Jonathan Kron, VD för BloodGPT – Intervjuserie

Jonathan Kron är VD för BloodGPT. Han är en hälsostrateg och entreprenör med över 20 års erfarenhet av att bygga och skala upp hälsovårdsföretag. Innan han gick med i BloodGPT grundade han och sålde Med24, en klinik i London (som fick 5 miljoner pund i finansiering och såldes 2022), och var med och grundade PCG, ett hälsovårdsföretag i Monaco som säkrade kontrakt på över 1 miljon dollar på en seedbudget på 500 000 dollar, och har rådgivit digitala hälsovårdsföretag, inklusive Klarity och LIPS Healthcare i stora finansierings- och tillväxtfrågor.

BloodGPT är en AI-driven plattform för diagnostiska laboratorier och kliniker som integreras sömlöst i befintliga arbetsflöden, tolkar blodprovsresultat på sekunder med 99,99 % noggrannhet.

Du har tillbringat mer än två decennier med att bygga och skala upp hälsovårdsföretag. Vilka personliga erfarenheter eller branschsmärtor ledde dig till BloodGPT?

Jag hörde talas om BloodGPT tidigare i år från en kollega. Premissen genljöd omedelbart, både personligen och ur ett affärsperspektiv. Jag är någon som alltid har spårat min egen blodarbetsresultat i kalkylblad, dragit nummer från PDF:er och bilder, bara för att springa in i inkonsekventa enheter, referensvärden och namnkoder. Det var tråkigt och ofta opålitligt. Och djupt inombords visste jag att jag inte kunde vara den enda som hanterade frustrationen över att få oordnade, fragmenterade och otillgängliga resultat från en läkare, laboratorium eller klinik.

Av den anledningen var jag inom några dagar efter att ha hört talas om BloodGPT i ett samtal med grundarna och blev sedan CSO. Efter 20+ år av att arbeta inom kliniker, startups och hälsovårdssystem visste jag att detta var rätt uppe i mitt alley.

BloodGPT hanterar vissa smärtor som jag har sett upprepas. Människor får testresultat, men tillgången är fragmenterad, sammanhanget går förlorat och processen överväldigar redan ansträngda proffs. Tänk på detta. Bloddata är en av de rikaste signalerna för allmänt välbefinnande, men det är fortfarande så outnyttjat.

Min resonemang var att om vi kan kombinera AI och avancerad datavetenskap med stark hälsovetenskap, kan vi göra den informationen användbar i realtid för alla: individer, hälsoexperter och hela system.

BloodGPT lovar 99,99 % noggrannhet vid tolkning av blodprovsresultat och integreras direkt i befintliga laboratoriearbetsflöden. Kan du gå igenom hur plattformen konceptualiserades och de viktigaste utmaningarna du stötte på när du tog den till marknaden?

För skojs skull började allt med en grannsamtal. Nikita Udovichenko, en biokemist och idrottsnutritionist, såg samma problem i sin praktik innan han grundade BloodGPT. Människor fick sina blodprovsrapporter och visste inte vad de skulle göra med dem. Hans granne Vasilii Lazuka, en serieentreprenör inom AI och nuvarande medgrundare och CTO, såg omedelbart potentialen. Det som började som ett informellt samtal förvandlades snabbt till ett riktigt projekt. Strax efter gick AI-produktutvecklingsexperten Nata Savaścienka med som medgrundare och CPO, och jag gick med, arbetade tillsammans med dem och drog nytta av mina tjugo års erfarenhet av att bygga hälsovårds- och dataplattformar.

Från den punkten blev fokus att bygga ett system som behandlar varje nummer som verifierbar data, inte något som ett språkmodell kan gissa. Vi utformade en multi-lagers arkitektur som normaliserar varje biomarkör till LOINC-koder — Logiska Observation Identifiers Names and Codes, den internationella standarden för rapportering av laboratorietester — verifierar varje enhet med UCUM, den enhetliga koden för enheter, och alltid hänvisar till laboratoriets egna referensvärden.

Från mina 20 år av att arbeta med hälsoexperter vet jag hur centralt förtroende är i denna sektor. Därför, när vi byggde BloodGPT, fokuserade vi på de tuffaste utmaningarna som handlade om stabilitet och förtroende. Vi behöver komma ihåg att stora modeller kan ge olika svar på samma fil, missläsa datum, eller uppfinna intervall. Vi gjorde det till vår mission att säkerställa att varje utdata var reproducerbar och fullständigt spårbar till sin källa.

Idag ansluter plattformen direkt till laboratoriearbetsflöden via FHIR-API:er — Fast Healthcare Interoperability Resources, en modern standard som låter hälsoinformationssystem dela data på ett säkert och effektivt sätt. Den fungerar också med äldre laboratorieinformationssystem, vilket ger professionella tid tillbaka och ger individer omedelbar tydlighet.

