Эд Чидси, президент бизнес-подразделения Inovalon Insights – Интервью-серия

Эд Чидси, президент бизнес-подразделения Inovalon Insights, приносит в эту роль широкий опыт в области финансовых данных, аналитики и стратегического консалтинга — последний раз как старший вице-президент в S&P Global Market Intelligence, где он управлял бизнесом по данным и аналитике стоимостью миллиард долларов с 2000 сотрудниками, и ранее как частный инвестиционный советник, член совета директоров PeerNova Inc. и ограниченный партнер в Mendoza Ventures.

Inovalon — это американская технологическая компания, предоставляющая облачные программные решения и решения по анализу данных для здравоохранения. Через свою флагманскую платформу Inovalon ONE^® компания агрегирует и анализирует огромные объемы реальных клинических и страховых данных — охватывающих сотни миллионов жизней — для поддержки планов здравоохранения, поставщиков, аптек и организаций жизненных наук в улучшении клинических результатов, качества ухода, оценки риска, целостности оплаты и операционной эффективности.

У вас была долгая карьера, охватывающая S&P Global (SPGI ), IHS Markit и теперь Inovalon. Какая была наиболее формативная роль или опыт, который привел вас к фокусу на реальных данных (RWD) и аналитике в здравоохранении, и как это сформировало ваше видение руководства бизнес-подразделением Insights в Inovalon?

Я провел большую часть своей карьеры, создавая, управляя и масштабируя бизнес по данным и аналитике, в основном в финансовых услугах, часто начиная с малого и обеспечивая существенный рост за счет комбинации органических и неорганических стратегий. После более чем трех десятилетий в финансовой отрасли я достиг точки, где мне нужно было сделать паузу и перезагрузиться. Мне было нужно провести больше времени с семьей, присоединиться к корпоративному и некоммерческому совету, и, несколько неожиданно, стать более вовлеченным в свою церковь. Этот поворот дал мне шанс сосредоточиться на балансе, сообществе и цели таким образом, как я не делал это уже давно. К концу года я понял, что у меня все еще есть много энергии и страсти к руководству командами и построению бизнеса, но я хотел, чтобы эта работа казалась более личной и осмысленной.

Когда Адам Канслер, генеральный директор Inovalon, связался со мной, чтобы рассказать больше о компании, время было удачным. Я работал в тесном сотрудничестве с Адамом много лет и имею огромное уважение к нему как лидеру. Он описал Inovalon как ведущего поставщика данных и решений, которые наделяют здравоохранение, работающего с плательщиками, поставщиками, аптечными организациями и компаниями жизненных наук, и отметил, что компания ищет нового человека, который возглавит бизнес-подразделение Insights.

До разговора с Адамом я не рассматривал возможность использования своего опыта в области данных и аналитики в здравоохранении. Однако, чем больше я узнавал, тем больше это резонировало. Данные здравоохранения очень осязаемы, потому что они могут повлиять на нас реальными способами. Идея применения той же аналитической строгости и масштаба, который я разработал в финансовых услугах, для улучшения качества и результатов здравоохранения была невероятно привлекательной. Этот смысл цели — то, что привело меня сюда, и он продолжает формировать, как я руковожу бизнес-подразделением Insights, объединяя данные, технологии и людей, чтобы сделать измеримую разницу во всей экосистеме здравоохранения.

Как вы видите, как шаг Inovalon по предоставлению своих передовых аналитических данных и первичных источников RWD на Snowflake’s AI Data Cloud изменит конкурентную динамику в здравоохранении и жизненных науках?

Я бы рассматривал это как стратегический шаг, чтобы встретить клиентов там, где они есть, а не обязательно изменить конкурентную динамику. На мой взгляд, было важно обеспечить, чтобы клиенты имели доступ к нашим данным и ресурсам на платформах, где они хотели бы потреблять их более современным, гибким и доступным способом. С этим мы знали, что все больше и больше наших клиентов мигрировали на платформы, такие как Snowflake, поэтому было важно для нас встретить их там, где они хотели потреблять наши данные.

Что отличает предложения RWD от Inovalon, такие как реестр MORE², от других платформ реального мира в плане качества, глубины, своевременности или масштаба?

Что отличает наши предложения RWD, включая реестр MORE², — это наши первичные источники данных. Мы собираем эти данные напрямую из различных сущностей по всей экосистеме здравоохранения, таких как плательщики или поставщики здравоохранения, и это дает нам всесторонний вид путешествий пациентов по здравоохранению, позволяя нам извлекать идеи, которые поддерживают принятие решений во всей цепочке здравоохранения.

