Matt Walz, Trialbee CEO’sü – Röportaj Serisi

Matt Walz Trialbee’nin CEO’sudur, teknoloji odaklı hasta işe alımında küresel bir liderdir. Hayat bilimleri endüstrisinde 20 yılı aşkın yazılım ve liderlik deneyimine sahiptir. Matt, geliştirici olarak kariyerine başladı ve Rollins Corporation, PSCI, Microsoft, Morgan Lewis ve Datalabs’de çeşitli teknik ve liderlik rollerinde görev yaptı. 2006 yılında Matt, küresel olarak klinik, kalite ve düzenleyici belge yönetiminde lider olan NextDocs’u kurdu ve burada 9 yıl boyunca CTO, CSO ve Yönetim Kurulu Üyesi olarak görev yaptı. Trialbee’ye katılmadan önce Matt, 5 yıl boyunca Aurea Software’de Hayat Bilimleri için Genel Müdür ve Stratejik Hesaplar Başkan Yardımcısı olarak görev yaptı, Aurea Software daha sonra NextDocs’u satın aldı.

Trialbee bir sağlık teknolojisi şirketidir ve klinik çalışmalar için hasta işe alımı süreçlerini basitleştirir. Veri analitiği, dijital erişim ve gerçek dünya kanıtlarını kullanarak, hastaları eşleştirmek, dahil etmek ve ön niteliklendirmek için çalışır ve böylece kayıt hızını artırır. Platformu, kaynaklar ve ortaklar boyunca şeffaflık sağlar, bu da sponsorların, CRO’ların ve deneme sitelerinin işe alım pipeline’ını daha verimli bir şekilde yönetmelerine ve sitelere olan yükü azaltmalarına yardımcı olur.

Sağlık teknoloji start-up’ları ve büyük ölçekli klinik araştırma platformları üzerinde çalıştınız. Klinik çalışmalarda hasta işe alımında AI’ın potansiyelini ve tuzaklarını tanımak için kariyerinizdeki kişisel deneyimler veya anılar nelerdi?

AI, hayat bilimleri endüstrisindeki 20 yılı aşkın süredir gördüğüm en hızlı hareket eden teknoloji trendidir – bulut benimsemesinin ilk günlerinden bile daha hızlı. Bana göre en çarpıcı olan, AI’ın kavramsal olarak operasyonel olmasından daha hızlı hareket etmesidir – genellikle yeni teknolojiyi benimsemekte yavaş olan bir endüstri için – ve düzenleyici makamlar tarafından da önceliklendirilmektedir. Klinik çalışma hasta işe alımı için, AI’ın en uygun olduğu noktaları hala öğrenme aşamasındayız. Satıcılar ve sponsorlar alike, AI’ı protokol geliştirme, persona ve hedefleme, veri zenginleştirme, yerel ayarlamalar ve iletişim ve katılım için – tüm bunlar araştırma ekipleri için büyük sürtünme noktalarıdır.

Bununla birlikte, bu potansiyel yanında hala bazı riskler vardır. Büyük ilaç şirketlerinin liderleriyle konuştuğumda, AI’ın iş akışının daha birçok noktasında ortaya çıktığını, ancak kontrolsüz olarak çalışamayacağını vurguladılar. İnsan denetimi temelidir.

Bu, kalite ve güvenlik nedenleriyle olduğu kadar, şirketlerimiz gibi şirketlerin hasta ve ailelerle umut arayan bir bağ kurduğundan – AI tarafından anlamlı bir şekilde değiştirilemeyecek çok insanı ve empatik bir deneyim – hizmet verdiğimiz hastalar için.

Klinik çalışma işe alımıhistorically, çeşitlilik, hız ve doğruluk sorunlarıyla karşı karşıya kaldı. AI’ın bu zorlukları nasıl ele aldığını ve nerede hala eksik kaldığını düşünüyorsunuz?

AI, işe alım sürecinin en yavaş ve en kaynak yoğun kısımlarını basitleştirmeye yardımcı oluyor. Örneğin, çalışma materyallerini düzinelerce dilde çevirmek gibi hafta alan şeyler, şimdi saatlere indirgeniyor. Bu, daha hızlı ve daha fazla küresel pazarlarda işe alım yapabilmemizi sağlıyor.

Doğruluk açısından, AI destekli ajanlar, daha tutarlı ve kriterlere uygun etkileşimler sunmaya başlıyor, yaratılan materyallerden ön ekranlamaya ve sohbet botlarına kadar. Bu araçlar, özellikle işe alım sürecini yavaşlatan düşme noktalarını azaltmak için özellikle faydalıdır.

