Matt Walz ซีอีโอของ Trialbee – สัมภาษณ์ Series

Matt Walz เป็นซีอีโอของ Trialbee ซึ่งเป็นผู้นำระดับโลกด้านการสรรหาผู้ป่วยโดยใช้เทคโนโลยี เขามีประสบการณ์มากกว่า 20 ปีในด้านซอฟต์แวร์และการเป็นผู้นำในอุตสาหกรรมวิทยาศาสตร์ชีวิต Matt เริ่มอาชีพของเขาในฐานะนักพัฒนาและดำรงตำแหน่งทางเทคนิคและผู้นำที่ Rollins Corporation, PSCI, Microsoft (MSFT ), Morgan Lewis และ Datalabs ในปี 2006 Matt ได้ร่วมก่อตั้ง NextDocs ซึ่งเติบโตเป็นผู้นำระดับโลกในด้านการจัดการเอกสารทางคลินิก คุณภาพ และการกำกับดูแล โดยที่เขาดำรงตำแหน่ง CTO, CSO และกรรมการบริษัทเป็นเวลา 9 ปี ก่อนที่จะเข้าร่วม Trialbee Matt ใช้เวลา 5 ปีในฐานะผู้จัดการทั่วไปสำหรับ Life Sciences และ VP Strategic Accounts สำหรับ Aurea Software ซึ่งได้ซื้อกิจการ NextDocs

Trialbee เป็นบริษัทเทคโนโลยีเพื่อสุขภาพที่ทำให้การสรรหาผู้ป่วยสำหรับการทดลองทางคลินิกง่ายขึ้น โดยใช้การวิเคราะห์ข้อมูล การเข้าถึงดิจิทัล และหลักฐานจากโลกแห่งความเป็นจริง เพื่อจับคู่ ผู้ป่วยที่มีคุณสมบัติตรงตามเงื่อนไขและเตรียมความพร้อมให้เข้าร่วมการทดลองได้เร็วขึ้น แพลตฟอร์มของ Trialbee มีการให้ความโปร่งใสทั่วทั้งแหล่งที่มาและพันธมิตร ช่วยให้ผู้สนับสนุน ผู้ดำเนินการการทดลองทางคลินิก และสถานที่ทดลองสามารถจัดการกระบวนการสรรหาผู้ป่วยได้อย่างมีประสิทธิภาพมากขึ้น ในขณะเดียวกันก็ลดภาระให้กับสถานที่ทดลอง

คุณได้ทำงานในบริษัทสตาร์ทอัพด้านสุขภาพและแพลตฟอร์มการวิจัยทางคลินิกขนาดใหญ่ คุณมีประสบการณ์ส่วนตัวหรือช่วงเวลาใดในชีวิตการทำงานที่ทำให้คุณตระหนักถึงศักยภาพและอันตรายของ AI ในการสรรหาผู้ป่วย?

AI เป็นเทรนด์เทคโนโลยีที่เคลื่อนไหวเร็วที่สุดที่ฉันเห็นมาในระยะเวลา 20 ปีที่ทำงานในด้านพัฒนาทางคลินิก – เร็วกว่าช่วงแรกของการนำคลาวด์มาใช้ สิ่งที่น่าประทับใจที่สุดสำหรับฉันคือว่า AI ได้เปลี่ยนจากแนวคิดไปสู่การปฏิบัติในอุตสาหกรรมที่มักจะช้าในการนำเทคโนโลยีใหม่ๆ มาใช้ – และกำลังได้รับการจัดลำดับความสำคัญแม้กระทั่งจากหน่วยงานกำกับดูแล เช่น FDA สำหรับการสรรหาผู้ป่วยในการทดลองทางคลินิกโดยเฉพาะ เรายังคงอยู่ในช่วงเริ่มต้นของการเรียนรู้ว่า AI เหมาะสมที่สุดในจุดใด

ด้วยความกล่าวมาข้างต้น มีความเสี่ยงบางอย่างที่เกี่ยวข้อง ฉัน曾พูดคุยกับผู้นำจากบริษัทเภสัชกรรมรายใหญ่ที่เน้นย้ำว่าในขณะที่ AI กำลังปรากฏในจุดต่างๆ ของกระบวนการทำงาน แต่ก็ไม่สามารถปล่อยให้ AI ทำงานโดยไม่มีการกำกับดูแลจากมนุษย์

