Jay Ferro, Bilgi, Teknoloji ve Ürün Sorumlusu, Clario – Röportaj Serisi

Jay Ferro Clario’nun Bilgi, Teknoloji ve Ürün Sorumlusu’dur ve bilgi teknolojileri ve ürün ekiplerini yönetme konusunda 25 yılı aşkın deneyime sahiptir. Veri korumasına güçlü bir odaklanma ve anlamlı bir etkiye sahip teknolojiler ve ürünler yaratma konusunda bir tutkusu vardır.

Clario’ya katılmadan önce, Jay, Quikrete Şirketleri ve Amerikan Kanser Derneği gibi küresel organizasyonlarda CIO, CTO ve CPO gibi üst düzey liderlik rollerini üstlenmiştir. Ayrıca Allata, LLC’nin Yönetim Kurulu üyesidir. Profesyonel başarıları, Atlanta Teknoloji Profesyonelleri tarafından Yılın Yönetici Lideri ve HMG Stratejisi tarafından Orta Ölçekli CIO của Yıl ödülü dahil olmak üzere birden fazla ödülle tanınmıştır.

Clario, klinik deneme yönetimi alanında bir liderdir ve hayatları güvenilir ve kesin kanıt üretimiyle dönüştürmek için kapsamlı son nokta teknolojileri sunar. Onkoloji denemelerine uzmanlaşmış olan Clario, etkinliği artırmak, güvenliği sağlamak ve yaşam kalitesini iyileştirmek için hasta bildirimi sonuçlarını (PRO’lar) vurgulamaktadır ve elektronik PRO’ları kağıt alternatifine göre daha maliyet efektif bir seçenek olarak savunmaktadır. Terapötik alanlar ve küresel düzenleyici uyum konusunda uzmanlık sunan Clario, 100’den fazla ülkede merkezden uzak, hibrit ve site tabanlı denemeleri desteklemektedir ve yapay zeka ve bağlantılı cihazlar gibi gelişmiş teknolojileri kullanmaktadır. Çözümleri, entegre destek ve eğitim yoluyla hastalar ve sponsorlar için uyumluluğu ve retansiyonu đảmalarak deneme süreçlerini basitleştirmektedir.

Clario, klinik denemelerin çeşitli aşamalarında 30’dan fazla AI modelini entegre etti. Bu modellerin, örneğin onkoloji veya kardiyoloji gibi denemelerin belirli yönlerini nasıl geliştirdiğini örneklerle açıklanabilir mi?

AI modellerimizi, 800’den fazla klinik denemede müşterilerimize hız, kalite, kesinlik ve gizlilik sunmak için kullanıyoruz. Araçlarımızın yalnızca AI hype döngüsünün bir parçası olmadığını, sondern bu denemelerde müşterilerimize gerçek değer sağladığını gurur duyuyorum.

Bugün, AI modellerimiz büyük ölçüde dört kategoriye giriyor: veri gizliliği, kalite kontrol yardımı, okuma yardımı ve okuma analizi. Örneğin, tıbbi görüntüleme alanında, statik görüntülerde, videolarda veya PDF’lerde Kişisel Tanımlayıcı Bilgileri (PII) otomatik olarak silen araçlar geliştirdik. Ayrıca, veri yüklendiği anda hızlı kalite değerlendirmeleri sunan AI araçları kullanıyoruz – bu nedenle bu verilerde büyük bir güven vardır. Sürekli sinyal kalitesi için EKG verilerini izleyen bir araç ve doğru hasta tanımlayıcılarını onaylayan bir araç geliştirdik. Bir okuma yardımı aracı geliştirdik, bu araç dilim öngörüsü, lezyon propagasyonu ve hastalık tespiti sağlar. Ayrıca, AI destekli nicel ülseratif kolit Mayo puanlaması gibi araçlar ile veri yorumunu otomatikleştirmek ve standartlaştırmak suretiyle okuma analizini iyileştirdik.

Bu, 2018’den bu yana geliştirdiğimiz AI modellerinin sadece birkaç örneğidir ve çok ilerleme kaydettik, ancak daha yeni başlıyoruz.

Clario, çeşitli deneme ortamlarında AI tarafından elde edilen içgörülerin yüksek doğruluk ve tutarlılık düzeyini nasıl sağlar?

AI modellerimizi, iyi veri ve iyi olmayan veya ilgili olmayan veri arasındaki farkı anlamak için büyük miktarda veri üzerinde sürekli olarak eğitiyoruz. Sonuç olarak, AI tarafından yönlendirilen veri analizi, zengin veri tarihçelerini algılar, ön analizler ve sonunda müşterilerimiz için daha yüksek kaliteli sonuçlar sağlar.

