แพทริก ลึง คู่ซีโต้ ของ Faro Health – สัมภาษณ์ ซีรีส์

แพทริก ลึง คู่ซีโต้ ของ Faro Health เป็นผู้ขับเคลื่อนแพลตฟอร์มที่ใช้ AI ของบริษัท ซึ่งทำให้การออกแบบโพรโทคอลการวิจัยทางคลินิกง่ายขึ้นและเร็วขึ้น เครื่องมือของ Faro Health เพิ่มประสิทธิภาพ มาตรฐาน และความแม่นยำในการวางแผนการวิจัย โดยรวมข้อมูลเชิงลึกที่ขับเคลื่อนด้วยข้อมูลและกระบวนการที่สตรีมไลน์ เพื่อลดความเสี่ยง ต้นทุน และภาระของผู้ป่วย

Faro Health ให้อำนาจแก่ทีมวิจัยทางคลินิกในการพัฒนาคลินิกที่ได้มาตรฐานและเร็วขึ้น โดยส่งเสริมนวัตกรรมในการวิจัยทางคลินิก

คุณใช้เวลาหลายปีในการสร้าง AI ที่ Google (GOOGL ) สิ่งที่น่าตื่นเต้นที่สุดที่คุณทำงานด้วยระหว่างที่คุณอยู่ที่ Google คืออะไร และประสบการณ์เหล่านั้นช่วย塑造แนวทางของคุณในการใช้ AI อย่างไร

ฉันอยู่ในทีมที่สร้าง Google Duplex ซึ่งเป็นระบบ AI ที่สามารถโทรศัพท์ไปยังร้านอาหารและธุรกิจอื่นๆ ในนามของผู้ใช้ นี่เป็นโครงการลับๆ ที่มีคนมีความสามารถสูงมาก ทีมงานมีการเคลื่อนไหวอย่างรวดเร็ว และมีการทดลองสิ่งใหม่ๆ อยู่เสมอ และมีการแสดงสิ่งใหม่ๆ ทุกสัปดาห์ เป็นเรื่องที่น่าตื่นเต้นที่จะอยู่ในทีมแบบนั้น

หนึ่งในหลายสิ่งที่ฉันเรียนรู้ในทีมนี้คือ แม้ว่าคุณจะทำงานกับโมเดล AI ล่าสุด แต่บางครั้งคุณก็ยังต้องใช้ความพยายามในการสร้างประสบการณ์ของผู้ใช้ที่คุณต้องการ เพื่อสร้างการสนทนาทางโทรศัพท์ที่มีเสียงจริงๆ ทีมงานต้องใช้การบันทึกเสียงที่มีการหยุดชั่วคราวและเสียง “อืม” เพื่อให้การสนทนา听起来เป็นธรรมชาติ มันสนุกมากที่ได้อ่านสิ่งที่สื่อมวลชนพูดถึงเรื่อง “อืม” เหล่านั้นหลังจากที่เราเปิดตัว!

ทั้งคุณและซีอีโอของ Faro มาจากบริษัทเทคโนโลยีขนาดใหญ่ ประสบการณ์ในอดีตของคุณมีอิทธิพลต่อการพัฒนาและกลยุทธ์ของ Faro อย่างไร

หลายครั้งในการทำงานของฉัน ฉันสร้างบริษัทที่ขายผลิตภัณฑ์และบริการต่างๆ ให้กับบริษัทขนาดใหญ่ Faro ก็เป้าหมายที่จะขายให้กับบริษัทฟาร์มาซูติคอลขนาดใหญ่เช่นกัน ดังนั้นจึงมีประสบการณ์มากมายเกี่ยวกับสิ่งที่ต้องทำเพื่อให้ได้รับการยอมรับและร่วมมือกับบริษัทขนาดใหญ่ การทำงานที่ Two Sigma ซึ่งเป็นบริษัทฮеджฟันด์เชิงอัลกอริทึมที่ใหญ่ที่สุดในนิวยอร์กซิตี้ ได้塑造วิธีการที่ฉันเข้าใกล้ทางวิทยาศาสตร์ข้อมูล พวกเขามีกระบวนการวิจัยที่เข้มงวด โดยที่ทุกความคิดใหม่ๆ จะถูกนำไปสู่แผนการวิจัยและทดสอบอย่างละเอียด พวกเขายังมีองค์กรวิศวกรรมข้อมูลที่พัฒนาแล้วสำหรับการนำเข้าข้อมูลใหม่ๆ และการทำฟีเจอร์เอ็นจิเนียริ่ง เมื่อ Faro เพิ่มความสามารถ AI เพื่อแก้ไขปัญหาที่ซับซ้อนในการพัฒนาการวิจัยทางคลินิก วิธีการนี้จะเกี่ยวข้องและใช้ได้กับสิ่งที่เรากำลังทำ