Çeşitlilik hala bir zorluk oluşturuyor. AI, yalnızca eğitildiği verilere göre temsil edebilir ve temsil aynı zamanda teknoloji dışındaki faktörler tarafından da şekillenir – ülke başına düzenleyici kısıtlamalar da dahil olmak üzere – hasta karşı karşıya rollerde AI’ın nasıl kullanılabileceği sınırlar. Klinik araştırmaların tüm tarihi boyunca, deneklerle güven oluşturmak bir zorluk oluşturdu ve AI araçlarıyla etkileşim çeşitli şüphe dereceleriyle karşılaşıyor. Bunu göz önünde bulundurarak, insanların canlı bir tıbbi profesyonel veya örneğin bir AI ajanıyla etkileşime girmesine olanak tanıyan bir yaklaşımı desteklediğimizi düşünüyoruz. Bu, AI etrafındaki çeşitli konfor seviyelerine sahip katılımcılara ulaşmanıza yardımcı olabilir ve özellikle ajansik AI için ayrı nedenleme motorları gibi güvenceler dahil edilerek güçlü bir denetim sağlar.

Önceki bir röportajda, AI araçlarının daha önceki herhangi bir yenilikten daha hızlı bir şekilde hasta işe alımında kullanıldığını söylediniz. Ancak küresel düzenleyicilerin tempoyu takip etmekte zorlandıkları için, çok uluslu klinik çalışma kampanyalarında en acil denetim boşluklarını nasıl görüyorsunuz?

En büyük boşluk, coğrafi bölgeler arasında düzenleyici uyumsuzluktur. ABD’de, FDA gibi ajanslar AI’ı yeni çerçeveler ve erken inceleme süreçleriyle benimsemektedir. Avrupa ise daha temkinli hareket etmektedir, dikkatli adımlar atmaya odaklanmaktadır ve daha katı düzenleyici incelemeler uygulamaktadır.

Küresel olarak faaliyet gösteren şirketlerimiz için bu, bir zorluk oluşturur: Bir ülkede kabul edilebilir olan bir diğerinde kabul edilebilir olmayabilir. Ve varyans yalnızca düzenlemelerde değil, aynı zamanda farklı kanalların veya sosyal medya platformlarının – Facebook gibi – işe alım için nasıl kullanılabileceği, kişisel verilerin nasıl işlendiği veya hasta onayı nasıl toplandığı gibi konularda da vardır. Bu nüanslar, operasyonel esneklik ve bölgesel etik ve uyum standartlarına derin bir anlayış gerektirir.

Bu, tarihimizdeki inovasyon kültürü ve içkin küresel kültürümüzün önemli varlıklar olduğunu göstermektedir, çünkü AI’ın heyecan verici ancak çok dinamik manzarasını gezinmeye çalışıyoruz.

Bu küresel düzenleyici çerçeve uyumsuzluğu, klinik çalışmalarında AI benimsemesini nasıl engelleyebilir? Gerçek dünya sonuçlarını gördünüz mü?

Kesinlikle. Kullandığımız dijital reklam stratejileri, hasta işe alımı için iyi bir örnektir. Facebook, küresel olarak en etkili platformlardan biridir, ancak même izin verilen ülkelerde, yapabileceğiniz hedefleme düzeyi ve kullanabileceğiniz veri varyasyonları geniş çapta değişir. Bu farklılıkları aşmak için iç uzmanlık geliştiriyoruz ve AI düzenlenmesinin benzer bir yolu izleyeceğini bekliyoruz.

Pratik olarak, bu ikilemin işe alım ekiplerine yüklediği sınırlamalar, kampanya lansmanlarını geciktirebilir, etik komiteleriyle ek döngülere neden olabilir ve daha karmaşık uyum iş akışlarına yol açabilir. Bir ülkenin AI kullanımını nasıl yorumladığını, özellikle hasta karşı karşıya uygulamalar için derinlemesine bilmiyorsanız, denemeleri yavaşlatabilir veya ciddi onay engelleriyle karşılaşabilirsiniz.

Trialbee, veri, teknoloji ve hasta katılımının kesişme noktasında faaliyet gösterir. AI odaklı işe alım stratejilerinin hastaları veri noktalarına indirgememesini, bunun yerine araştırma insan tarafını nasıl güvence altına aldığınızı açıklar mısınız?

Harika ve önemli bir soru için teşekkür ederim. AI’ı, insanların gücünü artırmak için bir araç olarak görüyorum – onları değiştirmek için değil. Bu, özellikle insanları conecte etmeye çalıştığımız ve nesiller boyu hastalara daha sağlıklı bir hayat yaşamalarına yardımcı olmaya çalıştığımız endüstrimizde çok önemlidir. İşimiz bir insan işidir ve insanlar her zaman bunun merkezinde olacaktır.

