a revolução da tecnologia da informação, e simplesmente me deixou perplexo. Isso realmente me vendeu o fato de que há um problema enorme a ser resolvido aqui!
À medida que eu me aprofundei nesse domínio e comecei a entender os problemas subjacentes mais plenamente, houve muitas mais insights como essa. Um fundamental e muito óbvio é que os documentos do Word não são um bom formato para projetar e armazenar ensaios clínicos altamente complexos! Essa é uma observação-chave, nascida da experiência clínica de nosso CEO Scott, que a Faro foi construída. Também há a observação de que, com o tempo, os ensaios tendem a se tornar cada vez mais complexos, à medida que as equipes de estudo clínico literalmente copiam e colam protocolos passados, e então adicionam novas avaliações para coletar mais dados. Fornecer aos usuários tantos insights valiosos quanto possível, o mais cedo possível, no processo de design do estudo é uma proposta de valor fundamental para a Faro.
Qual é o papel da IA na plataforma da Faro para garantir um design de protocolo de ensaio clínico mais rápido e preciso? Como a ferramenta “Co-Autor de IA” da Faro se diferencia de outras soluções de IA gerativa?
Pode parecer óbvio, mas você não pode simplesmente pedir ao ChatGPT para gerar um documento de protocolo de ensaio clínico. Primeiro, você precisa ter informações de ensaio altamente específicas e estruturadas, como o Cronograma de Atividades representado em detalhe, para superfície a informação certa nas seções técnicas do documento do protocolo. Em segundo lugar, há muitos detalhes e cláusulas específicas que precisam estar presentes na documentação para certos tipos de ensaios, e um certo estilo e nível de detalhe que é esperado por escritores e revisores médicos. Na Faro, construímos um sistema de avaliação de protocolo proprietário para garantir que o conteúdo que o grande modelo de linguagem (LLM) estava criando atenderia aos padrões exatos dos usuários e reguladores.
À medida que os ensaios para doenças raras e imuno-oncologia se tornam mais complexos, como a Faro garante que a IA possa atender a essas demandas especializadas sem sacrificar a precisão ou a qualidade?
Um modelo é apenas tão bom quanto os dados em que é treinado. Portanto, à medida que a fronteira da medicina moderna avança, precisamos manter o ritmo treinando e testando nossos modelos com os últimos ensaios clínicos. Isso exige que continuemos expandindo nossa biblioteca de protocolos clínicos digitalizados – estamos extremamente orgulhosos do volume de protocolos de ensaios clínicos que já trouxemos para nossa biblioteca de dados na Faro, e estamos sempre priorizando o crescimento desse conjunto de dados. Isso também exige que nos apoiamo muito em nossa equipe interna de especialistas clínicos, que constantemente avaliam a saída de nosso modelo e fornecem quaisquer alterações necessárias às “listas de verificação de avaliação” que usamos para garantir sua precisão e qualidade.
A parceria da Faro com a Veeva e outras empresas líderes integra a plataforma da Faro ao ecossistema mais amplo de ensaios clínicos. Como essas colaborações ajudam a otimizar todo o processo de ensaio, desde o design do protocolo até a execução?
O coração de um ensaio clínico é o protocolo, que o Study Designer da Faro ajuda nossos clientes a projetar e otimizar. O protocolo informa tudo downstream sobre o ensaio, mas tradicionalmente, os protocolos são projetados e armazenados em documentos do Word. Portanto, um dos grandes desafios na operacionalização do desenvolvimento clínico hoje é a constante transcrição ou “tradução” de dados do protocolo ou outras fontes baseadas em documentos para outros sistemas ou até mesmo outros documentos. Como você pode imaginar, ter humanos traduzindo manualmente informações baseadas em documentos para vários sistemas à mão é incrivelmente ineficiente e introduz muitas oportunidades para erros ao longo do caminho.
A visão da Faro é uma plataforma unificada onde a “definição” ou elementos de um ensaio clínico possam fluir do sistema de design onde são primeiro concebidos, downstream para vários sistemas ou necessários durante a fase operacional do ensaio. Quando esse tipo de fluxo de informações sem interrupção está em vigor, há uma oportunidade significativa para automação e melhoria da qualidade, significando que podemos reduzir drasticamente o tempo e o custo para projetar e implementar um ensaio clínico. Nossa parceria com a Veeva para conectar nosso Study Designer ao Veeva Vault EDC é apenas um passo nessa direção, com muito mais por vir.
Quais são alguns dos principais desafios que a IA enfrenta na simplificação dos ensaios clínicos, e como a Faro supera esses desafios, particularmente em torno de garantir a transparência e evitar problemas como viés ou alucinação nas saídas de IA?
Há uma barra muito mais alta para os documentos de ensaios clínicos do que na maioria dos outros domínios. Esses documentos afetam a vida de pessoas reais e, portanto, passam por um processo de revisão regulatória altamente exigente. Quando começamos a gerar documentos clínicos usando um LLM, ficou claro que, com modelos prontos para uso, a saída estava longe de atender às expectativas. Não surpreendentemente, o tom, o nível de detalhe, o formato – tudo – estava muito longe, e estava muito mais orientado para comunicações de negócios de propósito geral, em vez de documentos clínicos de especialista. Com certeza, a alucinação e também a omissão direta de detalhes necessários foram desafios maiores. Para desenvolver uma solução de IA gerativa que pudesse atender ao alto padrão de especificidade de domínio e qualidade que nossos usuários esperam, tivemos que passar muito tempo colaborando com especialistas clínicos para criar diretrizes e listas de verificação de avaliação que garantam que nossa saída não estivesse alucinando ou simplesmente omitindo detalhes importantes, e tivesse o tom certo. Também precisamos fornecer a capacidade para que os usuários finais forneçam sua própria orientação e correções para a saída, pois diferentes clientes têm modelos e padrões diferentes que orientam seu processo de autorização de documentos.