สิ่งนี้เกี่ยวข้องกับทั้งเหตุผลด้านคุณภาพและความปลอดภัย เช่นเดียวกับเนื่องจากบริษัทอย่าง Trialbee เชื่อมต่อกับผู้ป่วยและครอบครัวที่กำลังมองหาความหวัง – ซึ่งเป็นประสบการณ์ที่มีความเห็นอกเห็นใจและเป็นมนุษย์อย่างแท้จริง ซึ่งไม่สามารถถูกแทนที่ด้วย AI ในรูปแบบที่มีความหมายสำหรับผู้ป่วยที่เราทุกคนให้บริการ

การสรรหาผู้ป่วยในการทดลองทางคลินิกมักเผชิญกับปัญหาด้านความหลากหลาย ความเร็ว และความแม่นยำ ในมุมมองของคุณ AI ช่วยแก้ไขความท้าทายเหล่านี้ได้อย่างไร – และยังขาดไปในด้านใด?

AI ช่วยให้กระบวนการสรรหาผู้ป่วยบางส่วนที่ช้าและต้องการทรัพยากรมากที่สุดเร็วขึ้น ตัวอย่างเช่น สิ่งที่เคยใช้เวลาหลายสัปดาห์ – เช่น การแปลเอกสารการศึกษาไปหลายภาษา – ตอนนี้สามารถทำได้ภายในไม่กี่ชั่วโมง ซึ่งหมายความว่าเราสามารถเริ่มสรรหาผู้ป่วยได้เร็วขึ้นในตลาดทั่วโลก

เมื่อพูดถึงความแม่นยำ ตัวแทน AI กำลังช่วยให้เราสามารถส่งมอบการโต้ตอบที่สอดคล้องกับเกณฑ์มากขึ้น ตั้งแต่วัสดุการศึกษาที่เราสร้างไปจนถึงการคัดกรองล่วงหน้าและช่องทางสื่อสารอัตโนมัติ เครื่องมือเหล่านี้มีประโยชน์อย่างมากในการลดจุดตกตะกอนซึ่งทำให้กระบวนการสรรหาผู้ป่วยชะลอ下来

ความหลากหลายยังคงเป็นความท้าทาย AI มีประสิทธิภาพเท่ากับข้อมูลที่ใช้ฝึกอบรม และการแสดงภาพยังถูกกำหนดโดยปัจจัยภายนอกเทคโนโลยี รวมถึงข้อจำกัดด้านกฎระเบียบของประเทศต่อประเทศที่จำกัดวิธีการใช้ AI ในบทบาทที่เผชิญผู้ป่วย การสร้างความไว้วางใจกับผู้เข้าร่วมการทดลองเป็นความท้าทายตลอดประวัติศาสตร์การวิจัยทางคลินิก และการมีส่วนร่วมด้วยเครื่องมือ AI ต้องเผชิญกับความกังขาในระดับต่างๆ ดังนั้น เราจึงสนับสนุนแนวทางที่จะให้ผู้คนมีตัวเลือกในการโต้ตอบกับผู้เชี่ยวชาญทางการแพทย์หรือตัวแทน AI ตามที่พวกเขาต้องการ ซึ่งจะช่วยให้เข้าถึงผู้เข้าร่วมที่มีระดับความสบายใจต่อ AI ที่แตกต่างกัน ในขณะเดียวกันก็รับประกันการกำกับดูแลที่เข้มงวด โดยเฉพาะสำหรับ AI ที่มีหน้าที่ในการตัดสินใจ

คุณกล่าวถึงก่อนหน้านี้ว่าเครื่องมือ AI ถูกนำไปใช้เร็ว hơnเทรนด์นวัตกรรมใดๆ ในการสรรหาผู้ป่วย แต่ด้วยการกำกับดูแลระดับโลกที่ต้องพยายามตามทัน คุณเห็นช่องว่างด้านการกำกับดูแลที่เร่งด่วนที่สุดอยู่ที่ไหน?

