Ед Чідсі, президент підрозділу Insights компанії Inovalon – Серія інтерв’ю

Ед Чідсі, президент підрозділу Insights компанії Inovalon, має широкий досвід у сфері фінансових даних, аналітики та стратегічних консультацій — останнім часом як старший віце-президент компанії S&P Global Market Intelligence, де він керував бізнесом з даних і аналітики вартістю мільярд доларів із 2000 співробітниками, а раніше як приватний інвестор, член ради директорів PeerNova Inc. і обмежений партнер компанії Mendoza Ventures.

Inovalon – це американська технологічна компанія, яка надає хмарні програмні рішення та рішення з аналізу даних для галузі охорони здоров’я. За допомогою своєї флагманської пропозиції, платформи Inovalon ONE^®, компанія агрегує та аналізує величезні дані реального світу про клінічну та страхову діяльність — охоплюючи сотні мільйонів життів — для підтримки планів охорони здоров’я, постачальників, аптек та організацій з охорони здоров’я у покращенні клінічних результатів, якості лікування, оцінки ризику, цілісності платежів та оперативної ефективності.

Ви мали довгу кар’єру, що охоплює компанії S&P Global, IHS Markit та тепер Inovalon. Яка була найбільш формативна роль чи досвід, що привів вас до фокусу на реальних даних (RWD) та аналітиці в галузі охорони здоров’я, і як це сформувало ваше бачення керівництва підрозділом Insights у компанії Inovalon?

Я провів більшу частину своєї кар’єри, будуючи, керуючи та розширюючи бізнес з даних і аналітики, переважно у сфері фінансових послуг, часто починаючи з малого та рухаючись до суттєвого зростання завдяки комбінації органічного та неорганічного стратегій. Після більш ніж трьох десятиліть у фінансовій галузі я дійшов до точки, де мені потрібно було зробити перерву та перезавантажитися. Я був у цьому світі протягом довгого часу, і хоча мені подобалася робота, середовище почало відчуватися менш повноцінним. Тому на початку 2024 року я вирішив відійти.

Той рік був неймовірно корисним. Я провів більше часу з сім’єю, вступив до корпоративної та некомерційної ради, і, досить несподівано, став більш залученим до своєї церкви. Цей поворот дозволив мені зосередитися на балансі, спільноті та меті тим чином, яким я не робив вже довгий час. До кінця року я зрозумів, що в мене все ще є багато енергії та пристрасті до керівництва командами та будівництва бізнесу, але я хотів, щоб ця робота відчувалася більш особистою та метою.

Коли Адам Канслер, генеральний директор компанії Inovalon, звернувся до мене, щоб розповісти більше про компанію, час був дуже вдалий. Я тісно співпрацював з Адамом протягом багатьох років і маю величезний шаноб до нього як лідера. Він описав Inovalon як лідера у сфері даних та рішень, що надають можливості для охорони здоров’я, яка працює з платниками, постачальниками, аптечними організаціями та компаніями з охорони здоров’я, і зазначив, що компанія шукала нового керівника свого підрозділу Insights.

До розмови з Адамом я не подумав би про те, що можу використовувати свій досвід у сфері даних та аналітики в галузі охорони здоров’я. Однак, чим більше я дізнавався, тим більше це резонувало. Дані охорони здоров’я дуже конкретні, оскільки можуть впливати на нас реальним чином. Ідея застосування тієї ж аналітичної суворості та масштабу, який я розвинув у сфері фінансових послуг, для покращення якості та результатів охорони здоров’я була неймовірно привабливою. Ця мета привела мене сюди, і вона продовжує формувати те, як я керую підрозділом Insights, об’єднуючи дані, технології та людей, щоб зробити вимірювану різницю в екосистемі охорони здоров’я.

Як ви бачите рух компанії Inovalon щодо надання її просунутих аналітичних даних та первинних джерел RWD на хмарному сервісі Snowflake, змінивши конкурентну динаміку в галузі охорони здоров’я та життя?

