เจย์ เฟอร์โร ประธานเจ้าหน้าที่ข้อมูล เทคโนโลยี และผลิตภัณฑ์ ของ Clario – ซีรีส์สัมภาษณ์

เจย์ เฟอร์โร เป็นประธานเจ้าหน้าที่ข้อมูล เทคโนโลยี และผลิตภัณฑ์ ของ Clario โดยมีประสบการณ์มากกว่า 25 ปี ในการนำทีมเทคโนโลยีสารสนเทศและผลิตภัณฑ์ โดยมุ่งเน้นไปที่การปกป้องข้อมูลและสร้างเทคโนโลยีและผลิตภัณฑ์ที่มีผลกระทบอย่างมีความหมาย

ก่อนที่จะเข้าร่วม Clario เจย์曾ดำรงตำแหน่งผู้นำระดับสูง รวมถึง CIO, CTO และ CPO ในองค์กรระดับโลก เช่น Quikrete Companies และ American Cancer Society เขายังเป็นสมาชิกของ董事局ของ Allata, LLC ผลงานของเขาได้รับการยอมรับหลายครั้ง รวมถึงรางวัลจาก Atlanta Technology Professionals ในฐานะ Executive Leader of the Year และ HMG Strategy ในฐานะ Mid-Cap CIO of the Year

Clario เป็นผู้นำในด้านการจัดการการวิจัยทางคลินิก โดยเสนอบริการเทคโนโลยีจุดสิ้นสุดเพื่อเปลี่ยนแปลงชีวิตผ่านการสร้างหลักฐานที่เชื่อถือได้และแม่นยำ โดยเน้นไปที่การวิจัยทางคลินิกด้านมะเร็ง โดยเน้นไปที่ผลลัพธ์ที่รายงานโดยผู้ป่วย (PROs) เพื่อเพิ่มประสิทธิภาพ รับประกันความปลอดภัย และปรับปรุงคุณภาพชีวิต โดยสนับสนุนการใช้ PRO อิเล็กทรอนิกส์เป็นวิธีการที่มีต้นทุนต่ำกว่าการใช้กระดาษ โดยมีความเชี่ยวชาญในการครอบคลุมพื้นที่รักษาและความสอดคล้องตามกฎระเบียบระดับโลก Clario สนับสนุนการวิจัยที่กระจายอำนาจ การวิจัยแบบผสม และการวิจัยตามสถานที่ในมากกว่า 100 ประเทศ โดยใช้เทคโนโลยีขั้นสูง เช่น ปัญญาประดิษฐ์และอุปกรณ์ที่เชื่อมต่อ โดยมีโซลูชันที่ทำให้กระบวนการวิจัยเร็วขึ้น โดยรับประกันความสอดคล้องและความจงรักภักดีผ่านการสนับสนุนและการฝึกอบรมที่รวมกันสำหรับผู้ป่วยและสปอนเซอร์

Clario ได้รวมโมเดล AI มากกว่า 30 โมเดลทั่วทั้งกระบวนการวิจัยทางคลินิก คุณสามารถให้ตัวอย่างว่าโมเดลเหล่านี้เพิ่มประสิทธิภาพด้านใดด้านหนึ่งของการวิจัย เช่น มะเร็งหรือหทัยวิทยาได้หรือไม่?

เราใช้โมเดล AI เพื่อมอบความเร็ว คุณภาพ ความแม่นยำ และความเป็นส่วนตัวให้กับลูกค้าของเราในมากกว่า 800 การวิจัยทางคลินิก ฉันภูมิใจที่เครื่องมือของเราไม่ได้เป็นส่วนหนึ่งของวงจร AI hype แต่ส่งมอบคุณค่าที่แท้จริงให้กับลูกค้าของเราในการวิจัยเหล่านั้น