Faro Health สร้างขึ้นโดยมีจุดมุ่งหมายในการทำให้การออกแบบโพรโทคอลการวิจัยทางคลินิกง่ายขึ้นด้วย AI โดยมาจากภูมิหลังที่ไม่ใช่ทางคลินิก คุณมี “aha moment” ที่ทำให้คุณเข้าใจปัญหาที่เจาะจงในการออกแบบโพรโทคอลที่ต้องแก้ไขอย่างไร

ฉันมี “aha moment” ครั้งแรกเมื่อฉันพบกับแนวคิดของ “Eroom’s Law” Eroom ไม่ใช่คน แต่เป็น “Moore” ที่เขียนย้อนกลับ นามที่ตั้งแบบติดปากนี้เป็นการอ้างอิงถึงการที่ต้นทุนและเวลาการพัฒนายาใหม่ๆ ในช่วง 50 ปีที่ผ่านมาได้เพิ่มขึ้นสองเท่าทุกๆ 9 ปี เมื่อปรับตามอัตราเงินเฟ้อ ซึ่งไปในทางตรงกันข้ามกับการปฏิวัติเทคโนโลยีสารสนเทศทั้งหมด และทำให้ฉันประหลาดใจมากๆ จริงๆ นี่ทำให้ฉันเชื่อมั่นในเรื่องที่ว่ามีปัญหาใหญ่ที่ต้องแก้ไข!

AI มีบทบาทอย่างไรในแพลตฟอร์มของ Faro เพื่อให้แน่ใจว่าการออกแบบโพรโทคอลการวิจัยทางคลินิกจะเร็วขึ้นและแม่นยำขึ้น และ Faro’s “AI Co-Author” มีความแตกต่างจากโซลูชัน AI ที่สร้างขึ้นอื่นๆ อย่างไร

อาจจะดูเหมือนเป็นเรื่องง่ายๆ แต่คุณไม่สามารถขอให้ ChatGPT สร้างเอกสารโพรโทคอลการวิจัยทางคลินิกได้เลย อันดับแรก คุณต้องมีข้อมูลโพรโทคอลที่มีโครงสร้างและรายละเอียดสูง เช่น ตารางกิจกรรมที่แสดงอย่างละเอียด เพื่อให้สามารถแสดงข้อมูลที่ถูกต้องในหัวข้อทางเทคนิคของเอกสารโพรโทคอล ที่ Faro เราได้สร้างระบบประเมินโพรโทคอลที่เป็นกรรมสิทธิ์เพื่อให้แน่ใจว่าเนื้อหาที่โมเดลภาษาขนาดใหญ่ (LLM) สร้างขึ้นจะตอบสนองมาตรฐานที่ผู้ใช้และหน่วยงานกำกับดูแลต้องการ

เมื่อการวิจัยทางคลินิกสำหรับโรคที่หายากและภูมิคุ้มกันเนื้องอกมีความซับซ้อนมากขึ้น Faro จะรับประกันว่า AI จะตอบสนองความต้องการที่เชี่ยวชาญเหล่านี้ได้โดยไม่สูญเสียความแม่นยำหรือคุณภาพอย่างไร