Я вважав би це більш стратегічним кроком, щоб зустріти клієнтів там, де вони хочуть отримувати наші дані та ресурси в більш сучасному, гнучкому та доступному вигляді. З цього ми знали, що дедалі більше наших клієнтів переходять на платформи типу Snowflake, тому було важливо для нас зустріти їх там, де вони хочуть споживати наші дані.

Що відрізняє пропозиції RWD компанії Inovalon, такі як реєстр MORE², від інших платформ реальних даних за якістю, глибиною, своєчасністю чи масштабом?

Що відрізняє наші пропозиції RWD, включаючи реєстр MORE², це наші первинні дані. Ми збираємо ці дані безпосередньо з різних сутностей у сфері охорони здоров’я, таких як платники або постачальники охорони здоров’я, що дає нам цілісний погляд на медичні історії пацієнтів, дозволяючи нам витягувати знання, які підтримують процес прийняття рішень у сфері охорони здоров’я.

Хоча масштаб даних, які ми маємо, є сам по собі помітним відрізненням, історія та послідовність цих даних є справді вражаючими. Завдяки нашому партнерству з Snowflake наші клієнти тепер можуть безпечно та швидко отримувати доступ до наших довготривалих наборів даних високоякісних RWD, можливість, яка традиційно була прихована через фрагментовані системи та складні ручні процеси інгестії даних. Для компаній з охорони здоров’я та біофармацевтичних компаній особливо важливо мати впевненість, що їхній партнер надає дані, які є послідовними та надійними для прийняття рішень, що є абсолютно критичним для пацієнтів, яких вони обслуговують. Ця основа є крає stone нашої пропозиції RWD, яку ми продовжимо розширювати за обсягом та типами знань, які ми можемо генерувати.

Які основні технічні чи урядові виклики при зв’язуванні або інтеграції наборів даних з різних джерел для побудови повної реальної доказової бази?

Все починається з визнання основи наших даних, яка повертається до взаємодій між пацієнтом та його постачальником, аптечною організацією та платником. Часто ці взаємодії є особистими та походять від суттєвих точок дотику в їхньому власному лікуванні. Це робить нас відповідальними за дані, які ми маємо, і вимагає від нас сильного управління цими даними. Ми дуже серйозно ставимося до цієї відповідальності в компанії Inovalon, особливо коли мова йде про те, як RWD впливає на процеси реальної доказової бази. Як ми вирішуємо керувати, захищати та використовувати наші дані, визначає нашу авторитетність та довіру, яку ми маємо з нашими партнерами в екосистемі.

Одним з найбільших викликів, з якими ми стикаємося, є баланс між використанням даних та конфіденційністю. Якщо увага зосереджена виключно на конфіденційності, ви втрачаєте можливість повністю аналізувати та витягувати цінність з даних. Однак, якщо увага зосереджена тільки на аналізі, ви ризикуєте не виконувати своїх етичних або нормативних зобов’язань перед пацієнтами та сім’ями. Це складний баланс, який не тільки технічний, але й урядовий. Ми постійно мусимо розглядати, що ми можемо зробити, що ми повинні робити, і чого ми не можемо робити, щоб захистити дані, які ми маємо,，同时 максимізуючи їхню цінність та вплив на ширшу екосистему охорони здоров’я.

З технічної точки зору іншим великим викликом є зв’язування. Незалежно від того, наскільки глибоким чи широким є окремий набір даних, він ніколи не достатній сам по собі. Можливість зв’язувати набори даних з різних джерел є критичною, і ми пріоритезуємо це щодня завдяки нашій роботі з різними партнерами.

У кінцевому підсумку управління полягає у знаходженні правильного балансу між захистом даних належним чином та одночасно розширюючи межі того, що можливо, щоб реалізувати найбільшу цінність для більшої добробуту. Це не завжди легко, особливо коли деякі регуляції, хоча й доброзичайні, можуть непередбачено гальмувати інновації або обмежувати потенційні вигоди, які ми могли б надати пацієнтам та ширшій екосистемі. Наша роль полягає у тому, щоб бути ретельними опікунами даних, діяти в межах угод постачальників та регуляцій, і все ж знаходити відповідальні способи інновувати.