ปัจจุบัน โมเดล AI ของเราส่วนใหญ่แบ่งออกเป็น 4 ประเภท: ความเป็นส่วนตัวของข้อมูล การช่วยเหลือในการควบคุมคุณภาพ การช่วยเหลือในการอ่าน และการวิเคราะห์การอ่าน ตัวอย่างเช่น เรามีเครื่องมือในการถ่ายภาพทางการแพทย์ที่สามารถลบข้อมูลส่วนบุคคล (PII) ในภาพนิ่ง วิดีโอ หรือ PDF ได้อัตโนมัติ เรายังใช้เครื่องมือ AI ที่ส่งมอบข้อมูลพร้อมการประเมินคุณภาพอย่างรวดเร็วในขณะอัปโหลด — ดังนั้นจึงมีความมั่นใจในข้อมูลนั้นมากขึ้น เราได้พัฒนาเครื่องมือที่ติดตามข้อมูล ECG อย่างต่อเนื่องสำหรับคุณภาพสัญญาณ และอีกเครื่องมือหนึ่งที่ยืนยันผู้ระบุตัวตนผู้ป่วยที่ถูกต้อง เราได้พัฒนาเครื่องมือช่วยเหลือในการอ่านที่ช่วยให้สามารถคาดการณ์ภาพ断面 การแพร่กระจายของเนื้องอก และการตรวจพบโรคได้ นอกจากนี้เรายังได้ปรับปรุงการวิเคราะห์การอ่านโดยการทำให้การแปลข้อมูลเป็นมาตรฐานโดยใช้เครื่องมือเช่น AI ที่รองรับการให้คะแนนแบบ Mayo สำหรับโรคโครห์น

นั่นเป็นเพียงตัวอย่างบางส่วนของโมเดล AI ที่เราได้พัฒนามาตั้งแต่ปี 2018 และในขณะที่เราทำความก้าวหน้าไปมาก แต่เรากำลังเพิ่งเริ่มต้น

Clario รับประกันว่าข้อมูลเชิงลึกที่ได้รับจาก AI จะมีความแม่นยำและความสอดคล้องสูงในบรรยากาศการวิจัยที่หลากหลายได้อย่างไร?

เรากำลังฝึกโมเดล AI ของเราอย่างต่อเนื่องด้วยปริมาณข้อมูลขนาดใหญ่เพื่อทำความเข้าใจความแตกต่างระหว่างข้อมูลที่ดีและข้อมูลที่ไม่ดีหรือไม่เกี่ยวข้อง ในผลลัพธ์ การวิเคราะห์ข้อมูลที่ได้รับจาก AI ของเราสามารถตรวจจับ ประเมินข้อมูลที่มีประวัติอันยาวนาน และนำไปสู่ผลลัพธ์ที่มีคุณภาพสูงสำหรับลูกค้าของเรา