Många patienter vänder sig nu till allmänna LLM:er för att tolka laboratorieresultat. Vilka risker ser du i den trenden, och hur tillhandahåller BloodGPT ett säkrare och mer tillförlitligt alternativ?

Allmänna språkmodeller är inte byggda för laboratoriedata. De kan missläsa enheter, blanda ihop datum eller uppfinna referensvärden, och de visar inte när de är osäkra. En patient kan klistra in resultaten och få ett polerat svar som helt enkelt är fel. Och det skrämmande är att det låter så övertygande att man kanske inte tänker på att ifrågasätta det.

BloodGPT är utbildad och validerad specifikt för patologiska arbetsflöden. Varje värde är knutet till LOINC-identifierare och kontrolleras mot UCUM-måttstandarder, och plattformen använder alltid laboratoriets egna referensvärden som den slutliga måttstocken. Multi-lagers skyddsräcken spårar varje utdata tillbaka till dess källa, så att samma inmatning producerar samma, fullständigt granskbara resultat.

Den där avsiktliga designen, fokuserad på reproducerbarhet och transparent ursprung, ger proffs och individer en nivå av tillförlitlighet som en allmän chattbot helt enkelt inte kan tillhandahålla.

Din karriär har omfattat att grunda kliniker, ge råd till startups och nu leda ett AI-drivet hälsovårdsföretag. Hur har din syn på hälsovårdsinnovation utvecklats under den resan?

Tidigt var innovation byggnader och murverk — att bygga nya anläggningar och tjänster för att korta köer och effektivisera patientvägar. Senare handlade det om affärsmodeller, som innebar att leverera vård mer effektivt, göra verksamheten mer hållbar och förbättra patientupplevelsen.

Idag handlar det dock om intelligens och skala. AI öppnar möjligheter som var otänkbara när jag började, men en läxa har förblivit konstant. Teknologi i sig förändrar inte hälsovården. System, incitament och antaganden gör det.

I den meningen har min tankegång förändrats från “Hur bygger vi?” till “Hur integrerar vi?” Jag är övertygad om att de företag som lyckas inte nödvändigtvis kommer att ha de mest imponerande algoritmerna. De kommer att vara de vars verktyg sömlöst och tyst drivs av läkarnas, patienternas och hälsovårdssystemens vardagliga rutiner.

En återkommande tematisk fråga inom hälsovårdsteknik är balansen mellan automatisering och mänsklig beröring. Hur ser du att AI som BloodGPT omformar läkarnas roll — särskilt när det gäller att minska utbrändhet samtidigt som man bevarar omdöme och empati?

Läkare bränner inte ut på grund av att de tar hand om människor. De bränner ut på grund av pappersarbete, upprepade tester, fragmenterade system och alla administrativa uppgifter som drar bort dem från patienterna. Varje läkare jag känner skulle hellre tillbringa fem minuter med att prata med en patient än fylla i ett annat formulär. Den extra arbetsbördan, tyvärr, fortsätter att växa, och den urholkar den tid och energi de har för riktig klinisk vård.

BloodGPT byggdes för att lindra en del av den pressen. Plattformen tar över det tunga lyftet som är involverat i att organisera och tolka laboratorieinformation och tillhandahåller tydliga, strukturerade insikter som passar in i befintliga arbetsflöden. När dessa rutinmässiga steg hanteras automatiskt och tillförlitligt kan läkare ägna mer av sin dag åt det som bara de kan göra, vilket är att lyssna, utöva omdöme och bygga förtroende med de människor de behandlar.

Jag tror inte att AI kommer att ersätta läkare. Om något tillåter de läkare att återvända till kärnan i sitt yrke, att tillbringa mer tid i samtal och mindre tid med att jaga data. Det är där tekniken kan göra medicinen mer mänsklig, inte mindre.

En av dina uttalade mål är att spara kliniker miljontals årligen i effektivitetsvinster. Vilka är de mest påtagliga kostnadsbesparande mekanismer som BloodGPT tillhandahåller?

Besparingarna kommer från tre huvudsakliga områden.

Först är det tid. Att granska och kommunicera laboratorieresultat är fortfarande en långsam, manuell process i många hälsovårdssystem. BloodGPT skär ner gransknings- och tolkningsfönstret från flera minuter till några sekunder för varje test. Över tusentals resultat varje vecka översätter det till hundratals kliniska timmar som återlämnas till patientvård.

Andra är kontinuitet. Plattformen håller en löpande historia av varje patients bloddata, så att trender och avvikelser är lätta att upptäcka. Det minskar upprepade tester och fångar fel som annars kan utlösa onödiga uppföljningsbesök eller upprepade laboratorietester.

Tredje är resursanvändning. När informationen levereras korrekt och omedelbart kan personalen fokusera på högvärdiga uppgifter och laboratorierna kan fungera med smalare stödteam.