Останнім є структурний виклик, пов’язаний з тим, що екосистема охорони здоров’я є високофрагментованою. Для того щоб клієнт міг отримати доступ до всіх необхідних даних, часто це вимагає витягування з кількох наборів даних та зв’язування даних через різні точки догляду, з багатьма посередниками між ними. У порівнянні з галузями, такими як фінансові послуги, охорона здоров’я відстає на роки, якщо не десятиліття, у сфері інтеграції даних та інтероперабельності. Однак це також величезна можливість для Inovalon. Якщо ми зможемо продовжувати просувати, як дані пов’язуються, надаються та креативно використовуються, ми зможемо надати набагато більш інноваційні аналітичні рішення та рішення, які в кінцевому підсумку приносять користь пацієнтам.

Як ви балансуйте конфіденційність, нормативну відповідність та інновації при розгортанні моделей штучного інтелекту на чутливих даних про здоров’я?

Я думаю про штучний інтелект як про те, що в кінцевому підсумку замінює або покращує те, що можна теоретично зробити сьогодні, тільки швидше, розумніше та більш просунутим чином. Коли клієнт хоче розгорнути модель штучного інтелекту на наших даних, це щось, що ми повинні прийняти. Як і при будь-якому використанні наших даних, існують умови та обмеження, які визначають, що клієнт може робити, а чого ні. Ці умови не змінюються у світі штучного інтелекту, і нам потрібно бути спонсорами. Ми не повинні боятися цього. Ми повинні прийняти його відповідально, щоб штучний інтелект міг розвиватися, оскільки він має потенціал принести величезну користь екосистемі охорони здоров’я.

Штучний інтелект вимагає історичних даних для побудови моделей та поточних даних для їх підтримки. З нашої точки зору як постачальника даних це сильна позиція, оскільки після побудови моделі на наших даних вона стає ще більш вбудованою. Ми повинні підходити до кожної моделі, як ми підходимо до будь-якого клієнтського випадку, забезпечуючи, щоб вона була належним чином ліцензована та керувалася. Більш чутливою частиною штучного інтелекту, особливо в галузі охорони здоров’я, є забезпечення того, щоб завжди був людина у циклі під час надання допомоги. Це набагато ширша тема, і про неї багато хто веде дискусію.

З точки зору RWD ми ще на початку етапу. Штучний інтелект ще не приніс багато революційних результатів у сфері охорони здоров’я, особливо якщо зосередитися на випадках використання RWD. Ми досліджуємо ряд можливостей, включаючи, наприклад, машинне навчання для витягування з клінічних нотаток, яке є більш фундаментальним застосуванням штучного інтелекту. За цим ми розглядаємо використання штучного інтелекту у клінічних випробуваннях та прогнозуванні захворювань. Ми на початку цього шляху, але потенціал є величезним. У компанії Inovalon ми зосереджені на тому, щоб забезпечити, щоб у нас були дані найвищої якості, які можуть бути використані у поєднанні зі штучним інтелектом відповідально, з сильним управлінням та людським наглядом,，同时 готуючись до масштабування його впливу, оскільки технологія та екосистема дозрівають.

З ваших розмов з клієнтами, які є найбільш поширеними проблемами щодо прийняття штучного інтелекту та аналітики, керованої реальними даними, у сфері охорони здоров’я, і як ви реагуєте на них?

Найпоширенішими проблемами, які я чую, є якість даних та дозволи на використання наших даних для навчання їхніх власних моделей штучного інтелекту. Для якості даних штучний інтелект підтверджує принцип “сміття в, сміття out”. Якщо якість даних погана, тобто дані не чисті або, можливо, не достатньо даних, то вихідні дані не будуть дуже цінними. Наші клієнти очікують послідовних, точних та надійних даних. Враховуючи величезні об’єми, які ми керуюємо, однією з моїх перших пріоритетів було забезпечення якості даних на всіх рівнях. Ми працювали над тим, щоб очистити, видалити дублікати, нормалізувати, стандартизувати та доставити дані вниз за потоком. Взяття на себе відповідальності за якість даних також допомагає шляхом поліпшення послідовності та надійності наших наборів даних, що дозволяє нам доставляти більше в рамках наших традиційних пропозицій з аналітики даних, а також аналітики, заснованої на штучному інтелекті.