โซลูชันการวัด Spirometry ของเราสามารถอธิบายได้ดีว่าทำไมเราจึงทำเช่นนั้น ผู้เชี่ยวชาญด้านสุขภาพใช้ Spirometry เพื่อช่วยวินิจฉัยและติดตามสภาวะของปอดโดยการวัดปริมาณอากาศที่ผู้ป่วยสามารถหายใจออกในหนึ่งการหายใจที่ถูกบังคับ มีข้อผิดพลาดหลายประการที่อาจเกิดขึ้นเมื่อผู้ป่วยใช้ Spirometer พวกเขาอาจทำการทดสอบช้าเกินไป ไอระหว่างการทดสอบ หรือไม่สามารถปิดผนึกปากของ Spirometer ได้อย่างสมบูรณ์ ข้อผิดพลาดเหล่านั้นอาจทำให้เกิดข้อผิดพลาดที่อาจไม่ถูกพบจนกว่ามนุษย์จะวิเคราะห์ผลลัพธ์ เราได้ฝึกโมเดลการเรียนรู้ลึกมากกว่า 50,000 ตัวอย่างเพื่อเรียนรู้ความแตกต่างระหว่างการอ่านที่ดีและไม่ดี ด้วยอุปกรณ์และอัลกอริทึมของเรา ผู้เชี่ยวชาญด้านสุขภาพสามารถมองเห็นคุณค่าของข้อมูลในเวลาที่ใกล้เคียงกับเวลาจริง มากกว่าที่จะต้องรอการวิเคราะห์ของมนุษย์ ซึ่งมีความสำคัญในบางส่วนเนื่องจากผู้ป่วยบางคนอาจต้องขับรถเป็นเวลาหลายชั่วโมงเพื่อเข้าร่วมการวิจัยทางคลินิก ลองนึกภาพการขับรถระยะทางนั้นกลับบ้านจากสถานที่เพียงเพื่อจะรู้ว่าคุณจะต้องทำการทดสอบ Spirometry อีกครั้งหนึ่งในสัปดาห์หน้าเนื่องจากการทดสอบครั้งแรกพบข้อผิดพลาด โมเดล AI ของเรากำลังส่งมอบการอ่านที่แม่นยำในขณะที่ผู้ป่วยยังอยู่ที่ไซต์ หากมีข้อผิดพลาด สามารถแก้ไขได้ทันทีในขณะนั้น นั่นเป็นเพียงหนึ่งในวิธีที่เรากำลังทำงานเพื่อลดภาระให้กับไซต์และผู้ป่วย

คุณสามารถอธิบายได้อย่างไรว่าโมเดล AI ของ Clario ลดเวลาในการรวบรวมข้อมูลโดยไม่กระทบต่อคุณภาพของข้อมูล?

การสร้างข้อมูลที่มีคุณภาพสูงสุดสำหรับการวิจัยทางคลินิกเป็นจุดสนใจของเราเสมอ แต่ลักษณะของอัลกอริทึม AI ของเราหมายความว่าการเก็บและวิเคราะห์ข้อมูลเร็วขึ้นอย่างมาก ตามที่ฉันกล่าวไว้ อัลกอริทึมของเราทำให้การวิเคราะห์คุณภาพเร็วขึ้นและแม่นยำยิ่งขึ้นกว่าการตีความของมนุษย์ นอกจากนี้ยังช่วยให้เราทำการตรวจสอบคุณภาพได้ในขณะที่ข้อมูลถูกอัปโหลด ซึ่งหมายความว่าเราสามารถระบุข้อมูลที่หายไป ข้อมูลที่ผิดพลาดหรือคุณภาพที่ไม่ดีของข้อมูลผู้ป่วยในขณะที่ผู้ป่วยยังอยู่ที่ไซต์วิจัย แทนที่จะแจ้งให้ทราบหลายวันหรือหลายสัปดาห์ต่อมา

Clario จัดการกับความท้าทายของการวิจัยที่กระจายอำนาจและแบบผสมอย่างไร โดยเฉพาะอย่างยิ่งในด้านความเป็นส่วนตัวของข้อมูล การมีส่วนร่วมของผู้ป่วย และคุณภาพของข้อมูล?