Spirometri çözümlerimiz, bunu neden yaptığımızı güzel bir şekilde açıklar. Klinikçiler, belirli akciğer koşullarını teşhis etmek ve izlemek için spirometri kullanır ve hasta tarafından bir forced nefes verme sırasında nefes verilen hava miktarını ölçer. Bir spirometre kullanırken hasta tarafından yapılan testte çeşitli hatalar oluşabilir. Hasta testi çok yavaş yapabilir, test sırasında öksürebilir veya spirometrelerin ağız parçasının etrafında tam bir mühür oluşturamayabilir. Bu varyasyonlardan herhangi biri, insan analizi sonuçları ortaya çıkana kadar keşfedilmeyen bir hata oluşturabilir. 50.000’den fazla örnek üzerinde derin öğrenme modellerini eğittik ve iyi bir okumanın ve kötü bir okumanın arasındaki farkı öğrenmek için eğittik. Cihazlarımız ve algoritmalarımızla klinikçiler, verilerin değerini neredeyse gerçek zamanlı olarak görebilirler, bu da insan analizi için beklemek zorunda kalmaktan daha önemlidir. Bu, kısmen bazı hastaların bir klinik denemeye katılmak için birkaç saat araç kullanmak zorunda kalması nedeniyle önemlidir. Deneme sitesinden eve giderken, bir sonraki hafta başka bir spirometri testi yapmanız gerektiğini öğrenmek için geri dönmek zorunda kalabilirsiniz, çünkü ilk test bir hata gösterdi. AI modellerimiz, hasta hala sitedeyken doğru överread’ler sunmaktadır. Bir hata oluşursa, hemen düzeltilir. Bu, sadece siteleri ve hastaları azaltmaya çalıştığımız bir yoldan biridir.

Clario’nun AI modelleri, veri toplama sürelerini veri kalitesini tehlikeye atmadan nasıl azaltır?

Klinik denemeler için en yüksek kaliteli verileri üretmek her zaman odak noktamızdır, ancak AI algoritmalarımızın doğası, toplama ve analizin dramatik bir şekilde hızlanmasını sağlar. Daha önce de bahsettiğim gibi, algoritmalarımız, insan yorumundan daha hızlı ve daha yüksek bir kesinlik düzeyinde kalite kontrol analizi yapmamızı sağlar. Ayrıca, verileri girerken kalite kontrolleri yapmamızı sağlar. Bu, hasta hala deneme sitesindeyken, hasta verilerinin eksik, hatalı veya düşük kaliteli olup olmadığını belirleyebilmemizi sağlar, bu da günler veya haftalar sonra değil.

Clario, özellikle veri gizliliği, hasta katılımı ve veri kalitesi açısından merkezden uzaklaştırılmış ve hibrit denemelerin zorluklarını nasıl ele alır?

Günümüzde, merkezden uzaklaştırılmış bir deneme, aslında bir hibrit bileşeni olan bir denemedir. Katılımcıların kendi cihazlarını veya evlerinde bağlantılı cihazları kullanmasına izin verme kavramının, özellikle erişilebilirlik açısından denemeler için daha büyük olanaklar sunabileceğini düşünüyorum. Denemelere katılmasını kolaylaştırmak, teknolojik yol haritamızın odak noktasıdır ve bu, hasta çeşitliliğini artırmak, işe alım ve retansiyonu basitleştirmek, katılımcılar için kolaylığı artırmak ve daha kapsayıcı klinik denemeler için fırsatları genişletmeyi amaçlamaktadır. Evde spirometri, evde kan basıncı, eCOA ve diğer çözümler sunuyoruz ve bu çözümler, daha geleneksel çözümlerle aynı veri bütünlüğünü sunuyor ve bunları, son nokta ve terapötik alan uzmanlarımızın gözetiminde yapıyoruz. Sonuç, hasta için daha iyi bir deneyim ve daha iyi son nokta verileri için.

Clario’nun AI tarafından yönlendirilen yaklaşımının, klinik denemelerin sürelerini ve eczacılık, biyoteknoloji ve tıbbi cihaz şirketleri için maliyetlerini azaltmaya yönelik benzersiz avantajları nelerdir?

2018’den bu yana AI araçları geliştiriyoruz ve bunlar içerde ve kesinlikle ürün karışımımızda her şeyi sarmış durumda. Ve bizi asla terk etmeyen şey, bunu sorumlu bir şekilde yaptığımızdan emin olmaktır: İnsanları döngüye katmak, düzenleyicilerle ortaklık kurmak, müşterilerimizle ortaklık kurmak ve yasal, gizlilik ve bilim ekiplerimizi dahil etmek, her şeyi doğru şekilde yaptığımızdan emin olmak.

