Патрик Лёнг, технический директор Faro Health – Интервью

Патрик Лёнг, технический директор Faro Health, руководит разработкой платформы компании, основанной на искусственном интеллекте, которая упрощает и ускоряет проектирование протоколов клинических испытаний. Инструменты Faro Health повышают эффективность, стандартизацию и точность планирования испытаний, интегрируя данные и оптимизируя процессы для снижения рисков, затрат и нагрузки на пациентов.

Faro Health позволяет командам клинических исследований разрабатывать оптимизированные и стандартизированные протоколы испытаний быстрее, продвигая инновации в клинических исследованиях.

Вы провели много лет, разрабатывая ИИ в Google (GOOGL ). Какие были некоторые из самых интересных проектов, над которыми вы работали во время вашего пребывания в Google, и как эти опыт сформировали ваш подход к ИИ?

Я работал в команде, которая создала Google Duplex, систему разговорного ИИ, которая звонила ресторанам и другим предприятиям от имени пользователя. Это был секретный проект, в котором участвовали очень талантливые люди. Команда была быстрой, постоянно пробовала новые идеи, и каждую неделю были крутые демонстрации последних разработок. 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 ИИ, иногда вам все равно приходится быть изобретательными, чтобы получить желаемый пользовательский опыт. Чтобы создать гиперреалистичные разговоры, команда объединила записи, перемежающиеся с паузами, такими как “ум”, чтобы сделать разговор более естественным. Было очень весело читать, что писала пресса о том, почему эти “ум” были там после запуска!

И вы, и генеральный директор Faro пришли из крупных технологических компаний. Как ваш предыдущий опыт повлиял на разработку 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 нужно, чтобы завоевать и партнерствовать 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 процесс, основанный на гипотезе, когда все новые идеи входят в план исследования и тестируются тщательно. У них также есть очень хорошо развитая организация инженерии данных для подключения новых наборов данных и выполнения инженерии функций. Когда Faro углубляет свои возможности ИИ, чтобы решить больше 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 ИИ. Приходя из неклинической среды, какой был “момент прозрения”, который помог вам понять конкретные болевые точки в проектировании протокола, которые необходимо решить?

Мой первый “момент прозрения” произошел, когда я столкнулся с концепцией “Закона Эрума”. Эрум – это не человек, это просто “Мур” написанное наоборот. Это название является отсылкой к тому факту, что за последние 50 лет затраты и сроки разработки клинических препаратов увеличились примерно в два раза 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 нужно решить!

Когда я глубже погрузился в эту область и начал более полно понимать основные проблемы, было много таких прозрений. Одним 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 в процессе проектирования исследования является ключевым преимуществом Faro.

Какую роль играет ИИ в платформе Faro, чтобы обеспечить более быстрое и точное проектирование протокола клинических испытаний? Как инструмент “AI Co-Author” Faro отличается от других решений генеративного ИИ?

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, такую как расписание мероприятий, представленную в деталях, чтобы отобразить правильную информацию в технических разделах документа протокола. Во-вторых, есть много деталей и конкретных положений, которые должны быть присутствовать в документации для определенных типов испытаний, и определенный стиль и уровень детализации, который ожидается медицинскими писателями и рецензентами. В Faro мы создали проприетарную систему оценки протокола, чтобы обеспечить соответствие контента, созданного крупной языковой моделью (LLM), высоким стандартам, ожидаемым пользователями и регулирующими органами.

Когда испытания на редкие заболевания и иммуноонкологию становятся более сложными, как Faro обеспечивает, чтобы ИИ мог удовлетворить эти специализированные требования без жертвования точностью или качеством?

Модель только так хороша, как данные, на которых она обучена. Поэтому, когда передовой современной медицины продвигается вперед, нам нужно идти в ногу, обучая и тестируя наши модели с помощью последних клинических испытаний. Это требует от нас постоянного расширения нашей библиотеки оцифрованных клинических протоколов – мы очень гордимся объемом протоколов клинических испытаний, которые мы уже ввели в нашу библиотеку данных в Faro, и мы всегда отдаем приоритет росту этого набора данных. Это также требует от нас опоры на нашу внутреннюю команду клинических экспертов, которые постоянно оценивают вывод модели и предоставляют необходимые изменения в “проверочные списки”, 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 выполнения?

Сердцем клинического испытания является 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, одна из больших проблем в оперативной разработке клинических испытаний сегодня заключается в постоянной транскрипции или “переводе” данных из протокола или других документо-ориентированных источников в другие системы или даже другие документы. Как вы можете представить, ручная транскрипция документо-ориентированной информации вручную является невероятно неэффективной 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 задуманы, вниз к различным системам или необходимым во время оперативной фазы испытания. Когда этот вид беспрепятственного потока информации реализован, 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 является только одним шагом в этом направлении, и впереди еще многое.