การวิจัยที่กระจายอำนาจในยุคปัจจุบันแทบจะเป็นการวิจัยที่มีส่วนผสมผสานจริงๆ ฉันคิดว่าแนวคิดที่จะให้ผู้เข้าร่วมใช้อุปกรณ์ของตนเองหรืออุปกรณ์ที่เชื่อมต่อที่บ้านเปิดโอกาสที่ดีในการวิจัย โดยเฉพาะอย่างยิ่งในด้านการเข้าถึง เรามุ่งเน้นไปที่การทำให้การวิจัยง่ายต่อการเข้าร่วมเป็นจุดสนใจหลักของแผนการทางเทคโนโลยีของเรา ซึ่งมุ่งหวังที่จะพัฒนาวิธีแก้ปัญหาที่ปรับปรุงความหลากหลายของผู้ป่วย การสรรหาบุคลากร และการรักษาผู้ป่วยให้ง่ายขึ้น และเพิ่มโอกาสให้กับการวิจัยทางคลินิกที่ครอบคลุมมากขึ้น เราเสนอวิธีแก้ปัญหา Spirometry ที่บ้าน การวัดความดันโลหิตที่บ้าน eCOA และอื่นๆ ที่ส่งมอบความสมบูรณ์ของข้อมูลเท่ากับวิธีแก้ปัญหาที่เป็นแบบดั้งเดิม และเราทำสิ่งเหล่านี้ร่วมกับการกำกับดูแลจากผู้เชี่ยวชาญด้านจุดสิ้นสุดและพื้นที่รักษาของเรา ผลลัพธ์คือประสบการณ์ของผู้ป่วยที่ดีขึ้นสำหรับข้อมูลจุดสิ้นสุดที่ดีขึ้น

โมเดล AI ของ Clario มีข้อดีเฉพาะที่ช่วยลดระยะเวลาการวิจัยและต้นทุนสำหรับบริษัทเภสัชกรรม ไบโอเทค และอุปกรณ์ทางการแพทย์อย่างไร?

เรากำลังพัฒนาเครื่องมือ AI ตั้งแต่ปี 2018 และเครื่องมือเหล่านี้ได้แพร่กระจายไปทั่วทุกสิ่งที่เรากำลังทำภายในและแน่นอนว่าในผลิตภัณฑ์ของเรา และสิ่งที่ไม่เคยทิ้งเราไว้เบื้องหลังคือการทำให้แน่ใจว่าเรากำลังทำสิ่งนี้ในลักษณะที่รับผิดชอบ: การรักษามนุษย์ไว้ในวงจร การร่วมมือกับหน่วยงานกำกับดูแล การร่วมมือกับลูกค้าของเรา และรวมถึงทีมกฎหมาย ความเป็นส่วนตัว และวิทยาศาสตร์ของเราเพื่อให้แน่ใจว่าเรากำลังทำทุกอย่างในทางที่ถูกต้อง

การสร้างและใช้ AI ในลักษณะที่รับผิดชอบควรส่งผลกระทบเชิงบวกต่อลูกค้าของเราหลายประการ รากฐานของโปรแกรม AI ของเราตั้งอยู่บนหลักการของการใช้ AI อย่างรับผิดชอบซึ่งเชื่อว่าเป็นครั้งแรกในอุตสาหกรรม ทุกคนที่ Clario ที่สัมผัสกับ AI จะปฏิบัติตามหลักการเหล่านี้ทั้ง 5 ประการ ในจำนวนนี้ เราใช้มาตรการเพื่อให้แน่ใจว่าเรากำลังใช้ข้อมูลที่หลากหลายที่สุดในการฝึกอัลกอริทึมของเรา เราตรวจสอบและทดสอบเพื่อตรวจจับและบรรเทาผลกระทบ และเราจะใช้เฉพาะข้อมูลที่ไม่มีการระบุตัวตนเพื่อฝึกโมเดลและอัลกอริทึม เมื่อเรานำแนวทางเหล่านี้มาใช้เมื่อสร้างเครื่องมือ AI ใหม่ เราสามารถส่งมอบข้อมูลที่แม่นยำได้อย่างรวดเร็ว — ในระดับใหญ่ — ซึ่งลดความเอนเอียง เพิ่มความหลากหลาย และปกป้องความเป็นส่วนตัวของผู้ป่วย ยิ่งเราสามารถให้ข้อมูลที่แม่นยำแก่ผู้สนับสนุนได้เร็วเท่าใด ก็จะมีผลกระทบมากขึ้นต่อผลกำไรของพวกเขาและสุดท้ายก็ส่งผลต่อผลลัพธ์ของผู้ป่วย

โมเดล AI บางครั้งอาจสะท้อนถึงความเอนเอียงที่มีอยู่ในข้อมูลได้ Clario มีมาตรการใดในการรับประกันการวิเคราะห์ข้อมูลที่ยุติธรรมและไม่มีอคติในการวิจัย?