Günlük operasyonlara gelince, Honey Platformumuz™ içinde sunduğumuz en iyi AI, verileri ve trendleri analiz etmek ve sitelere ve çalışma ekiplerine gerekli eylem noktalarında.prompt etmek olabilir. Bunların bir kısmını zaten yapıyoruz ve verilerin hemen kullanılmasını sağlayarak, işe alım ilerlemesi hakkında günlük içgörüler sunmak veya belirli hastalarla öngörülü modelleme yoluyla takip etmek gibi yetenekler eklemeye devam edeceğiz. Bu, denemede bir fark yaratmak için önemli bir fark yaratabilir.

İçeride, organizasyonumuzun her bölümünde ve her ekibinde AI’ı sistematik ve işbirliği içinde kullanıyoruz. İyi örnekler, işe alım materyallerinin çevirisi ve potansiyel PII verilerinin AI destekli bastırılması olabilir – bunlar her zaman deneyimli bir insan tarafından denetlenecektir. Umuyoruz ki, AI’ı nasıl güçlü bir ekibe dönüştürdüğümüzü göreceksiniz, tersi değil.

Klinik araştırma ekiplerinin AI araçlarını sorumlu bir şekilde yönlendirmek ve yönetmek için en kritik beceri setleri nelerdir?

En kritik beceri setleri, klinik uzmanlık, AI okuryazarlığı ve düzenleyici akışkanlığın kesişme noktasında yer alır. Ekiplerin AI platformlarıyla etkili bir şekilde etkileşime girmesini, bunları kesinlik ve kritik bir gözle değerlendirmesini sağlamak için precisa bir şekilde yönlendirmeleri gerekir.

Düzenleyici içgörünün artan bir ihtiyacı da vardır. Daha önce bahsettiğim gibi, ajansik AI gibi alanlar için ayrı nedenleme motorları gibi güvenceler oluşturmak için gereklidir. Ekipler ayrıca AI tarafından çevrilen içeriği değerlendirebilmeli ve etik komitelere sunulmadan önce doğruluğunu ve kültürel ilgiliğini doğrulayabilmelidir.

AI benimsemesi hızlanıyor. Klinik çalışma paydaşlarına, AI’ı iş akışlarına entegre etme konusunda tereddüt eden veya bunalmış olanlara ne tür tavsiyeler verirsiniz?

Birisi, AI ile çalışmaya başladığınızda, Gerçek Zeka kullanmanız gerektiğini söyledi. Makine öğrenimi, uzmanların arkasındaki uzmanlık, bağlam ve güvencelerle birlikte harika şeyler sunabilir.

Tavsiyem, küçük ve tanımlanmış adımlarla başlamak ve net sonuçlar elde etmektir. AI dönüşümüne ilişkin vaatlerde bulunmak yerine, AI’ın nasıl çalıştığını, ne zaman hazır olacağını ve hangi araçları kullandığınızı açıklamak daha iyidir. Bu, Trialbee’de izlediğimiz yoldur. Yalnızca 3 ay içinde aktif olarak inşa ettiğimiz yetenekleri paylaşıyoruz, çünkü gerçekten planladığımız şeyleri iletmek istiyoruz.

Trialbee’de, her hafta farklı bir bölüm veya ekibe, çalıştıkları kullanım örneklerini sunmasını istiyoruz. Paylaştığımız öğrenme, zorluklar ve çözümler, AI’nın başarılarını diğerlerinin tekrarlayabilmesi ve verimliliği, müşteri teslimatını veya işe alım sonuçlarını iyileştirmesi için önemlidir.

Ayrıca, yetenekleri oluşturmak için kullandığımız araçlar hakkında şeffafız. OpenAI’ın ChatGPT’sini veya Anthropic’in Claude’ünü kullanırsak, bunları paydaşlara, insan denetimi ve duyarlı bilgilerin izolasyonu hakkında açıklarız. Bu kazanımları eylemde gördüklerinde, AI’ın bir sonraki kullanım örneğine daha fazla ilgi göstereceklerdir. Böylece, büyük bir vizyon satmak yerine, adım adım değer kanıtlamak önemlidir.

FDA ve diğer düzenleyiciler, ilaç geliştirme sürecinde kullanılan AI modelleri hakkında daha sert sorular sormaya başladılar. Endüstri standardı olarak hangi tür şeffaflık, doğrulama veya denetlenebilirlik standartlarını düşünüyorsunuz?

Endüstri, AI’da tam şeffaflık ve insan denetimi sağlamak için hareket etmelidir. Ajansik AI için, gerçek zamanlı olarak sohbetleri değerlendiren ve düzelten ayrı bir düzenleyici mantık motoru gibi dahili kontrol sistemleri oluşturuyoruz. Bu tür iç kontrol sistemlerinin, hasta karşı karşıya uygulamalarda standard hale gelmesi gerekir.