ช่องว่างที่ใหญ่ที่สุดคือการขาดการประสานงานด้านกฎระเบียบระหว่างภูมิภาค ในสหรัฐอเมริกา หน่วยงานเช่น FDA กำลังยอมรับ AI ด้วยกรอบการทำงานใหม่และกระบวนการตรวจสอบล่วงหน้า ในทางกลับกัน ยุโรปกำลังดำเนินการอย่างระมัดระวัง โดยเน้นไปที่การก้าวไปอย่างระมัดระวังและใช้การตรวจสอบด้านกฎระเบียบที่เข้มงวดมากขึ้น

สำหรับบริษัทอย่างของเรา ที่ดำเนินธุรกิจระดับโลก สิ่งนี้สร้างความท้าทาย: สิ่งที่ยอมรับได้ในประเทศหนึ่งอาจไม่ได้รับการยอมรับในอีกประเทศหนึ่ง และความแตกต่างไม่ได้มาจากกฎระเบียบเท่านั้น แต่ยังมาจากการใช้ช่องทางหรือแพลตฟอร์มโซเชียลมีเดียต่างๆ เช่น Facebook (META ) ในการสรรหาผู้ป่วย หรือวิธีการจัดการข้อมูลส่วนบุคคลและการให้ความยินยอมของผู้ป่วย สิ่งเหล่านี้ต้องการความยืดหยุ่นในการดำเนินงานและความเข้าใจอย่างลึกซึ้งเกี่ยวกับมาตรฐานจริยธรรมและการปฏิบัติตามกฎระเบียบในระดับภูมิภาค

นี่คือจุดที่ประวัติศาสตร์แห่งนวัตกรรมและวัฒนธรรมระดับโลกของเรามีความสำคัญอย่างมากในการนำทางภูมิทัศน์ AI ที่น่าตื่นเต้นแต่เปลี่ยนแปลงอย่างรวดเร็ว

การขาดการประสานงานระดับโลกในกรอบการกำกับดูแลสามารถขัดขวางการนำ AI ไปใช้ในแคมเปญการทดลองทางคลินิกได้อย่างไร คุณเคยสังเกตผลที่ตามมาในโลกแห่งความเป็นจริงหรือไม่?

แน่นอน การกลยุทธ์การโฆษณาดิจิทัลที่เราใช้ในการสรรหาผู้ป่วยเป็นตัวอย่างที่ดีในเรื่องนี้ Facebook เป็นหนึ่งในแพลตฟอร์มที่มีประสิทธิภาพมากที่สุดในระดับโลก แต่แม้กระทั่งในประเทศที่อนุญาตให้ใช้ Facebook ระดับการกำหนดเป้าหมายที่คุณสามารถทำได้และข้อมูลที่คุณสามารถใช้จะแตกต่างกันอย่างกว้างขวาง เรากำลังสร้างความเชี่ยวชาญภายในเพื่อเอาชนะความแตกต่างเหล่านั้น และเรากำลังคาดหวังว่าการกำกับดูแล AI จะติดตามเส้นทางที่คล้ายกัน

ในทางปฏิบัติ การจำกัดที่ภาวะที่กลืนไม่เข้าคายไม่ออกนี้กำหนดให้กับทีมสรรหาผู้ป่วยสามารถส่งผลให้เกิดการเปิดตัวแคมเปญที่ล่าช้า การวนซ้ำกับคณะกรรมการจริยธรรม และการทำงานที่ซับซ้อนมากขึ้นในการปฏิบัติตามกฎระเบียบ หากคุณไม่เข้าใจอย่างลึกซึ้งเกี่ยวกับวิธีการตีความการใช้ AI โดยเฉพาะในแอปพลิเคชันที่เผชิญผู้ป่วย คุณเสี่ยงต่อการชะลอการทดลองหรือเผชิญกับอุปสรรคในการอนุมัติที่ร้ายแรง

Trialbee ดำเนินธุรกิจที่จุดตัดของข้อมูล เทคโนโลยี และการมีส่วนร่วมของผู้ป่วย คุณรับประกันอย่างไรว่ากลยุทธ์การสรรหาผู้ป่วยที่ขับเคลื่อนด้วย AI ไม่ลดผู้ป่วยให้เหลือเพียงจุดข้อมูล แต่เสริมสร้างด้านมนุษย์ของการวิจัย?