Другим аспектом є те, як наші дані можуть бути використані для підтримки розробки моделей штучного інтелекту. Як організація, керована даними, для нас важливо, щоб ми дозволяли ці нові випадки використання. Враховуючи швидку еволюцію ландшафту даних та штучного інтелекту, ми адаптували свій підхід, щоб дозволити це відповідально, підтримуючи сильне управління, чіткі умови використання та визначені заходи безпеки. Ця еволюція дозволяє нашим клієнтам інновувати з впевненістю зі штучним інтелектом,同时 забезпечуючи відповідальну, відповідну та етичну практику даних.

Як ви вимірюєте успіх чи ROI для клієнтів, які приймають вашу платформу та аналітику, і які метрики їм найважливіше?

Ми вимірюємо успіх реальними впливами, які наша платформа та аналітика мають на операційні та клінічні результати наших клієнтів. Це може включати різноманітні міри успіху, залежно від клієнта, наприклад покращення рейтингів CMS у Medicare Advantage, оптимізацію коригування ризику або генерацію дієвої реальної доказової бази для галузей життя. Спільним є те, що знання повинні бути своєчасними, надійними та дієвими.

Для метрик клієнти, залежно від того, де вони знаходяться у сфері охорони здоров’я, можуть зосереджуватися на аспектах, таких як покращення якості, зниження пробілів у догляді, краща дотримання протоколів лікування або вимірювані вигоди з точки зору витрат чи використання. Клієнти розуміють ROI, коли наша аналітика допомагає їм приймати обґрунтовані рішення, які покращують результати пацієнтів, оперативну ефективність та/або стратегічну продуктивність.

Оглядаючи вперед на 5 років, як ви очікуєте, що штучний інтелект та RWD будуть розвиватися в галузі охорони здоров’я та життя, і яку наступну межу ви бачите?

За 5 років галузь охорони здоров’я може виглядати зовсім інакше, ніж зараз, але це неможливо передбачити, як швидко галузь буде розвиватися. Єдина певність полягає у тому, що це буде трансформаційно. Хоча темп інновацій є надзвичайним, прогрес залишається обмеженим через фрагментацію екосистеми охорони здоров’я, яка охоплює лабораторії, аптеки та електронні медичні записи, де небагато організацій можуть дійсно зв’язати ці джерела даних значущим чином.

Хоча це може бути обмежувальним фактором, якщо дані можна зв’язати та створити довготривало у нормалізованому та стандартизованому вигляді, то я думаю, що все можливе. Штучний інтелект буде все більше підтримувати все, від клінічної підтримки до того, як організації з охорони здоров’я підходять до клінічних випробувань та виконання. У найближчі 5 років ми побачимо більше автоматизації, покращеного використання передбачувальної аналітики та підвищеної зв’язності, яка надає організаціям доступ до знань, які їм потрібні в режимі реального часу, все це має потенціал трансформувати пацієнтів та операції з охорони здоров’я в цілому.

Для організацій, які тільки починають досліджувати інтеграцію штучного інтелекту з реальними даними, які три поради ви дали б?

По-перше, і найважливіше, зосередитися на даних та постійно оцінювати якість ваших даних. По-друге, використовуйте інтелект ваших співробітників. Реальність полягає у тому, що найкращі ідеї можуть походити з будь-якого рівня організації, особливо молодшого покоління, яке вступає на робочу силу та живе і дихає даними, штучним інтелектом та технологіями. Лідери повинні знайти способи використати ідеї та інновації, які глибоко всередині організації, і створити платформу для цих перспектив, щоб вони могли бути почутими та зібрані. По-третє, найняти правильних людей. Без правильних людей та технічного таланту інновації в темпі, створення цінності та конкуренція будуть майже неможливі.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Inovalon.