Интервью
Патрик Лёнг, технический директор Faro Health – Серия интервью
Патрик Лёнг, технический директор Faro Health, руководит разработкой платформы компании, оснащенной искусственным интеллектом, которая упрощает и ускоряет проектирование протоколов клинических испытаний. Инструменты Faro Health повышают эффективность, стандартизацию и точность планирования испытаний, интегрируя данные и оптимизированные процессы для снижения рисков, затрат и нагрузки на пациентов.
Faro Health дает возможность командам клинических исследований разрабатывать оптимизированные и стандартизированные протоколы испытаний быстрее, продвигая инновации в клинических исследованиях.
Вы провели много лет, разрабатывая искусственный интеллект в Google. Какими были некоторые из наиболее интересных проектов, над которыми вы работали во время вашего пребывания в Google, и как эти опыт сформировали ваш подход к искусственному интеллекту?
Я был в команде, которая разработала Google Duplex, систему искусственного интеллекта, которая звонила в рестораны и другие предприятия от имени пользователя. Это был секретный проект, в котором участвовали очень талантливые люди. Команда была быстрая, постоянно пробовала новые идеи, и каждую неделю были интересные демонстрации последних разработок. Это было очень вдохновляюще работать в такой команде.
Одним из многих вещей, которые я узнал в этой команде, является то, что даже когда вы работаете с последними моделями искусственного интеллекта, иногда вам все равно приходится быть изобретательными, чтобы получить желаемый пользовательский опыт и ценность. Чтобы создать гиперреалистичные устные разговоры, команда склеила записи, перемежая их словами типа “ум” для того, чтобы сделать разговор более естественным. Было очень интересно читать, что писала пресса о том, почему эти “умы” были там после запуска!
И вы, и генеральный директор Faro приходите из крупных технологических компаний. Как ваш прошлый опыт повлиял на развитие и стратегию Faro?
Несколько раз в своей карьере я создавал компании, которые продавали различные продукты и услуги крупным компаниям. Faro также ориентирована на крупнейшие фармацевтические компании, поэтому есть много опыта в том, что необходимо для победы и партнерства с крупными предприятиями, что очень актуально здесь. Работа в Two Sigma, крупном алгоритмическом хедж-фонде, базирующемся в Нью-Йорке, действительно сформировала мой подход к науке о данных. У них есть строгий гипотезо-ориентированный процесс, в котором все новые идеи входят в исследовательский план и тщательно тестируются. У них также есть очень хорошо развитая организация инженерии данных для подключения новых наборов данных и выполнения инженерии функций. Когда Faro углубляет свои возможности искусственного интеллекта для решения более проблем в разработке клинических испытаний, этот подход будет очень актуальным и применимым к тому, что мы делаем.
Faro Health построена вокруг упрощения сложности проектирования клинических испытаний с помощью искусственного интеллекта. Приходя из неклинической среды, какой был “момент прозрения”, который привел вас к пониманию конкретных болевых точек в проектировании протоколов, которые необходимо решить?
Мой первый “момент прозрения” произошел, когда я столкнулся с концепцией “Закона Эрума”. Эрум не является человеком, это просто “Мур” написанное наоборот. Это ироничное название является ссылкой на тот факт, что за последние 50 лет затраты на разработку клинических препаратов и сроки, скорректированные с учетом инфляции, примерно удвоились каждые 9 лет. Это противоречит всей информационной технологической революции и просто ошеломило меня. Это действительно убедило меня в том, что здесь есть огромная проблема, которую необходимо решить!
Когда я глубже погрузился в эту область и начал более полно понимать основные проблемы, было много больше таких прозрений. Один из фундаментальных и очень очевидных является то, что документы Word не являются хорошим форматом для проектирования и хранения высоко сложных клинических испытаний! Это ключевое наблюдение, рожденное из клинического опыта нашего генерального директора Скотта, на котором была построена Faro. Также есть наблюдение, что со временем испытания становятся все более и более сложными, поскольку команды клинических исследований буквально копируют и вставляют прошлые протоколы, а затем добавляют новые оценки, чтобы собрать больше данных. Предоставление пользователям как можно большего количества ценных прозрений как можно раньше на этапе проектирования исследования является ключевым преимуществом для Faro.
Какую роль играет искусственный интеллект в платформе Faro для обеспечения более быстрого и точного проектирования протоколов клинических испытаний? Как инструмент “AI Co-Author” Faro отличается от других генеративных решений искусственного интеллекта?