Хотя масштаб данных, которые мы имеем, является заметным дифференциатором, история и последовательность, стоящие за этими данными, действительно замечательны. Благодаря нашему партнерству с Snowflake наши клиенты теперь могут безопасно и быстро получать доступ к нашим долгосрочным наборам данных высококачественных RWD, возможность, которая традиционно была осложнена фрагментированными системами и сложными ручными процессами ингестии данных. Для компаний жизненных наук и биофармацевтических компаний, в частности, наличие уверенности в том, что их партнер предоставит данные, которые являются последовательными и надежными для принятия решений, абсолютно критично для пациентов, которым они служат. Этот фундамент является краеугольным камнем нашего предложения RWD, которое мы продолжаем расширять по объему и типам идей, которые мы можем генерировать.

Каковы основные технические или управленческие проблемы в связывании или интеграции наборов данных из различных источников для построения всесторонних доказательств реального мира?

Все начинается с признания основы наших данных, которая восходит к взаимодействиям между пациентом и его поставщиком, аптекой и плательщиком. Часто эти взаимодействия являются личными и возникают из значимых точек соприкосновения в их собственной помощи. Это делает быть довереннымewardом наших данных крайне важным и требует от нас иметь сильное управление вокруг этих данных. Мы воспринимаем эту ответственность очень серьезно в Inovalon, особенно когда речь идет о том, как RWD влияет на процессы доказательств реального мира. То, как мы выбираем управлять, защищать и использовать наши данные, определяет нашу достоверность и доверие, которое мы держим с нашими партнерами по всей экосистеме.

Одной из самых больших проблем, с которыми мы сталкиваемся, является баланс между использованием данных и конфиденциальностью. Если фокус исключительно на конфиденциальности, вы теряете возможность полностью проанализировать и извлечь ценность из данных. Однако, если фокус только на анализе, вы рискуете не оправдать своих этических или нормативных обязательств перед пациентами и семьями. Этот хрупкий баланс не только техническая проблема, но и проблема управления. Нам постоянно приходится учитывать, что мы можем сделать, что мы должны сделать и что мы не можем сделать, чтобы защитить данные, которые у нас есть, при этом максимизируя их ценность и влияние на более широкую экосистему здравоохранения.

С технической точки зрения, еще одной большой проблемой является связывание. Как бы ни был глубок или широк один набор данных, он никогда не бывает достаточно сам по себе. Способность соединять наборы данных из нескольких источников критически важна, и мы отдаём этому приоритет каждый день через нашу работу с различными партнерами.

В конечном итоге, управление — это о нахождении правильного баланса между защитой данных правильным образом и одновременно продвижением границ того, что возможно, чтобы реализовать наибольшую ценность для общего блага. Это не всегда легко, особенно когда некоторые нормативные акты, хотя и хорошо намерены, могут непреднамеренно препятствовать инновациям или ограничить потенциальные выгоды, которые мы могли бы доставить пациентам и более широкой экосистеме. Наша роль — быть осторожнымиewardами данных, работать в рамках соглашений поставщиков и нормативных актов и находить ответственные способы инноваций.

Наконец, есть структурная проблема с экосистемой здравоохранения, которая является высоко фрагментированной. Чтобы клиент мог получить доступ ко всем данным, которые ему нужны, часто требуется извлечение из нескольких наборов данных и связывание данных через различные точки ухода, с множеством посредников между ними. По сравнению с отраслями, такими как финансовые услуги, здравоохранение отстает на годы, если не десятилетия, в плане интеграции данных и интероперабельности. Однако это также огромная возможность для Inovalon. Если мы сможем продолжать продвигать, как данные соединяются, становятся доступными и используются творчески, мы сможем доставить намного более инновационные аналитику и решения, которые в конечном итоге приносят пользу пациентам.

Как вы балансируете конфиденциальность, нормативное соответствие и инновации при развертывании моделей ИИ на чувствительных данных о здоровье?

Так, как я думаю об ИИ, в конечном итоге это о замене или улучшении того, что можно теоретически сделать сегодня, просто быстрее, умнее и более продвинутым способом. Когда клиент хочет развернуть модель ИИ поверх наших данных, это что-то, что мы должны принять. Как и при любом использовании наших данных, есть условия и положения, которые определяют, что клиент может и не может делать. Эти условия основаны на наших собственных разрешениях, ограничениях и применимых нормативных актах. Этот каркас не меняется в мире ИИ, и нам нужно быть энаблерами. Нам не нужно бояться этого. Нам нужно принять его ответственно, чтобы ИИ мог двигаться вперед, потому что он имеет потенциал принести огромную пользу экосистеме здравоохранения.

ИИ требует как исторических данных для построения моделей, так и текущих данных для поддержания их. С нашей точки зрения как поставщика данных это сильная позиция, потому что как только модель построена на наших данных, она становится еще более встроенной. Нам нужно подойти к каждой модели так, как мы бы подошли к любому случаю использования клиента, обеспечивая, что она правильно лицензирована и управляется. Более чувствительная часть ИИ, особенно в здравоохранении, заключается в том, чтобы убедиться, что всегда есть человек в цикле, когда оказывается помощь. Это гораздо более широкая тема, и многие люди обсуждают ее.

