Jeff Elton, VD på ConcertAI – Intervjuserie

Jeff Elton, Ph.D., är VD för Konsert AI, ett AI SaaS-lösningsföretag som tillhandahåller forskningslösningar och patientcentrerade lösningar för innovatörer inom biovetenskap och världens ledande leverantörer. ConcertAI är fokuserat på att accelerera och förbättra precisionen i retrospektiva och prospektiva kliniska studier med hjälp av EMR-, LIS- och PACS-system som källa för all studiedata. Det är en långsiktig partnerpartner med American Society of Clinical Oncology och dess CancerLinQ-program, US FDA, NCI Health Equity-initiativ och nästan 100 vårdgivare över hela USA.

Före ConcertAI var Jeff VD för Accenture Strategy/Patient Health; Global Chief Operating Officer och SVP Strategy vid Novartis Institutes of BioMedical Research, Inc.; och partner på McKinsey & Company. Han är också grundande styrelseledamot och senior rådgivare till flera företag i tidiga skeden. Jeff är för närvarande styrelseledamot i Massachusetts Biotechnology Council. Han är medförfattare till den mycket citerade boken, Sjukvården störd (Wiley, 2016). Jeff har en Ph.D. och MBA från University of Chicago.

Som grundande VD för ConcertAI, kan du dela din vision för företaget vid starten? Hur har den visionen utvecklats sedan 2018?

Vi började med idén att förbättrade patientresultat kommer från djupa och handlingsbara insikter. För att få dessa insikter krävs datafullständighet, dataskala, datarepresentativitet och avancerad AI-intelligens. Därför skapade vi ett företag inom Data-as-a-Service och AI Software-as-a-Service. Vi riktade in oss på AI som möjliggör inferens och förutsägelser. Detta inkluderade att förutsäga händelser att undvika, såsom patienters bristande följsamhet till sin behandling eller avbrytande av vård på grund av bristande positiv respons, vilket informerade om när kliniska prövningar kunde vara nästa alternativ.

Vår vision har varit stabil och vi fortsätter att förvänta oss mer av våra lösningar. Med den senaste generationen LLM, agent AI och andra generativa AI-lösningar kan vi arbeta i stor skala (och nästan i realtid – något vi inte förväntade oss eller förutsåg under 2018). Med partners som NVIDIA kan vi utveckla våra lösningar för att prestera bättre än förväntat, känna igen begränsningar och unika egenskaper och röra oss i takt med hela marknadens innovationer – resan hittills har varit utomordentligt produktiv och spännande.

Vi har öppnat för tidigare ofattbara prestanda inom automationslösningar för kliniska prövningar, automatisering av placering av patienter på evidensbaserade kliniska vägar, avancerade arbetsflöden inom radiologisk tolkning och användning av digitala tvillingar som ett beslutshöjande verktyg för vård och forskning.

Idag betjänar vi nästan 50 biofarmaka-innovatörer och 2,000 XNUMX vårdgivare – så även om vi inte är i samma skala som hela marknaden, är vi de mest breda AI-lösningarna för onkologi i branschen.

Vad inspirerade dig att fokusera på datauppsättningar för onkologi och hematologi specifikt, och hur såg du att ConcertAI gjorde skillnad inom dessa områden?

USA startade "War on Cancer" 1971 med National Cancer Act. Detta katalyserade storskalig statlig finansiering, som genererade insikter i mutationerna som driver cancer, nya metoder för terapier, utökade behandlingscenter utsedda av National Cancer Institute och mer. Under Obama-administrationen ökade finansieringen igen med 10 miljarder dollar i elektronisk stimulans som gick till NIH och i sin tur till NCI. Under Biden lanserades Cancer Moonshot 2.0-programmet 2022, vilket återigen katalyserar en helt ny generation av forsknings- och startfinansieringsinvesteringar för akademiska, gemenskaps- och privat-offentliga partnerskap.

Jag ger denna historia eftersom få sjukdomar eller områden inom vården har datanivån: genomisk, transkriptomisk, digital patologi, digital radiologi, detaljerade elektroniska medicinska journaler, etc., och den forskningsnivå som kontextualiserar dessa data med validerade insikter genom rigorösa, multicenter, peer-review-studier. Som ytterligare bevis är American Society of Clinical Oncologys årsmöte det största medicinska mötet i världen, med det största antalet nya publikationer, affischer och sammanfattningar från något vetenskapligt forum om något ämne.