Какие ключевые проблемы ИИ сталкивается в упрощении клинических испытаний, и как Faro преодолевает их, особенно в отношении обеспечения прозрачности и избежания проблем, таких как предвзятость или зрелищность в выводах ИИ?

Есть гораздо более высокая планка для документов клинических испытаний, чем в большинстве других областей. Эти документы влияют на жизнь реальных людей и, таким образом, проходят через очень строгий процесс нормативного обзора. Когда мы впервые начали генерировать клинические документы с помощью LLM, было ясно, что с готовыми моделями вывод был нигде близко к ожиданиям. Неудивительно, что тон, уровень детализации, форматирование – все – было далеко от того, что было ориентировано на общую деловую коммуникацию, а не на экспертные клинические документы. Безусловно, зрелищность и просто прямое опущение необходимых деталей были основными проблемами. Чтобы разработать решение генеративного ИИ, которое могло бы соответствовать высокому стандарту для специфики области 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 зрелищен или просто опускает ключевые 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.

Взглянув вперед, как вы видите эволюцию ИИ в контексте клинических испытаний? Какую роль будет играть Faro в цифровой трансформации этой области в течение следующего десятилетия?

Со временем ИИ поможет улучшить и оптимизировать больше решений и процессов на протяжении всего процесса клинической разработки. Мы сможем предсказать ключевые результаты на основе входных данных проектирования протокола, таких как то, может ли команда испытаний ожидать проблемы с набором участников, или потребует ли испытание изменений из-за оперативных проблем. С таким предсказательным прозрением мы сможем помочь оптимизировать оперативные процессы испытания, обеспечивая, чтобы команды испытаний и пациенты имели лучший опыт, и что вероятность оперативного успеха испытания была как можно выше. Помимо изучения этих возможностей, Faro также планирует продолжать генерировать ряд различных клинических документов, чтобы все процессы подачи и оформления документов были эффективными и менее подвержены ошибкам. И мы представляем себе мир, где ИИ 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 место, временем, стоимостью и сложностью.

Как фокус Faro на пациенто-ориентированном проектировании влияет на эффективность и успех клинических испытаний, особенно в отношении 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 оперативной 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 решают участвовать в клиническом испытании, в конечном итоге отказываются от участия из-за нагрузки на участие, включая частые посещения, инвазивные процедуры и сложные протоколы. Хотя команды клинических исследований осведомлены о влиянии испытаний с высокой нагрузкой на пациентов, фактически делать что-то конкретное, чтобы снизить нагрузку, может быть сложно 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 клинической разработки могут получить реальные прозрения в влияние их конкретного протокола на нагрузку на пациента во время самого процесса планирования протокола. Предоставляя структурированные испытания и аналитические прозрения в их стоимость, нагрузку на пациента, сложность на ранней стадии проектирования, Faro предоставляет 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 ней метрик на этапе разработки, где изменения легко внести, и они могут принимать обоснованные компромиссы, когда это необходимо. 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 начаться и завершиться вовремя.

Какой совет вы дадите стартапам или компаниям, которые хотят интегрировать ИИ в свои клинические испытания, основанный на вашем опыте в Google и Faro?

Вот основные выводы, которые я бы предложил на основе нашего опыта применения ИИ в этой области:

1. Разделите и оцените свои запросы ИИ. Крупные языковые модели, такие как GPT, не предназначены для вывода документов клинического класса. Итак, если вы планируете использовать генеративный ИИ для автоматизации создания документов клинических испытаний, вам нужно иметь рамку оценки, которая обеспечивает точность, полноту, правильный уровень детализации и тон вывода. Это требует много тщательного тестирования модели под руководством клинических экспертов.
2. Используйте структурированное представление испытания. Нет способа сгенерировать необходимую аналитику данных, чтобы спроектировать оптимальное клиническое испытание, без структурированного репозитория. Многие компании сегодня используют документы Word – даже не Excel! – для моделирования клинических испытаний. Это должно быть сделано с помощью структурированной модели области, 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.
3. Клинические эксперты имеют решающее значение для качества. Как видно из двух предыдущих пунктов, наличие клинических экспертов,直接 участвующих в проектировании и тестировании любой системы клинической разработки на основе ИИ, является абсолютно критическим. Это гораздо более важно, чем в любой другой области, над которой я работал, просто потому, что знания, необходимые для этого, так специализированы, подробны и пронизывают любой продукт, который вы попытаетесь построить в этой области.

Мы постоянно пробуем новые вещи и регулярно делимся своими находками в нашем блоге, чтобы помочь компаниям ориентироваться в этой области.

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