Doğrulama protokolleri de formalize edilmelidir, benchmark testleri ve sürekli performans değerlendirmeleri dahil olmak üzere. En önemlisi, bu standartlar ürün geliştirme sürecine entegre edilmeli ve sonradan eklenmemelidir. Bu tür bir disiplin, hasta güvenliğini korumak, düzenleyici güveni kazanmak ve AI’ı küresel klinik araştırmalara sorumlu bir şekilde ölçeklemek için gereklidir.

AI modelleri genellikle sistemik sağlık hizmetleri önyargılarını yansıtan tarihi veri kümelerine dayanır. Hasta işe alımında adilliği ve çeşitliliği nasıl güvence altına aldığınızı ve özellikle underrepresented populations için nasıl çalıştığınızı açıklar mısınız?

AI olmadığında, çeşitliliği klinik araştırmada engelleyen şey değildi – bir planı önceliklendirmemekti. Ve AI gerçekten yardımcı olabilir, ancak yalnızca intentionally hareket ediyorsak. underrepresented gruplara daha etkili bir şekilde ulaşmamızı sağlayan güçlü bir araç olabilir, ancak yalnızca veri kümelerimizi genişlettiğimiz, topluluk ortaklıkları kurduğumuz ve işe alım sonuçlarını sürekli olarak izleyerek hiçbir grubun geri kalmadığını güvence altına aldığımız sürece.

Takımınızın bu yıl yeni AI ile ilgili ürünleri piyasaya sürmesi planlanıyor. Çözümünüzdüğü sorunlara dair yüksek düzeyde bir ön izleme sunabilir misiniz ve bu yenilikler, sorumlu AI kullanımına ilişkin daha geniş felsefenizi nasıl yansıtıyor?

Trialbee, inovasyon kültürüne sahiptir ve AI, büyüyen bir bileşendir. Bu yıl alone, Honey Platformumuz yeni site iş akışları, bir sponsor özel hasta kaydı ve global biyofarma markaları için deneme bulma web siteleri gibi kullanım örnekleri sundu. AI ile ilgili olarak, Honey içinde yeni özellikler ve geliştirmeler göreceksiniz. Sohbet botları, akıllı araçlar ve daha fazlasını geliştiriyoruz ve müşterilerimiz için süreçleri basitleştirmek için yeni yolları değerlendiriyoruz. İçeride, AI’ı daha hedefli, daha bilinçli, daha kapsayıcı ve daha verimli hale getirmek için kullanıyoruz – her AI modelini kullandığımız deneyimli bir ekip üyesi tarafından yönlendiriliyor ve bağlamı yorumluyor.

Beş yıl sonrasına bakıldığında, AI’ın klinik araştırmalara daha derinlemesine entegre edildiği bir gelecekte, Trialbee’nin rolünün nasıl evrileceğini öngörüyorsunuz? Şirketinizin, daha etik, daha verimli ve küresel olarak daha uyumlu bir hasta işe alım geleceğini şekillendirmede hangi rolü oynayacağını düşünüyorsunuz?

Beş yıl içinde, Trialbee’nin AI destekli hasta işe alımında lider hizmet sağlayıcı olarak öne çıkacağını öngörüyorum. AI’ı, hız, doğruluk veya hasta seçeneğini artırmaya yardımcı olabilecek her işe alım iş akışı noktasına entegre ediyoruz. Ajansik AI için, hastaların canlı bir tıbbi profesyonel veya AI ajanıyla etkileşime girmesine olanak tanıyan bir seçeneği sunma konusundaki taahhüdümüzü vurguladım. İnsanların bu seçeneğe sahip olmasının, katılımı ve güveni artırmaya yardımcı olacağını düşünüyoruz.

Etik olarak, AI’ın düzenleyici rigor ve şeffaflıkla uygulanması konusunda kararlıyız. Sistemlerimizin nasıl çalıştığını açıklamak ve AI tarafından alınan kararların şeffaf olmasını sağlamak anlamına gelir. AI’ı organizasyonumuzun kültürüne, her bölümüne ve her ekibine inşa ediyoruz, böylece teknoloji evrimleştiğinde adapte olmaya hazırız. Son olarak, AI’ın klinik araştırmada sorumlu bir şekilde nasıl kullanıldığını tanımlamaya yardımcı olan bir şirket olmak istiyoruz. Bunu doğru yaparsak, daha hızlı, daha kapsayıcı ve dünyanın her yerindeki hastalar için daha erişilebilir denemelerin bir geleceğini şekillendirmeye yardımcı olabiliriz.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Trialbee ziyaret edebilir.