Sorumlu bir şekilde AI’yi geliştirmek ve dağıtmak, müşterilerimizi çeşitli olumlu şekillerde etkilemelidir. AI programımızın temeli, endüstrinin ilk Sorumlu Kullanım İlkelerine dayanmaktadır. Clario’da AI’ye dokunan herkes, bu beş ilkeyi takip eder. Bunlar arasında, algoritmalarımızı eğitmek için mevcut en çeşitli verilerin kullanılması yer alır. Riskleri tespit etmek ve hafifletmek için izler ve test ederiz ve yalnızca anonim veri kullanarak modelleri ve algoritmaları eğitiyoruz. Bu types of rehberleri yeni bir AI aracı geliştirirken uygularsak, hızlı ve kesin verileri – ölçeklenebilir bir şekilde – sunabiliriz, bu da önyargıları azaltır, çeşitliliği artırır ve hasta gizliliğini korur. Sponsorslara doğru verileri ne kadar hızlı verebilirsek, bu onların karlarına ve nihayetinde hasta sonuçlarına o kadar büyük bir etkiye sahiptir.

AI modelleri bazen verideki önyargılara yansıyabilir. Clario, denemelerde önyargılı ve tarafsız veri analizini sağlamak için hangi önlemleri alır?

Önyargı, eğitim veri kümesinin amaçlanan kullanıma göre çok sınırlı olduğu zaman oluşur. İlk olarak, veri kümesi yeterli gibi görünüyor, ancak son kullanıcı aracı kullanmaya başladığında ve AI’yi eğitim aldığı şeyin ötesine iter, hatalara neden olabilir. Clario’nun Başhekimi Dr. Todd Rudo, bazen bu örneği kullanır: Elektrokardiyogramlar (ECG’ler) için uygun lead yerleştirme belirlemek için bir modeli eğitebiliriz, böylece klinikçiler, teknisyenlerin lead’leri hasta vücudunda doğru yerlere yerleştirdiğini söyleyebilir. 100.000 ECG ile harika verilerimiz var, böylece bu modeli eğitebiliriz. Ancak, AI modelimizi yalnızca yetişkin testleri verilerini kullanarak eğittiğimiz olursa ne olur? Model, 2 yaşındaki bir hasta için bir ECG yapıldığında nasıl tepki verecektir? Açıkça, potansiyel olarak tedaviyi etkileyen hataları kaçırabilir.

Bu nedenle, Clario’da ürün, veri, Ar-Ge ve bilim ekiplerimiz, gerçek dünya uygulamalarında doğruluk ve güvenilirlik sağlamak için algoritmalarımızı eğitmek için en kapsamlı eğitim verilerini kullanmak için yakın işbirliği içinde çalışır. Algoritmalarımızı içeren ürünlerimize en çeşitli eğitim verilerini kullanıyoruz. Ayrıca, AI’nin geliştirilmesi ve kullanımında riskleri hafifletmek için insan gözetimine başvuruyoruz.

Clario’nun insan gözetimi ve izleme süreci, AI çıkışlarını düzenleyici uyuma ve etik standartlara uygunluğunu sağlamak için nasıl AI çıkışlarıyla bütünleşir?

İnsan gözetimi, AI modellerimizin nasıl geliştirildiğini, eğitildiğini ve doğrulandığını bilen insan ekiplerinin olduğu anlamına gelir. Hem geliştirme aşamasında hem de bir modeli bir teknolojiye entegre ettikten sonra, uzmanlarımız çıkışları izler, potansiyel önyargıları tespit eder ve çıkışların adil ve güvenilir olduğunu sağlar. AI, bilimi ve insan zekasını güçlendirmek için olduğuna inanıyorum. AI, insanlara daha büyük zorluklara odaklanma yeteneği sağlar. AI, geniş veri kümelerini analiz etmek için – hasta görüntüleri, önceki denemeler veya analiz etmek istediğimiz herhangi bir şey – insanlardan daha hızlı ve bazı durumlarda daha iyi yapabilir. Ancak, AI, insan sezgisini ve endüstrimizdeki harika insanların bilim ve gerçek dünya deneyimini заменemez.

Klinik denemelerde, özellikle onkoloji, kardiyoloji ve solunum çalışmaları gibi alanlarda, önümüzdeki birkaç yıl içinde AI’nin nasıl bir etkiye sahip olacağını öngörüyorsunuz?