คำถามที่ดีและสำคัญสำหรับทุกคน ในขณะที่ฉันกล่าวไว้ก่อนหน้านี้ วิธีที่ฉันเห็น AI คือความสามารถในการเสริมศักยภาพให้กับมนุษย์ – ไม่ใช่การแทนที่พวกเขา สิ่งนี้เป็นจริงอย่าง đặc biệtในอุตสาหกรรมส่วนบุคคลที่เราทำงาน โดยที่เราพยายามช่วยให้คนรุ่นต่อๆ ไปมีชีวิตที่ดีต่อสุขภาพมากขึ้นทั่วโลก ธุรกิจของเราคือธุรกิจที่อบอุ่น เกี่ยวกับการเชื่อมต่อผู้คน และมนุษย์จะยังคงอยู่ในใจกลางของมัน

เมื่อพูดถึงการดำเนินงานประจำวัน AI ที่ดีที่สุดที่เราสามารถให้ได้ – ตัวอย่างเช่น ภายในแพลตฟอร์ม Honey ของเรา – คือการวิเคราะห์ข้อมูลและแนวโน้ม และให้คำเตือนแก่ไซต์และทีมการศึกษาว่าอาจต้องมีการดำเนินการ เราทำสิ่งนี้แล้ว และจะยังคงเพิ่มความสามารถเพื่อให้แน่ใจว่าข้อมูลที่มีค่าที่ถูกจับได้ถูกนำไปใช้อย่างมีประสิทธิภาพ ซึ่งสามารถสร้างความแตกต่างในความสำเร็จของการทดลองได้

ภายในองค์กร เรากำลังใช้ AI ทั่วทั้งองค์กรในลักษณะที่เป็นระบบและร่วมมือกัน ตัวอย่างที่ดีคือการแปลเอกสารสรรหาผู้ป่วยและการระงับข้อมูล PII ที่อาจเกิดขึ้นโดย AI – สิ่งเหล่านี้จะถูกกำกับดูแลโดยผู้เชี่ยวชาญที่มีประสบการณ์เสมอ ดังนั้น คุณจะเห็นว่าเรากำลังใช้ AI เพื่อทำให้ทีมที่น่าเหลือเชื่อของเร็งแข็งแกร่งขึ้น ไม่ใช่ในทางกลับกัน

ทักษะใดที่สำคัญที่สุดสำหรับทีมการวิจัยทางคลินิกในการชี้นำและกำกับเครื่องมือ AI อย่างมีความรับผิดชอบในปัจจุบัน?

ทักษะที่สำคัญที่สุดอยู่ที่จุดตัดของความเชี่ยวชาญทางคลินิก ความเข้าใจ AI และความชำนาญด้านกฎระเบียบ ทีมต้องเข้าใจวิธีการโต้ตอบกับแพลตฟอร์ม AI อย่างมีประสิทธิภาพโดยการให้คำสั่งแบบแม่นยำและตรวจสอบผลลัพธ์ของมันอย่างมีวิจารณญาณ

มีความจำเป็นที่เพิ่มขึ้นสำหรับการมองเห็นด้านกฎระเบียบเช่นกัน เช่นเดียวกับที่ฉันกล่าวไว้ก่อนหน้านี้ สิ่งนี้จำเป็นอย่างยิ่งสำหรับพื้นที่เช่น AI ที่มีหน้าที่ในการตัดสินใจ โดยที่เรากำลังสร้างเครื่องยนต์เหตุผลที่แยกจากกันเพื่อประเมินและแก้ไขการสนทนาในเวลาจริง ระบบควบคุมภายในแบบนี้ควรกลายเป็นมาตรฐานในแอปพลิเคชันที่เผชิญผู้ป่วย

การนำ AI มาใช้กำลังเร่งตัวขึ้น คุณมีคำแนะนำอะไรสำหรับผู้มีส่วนได้ส่วนเสียในการทดลองทางคลินิกที่ลังเลหรือรู้สึกอับจนจากการซับซ้อนของการรวม AI เข้ากับกระบวนการทำงาน?