โมเดลใดๆ ก็ดีเท่ากับข้อมูลที่ใช้ฝึกอบรมมัน เมื่อแนวหน้าของการแพทย์สมัยใหม่พัฒนาไปเรื่อยๆ เราต้องตามให้ทันโดยการฝึกอบรมและทดสอบโมเดลของเราโดยใช้การวิจัยทางคลินิกล่าสุด สิ่งนี้ต้องการให้เราขยายไลบรารีของโพรโทคอลการวิจัยทางคลินิกที่ถูกดิจิตอล化อย่างต่อเนื่อง – เรารู้สึกภูมิใจมากกับจำนวนโพรโทคอลการวิจัยทางคลินิกที่เรานำเข้ามาในไลบรารีของ Faro แล้ว และเรากำลังให้ความสำคัญกับการเติบโตของชุดข้อมูลนี้อย่างต่อเนื่อง

การร่วมมือกับ Veeva และบริษัทชั้นนำอื่นๆ จะช่วยให้แพลตฟอร์มของ Faro รวมเข้ากับระบบนิเวศการวิจัยทางคลินิกที่กว้างขึ้นได้อย่างไร และการร่วมมือเหล่านี้จะช่วยให้กระบวนการวิจัยทางคลินิกทั้งหมดจากออกแบบโพรโทคอลไปจนถึงการดำเนินการเป็นไปอย่างไร

ใจกลางของการวิจัยทางคลินิกคือโพรโทคอล ซึ่ง Faro’s Study Designer ช่วยให้ลูกค้าของเราออกแบบและปรับให้เหมาะสม โพรโทคอลจะแจ้งให้ทุกอย่างที่อยู่หลังการวิจัย แต่โดยทั่วไปแล้ว โพรโทคอลจะถูกออกแบบและเก็บไว้ในเอกสาร Word ดังนั้น หนึ่งในความท้าทายใหญ่ๆ ในการดำเนินการพัฒนาทางคลินิกในปัจจุบันคือการถอดความหรือ “แปล” ข้อมูลจากเอกสารโพรโทคอลหรือแหล่งอื่นๆ ไปยังระบบหรือเอกสารอื่นๆ

มีอะไรที่ท้าทาย AI ในการทำให้การวิจัยทางคลินิกง่ายขึ้น และ Faro จะเอาชนะสิ่งเหล่านั้นได้อย่างไร โดยเฉพาะอย่างยิ่งในการรับประกันความโปร่งใสและหลีกเลี่ยงปัญหาเช่น ความเอนเอียงหรือการหลอกลวงในผลลัพธ์ AI

มีมาตรฐานที่สูงกว่าสำหรับเอกสารการวิจัยทางคลินิกมากกว่าในโดเมนอื่นๆ เอกสารเหล่านี้ส่งผลกระทบต่อชีวิตของคนจริงๆ และดังนั้นจึงผ่านกระบวนการตรวจสอบด้านกฎระเบียบที่เข้มงวดมาก เมื่อเริ่มแรกสร้างเอกสารการวิจัยทางคลินิกโดยใช้ LLM ก็ชัดเจนว่าผลลัพธ์ไม่ใกล้เคียงกับความคาดหวังเลย ทั้งโทน ระดับรายละเอียด การจัดรูปแบบ – ทุกอย่างไม่ถูกต้อง และมุ่งเน้นไปที่การสื่อสารทางธุรกิจทั่วไปมากกว่าเอกสารทางคลินิกที่มีคุณภาพสูง

เมื่อมองไปข้างหน้า คุณมองเห็น AI วิวัฒนาการอย่างไรในบริบทของการวิจัยทางคลินิก และ Faro จะมีบทบาทอย่างไรในการเปลี่ยนแปลงดิจิทัลของพื้นที่นี้ใน течениеทศวรรษหน้า

เมื่อเวลาผ่านไป AI จะช่วยปรับปรุงและเพิ่มประสิทธิภาพการตัดสินใจและกระบวนการต่างๆ ในกระบวนการวิจัยทางคลินิก เราจะสามารถคาดการณ์ผลลัพธ์สำคัญๆ ตามการออกแบบโพรโทคอล เช่น ทีมวิจัยสามารถคาดหวังความท้าทายในการลงทะเบียนหรือไม่ หรือว่าการวิจัยจะต้องมีการแก้ไขเนื่องจากความท้าทายในการดำเนินการ