Onkoloji alanında, uygulamalı AI’nin radyomikte ilerlemesinden heyecan duyuyorum, bu da tıbbi görüntülerden nicel ölçütleri çıkarır. Radyomik, several adımları içerir: tümörlerin görüntülenmesi, görüntü ön işleme, özellik çıkarma ve model geliştirme, ardından validasyon ve klinik uygulama. AI’nin giderek daha gelişmiş araçlarını kullanarak, tümör davranışını tahmin edebilir, tedavi yanıtını uyarlayabilir ve hastaların sonuçlarını invazif olmayan tümör görüntüleme yoluyla belirleyebiliriz. Ayrıca, hastalığın erken belirtilerini tespit edebilir ve hastalığın erken tekrarını tespit edebiliriz. AI araçları, radyomik ve klinik iş akışlarına daha da entegre edildiğinde, onkoloji ve hasta bakımı alanında büyük ilerlemeler göreceğiz.

Solunum çalışmaları geleceği konusunda da heyecan duyuyorum. Geçen yıl, klinik denemelerinde solunum verilerini toplamak için AI modelleri geliştiren Belçikalı bir şirket olan ArtiQ’yi satın aldık. Kurucu, şimdi benim AI Baş Sorumlum ve solunum çözümlerinde büyük şeyler bekliyoruz. Algoritma uygulamasına yaklaşımımız, özellikle hasta ve site yükünü azaltması nedeniyle oyun değiştirici oldu. Exhalasyon verileri gerçek zamanlı olarak analiz edilmezse ve bir anormallik daha sonra tespit edilirse, hasta bir sonraki hafta başka bir test için klinikte tekrar görünmek zorunda kalabilir. Bu, hasta için stres ekler ve deneme sponsoru için ek maliyetler ve operasyonel zorluklar oluşturabilir. Yeni spirometri cihazlarımız, ArtiQ modellerini kullanarak bu yükü, near real-time överread’ler sunarak azaltmaktadır. Bu, herhangi bir sorun oluşursa, hasta hala klinikteyken hemen tespit edilip düzeltilir. Sadece siteleri ve hastaları azaltmaya çalıştığımız bir yoldan biri.

Son olarak, çeşitli terapötik alanları etkileyecek araçlar geliştiriyoruz. Yakında, örneğin, elektronik klinik sonuç değerlendirmelerinde (eCOA) AI’nin giderek daha fazla değer sağlayacağına şahit olacağız. AI modelleri, hasta tarafından deneyimlenen ince değişiklikleri yakalayarak ve ölçerek yardımcı olacak. Bu teknoloji, birçok araştırmacıyı yardımcı olacak, ancak örneğin, Alzheimer araştırmacıları, hastanın hastalığın hangi aşamasında olduğunu anlayabilecek. Bu tür bilgilerle, ilaç etkinliği daha iyi ölçülebilir ve hastalar ve bakıcıları, hastalığın yönetimini daha iyi planlayabilir.

AI’nin klinik denemelerde çeşitliliği genişletme ve hasta popülasyonları arasında sağlık eşitliğini iyileştirme konusundaki rolüne inanıyorsunuz?

Yalnızca teknoloji merceğinden AI’ye bakarsanız, sorunlara yol açabilirsiniz. AI, teknoloji, bilim, düzenleyici ve benzeri açılardan ele alınmalıdır. Endüstrimizde gerçek mükemmellik, insan işbirliği ile elde edilir ve AI’nin doğru soruları sormamızı sağlar: “Modelleri, yaş, cinsiyet, cinsellik, ırk ve etnik kökeni dikkate alarak eğitiyor muyuz?” Endüstrimizdeki herkes bu tür soruları AI araçları geliştirmeden önce sorarsa, AI yalnızca ilaç geliştirmeyi hızlandırmaz, tüm hasta popülasyonları için hızlandırır.

Clario’nun 2025 ve ötesi için AI’nin klinik deneme sektöründeki evrimi konusunda planları veya öngörülerini paylaşabilir misiniz?

2025’te, biyofarma’nın AI ve gerçek zamanlı analitiği hiç olmadığı kadar kullanacağını göreceğiz. Bu ilerlemeler, klinik denemeleri basitleştirecek ve karar alma süreçlerini iyileştirecek. Çalışma yapılarını hızlandırarak ve risk tabanlı izlemeyi uygulayarak, zaman çizelgelerini hızlandırabilir, hastalara yükü azaltabilir ve sponsorların hayat kurtaran tedavileri daha büyük bir kesinlik ve verimlilikle sunmasını sağlayabilir. Bu, hepimiz için heyecan verici bir zaman, çünkü birlikte sağlık bakımını dönüştürmeye çalışıyoruz.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Clario sitesini ziyaret edebilirler.