มีคนเคยพูดว่า เมื่อคุณเริ่มทำงานกับ AI ให้ใช้ความฉลาดที่แท้จริง เครื่องมือการเรียนรู้ของเครื่องสามารถทำให้สิ่งที่น่าเหลือเชื่อเกิดขึ้นได้ – โดยมีเงื่อนไขว่ามีความเชี่ยวชาญ บริบท และการกำกับดูแลจากผู้เชี่ยวชาญในด้านนั้น

คำแนะนำของฉันคือให้เริ่มต้นด้วยขั้นตอนที่เล็กและยังคงเชื่อมโยงกับสิ่งที่คุณสามารถส่งมอบได้ในปัจจุบัน หนึ่งในความผิดพลาดที่ใหญ่ที่สุดที่ฉันเห็นคือบริษัทที่มุ่งเน้นไปที่การเปลี่ยนแปลง AI โดยไม่ได้ให้คำอธิบายว่ามันทำงานอย่างไรหรือเมื่อไหร่จะพร้อม สัญญาเหล่านั้นอาจฟังดูดีในขณะนั้น แต่สามารถกัดกร่อนความเชื่อมั่นได้เพราะไม่ได้แสดงให้เห็นถึงแผนการที่แท้จริง

แนวทางที่ดีกว่าคือการแบ่งการนำร่อง AI ออกเป็นขั้นตอนที่ชัดเจนและมีผลลัพธ์ที่ชัดเจน เลือกพื้นที่ที่มีผลกระทบสูง 1-2 พื้นที่ที่ AI สามารถกำจัดความเสี่ยงและให้แน่ใจว่าสิ่งเหล่านั้นได้รับการสนับสนุนจากการกำกับดูแลที่เหมาะสม ให้คำอธิบายที่ชัดเจนเกี่ยวกับเครื่องมือที่คุณใช้ วิธีการตั้งค่า และสิ่งที่สำคัญที่สุดคือวิธีการคุ้มครองข้อมูลที่ละเอียดอ่อน นี่คือแนวทางที่เราทำที่ Trialbee เราเพียงพูดคุยกับผู้มีส่วนได้ส่วนเสียเกี่ยวกับความสามารถที่เรากำลังสร้างอยู่ โดยปกติไม่เกิน 3 เดือนข้างหน้า เนื่องจากเราต้องการให้แน่ใจว่าเรากำลังสื่อสารสิ่งที่เป็นจริง

ที่ Trialbee เรากำลังขอให้แผนกหรือทีมต่างๆ ของเราเสนอกรณีการใช้งานที่ได้ผลทุกสัปดาห์ เราแบ่งปันการเรียนรู้ ความท้าทาย และวิธีแก้ปัญหาเพื่อให้ทีมอื่นๆ สามารถทำซ้ำความสำเร็จของ AI เพื่อปรับปรุงประสิทธิภาพ การส่งมอบลูกค้า หรือผลลัพธ์การสรรหาผู้ป่วย

เรายังเน้นย้ำถึงความโปร่งใสเกี่ยวกับเครื่องมือที่เรากำลังใช้เพื่อสร้างความสามารถเหล่านั้น หากเรากำลังใช้ ChatGPT ของ OpenAI หรือ Claude ของ Anthropic เราจะอธิบายการตั้งค่าให้กับผู้มีส่วนได้ส่วนเสีย รวมถึงวิธีการแยกข้อมูลที่ละเอียดอ่อนและใช้การกำกับดูแลจากมนุษย์ เมื่อพวกเขาเห็นประโยชน์ในการดำเนินการ เช่น การประหยัดเวลาในกระบวนการแปลหรือการเพิ่มความเร็วในการคัดกรองผู้ป่วยในระยะแรก พวกเขามีแนวโน้มที่จะยอมรับการใช้ AI ในกรณีการใช้งานถัดไปมากขึ้น

FDA และผู้กำกับดูแลอื่นๆ เริ่มถามคำถามที่ยากขึ้นเกี่ยวกับโมเดล AI ที่ใช้ในการพัฒนายา คุณคิดว่าควรจะมีมาตรฐานความโปร่งใส การตรวจสอบ หรือการตรวจสอบที่กลายเป็นมาตรฐานอุตสาหกรรม?