เรารู้ว่าอคติเกิดขึ้นเมื่อชุดข้อมูลการฝึกอบรมมีขนาดเล็กเกินไปสำหรับการใช้งานที่ตั้งใจไว้ ในตอนแรก ชุดข้อมูลอาจดูเหมือนเพียงพอ แต่เมื่อผู้ใช้สุดท้ายเริ่มใช้เครื่องมือและผลักดัน AI ไปไกลกว่าที่ได้รับการฝึกอบรม มันจะนำไปสู่ข้อผิดพลาด Dr. Todd Rudo ประธานเจ้าหน้าที่การแพทย์ของ Clario มักใช้ตัวอย่างนี้: เราสามารถฝึกโมเดลเพื่อกำหนดตำแหน่งที่เหมาะสมของขั้วไฟฟ้าในคลื่นหัวใจ (ECG) เพื่อให้ผู้เชี่ยวชาญด้านสุขภาพสามารถบอกได้ว่าผู้เทคนิคได้วางขั้วไฟฟ้าไว้ในตำแหน่งที่ถูกต้องบนร่างกายของผู้ป่วยหรือไม่ เรามีข้อมูลที่ดีมากมายเพื่อที่เราจะฝึกโมเดลนี้ได้บน 100,000 ECG แต่เกิดอะไรขึ้นถ้าเราเพียงฝึกโมเดล AI ของเราโดยใช้ข้อมูลจากการทดสอบผู้ใหญ่เท่านั้น? โมเดลจะตอบสนองอย่างไรหาก ECG ถูกทำบนผู้ป่วยอายุ 2 ขวบ? ชัดเจนว่ามันอาจพลาดข้อผิดพลาดที่มีผลกระทบต่อการรักษา

ดังนั้น ที่ Clario ทีมผลิตภัณฑ์ ข้อมูล R&D และวิทยาศาสตร์ของเราทั้งหมดทำงานอย่างใกล้ชิดเพื่อให้แน่ใจว่าเรากำลังใช้ข้อมูลการฝึกอบรมที่ครอบคลุมที่สุดเพื่อให้แน่ใจถึงความแม่นยำและความน่าเชื่อถือในแอปพลิเคชันในโลกแห่งความเป็นจริง เราใช้ข้อมูลที่หลากหลายที่สุดในการฝึกอัลกอริทึมที่รวมอยู่ในผลิตภัณฑ์ของเรา นอกจากนี้เรายังยืนยันการใช้การกำกับดูแลของมนุษย์เพื่อบรรเทาผลกระทบระหว่างการพัฒนาและการใช้ AI

กระบวนการกำกับดูแลและการติดตามของ Clario รวมกับเอาต์พุตของ AI เพื่อรับประกันการปฏิบัติตามกฎระเบียบและมาตรฐานทางจริยธรรมอย่างไร?