การมุ่งเน้นของ Faro ในการออกแบบที่มีศูนย์กลางอยู่ที่ผู้ป่วยจะส่งผลกระทบต่อประสิทธิภาพและความสำเร็จของการวิจัยทางคลินิกอย่างไร โดยเฉพาะอย่างยิ่งในการลดภาระของผู้ป่วยและปรับปรุงความสามารถในการเข้าถึงการศึกษา

การวิจัยทางคลินิกมักจะถูกจับอยู่ระหว่างความต้องการที่แข่งขันกันในการรวบรวมข้อมูลของผู้เข้าร่วมมากขึ้น – ซึ่งหมายถึงการประเมินหรือการทดสอบมากขึ้นสำหรับผู้ป่วย – และการบริหารจัดการความเป็นไปได้ในการดำเนินการของการวิจัย เช่น ความสามารถในการลงทะเบียนและรักษาผู้เข้าร่วม การจัดหาข้อมูลเชิงลึกที่มีคุณค่าให้กับผู้ใช้มากที่สุดเท่าที่จะเป็นไปได้ และเร็วที่สุดเท่าที่จะเป็นไปได้ ในกระบวนการออกแบบการศึกษา คือคุณค่าที่สำคัญของ Faro

คำแนะนำที่คุณจะให้กับสตาร์ทอัพหรือบริษัทที่ต้องการรวม AI เข้ากับการวิจัยทางคลินิกของตน โดยอาศัยประสบการณ์ของคุณที่ Google และ Faro คืออะไร

นี่คือคำแนะนำหลักที่ฉันจะให้จากประสบการณ์ของเราในการนำ AI ไปใช้ในโดเมนนี้:

1. แบ่งและประเมิน AI ของคุณ โมเดลภาษาขนาดใหญ่เช่น GPT ไม่ได้ออกแบบมาเพื่อสร้างเอกสารทางคลินิกที่มีคุณภาพสูง ดังนั้น หากคุณวางแผนจะใช้ AI ที่สร้างขึ้นเพื่อทำให้การเขียนเอกสารการวิจัยทางคลินิกเป็นอัตโนมัติ คุณจะต้องมีกรอบการประเมินที่รับประกันว่าผลลัพธ์ที่สร้างขึ้นจะถูกต้อง ครบถ้วน และมีรายละเอียดและโทนที่เหมาะสม
2. ใช้การแสดงโครงสร้างของการวิจัย ไม่มีทางที่คุณจะสร้างการวิเคราะห์ข้อมูลที่จำเป็นในการออกแบบการวิจัยทางคลินิกที่เหมาะสมได้หากไม่มีคลังข้อมูลที่มีโครงสร้าง หลายบริษัทในปัจจุบันใช้เอกสาร Word – ไม่ใช่แม้แต่ Excel! – ในการสร้างแบบจำลองการวิจัยทางคลินิก สิ่งนี้ต้องทำด้วยโมเดลโดเมนที่มีโครงสร้างซึ่งแสดงถึงความซับซ้อนของการวิจัยได้อย่างถูกต้อง – สกีมา โอเบเจ็กติฟ เอ็นด์พอยต์ ตารางการประเมิน และอื่นๆ
3. ผู้เชี่ยวชาญทางคลินิกมีความสำคัญต่อคุณภาพ ดังที่เห็นในสองจุดก่อนหน้านี้ การมีผู้เชี่ยวชาญทางคลินิกเข้ามาเกี่ยวข้องโดยตรงในการออกแบบและทดสอบระบบพัฒนาทางคลินิกที่ใช้ AI เป็นสิ่งจำเป็นอย่างยิ่ง ซึ่งมากกว่าในโดเมนอื่นๆ ที่ฉันเคยทำงานด้วย เพียงเพราะความรู้ที่ต้องการมีความเชี่ยวชาญ มีรายละเอียด และซึมซับในผลิตภัณฑ์ที่คุณพยายามสร้างในพื้นที่นี้

เรากำลังทดลองสิ่งใหม่ๆ อย่างต่อเนื่อง และแบ่งปันผลการค้นพบของเราในบล็อกของเราเพื่อช่วยให้บริษัทต่างๆ นำทางในพื้นที่นี้

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Faro Health เพื่อเรียนรู้เพิ่มเติม