Så om du ska vara data- och AI-centrerad, finns det få bättre områden för att utveckla lösningar med tillförsikt och i stor skala än onkologi. ConcertAI har den största samlingen av forskningskvalitetsdata från någon i världen. Den innehåller hundratals referentgranskade publikationer som möjliggörs av dessa data, betydande bevis som härrör från dessa publikationer som förändrar hur patienter behandlas och säkerställer de mest positiva möjliga resultaten, och nu AI SaaS-tekniker som är integrerade i vård- och forskningsprocesserna som ger kraften hos dessa uppgifter och bevis att bära på alla punkter och för alla beslut under en patients vårdresa. Det som verkligen är viktigt här är att vi inte gör det här ensidigt. Det görs på ett transparent sätt med vår vårdgivare och biofarmakainnovatörspartners för att skapa största möjliga förtroende och användning. Så vi utvecklas mot realtids, avancerad, AI intelligens-aktiverad beslutsförstärkning.

ConcertAI har blivit en ledande aktör inom real-world evidence (RWE) och AI-teknik för sjukvård. Vilka var några av de tidiga utmaningarna du ställdes inför när du positionerade företaget som ledande inom detta område?

Du måste vara betrodd och utvecklas mot att vara referenskällan. Det är förtjänat. Förtroendet kommer från dina leverantörspartners, som tror att den information du har tillgång till ligger i deras patienters bästa. Förtroende kommer från dina akademiska och branschpartners, som ser bevisen på och tror att dina data är härledda som en perfekt återspegling av de ursprungliga patientjournalerna och att de koncept du för fram är "sanna" och återspeglar aktuell klinisk och vetenskaplig praxis. Du måste också uppnå en skala så att dina datalösningar inte bara representerar hela befolkningen utan också ger slutsatser som med säkerhet kan generaliseras tillbaka till hela befolkningen som behandlas med ett visst läkemedel. Tekniken är liknande. Forskare och kliniker är till sin natur skeptiska – som de borde vara – och litar inte på svarta lådor eller algoritmer som de inte förstår. Så vi behövde skapa förtroende även där, genom publikationer och genom att vara öppna med hur våra lösningar fungerar.

ConcertAI har världens största onkologi- och hematologidataset. Vilka unika möjligheter skapar dessa data för att transformera cancerforskning och behandling?

Jag älskar den frågan. Vi jobbar med detta varje dag! Möjligheterna att ge värde till leverantörer, patienter och innovatörer är nästan obegränsade. I prövningar i tidiga faser utvecklar vi tillvägagångssätt för studiesimulering med digitala tvillingar som kommer att förändra de program vi tar in i kliniska prövningar. Våra data- och AI-optimeringar kommer att sänka den tid som krävs för att gå från det slutgiltiga protokollet till det slutgiltiga inlämnandet till tillsynsmyndigheter med 30 till 40 % – vilket innebär att nya läkemedel når patienterna snabbare. Våra beslutsförstärkande AI-lösningar kommer att rekommendera behandlingsvägar som är evidensbaserade och specifikt skräddarsydda för dessa vägar, övervakar svar i linje med det förutsagda svaret och letar efter potentiellt fördelaktiga kliniska prövningar när svar eller nytta är under förväntningarna. Våra kliniska tolkningslösningar för imaging fungerar på nivån för operativa processer, klinisk tolkning och långsiktig syn på nya tolkningar eller nya interventioner som bör övervägas baserat på insikter och bevis i framtiden. Det är inte längre en åtgärd "en gång och gjort" utan den blir snarare "en gång, och sedan igen och igen" så att nyttiga omvärderingar och framtida beslut är en pågående process! Vad som är annorlunda här är att vyn är hela patientens resa – det här är en horisontell vy kontra en serie smala, djupa, vertikala vyer som måste sys ihop. Detta är en innovation som möjliggörs av AI och en djupgående processförändring som ger de expertmänniskor som är involverade nya arbetssätt.

Kan du förklara hur ConcertAIs Digital Trial Solution fungerar för att matcha cancerpatienter med livräddande kliniska prövningar? Vilken påverkan har du sett hittills när det gäller patientresultat?