När du lägger samman dessa effekter kan ett medelstort hälsovårdssystem se årliga besparingar på miljontals dollar samtidigt som man förbättrar resultaten. Inom hälsovården är det ovanligt att sänka kostnader och höja kvalitet samtidigt, och det är exakt vad vi siktar på.

Du har noterat att korta investerarhorisonter ofta dödar systemisk innovation inom hälsovårds-AI. Hur tror du att grundare och investerare kan samverka för att säkerställa långsiktig påverkan?

Det börjar med en gemensam mission. Om en investerare letar efter en tolv-månaders vändning är hälsovården fel bransch. Denna sektor kräver tålamod, strikt efterlevnad och år av förtroendeskapande.

Grundare har en roll att spela i att sätta förväntningar. De behöver förklara regulatoriska tidsramar, antagningscykler och verkligheten i ersättning så att partners förstår varför framsteg kan se långsamt ut från utsidan.

Investerare, för sin del, bör stödja milstolpebaserad tillväxt och motstå frestelsen att jaga yttäckande mått. De företag som verkligen förändrar hälsovårds-AI kommer att byggas av partners som är villiga att tänka på en fem- till tioårs horisont och stanna engagerade under hela resan, inte bara den första uppgången i värdering eller en snabb exit.

Med regleringar som stramas åt kring AI inom hälsovården, hur närmar sig BloodGPT efterlevnad, säkerhet och förtroendeskapande med både kliniker och patienter?

Från början behandlade vi ansvarsfull design som en del av produkten, inte en eftertanke. Vårt team följer de stora standarderna för integritet och säkerhet som används inom hälsovården och håller ett nära öga på utvecklingen av regleringar i USA, Europa och andra nyckelmarknader. Vårt fokus ligger på starka datahanteringspraxis, transparenta algoritmer och utdata som kan granskas fullständigt.

Som jag nämnde tidigare var förtroende vår största utmaning från början, och det har förblivit vår nordstjärna. För oss handlar det om mer än att bocka av regulatoriska rutor. Proffs kan se var varje värde kommer ifrån och hur det bearbetades, vilket ger dem förtroende för informationen. Patienter värderar samma tydlighet. BloodGPT är ett verktyg för att organisera och presentera sina egna resultat, inte för att ersätta en klinikers roll. I den meningen är säkerhet och förtroende inte funktioner vi lägger till senare. De är produkten i sig.

Att blicka framåt, ser du AI-tolkning expandera bortom blodprover till andra diagnostiska områden — och om så, var tror du de största genombrotten kommer först?

Det är redan på gång.Radiologi, genomik och oftalmologi har flyttat långt bortom den experimentella fasen. Inom dessa områden hjälper AI-system till att identifiera tidiga cancerformer på skanningar, analysera komplexa genetiska varianter och flagga tecken på diabetisk retinopati i retinalbilder. I varje fall går utdata till en kvalificerad kliniker för granskning, så att proffsen förblir i kontroll över det slutliga beslutet.

Nästa våg kommer att handla om anslutning och integration snarare än enskilda domäner. Tänk på att avbildning, genetik, wearables och laboratoriedata fortfarande behandlas som separata strömmar. AI kommer alltmer att koppla samman dem, korrelera subtila signaler — en blodmarkör, en genetisk variation, en mönster från en wearable — för att avslöja risk långt innan något test kunde.

Det verkliga genombrottet kommer att vara den här sortens integration: ett lager av intelligens som kopplar samman flera indata för att ge läkare och patienter en kontinuerlig, realtidsvy av hälsa och risk. Den skiftningen från episodisk vård till prediktiv, proaktiv vård är där den största påverkan ligger.

Slutligen, vad exciterar dig mest om framtiden för AI inom hälsovården, och vilken roll ser du att BloodGPT spelar i att forma den framtiden?

Vad som exciterar mig mest, ärligt talat, är vad jag just diskuterade angående skiftet från reaktiv till proaktiv hälsovård. Under årtionden har vi väntat på att människor ska bli sjuka innan vi ingriper. Ja, förebyggande och personligt ansvar har alltid varit en del av samtalet, men AI kan slutligen göra den visionen praktisk, genom att identifiera risk tidigare, vägleda hälsosammare val och personanpassa information i en skala vi aldrig har sett förut.

BloodGPT är designad för att vara en del av den grunden. Bloddata är den vanligaste och mest tillgängliga hälsosignalen, men den är ofta underutnyttjad. Genom att göra den informationen lättare att förstå och agera på, hjälper vi till att omvandla råa nummer till tydliga insikter, och insikter till hälsosammare liv. I slutändan är det det enkla målet. Ta något komplext och förvandla det till något som människor kan använda. Vi lägger grunden för den typ av vård som människor kommer att behöva i åren som kommer, samtidigt som vi också förbättrar den vardagliga hälsovården just nu.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka BloodGPT.