การกำกับดูแลของมนุษย์หมายความว่าเรามีทีมผู้เชี่ยวชาญที่รู้ว่าโมเดลของเราได้รับการพัฒนา ฝึกอบรม และตรวจสอบอย่างไร ทั้งในระหว่างการพัฒนาและหลังจากที่เราได้บูรณาการโมเดลเข้ากับเทคโนโลยีแล้ว ผู้เชี่ยวชาญของเรากำติดตามเอาต์พุตเพื่อตรวจจับอคติที่อาจเกิดขึ้นและรับประกันว่าเอาต์พุตมีความยุติธรรมและเชื่อถือได้ ฉันเชื่อว่า AI คือการเพิ่มประสิทธิภาพวิทยาศาสตร์และความฉลาดของมนุษย์ AI ให้ความสามารถแก่มนุษย์ในการมุ่งเน้นไปที่ความท้าทายในระดับที่สูงกว่า เราเป็นคนพิเศษที่สามารถแก้ปัญหาได้และยังคงดีกว่าเครื่องจักรในเรื่องของ直觉และความละเอียดอ่อน ที่ Clario เราใช้ AI เพื่อกำจัดภาระของสิ่งที่ทำซ้ำได้ เราใช้มันเพื่อวิเคราะห์ชุดข้อมูลขนาดใหญ่ ไม่ว่าจะเป็นภาพผู้ป่วย การทดลองก่อนหน้า หรือสิ่งอื่นใดที่เราต้องการวิเคราะห์ โดยทั่วไปเครื่องจักรสามารถทำสิ่งนี้ได้เร็วกว่าและในบางกรณีกว่ามนุษย์ แต่ไม่สามารถแทนที่ความฉลาดและประสบการณ์จริงของคนพิเศษในอุตสาหกรรมของเราได้

คุณคาดการณ์ว่า AI จะส่งผลกระทบต่อการวิจัยทางคลินิกในช่วงหลายปีข้างหน้า โดยเฉพาะอย่างยิ่งในสาขาเช่น มะเร็ง หทัยวิทยา และการวิจัยทางเดินหายใจอย่างไร?

ในด้านมะเร็ง ฉันรู้สึกตื่นเต้นเกี่ยวกับการพัฒนาการใช้ AI ที่ใช้ในการรังสีวิทยา ซึ่งจะช่วยให้สามารถคาดการณ์พฤติกรรมของเนื้องอก การปรับขนาดการรักษา และผลลัพธ์ของผู้ป่วยโดยอาศัยการถ่ายภาพที่ไม่รุกราน นอกจากนี้เรายังจะสามารถใช้มันเพื่อตรวจจับอาการแรกเริ่มของโรคและตรวจจับการกลับมาของโรคได้ เมื่อเครื่องมือ AI ที่ทันสมัยยิ่งขึ้นถูกบูรณาการเข้ากับการรังสีวิทยาและกระบวนการทางคลินิก เราจะเห็นก้าวหน้าใหญ่ๆ ในด้านมะเร็งและดูแลผู้ป่วย

ฉันรู้สึกตื่นเต้นเกี่ยวกับอนาคตของการวิจัยทางเดินหายใจเช่นกัน ในปีที่แล้ว เราได้ซื้อกิจการ ArtiQ ซึ่งเป็นบริษัทเบลเยียมที่สร้างโมเดล AI เพื่อปรับปรุงการรวบรวมข้อมูลทางเดินหายใจในการวิจัยทางคลินิก ผู้ก่อตั้งบริษัทนั้นเป็นประธานเจ้าหน้าที่ AI ของฉัน และเราคาดหวังว่าจะมีผลลัพธ์ที่ดีในการแก้ปัญหาเกี่ยวกับการหายใจ โมเดลการประยุกต์ใช้อัลกอริทึมของเรากลายเป็นเกมเชนเจอร์ ไม่น้อยเพราะมันช่วยลดภาระของผู้ป่วยและไซต์ เมื่อข้อมูลการหายใจไม่ได้รับการวิเคราะห์ในเวลาจริงและพบข้อผิดพลาดในภายหลัง จะบังคับให้ผู้ป่วยต้องกลับมาที่คลินิกเพื่อทำการทดสอบอีกครั้ง ซึ่งไม่เพียงแต่เพิ่มความเครียดให้กับผู้ป่วยเท่านั้น แต่ยังอาจสร้างความล่าช้าและต้นทุนเพิ่มเติมให้กับผู้สนับสนุนการวิจัย ซึ่งนำไปสู่ความท้าทายในการดำเนินงานต่างๆ โซลูชัน Spirometry ใหม่ของเราที่ใช้โมเดล ArtiQ มีจุดมุ่งหมายเพื่อลดภาระนี้โดยการให้การอ่านที่ใกล้เคียงกับเวลาจริง ซึ่งหมายความว่าหากมีปัญหาใดๆ จะถูกตรวจพบและแก้ไขทันทีในขณะที่ผู้ป่วยยังอยู่ที่คลินิก