Olhando para o futuro, como você vê a IA evoluindo no contexto dos ensaios clínicos? Qual será o papel da Faro na transformação digital desse espaço ao longo da próxima década?
À medida que o tempo passa, a IA ajudará a melhorar e otimizar mais e mais decisões e processos em todo o processo de desenvolvimento clínico. Seremos capazes de prever resultados-chave com base em entradas de design de protocolo, como se a equipe de estudo pode esperar desafios de inscrição, ou se o estudo exigirá uma emenda devido a desafios operacionais. Com esse tipo de insight preditivo, seremos capazes de ajudar a otimizar as operações downstream do ensaio, garantindo que tanto os sites quanto os pacientes tenham a melhor experiência, e que a probabilidade de sucesso operacional do ensaio seja a mais alta possível. Além de explorar essas possibilidades, a Faro também planeja continuar gerando uma variedade de diferentes documentação clínica para que todos os processos de arquivamento e papelada do ensaio sejam eficientes e muito menos propensos a erros. E prevermos um mundo onde a IA permite que nossa plataforma se torne um verdadeiro parceiro de design, envolvendo cientistas clínicos em um diálogo gerativo para ajudá-los a projetar ensaios que façam as trocas certas entre a carga do paciente, a carga do site, o tempo, o custo e a complexidade.
Como o foco da Faro no design centrado no paciente impacta a eficiência e o sucesso dos ensaios clínicos, particularmente em termos de reduzir a carga do paciente e melhorar a acessibilidade do estudo?
Os ensaios clínicos são frequentemente pegos entre as necessidades concorrentes de coletar mais dados de participantes – o que significa mais avaliações ou testes para o paciente – e gerenciar a viabilidade operacional de um ensaio, como sua capacidade de inscrever e reter participantes. Mas o recrutamento e a retenção de pacientes são alguns dos desafios mais significativos para a conclusão bem-sucedida de um ensaio clínico hoje – por algumas estimativas, até 20-30% dos pacientes que elegem participar de um ensaio clínico eventualmente desistirão devido à carga de participação, incluindo visitas frequentes, procedimentos invasivos e protocolos complexos. Embora as equipes de pesquisa clínica estejam cientes do impacto de ensaios de alta carga sobre os pacientes, na prática, fazer algo concreto para reduzir a carga do paciente pode ser difícil. Acreditamos que uma das barreiras para reduzir a carga do paciente é frequentemente a incapacidade de prontamente quantificá-la – é difícil medir o impacto nos pacientes quando seu design está em um documento do Word ou um pdf.
Usando o Study Designer da Faro, as equipes de desenvolvimento clínico podem obter insights em tempo real sobre o impacto de seu protocolo específico na carga do paciente durante o próprio processo de planejamento do protocolo. Ao estruturar ensaios e fornecer insights analíticos sobre seu custo, carga do paciente, complexidade cedo durante a fase de design do ensaio, a Faro fornece às equipes de pesquisa clínica uma maneira muito eficaz de otimizar seus designs de ensaio, equilibrando esses fatores contra as necessidades científicas de coletar mais dados. Nossos clientes amam o fato de que damos a eles visibilidade sobre a carga do paciente e métricas relacionadas em um ponto de desenvolvimento onde as alterações são fáceis de fazer, e eles podem fazer escolhas informadas quando necessário. Em última análise, vimos que nossos clientes economizaram milhares de horas coletivas de tempo do paciente, o que sabemos que terá um impacto positivo imediato para os participantes do estudo, enquanto também ajuda a garantir que os ensaios clínicos possam iniciar e concluir no prazo.
Que conselho você daria às startups ou empresas que buscam integrar IA em seus processos de ensaios clínicos, com base em suas experiências no Google e na Faro?
Aqui estão as principais lições que eu ofereceria até agora com base em nossa experiência aplicando IA a esse domínio:
- Divida e avalie seus prompts de IA. Modelos de linguagem grandes como o GPT não são projetados para produzir documentação clínica de grau. Então, se você planeja usar IA gerativa para automatizar a autorização de documentos de ensaios clínicos, você precisa ter um quadro de avaliação que garanta que a saída gerada seja precisa, completa, tenha o nível de detalhe e o tom certo, e assim por diante. Isso requer muitos testes cuidadosos do modelo orientados por especialistas clínicos.
- Use uma representação estruturada de um ensaio. Não há como você possa gerar as análises de dados necessárias para projetar um ensaio clínico ótimo sem um repositório estruturado. Muitas empresas hoje usam documentos do Word – nem mesmo o Excel! – para modelar ensaios clínicos. Isso deve ser feito com um modelo de domínio estruturado que represente com precisão a complexidade de um ensaio – seu esquema, objetivos e pontos finais, cronograma de avaliações, e assim por diante. Isso requer muita entrada e feedback de especialistas clínicos.
- Especialistas clínicos são cruciais para a qualidade. Como visto nos dois pontos anteriores, ter especialistas clínicos diretamente envolvidos no design e no teste de qualquer sistema de desenvolvimento clínico baseado em IA é absolutamente crítico. Isso é muito mais do que em qualquer outro domínio em que eu trabalhei, simplesmente porque o conhecimento necessário é tão especializado, detalhado e permeia qualquer produto que você tente construir nesse espaço.
Estamos constantemente tentando coisas novas e compartilhando regularmente nossas descobertas em nosso blog para ajudar as empresas a navegar nesse espaço.
Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Faro Health.