Это может показаться очевидным, но вы не можете просто попросить ChatGPT сгенерировать документ протокола клинического испытания. Во-первых, вам нужно иметь высоко специфическую, структурированную информацию об испытании, представленную в деталях, чтобы отобразить правильную информацию в высокотехнических разделах документа протокола. Во-вторых, есть много деталей и конкретных положений, которые должны присутствовать в документации для определенных типов испытаний, и определенный стиль и уровень детализации, который ожидается медицинскими писателями и рецензентами. В Faro мы разработали проприетарную систему оценки протоколов, чтобы обеспечить соответствие содержания, генерируемого большой языковой моделью (LLM), высоким стандартам, которые ожидают пользователи и регулирующие органы.
Когда испытания для редких заболеваний и иммуноонкологии становятся более сложными, как Faro обеспечивает, чтобы искусственный интеллект мог удовлетворять эти специализированные требования без жертвования точностью или качеством?
Модель только так хороша, как данные, на которых она обучена. Поэтому, когда передовая медицина продвигается вперед, нам нужно идти в ногу, обучая и тестируя наши модели с помощью последних клинических испытаний. Это требует, чтобы мы постоянно расширяли нашу библиотеку оцифрованных клинических протоколов – мы очень гордимся объемом протоколов клинических испытаний, которые мы уже ввели в нашу базу данных в Faro, и мы всегда отдаем приоритет росту этого набора данных. Это также требует, чтобы мы сильно полагались на нашу внутреннюю команду клинических экспертов, которые постоянно оценивают вывод нашей модели и предоставляют любые необходимые изменения в “проверочных списках”, которые мы используем для обеспечения точности и качества.
Партнерство Faro с Veeva и другими ведущими компаниями интегрирует вашу платформу в более широкую экосистему клинических испытаний. Как эти сотрудничества помогают оптимизировать весь процесс испытаний, от проектирования протокола до его выполнения?
Сердце клинического испытания – это протокол, который помогает нашим клиентам проектировать и оптимизировать с помощью Study Designer Faro. Протокол информирует все, что происходит дальше в испытании, но традиционно протоколы проектируются и хранятся в документах Word. Таким образом, одной из больших проблем в операционализации клинического развития сегодня является постоянная транскрипция или “перевод” данных из протокола или других документальных источников в другие системы или даже другие документы. Как можно представить, когда люди вручную переводят информацию из документов в различные системы, это невероятно неэффективно и создает много возможностей для ошибок на пути.
Видение Faro – это унифицированная платформа, где “определение” или элементы клинического испытания могут течь из системы проектирования, где они впервые концептуализируются, вниз по различным системам или необходимым во время операционной фазы испытания. Когда такой беспрепятственный поток информации установлен, есть значительная возможность для автоматизации и улучшения качества, что означает, что мы можем значительно сократить время и стоимость проектирования и реализации клинического испытания. Наше партнерство с Veeva для подключения нашего Study Designer к Veeva Vault EDC – это только один шаг в этом направлении, с многим больше, что предстоит.
Какие некоторые из ключевых проблем, с которыми искусственный интеллект сталкивается при упрощении клинических испытаний, и как Faro преодолевает их, особенно вокруг обеспечения прозрачности и избежания проблем, таких как предвзятость или галлюцинация в выводах искусственного интеллекта?
Есть гораздо более высокая планка для документов клинических испытаний, чем в большинстве других областей. Эти документы влияют на жизни реальных людей и, таким образом, проходят через очень требовательный процесс нормативного рассмотрения. Когда мы впервые начали генерировать клинические документы с помощью LLM, было ясно, что с готовыми моделями вывод был нигде близко к удовлетворению ожиданий. Неудивительно, что тон, уровень детализации, форматирование – все – было далеко от того, что ожидалось, и было более ориентировано на общую деловую коммуникацию, а не на экспертные клинические документы. Чтобы разработать генеративное решение искусственного интеллекта, которое могло бы удовлетворять высокий стандарт специфики и качества, который ожидают наши пользователи, нам пришлось потратить много времени на сотрудничество с клиническими экспертами, чтобы разработать руководства и проверочные списки, которые обеспечили бы, что наш вывод не галлюцинирует или просто опускает важные детали, и имеет правильный тон. Нам также пришлось предоставить возможность конечным пользователям давать свои собственные рекомендации и исправления вывода, поскольку у разных клиентов есть разные шаблоны и стандарты, которые руководят их процессом создания документов.
Также есть проблема, что подробные клинические данные, необходимые для полного сгенерирования документации протокола испытания, могут не быть легко доступны, часто хранятся глубоко в других сложных документах, таких как брошюра исследователя. Мы рассматриваем возможность использования искусственного интеллекта для извлечения такой информации и ее предоставления для использования в генерации разделов документа протокола.
Взглянув вперед, как вы видите эволюцию искусственного интеллекта в контексте клинических испытаний? Какую роль будет играть Faro в цифровой трансформации этой области в течение следующего десятилетия?
