Джей Ферро, Головний інформаційний, технологічний і продукт-офіцер, Clario – Серія інтерв’ю

Джей Ферро є Головним інформаційним, технологічним і продукт-офіцером у Clario, він має понад 25 років досвіду керівництва командами інформаційних технологій і продукції, з особливим акцентом на захисті даних і пристрастю до створення технологій і продуктів, які мають значний вплив.

До того, як приєднатися до Clario, Джей обіймав керівні посади, включаючи CIO, CTO і CPO, у глобальних організаціях, таких як Quikrete Companies і American Cancer Society. Він також є членом ради директорів у Allata, LLC. Його професійні досягнення були визнані кілька разів, включаючи нагороди від Atlanta Technology Professionals як Виконавчий лідер року і HMG Strategy як CIO середнього рівня.

Clario є лідером у сфері клінічних досліджень, пропонуючи комплексні технології кінцевих точок для перетворення життя шляхом надійного і точного генерування доказів. Спеціалізуючись на онкологічних дослідженнях, Clario підкреслює пацієнт-відчуті результати (PROs), щоб підвищити ефективність, забезпечити безпеку і покращити якість життя, відстоюючи електронні PROs як більш економічну альтернативу паперу. З експертизою у терапевтичних областях і глобальному регуляторному дотриманні, Clario підтримує децентралізовані, гібридні і сайт-орієнтовані дослідження у понад 100 країнах, використовуючи передові технології, такі як штучний інтелект і підключені пристрої. Їхні рішення оптимізують процеси досліджень, забезпечуючи дотримання вимог і утримання пацієнтів і спонсорів.

Clario інтегрував понад 30 моделей штучного інтелекту на різних етапах клінічних досліджень. Чи можете ви надати приклади того, як ці моделі покращують конкретні аспекти досліджень, такі як онкологія або кардіологія?

Ми використовуємо наші моделі штучного інтелекту, щоб надати швидкість, якість, точність і конфіденційність нашим клієнтам у понад 800 клінічних дослідженнях. Я пишаюсь тим, що наші інструменти не просто частина гіп-циклу штучного інтелекту – вони надають реальну цінність нашим клієнтам у цих дослідженнях.

Сьогодні наші моделі штучного інтелекту переважно належать до чотирьох категорій: захисту даних, допомоги у якості контролю, допомоги у читанні і аналізі даних. Наприклад, у нас є інструменти у медичній візуалізації, які можуть автоматично видалити особисту ідентифікаційну інформацію (PII) у статичних зображеннях, відео чи PDF-файлах. Ми також використовуємо інструменти штучного інтелекту, які надають дані з швидкими оцінками якості на момент завантаження – тому є велика впевненість у цих даних. Ми розробили інструмент, який безперервно контролює якість сигналу ЕКГ, і інший, який підтверджує правильні ідентифікатори пацієнтів. Ми розробили інструмент допомоги у читанні, який дозволяє передбачити зріз, поширення ураження і виявлення захворювання. Крім того, ми покращили аналіз даних шляхом автоматизації і стандартизації інтерпретації даних за допомогою інструментів, таких як підтримка кількісної оцінки ульцеративного коліту Майо.

Це лише кілька прикладів типів моделей штучного інтелекту, які ми розробили з 2018 року, і хоча ми зробили багато прогресу, ми тільки починаємо.

Як Clario забезпечує, щоб інсайти, одержані за допомогою штучного інтелекту, зберігали високу точність і послідовність у різних середовищах клінічних досліджень?

Ми постійно тренуємо наші моделі штучного інтелекту на величезних обсягах даних, щоб зрозуміти різницю між добрими даними і даними, які не є добрими або актуальними. В результаті наш аналіз даних, одержаний за допомогою штучного інтелекту, виявляє, попередньо аналізує багаті історії даних і в кінцевому підсумку приводить до вищої якості результатів для наших клієнтів.