อุตสาหกรรมต้องเคลื่อนไปสู่ความโปร่งใสอย่างเต็มที่ และต้องมีการกำกับดูแลจากมนุษย์ในทุกการตัดสินใจที่ได้รับการสนับสนุนจาก AI ตัวอย่างเช่น เมื่อเราพูดถึง AI ที่มีหน้าที่ในการตัดสินใจ เรากำลังทำงานเพื่อฝังลอจิกการกำกับดูแลเข้าไปในเครื่องยนต์เหตุผลที่แยกจากกันซึ่งสามารถประเมินและแก้ไขการสนทนาในเวลาจริง ระบบควบคุมภายในแบบนี้ควรกลายเป็นมาตรฐานในแอปพลิเคชันที่เผชิญผู้ป่วย

โปรโตคอลการตรวจสอบยังต้องได้รับการจัดตั้งขึ้น รวมถึงการทดสอบการเปรียบเทียบและการประเมินประสิทธิภาพอย่างต่อเนื่อง สิ่งสำคัญที่สุดคือมาตรฐานเหล่านี้ควรผสมผสานเข้ากับกระบวนการพัฒนาสินค้า และไม่ควรติดเข้ากับภายหลัง ระดับความเข้มงวดจะจำเป็นสำหรับการรักษาความปลอดภัยของผู้ป่วย การสร้างความไว้วางใจจากผู้กำกับดูแล และการขยาย AI อย่างมีความรับผิดชอบในแคมเปญการวิจัยทางคลินิกทั่วโลก

โมเดล AI มักพึ่งพาเซตข้อมูลทางประวัติศาสตร์ที่อาจสะท้อนถึงความลำเอียงของระบบสุขภาพ คุณเข้าใกล้การรับประกันความยุติธรรมและความหลากหลายในการสรรหาผู้ป่วย โดยเฉพาะสำหรับกลุ่มที่มีการเป็นตัวแทนอย่างไม่เพียงพออย่างไร?

ไม่มี AI ไม่ใช่สิ่งที่ขัดขวางความหลากหลายในการวิจัยทางคลินิก – สิ่งที่ขาดไปคือการไม่มีแผนการที่จะจัดลำดับความสำคัญ AI สามารถเป็นเครื่องมือที่ทรงพลังที่ช่วยให้เราเข้าถึงกลุ่มที่มีการเป็นตัวแทนที่ไม่เพียงพอได้อย่างมีประสิทธิภาพมากขึ้น – แต่เฉพาะถ้าเรามีเจตนา ที่ Trialbee เราเพิ่มข้อมูลที่โมเดลของเราใช้ สร้างความสัมพันธ์กับชุมชน และติดตามผลลัพธ์การสรรหาผู้ป่วยอย่างต่อเนื่องเพื่อให้แน่ใจว่าไม่มีกลุ่มใดที่ถูกทอดทิ้ง

คุณกล่าวถึงก่อนหน้านี้ว่าทีมของคุณกำลังเปิดตัวผลิตภัณฑ์ใหม่ๆ ที่เกี่ยวข้องกับ AI ในช่วงปลายปีนี้ คุณสามารถให้ภาพรวมในระดับสูงเกี่ยวกับปัญหาที่คุณกำลังแก้ไขได้หรือไม่ – และวิธีการที่นวัตกรรมเหล่านี้สะท้อนถึงปรัชญาของคุณเกี่ยวกับการใช้ AI อย่างมีความรับผิดชอบ?