Kliniska prövningar är mycket komplexa och kräver timmars ansträngning av ett brett spektrum av mycket experter. För de flesta organisationer erbjuds kliniska prövningar som ett ansvar och engagemang för patienter där den nuvarande standarden för vård kanske inte utgör ett genomförbart alternativ. Försök har egentligen inte varit särskilt tillgängliga för patienter på kommunala behandlingscentra, där 80 % av patienterna får sin vård. Ändå är det dessa patienter som i slutändan kommer att få nyligen godkända läkemedel. Detta skapar ett dubbelt dilemma: majoriteten av patienter som behöver tillgång till prövningar är begränsade, och de som återspeglar den ultimata vårdpopulationen finns inte i prövningsdataset. Vi sätter en väg för att lösa dessa problem.

Resultaten har varit fantastiska – så positiva att vi kommer att utöka vårt antal pågående studier med 10 gånger 2025. Vi publicerade detta för de senaste mötena med American Society of Clinical Oncology och inom andra områden. Vårt tillvägagångssätt är hur vi tycker att AI ska implementeras – som en ökning av expertmänniskor där det finns stora kapacitets- och talangbegränsningar och där liv står på spel. Vi har utvecklat en uppsättning orkestrerade och avstämda stora språkmodeller som får tillgång till patientjournaler, syntetiserar egenskaper och matchar patienter till potentiellt fördelaktiga prövningar, och gör exakt vad expertmänniskor skulle göra – med ett fullt dokumenterat tillvägagångssätt för att göra rekommendationer och bedömningar. På de platser där vår teknik används, presterar vi på nivån för de mest experter och samlar in patienter 5 gånger eller mer i förhållande till platser där vår teknik inte används – både forskarteamen och biofarmakainnovatörerna är nöjda, och patienterna gynnas mest .

Hur hanterar ConcertAI:s AI-drivna tillvägagångssätt för studiedesign och patientrekrytering några av de nuvarande begränsningarna i klinisk forskning, såsom patientmångfald och studieeffektivitet?

Jag är stolt över mitt team – de sa till mig för tre till fyra år sedan att att uppnå mångfald är en skyldighet och det rätta att göra vetenskapligt. De hävdade också att det är svårt att göra om det är manuellt men kräver noll inkrementell ansträngning om det är automatiserat. Så vi bestämde oss då för att varje datauppsättning och AI SaaS-lösning skulle integrera mångfald och sociala bestämningsfaktorer för hälsoegenskaper som vår standardmetod. Det är inte ett alternativ. Det är bara vad vi gör. Därefter kan vår CARAai™-stödda kliniska prövningsdesign och optimeringslösningar bedöma vilka etniska, rasistiska eller ekonomiska subpopulationer som kan påverkas mest negativt av en sjukdom, integrera dessa överväganden i prövningsdesignen, säkerställa att dessa populationer inte omedvetet exkluderas, och definiera kliniska platser som mest sannolikt garanterar deltagande och representativitet. Det är här AI kan vara "AI for Good" och där tekniken inte introducerar en fördom utan försäkrar att fördomar inte kommer in i processen, den ultimata designen eller de operativa processerna kring den kliniska prövningen.

Vilken roll spelar ConcertAI för att minska bördan för vårdgivare och optimera platsval i kliniska prövningar?

Vi integrerar arbetsbördan i alla aspekter av våra lösningar för kliniska prövningar. För det första är det en börda på patienten. Det kan vara var platsen är belägen, antalet besök som krävs för en studie kontra standarden på vården, eller den kliniska intensiteten av en studie kontra standarden för vården, som i fallet med ytterligare biopsier. Dessa saker kan avgöra om patienten – eller patienten i samråd med sin vårdgivare – har råd att delta eller tolerera och fullständigt deltagande.

Det ligger också en börda på leverantören. Om vi ​​kan automatisera identifieringen av patienter för berättigande till kliniska prövningar, minimera falska positiva resultat som skapar arbete och ge vad vi kallar "AI-hävstång" till arbetet hos Clinical Research Associated, Study Nurses och Physicians, då minskar bördan. Detsamma gäller vår AI-automatiseringslösning, som gör att forskargruppen kan undvika att göra manuell datainmatning - vanligtvis 2 till 4 timmar i slutet av dagen, och ofta slutförd hemma. Tidigt tittade vi på att data i EMR – digital – läggs in manuellt i en portal för sponsorns EDC. Så digital data läses och nyckelas sedan om för att bli digital data igen! Även här använder vi våra multitunade stora språkmodeller – detta var ett verkligt fokus för NVIDIA-samarbetet från början. Vi är på 55 % full automatisering idag, med en mycket snabb väg till över 80 % under de kommande månaderna. När dessa delar sammanförs kommer vi att få ner personalens tid till 10 % av de äldre kraven och göra dessa studier mer tillgängliga för fler patienter.