Наші рішення для спірометрії гарно ілюструють, чому ми робимо це. Клініцисти використовують спірометрію, щоб допомогти діагностувати і контролювати певні захворювання легенів, вимірюючи, скільки повітря пацієнт може видихнути за один примусовий вдих. Є кілька помилок, які можуть виникнути, коли пацієнт використовує спірометр. Вони можуть виконувати тест занадто повільно, кашляти під час тесту або не можуть зробити повний герметичний шов навколо мундштука спірометра. Будь-яка з цих змін може викликати помилку, яка може не бути виявлена до тих пір, поки людина не проаналізує результати. Ми тренували глибокі моделі навчання на понад 50 000 прикладах, щоб вивчити різницю між добрим і поганим читанням. З нашими пристроями і алгоритмами клініцисти можуть бачити цінність даних у майже реальному часі, а не чекати на аналіз людини. Це має значення частково тому, що деяким пацієнтам може довестися проїхати кілька годин, щоб взяти участь у клінічному дослідженні. Представіть собі, що ви проїжджаєте цю відстань додому від сайту, тільки щоб дізнатися, що вам потрібно буде пройти ще один тест на спірометрі наступного тижня, оскільки перший показав помилку. Наші моделі штучного інтелекту забезпечують точне перечитування даних, поки пацієнт ще знаходиться на сайті. Якщо є помилка, її можна виправити на місці. Це лише один із способів, яким ми працюємо над зменшенням навантаження на сайти і пацієнтів.

Чи можете ви розповісти про те, як моделі штучного інтелекту Clario зменшують час збору даних без компрометації якості даних?

Генерування даних найвищої якості для клінічних досліджень завжди є нашим пріоритетом, але сутність наших алгоритмів штучного інтелекту полягає в тому, що захоплення і аналіз даних прискорюються драматично. Як я вже згадував, наші алгоритми дозволяють нам проводити аналіз якості швидше і з вищою точністю, ніж інтерпретація людини. Вони також дозволяють нам проводити перевірки якості під час введення даних. Це означає, що ми можемо виявити відсутні, помилкові або низькоякісні дані пацієнтів, поки пацієнт ще знаходиться на сайті дослідження, а не повідомляти їм про це дні або тижні пізніше.

Як Clario подолує проблеми децентралізованих і гібридних досліджень, особливо у сфері захисту даних, участі пацієнтів і якості даних?

Зараз децентралізоване дослідження насправді є дослідженням з гібридним компонентом. Я думаю, що концепція дозволу учасникам використовувати свої власні пристрої або підключені пристрої вдома відкриває двері до більших можливостей у дослідженнях, особливо у сфері доступності. Зробити дослідження легше для участі – це ключовий фокус нашої технологічної дорожньої карти, яка спрямована на розробку рішень, які покращують розмаїття пацієнтів, оптимізують набір і утримання, збільшують зручність для учасників і розширюють можливості для більш інклюзивних клінічних досліджень. Ми пропонуємо спірометрію вдома, тиск крові вдома, електронну оцінку результатів лікування (eCOA) та інші рішення, які забезпечують ту саму цілісність даних, що і традиційні рішення, і робимо це під наглядом наших експертів з кінцевих точок і терапевтичних областей. Результатом є кращий досвід пацієнта для кращих даних кінцевих точок.

Яка унікальна перевага пропонується підходом Clario, заснованим на штучному інтелекті, для зменшення термінів клінічних досліджень і витрат для фармацевтичних, біотехнологічних і медичних компаній?

Ми розробляємо інструменти штучного інтелекту з 2018 року, і вони проникли у все, що ми робимо внутрішньо і, безумовно, у нашу продукцію. І те, що ніколи не залишало нас, – це те, що ми робимо це у відповідальний спосіб: зберігаючи людей у циклі, партнерствуючи з регуляторами, партнерствуючи з нашими клієнтами і включаючи наші юридичні, приватні і наукові команди, щоб переконатися, що ми робимо все правильно.