Trialbee มีวัฒนธรรมแห่งนวัตกรรม และ AI เป็นส่วนสำคัญที่กำลังเติบโต ในปีนี้เพียงอย่างเดียว แพลตฟอร์ม Honey ของเรามีการเปิดตัวกระบวนการทำงานใหม่สำหรับไซต์ จดทะเบียนผู้ป่วยสำหรับผู้สนับสนุน และกรณีการใช้งานที่รองรับเว็บไซต์ค้นหาการทดลองสำหรับยี่ห้อไบโอฟาร์ม่าระดับโลก เช่น BMSClinicalTrials.com ด้วย AI โดยเฉพาะ คุณจะเห็นคุณสมบัติใหม่ๆ และการปรับปรุงที่จะถูกปล่อยออกมาภายใน 3, 6, 12 เดือนข้างหน้าและต่อๆ ไป เรากำลังพัฒนาแชทบอท เครื่องมืออัจฉริยะ และอื่นๆ ภายใน Honey ในขณะที่เรากำลังประเมินวิธีการใหม่ๆ ในการทำให้กระบวนการสำหรับลูกค้าของเราง่ายขึ้น

ภายในองค์กร เรากำลังใช้ AI เพื่อให้ ourselves มุ่งเน้นมากขึ้น มีจุดมุ่งหมายมากขึ้น มีความหลากหลายมากขึ้น และมีประสิทธิภาพมากขึ้นในทุกสิ่งที่เราทำ – โดยมีสมาชิกในทีมที่มีประสบการณ์เป็นผู้ขับเคลื่อนการตัดสินใจและตีความบริบทสำหรับโมเดล AI ทั้งหมดที่เรานำมาใช้

เมื่อมองไปข้างหน้า 5 ปี คุณเห็นบทบาทของ Trialbee วิวัฒนาการไปอย่างไรเมื่อ AI กลายเป็นส่วนหนึ่งของการวิจัยทางคลินิกมากขึ้น คุณเห็นบริษัทของคุณมีบทบาทสำคัญในการ塑造อนาคตที่มีการสรรหาผู้ป่วยที่มีจริยธรรม มีประสิทธิภาพ และมีการประสานงานระดับโลกมากขึ้น?

ในอีก 5 ปีข้างหน้า ฉันเห็น Trialbee ยืนเป็นผู้ให้บริการชั้นนำที่ใช้ AI ในการสรรหาผู้ป่วยสำหรับการวิจัยทางคลินิก เรากำลังรวม AI ที่สร้างขึ้นเข้ากับทุกส่วนของกระบวนการสรรหาผู้ป่วยที่สามารถเร่งความเร็ว ปรับปรุงความแม่นยำ หรือเพิ่มทางเลือกของผู้ป่วยได้ ตามที่ฉันกล่าวไว้ก่อนหน้านี้ เรากำลังประเมินเครื่องมือที่จะให้ผู้ป่วยมีตัวเลือกในการโต้ตอบกับผู้เชี่ยวชาญทางการแพทย์หรือตัวแทน AI ตามที่พวกเขาต้องการ เราเชื่อว่าการให้ผู้คนมีตัวเลือกนี้เป็นกุญแจสำคัญในการเพิ่มความไว้วางใจและความมีส่วนร่วมในระยะยาว

ในด้านจริยธรรม เรามุ่งมั่นที่จะทำให้ AI ถูกนำไปใช้โดยมีการกำกับดูแลและความโปร่งใส เรากำลังสร้างการกำกับดูแลเข้าไปในเทคโนโลยีเองและเปิดเผยเกี่ยวกับวิธีการทำงานของระบบของเรา เรากำลังสร้าง AI เข้าไปในวัฒนธรรมขององค์กร – ทุกแผนกและทีม – เพื่อให้เราพร้อมที่จะปรับตัวเมื่อเทคโนโลยีเปลี่ยนแปลง ในที่สุด เราต้องการเป็นบริษัทที่ช่วยกำหนดวิธีการใช้ AI อย่างมีความรับผิดชอบตลอดการวิจัยทางคลินิก หากเราทำสิ่งนั้นได้อย่างถูกต้อง เราสามารถช่วย塑造อนาคตที่การทดลองมีความเร็วมากขึ้น มีความหลากหลายมากขึ้น และง่ายต่อการเข้าถึงสำหรับผู้ป่วยโดยไม่คำนึงถึงที่ที่พวกเขาอาศัยอยู่หรือภาษาที่พวกเขาพูด

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Trialbee เพื่อเรียนรู้เพิ่มเติม