Precisionsmedicin är ett nyckelområde där AI gör betydande framsteg. Hur bidrar ConcertAI:s teknologi till mer exakta och personliga cancerbehandlingar?

Vi har inte diskuterat detta så mycket sedan förra året. I december 2023 tog vi ansvar för American Society of Clinical Oncologys (ASCO) CancerLinQ-program. Det är världens största intelligenta hälsonätverk, som består av akademiska centra, regionala sjukhussystem och samhällsvårdgivare. En viktig del av detta nätverk är att implementera ASCO Certified®-lösningarna för kvalitet och kliniska behandlingsvägar. Eftersom CancerLinQ är ett ConcertAI-initiativ har vi utökat nätverket, automatiserat precisionsbehandlingar för onkologi, skapat nya digitala tvillingmetoder för att förbättra behandlingsvalet för vårdgivarna, identifierat och kommunicerat kritiska diagnostiska tester som kan informera behandlingsbeslut, och gjort detsamma för nyligen godkända läkemedel som representerar ett annat eller bättre behandlingsalternativ. Allt detta bygger på vår CARAai™-arkitektur, återigen en uppsättning visionsbaserade LLM och finjusterade onkologi-LLM:er som gjorts i samarbete med NVIDIA. Det är fantastiskt att se de framsteg som görs, och vi är glada över vad vi kommer att publicera och presentera på nästa års ASCO 2025.

Hur ser du på att AI-avbildningslösningar gynnar områden som onkologi och radiologi, särskilt eftersom dessa områden har brist på kliniker?

Bra fråga! Det är sant att både antalet nya onkologer och radiologer som kommer in på området är mindre än antalet som går i pension. Patientefterfrågan ökar dock ständigt. Så det är det idealiska området för att tillhandahålla AI SaaS-lösningar som stödjer läkare och närstående vårdpersonal i både arbetsflödesoptimering och förstärkning av kliniska beslut. Både radiologer och onkologer kommer att nämna vikten av att dessa nya intelligenta lösningar kommer specifikt inom deras områden. Imaging är ett underbart område för AI, och dess prestanda är exceptionell. Non-inferiority-studier visar att AI-modeller kan vara nära eller jämförbara med expertmänniskor i trånga områden. Orkestrerade arbetsflöden kan sammanföra allt detta. Detsamma gäller inom onkologi, där vi sammanför molekylära testresultat med immunsvarsdata, prediktiva algoritmer för resistens och andra element som alla kommer att informera om behandlingsbeslutet och möjliggöra svarsövervakning. Jag har varit på området i flera år och på olika sidor av nya innovationer – det vi kan göra nu är långt bortom allt vi någonsin kunnat göra tidigare, och förändringstakten är fantastisk.

Som en erfaren ledare inom hälso- och sjukvårdsteknologi, vilka råd skulle du ge till nya företag som vill göra en meningsfull inverkan på vården genom AI?

Du kan inte vara ett AI-företag utan tillgång till data i stor skala. Data är underlaget för att bygga utbildnings- och övervakningsmodeller. Att bygga AI-lösningar är också en lagsport. Du behöver domänkunskap på ett exceptionellt djup matchat med en ny generation av AI-modellutvecklingsfunktioner som känner igen beteendet hos olika klasser av AI-lösningar och kan föra dem ut mot snäva mål, specifikt inställda för mänsklig eller högre prestanda. Sedan kan dessa tillvägagångssätt orkestreras på olika sätt för att representera ett nytt system för drift - det är där förändringarna sker och värdet levereras. Öva "AI ödmjukhet" eftersom allt är fantastiskt och uppvisar saker som vi inte kunde göra ens sex månader tidigare. Ändå är "fantastiskt" inte nödvändigtvis en produkt eller ett nytt sätt att arbeta – det är bara det, teknik som gör något nytt. Det är AI-företagets ansvar att göra det till ett nytt sätt att arbeta och ett nytt tillvägagångssätt för att leverera en häpnadsväckande värdenivå som aldrig varit tillgänglig tidigare. Slutligen, anta att du behöver visa förtroende för affärspraxis, AI-modeller och lösningstransparens. Vi är fortfarande tidigt på vår samhällsresa och det är vi som måste förtjäna förtroendet för att åstadkomma de förändringar vi kan leverera.

Tack för den fina intervjun, läsare som vill veta mer bör besöka Konsert AI.