Відповідальне розроблення і розгортання штучного інтелекту повинно позитивно впливати на наших клієнтів різними способами. Основою нашої програми штучного інтелекту є те, що, на нашу думку, є першими принципами відповідального використання у галузі. Кожна людина у Clario, хто торкається штучного інтелекту, слідує цим п’яти принципам. Серед них ми приймаємо всі заходи, щоб переконатися, що ми використовуємо найбільш різноманітні дані, доступні для навчання наших алгоритмів. Ми моніторимо і тестируємо, щоб виявити і пом’якшити ризики, і використовуємо лише анонімізовані дані для навчання моделей і алгоритмів. Коли ми застосовуємо такі керівні принципи при розробці нового інструменту штучного інтелекту, ми можемо швидко доставляти точні дані – у масштабі – які зменшують упередженість, збільшують різноманітність і захищають приватність пацієнтів. Чим швидше ми можемо доставити точні дані спонсорам, тим більший вплив це має на їхній дно лінії і, в кінцевому підсумку, на результати лікування пацієнтів.

Моделі штучного інтелекту іноді можуть відображати упередженість, закладену в даних. Які заходи приймає Clario, щоб забезпечити чесну і необізнану аналіз даних у дослідженнях?

Ми знаємо, що упередженість відбувається, коли набір даних для навчання обмежений для його передбачуваного використання. Спочатку набір даних може здаватися достатнім, але коли кінцевий користувач починає використовувати інструмент і тягне штучний інтелект за межі того, для чого він був навчений реагувати, це може привести до помилок. Головний медичний офіцер Clario, доктор Тодд Рудо, іноді використовує цей приклад: ми можемо навчити модель визначати правильне розміщення електродів у електрокардіограмах (ЕКГ), щоб клініцисти могли сказати, чи техніки правильно розмістили електроди на тілі пацієнта. У нас є тонни великих даних, щоб навчити цю модель на 100 000 ЕКГ. Але що відбувається, якщо ми навичимо нашу модель штучного інтелекту лише на даних про дорослих тести? Як модель поведеться, якщо ЕКГ проводиться на 2-річному пацієнті? Чітко, що це потенційно може пропустити помилки, які мають вплив на лікування.

Тому у Clario наші продукти, дані, команди R&D і науки працюють у тісній співпраці, щоб переконатися, що ми використовуємо найбільш повні дані для навчання, щоб забезпечити точність і надійність у реальних застосуваннях. Ми використовуємо найбільш різноманітні дані, доступні для навчання алгоритмів, включених до наших продуктів. Це також причина, чому ми наполягаємо на використанні нагляду людини для пом’якшення ризиків під час розроблення і використання штучного інтелекту.

Як процес нагляду і моніторингу людини у Clario інтегрується з результатами штучного інтелекту, щоб забезпечити дотримання нормативних вимог і етичних стандартів?

Нагляд людини означає, що у нас є команди людей, які знають точно, як наші моделі розробляються, тренуються і валідуються. І під час розроблення, і після того, як ми інтегруємо модель у технологію, наші експерти моніторять результати, щоб виявити потенційну упередженість і переконатися, що результати справедливі і надійні. Я вважаю, що штучний інтелект – це про посилення науки і людської геніальності. Штучний інтелект надає людям можливість зосередитися на вищому рівні складності. Ми неймовірно хороші у вирішенні проблем і все ще значно кращі за машини в інтуїції і нюансах. У Clario ми використовуємо штучний інтелект, щоб позбутися повторюваних речей. Ми використовуємо його для аналізу широких наборів даних, будь то зображення пацієнтів, попередні дослідження або будь-що інше, що ми хочемо проаналізувати. Зазвичай машини можуть зробити це швидше, і в деяких випадках краще, ніж люди можуть. Але вони не можуть замінити людську інтуїцію і науку та реальний досвід людей у нашій галузі.

Як ви бачите вплив штучного інтелекту на клінічні дослідження за найближчі кілька років, особливо у сфері онкології, кардіології і респіраторних досліджень?