Когда время идет, искусственный интеллект поможет улучшить и оптимизировать все больше решений и процессов на протяжении всего процесса клинического развития. Мы сможем предсказать ключевые результаты на основе входных данных проектирования протокола, таких как то, что команда исследования может ожидать проблем с набором участников, или то, что исследование потребует поправки из-за операционных проблем. С таким предсказательным прозрением мы сможем помочь оптимизировать операции испытания, обеспечивая, чтобы команды сайтов и пациентов имели лучший опыт, и что вероятность операционного успеха испытания была как можно выше. Помимо изучения этих возможностей, Faro также планирует продолжать генерировать ряд различных клинических документов, чтобы все процессы подачи заявок и бумажной работы испытания были эффективными и менее подвержены ошибкам. И мы предвидим мир, где искусственный интеллект позволяет нашей платформе стать настоящим партнером по проектированию, вовлекая клинических ученых в генеративный диалог, чтобы помочь им проектировать испытания, которые делают правильные компромиссы между нагрузкой на пациента, нагрузкой на сайт, временем, затратами и сложностью.
Как фокус Faro на пациенто-ориентированном проектировании влияет на эффективность и успех клинических испытаний, особенно в плане снижения нагрузки на пациента и улучшения доступности исследования?
Клинические испытания часто застревают между конкурирующими потребностями сбора большего количества данных участников – что означает больше оценок или тестов для пациента – и управления операционной осуществимостью испытания, такой как его способность набрать и удержать участников. Но набор и удержание пациентов являются одними из наиболее значительных проблем для успешного завершения клинического испытания сегодня – по некоторым оценкам, до 20-30% пациентов, которые выбирают участие в клиническом испытании, в конечном итоге выйдут из-за нагрузки участия, включая частые посещения, инвазивные процедуры и сложные протоколы. Хотя команды клинических исследований осведомлены о влиянии испытаний с высокой нагрузкой на пациентов, фактическое принятие конкретных мер для снижения нагрузки может быть трудным на практике. Мы считаем, что одним из барьеров для снижения нагрузки на пациента является часто невозможность легко количественно оценить ее – трудно измерить влияние на пациентов, когда ваш дизайн находится в документе Word или pdf.
Используя Study Designer Faro, команды клинического развития могут получить реальные прозрения в влияние своего конкретного протокола на нагрузку на пациента во время этапа планирования протокола. Предоставляя структурированные испытания и аналитические прозрения в их стоимость, нагрузку на пациента, сложность на ранней стадии проектирования испытания, Faro дает командам клинических исследований очень эффективный способ оптимизировать свои дизайны испытаний, балансируя эти факторы с научными потребностями в сборе большего количества данных. Наши клиенты любят тот факт, что мы предоставляем им видимость нагрузки на пациента и связанных с этим метрик на этапе разработки, где изменения легко сделать, и они могут принимать обоснованные решения при необходимости. В конечном итоге мы видели, как наши клиенты экономят тысячи часов коллективного времени пациентов, что, мы знаем, окажет немедленное положительное влияние на участников исследования, а также поможет обеспечить, чтобы клинические испытания могли как начаться, так и завершиться вовремя.
Какой совет вы дадите стартапам или компаниям, стремящимся интегрировать искусственный интеллект в свои клинические испытания, основанный на вашем опыте в Google и Faro?
Вот основные выводы, которые я бы предложил на данный момент из нашего опыта применения искусственного интеллекта в этой области:
- Разделите и оцените ваши запросы к искусственному интеллекту. Большие языковые модели, такие как GPT, не предназначены для вывода документов клинического класса. Итак, если вы планируете использовать генеративный искусственный интеллект для автоматизации создания документов клинических испытаний, вам нужно иметь оценочный каркас, который обеспечивает точность, полноту, уровень детализации и тон вывода.
- Используйте структурированное представление испытания. Нет способа сгенерировать необходимые данные и аналитику для проектирования оптимального клинического испытания без структурированного репозитория. Многие компании сегодня используют документы Word – даже не Excel! – для моделирования клинических испытаний. Это должно быть сделано со структурированной доменной моделью, которая точно представляет сложность испытания – его схему, цели и конечные точки, график оценок и так далее. Это требует много входных данных и обратной связи от клинических экспертов.
- Клинические эксперты являются важными для качества. Как видно из двух предыдущих пунктов, наличие клинических экспертов напрямую вовлеченных в проектирование и тестирование любой системы клинического развития на основе искусственного интеллекта является абсолютно критическим. Это намного более важно, чем в любой другой области, в которой я работал, просто потому, что необходимые знания так специализированы, подробны и пронизывают любой продукт, который вы попытаетесь построить в этой области.
Мы постоянно пробуем новые вещи и регулярно делимся нашими находками в нашем блоге, чтобы помочь компаниям ориентироваться в этой области.
Спасибо за отличное интервью. Читателям, которые хотят узнать больше, следует посетить Faro Health.