สุดท้าย เรากำลังพัฒนาเครื่องมือที่จะมีผลกระทบต่อพื้นที่รักษาทางการแพทย์หลายๆ ด้าน เช่น การประเมินผลลัพธ์ทางคลินิกทางอิเล็กทรอนิกส์ (eCOA) เราจะเห็นโมเดล AI ที่สามารถจับและวัดการเปลี่ยนแปลงที่ละเอียดอ่อนที่ผู้ป่วยประสบได้ เทคโนโลยีนี้จะช่วยให้นักวิจัยหลายคนเข้าใจได้ดีขึ้น ตัวอย่างเช่น นักวิจัยโรคอัลไซเมอร์จะสามารถเข้าใจได้ดีขึ้นว่าผู้ป่วยอยู่ในขั้นตอนใดของโรค และด้วยความรู้นั้น ผู้ป่วยและผู้ดูแลสามารถเตรียมตัวให้พร้อมสำหรับการจัดการโรคได้ดีขึ้น

คุณเชื่อว่า AI จะมีบทบาทใดในการขยายความหลากหลายในการวิจัยทางคลินิกและปรับปรุงความเท่าเทียมทางสุขภาพในหมู่ผู้ป่วย?

ถ้าคุณมอง AI เพียงผ่านเลนส์ทางเทคนิค ฉันคิดว่าคุณจะพบปัญหา AI ต้องถูกเข้าถึงจากหลายมุมมอง: เทคนิค วิทยาศาสตร์ การกำกับดูแล และอื่นๆ ในอุตสาหกรรมของเรา ความเป็นเลิศที่แท้จริงสามารถทำได้เฉพาะผ่านการทำงานร่วมกันของมนุษย์ ซึ่งทำให้เราสามารถถามคำถามที่ถูกต้องได้ เช่น “เรากำลังฝึกโมเดลที่คำนึงถึงอายุ เพศ เพศสภาพ เชื้อชาติ และชาติพันธุ์หรือไม่?” หากทุกคนในอุตสาหกรรมของเราถามคำถามเหล่านี้ก่อนที่จะพัฒนาเครื่องมือ AI จะไม่เพียงแต่เร่งการพัฒนายาเท่านั้น แต่ยังเร่งการพัฒนาสำหรับผู้ป่วยทุกคน

คุณสามารถแบ่งปันแผนหรือการคาดการณ์ของ Clario สำหรับการพัฒนาของ AI ในภาคการวิจัยทางคลินิกในปี 2025 และต่อไปนี้ได้หรือไม่?

ในปี 2025 เราจะเห็นภาคเภสัชกรรมและไบโอเทคใช้ AI และการวิเคราะห์แบบเรียลไทม์อย่างที่ไม่เคยเห็นมาก่อน การพัฒนานี้จะทำให้การวิจัยทางคลินิกเร็วขึ้นและปรับปรุงการตัดสินใจได้ โดยการเร่งการสร้างการวิจัยและการใช้การตรวจสอบตามความเสี่ยง เราจะสามารถเร่งเวลาและลดภาระให้กับผู้ป่วย และช่วยให้ผู้สนับสนุนสามารถส่งมอบการรักษาที่ช่วยชีวิตได้โดยมีความแม่นยำและประสิทธิภาพมากขึ้น นี่เป็นช่วงเวลาที่น่าตื่นเต้นสำหรับทุกคน เนื่องจากเราทำงานร่วมกันเพื่อเปลี่ยนแปลงการดูแลสุขภาพ

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Clario เพื่อเรียนรู้เพิ่มเติม