У сфері онкології я схвильований просуванням застосування штучного інтелекту у радіоміці, який витягує кількісні метрики з медичних зображень. Радіоміка включає кілька кроків, включаючи отримання зображення пухлин, попередню обробку зображень, витягання функцій і розроблення моделей, за якими слідує валідация і клінічне застосування. Використовуючи все більш просунуті інструменти штучного інтелекту, ми зможемо передбачити поведінку пухлин, підібрати реакцію на лікування і передбачити результати лікування на основі неінвазивної візуалізації пухлин. Ми зможемо використовувати його для виявлення ранніх ознак захворювання і раннього виявлення повторного захворювання. Коли все більш просунуті інструменти штучного інтелекту будуть інтегровані у радіоміку і клінічні потоки, ми побачимо величезні кроки вперед у сфері онкології і догляду за пацієнтами.

Я також схвильований майбутнім респіраторних досліджень. Цього року ми придбали ArtiQ, бельгійську компанію, яка розробила інструменти штучного інтелекту для покращення збору респіраторних даних у клінічних дослідженнях. Її засновник тепер є моїм головним офіцером штучного інтелекту, і ми очікуємо великих речей у сфері респіраторних рішень. Наш підхід до застосування алгоритмів став гральнозмінним, не в останню чергу тому, що він допомагає зменшити навантаження на пацієнтів і сайти. Коли дані про видихання не аналізуються в реальному часі, а аномалія виявляється пізніше, це змушує пацієнта повернутися до клініки на ще один тест. Це не тільки додає стрес для пацієнта, але також може створити затримки і додаткові витрати для спонсора дослідження, і це може привести до різних оперативних проблем. Наші нові пристрої для спірометрії використовують інструменти ArtiQ, щоб подолати це навантаження, пропонуючи майже реальне перечитування даних. Це означає, що якщо виникають будь-які проблеми, їх можна виявити і виправити негайно, поки пацієнт ще знаходиться в клініці.

Нарешті, ми розробляємо інструменти, які матимуть вплив на різні терапевтичні області. Незабаром, наприклад, ми побачимо, як штучний інтелект доставляє все більше цінності у сфері електронної оцінки клінічних результатів (eCOA). Ми побачимо інструменти штучного інтелекту, які захоплюють і вимірюють тонкі зміни, які відчуває пацієнт. Ця технологія допоможе багатьом дослідникам, але, наприклад, дослідникам Альцгеймера буде легше зрозуміти, на якій стадії захворювання знаходиться пацієнт. З цією інформацією можна краще оцінити ефективність ліків, а пацієнти і їхні опікуни зможуть краще підготуватися до управління захворюванням.

Яку роль, на вашу думку, штучний інтелект зіграє у розширенні різноманітності клінічних досліджень і покращенні здоров’я населення?

Якщо ви дивитесь на штучний інтелект лише через технічну лінзу, я думаю, ви потрапляєте у проблеми. Штучний інтелект потрібно підходити з усіх боків: техніки, науки, регулювання тощо. У нашій галузі справжня досконалість досягається лише через співпрацю людей, яка розширює можливість поставити правильні питання, такі як: “Чи тренуємо ми моделі, які беруть до уваги вік, стать, стать, расу і етнічну приналежність?” Якщо всі інші у нашій галузі ставлять ці питання до розроблення інструментів, штучний інтелект не тільки прискорить розроблення ліків, а й прискорить його для всіх популяцій пацієнтів.

Чи можете ви поділитися планами Clario щодо еволюції штучного інтелекту у сфері клінічних досліджень у 2025 році і далі?

У 2025 році ми бачимо, як біофарма використовує штучний інтелект і аналіз у реальному часі, як ніколи раніше. Ці досягнення оптимізують клінічні дослідження і покращать процес прийняття рішень. Прискорюючи будівництво досліджень і реалізуючи моніторинг на основі ризиків, ми зможемо прискорити терміни, зменшити навантаження на пацієнтів і дозволити спонсорам доставляти ліки, які врятують життя, з більшою точністю і ефективністю. Це цікавий час для всіх нас, оскільки ми працюємо разом, щоб перетворити охорону здоров’я.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, рекомендуємо відвідати Clario.