С точки зрения RWD мы все еще находимся на ранних этапах. ИИ еще не доставил много революционных результатов в здравоохранении, особенно когда вы фокусируетесь на случаях использования RWD. Мы исследуем ряд возможностей, включая, например, извлечение на основе машинного обучения из клинических заметок, которое является более фундаментальным применением ИИ. За его пределами мы смотрим на использование ИИ в клинических испытаниях и прогнозируемости заболевания. Мы находимся в начале этого пути, но потенциал огромен. Inovalon фокусируется на обеспечении того, чтобы мы имели данные самого высокого качества, которые могут быть использованы в сочетании с ИИ ответственно, с сильным управлением и человеческим надзором, при этом готовясь к масштабированию его влияния, когда технология и экосистема созревают.

Из ваших разговоров с клиентами, какие наиболее распространенные проблемы о принятии ИИ и аналитики, основанной на RWD, в здравоохранении, и как вы реагируете на них?

Наиболее распространенные проблемы, которые я слышу, — это качество данных и разрешения на использование наших данных для обучения их собственных моделей ИИ. Для качества данных с ИИ «мусор на входе, мусор на выходе» звучит правдиво. Если качество данных плохое, то есть данные не чистые или, возможно, недостаточно данных, то выходные данные не будут очень ценными. Наши клиенты ожидают последовательные, точные и надежные данные. Учитывая огромные объемы, которые мы управляем, одной из моих первых приоритетов было обеспечение качества данных на протяжении всей нашей деятельности. Мы работали усердно, чтобы очистить, удалить дубликаты, нормализовать, стандартизировать и доставить данные вниз по потоку. Принятие владения качеством данных также помогает, улучшая последовательность и надежность наших наборов данных, что позволяет нам доставить больше в рамках наших традиционных предложений по аналитике данных, а также аналитики на основе ИИ.

Как вы измеряете успех или ROI для клиентов, которые принимают вашу платформу и аналитику, и какие метрики они больше всего заботятся?

Мы измеряем успех реальным влиянием, которое наша платформа и аналитика оказывают на операционные и клинические результаты наших клиентов. Это может включать различные меры успеха, в зависимости от клиента, такие как улучшение рейтингов CMS Star в Medicare Advantage, оптимизация корректировки риска или генерация действенных доказательств реального мира для жизненных наук. Общая нить — это то, что идеи должны быть своевременными, достоверными и действенными.

Для метрик клиенты, в зависимости от того, где они находятся в цепочке здравоохранения, могут фокусироваться на таких аспектах, как улучшения качества, сокращение пробелов в уходе, лучшее соблюдение протоколов лечения или измеримые выгоды от стоимости или использования. Клиенты понимают ROI, когда наша аналитика помогает им принимать обоснованные решения, которые улучшают результаты пациентов, операционную эффективность и/или стратегическую производительность.

Оглядываясь вперед на 5 лет, как вы ожидаете, что ИИ и RWD будут развиваться в здравоохранении и жизненных науках, и что вы видите как следующий рубеж?

Через пять лет здравоохранение может выглядеть как что-то, чего никто из нас не признает сейчас, но невозможно предсказать, как быстро отрасль будет развиваться. Единственная уверенность в том, что оно будет трансформационным. Хотя темп инноваций является необыкновенным, прогресс остается ограниченным фрагментацией по всей экосистеме здравоохранения, охватывающей лаборатории, аптеки и электронные медицинские записи, где немногие организации могут действительно соединить эти источники данных осмысленным образом.

Хотя это может быть ограничивающим фактором, если данные могут быть связаны и созданы в нормализованном, стандартизированном виде, то я думаю, что все возможно. ИИ будет все больше подпинать все — от поддержки клинического принятия решений до того, как организации жизненных наук подходят к проектированию и выполнению клинических испытаний. В течение следующих пяти лет мы увидим больше автоматизации, улучшенного использования прогностической аналитики и повышенной связности, которая дает организациям доступ к идеям, которые им нужны в режиме реального времени, все из которых имеют потенциал трансформировать пути ухода за пациентами и операции здравоохранения в целом.

Для организаций, которые только начинают исследовать интеграцию ИИ с реальными данными, какие три совета вы дадите?

Во-первых и наиболее важно, сосредоточьтесь на данных и убедитесь, что вы постоянно оцениваете качество ваших данных. Во-вторых, используйте умственную силу вашей базы сотрудников. Реальность в том, что лучшие идеи могут прийти с любого уровня организации, особенно более молодых поколений, входящих в рабочую силу, которые жили и дышали данными, ИИ и технологиями. Лидеры должны найти способы использовать идеи и инновации, которые глубоко внутри организации, и создать платформу для этих перспектив, чтобы они могли быть услышаны и собраны. Третье, наняйте правильных людей. Без правильных людей и технического таланта инновации в темпе, создание ценности и поддержание конкурентоспособности будут почти невозможны.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Inovalon.