Метт Волц, генеральний директор Trialbee – Серія інтерв’ю

Метт Волц є генеральним директором Trialbee, глобальним лідером у сфері технологій patient recruitment. Він має понад 20 років досвіду у сфері розробки програмного забезпечення та керівництва у галузі життєвих наук. Метт розпочав свою кар’єру як розробник і займав різні технічні та керівні посади у Rollins Corporation, PSCI, Microsoft (MSFT ), Morgan Lewis та Datalabs. У 2006 році Метт став співзасновником NextDocs, який став глобальним лідером у сфері клінічної, якісної та регуляторної документації, де він обіймав посади технічного директора, директора з питань безпеки та члена ради директорів протягом 9 років. Перед тим, як приєднатися до Trialbee, Метт провів 5 років на посаді генерального менеджера з питань життєвих наук та віце-президента з питань стратегічних рахунків у компанії Aurea Software, яка придбала NextDocs.

Trialbee є компанією у сфері охорони здоров’я, яка спрощує patient recruitment для клінічних досліджень. Використовуючи дані аналітики, цифровий маркетинг та докази з реального світу, вона підбирає, залучає та попередньо кваліфікує пацієнтів для прискорення набору. Її платформа пропонує прозорість джерел та партнерів, допомагаючи спонсорам, CRO та клінікам керувати процесом набору більш ефективно, одночасно знижуючи навантаження на клініки.

Ви працювали у сфері охорони здоров’я та клінічних досліджень. Які особисті досвіди чи моменти у Вашій кар’єрі привели Вас до розуміння потенціалу та ризиків штучного інтелекту у patient recruitment?

Штучний інтелект є найшвидше розвивається технологією, яку я бачив за понад два десятиліття роботи у сфері клінічного розвитку – швидше, ніж у перші дні прийняття хмарних технологій. Що було для мене найбільш вражаючим, так це те, як штучний інтелект перейшов від концептуальної стадії до стадії реалізації у галузі, яка традиційно повільно приймає нові технології – і зараз він є пріоритетом навіть у регуляторних органах, таких як FDA. Для клінічного patient recruitment конкретно ми ще перебуваємо на початкових етапах вивчення того, де він найкраще підходить. Постачальники та спонсори досліджень вивчають штучний інтелект для розробки протоколів, персоналізації та націлювання, збагачення даних, локалізації та комунікацій та залучення – які є всіма великими точками тертя для команд досліджень.

З іншого боку, існує певний ризик, пов’язаний з цим потенціалом. Я розмовляв з керівниками великих фармацевтичних компаній, які підкреслюють, що хоча штучний інтелект з’являється у все більшій кількості точок робочого процесу, він не може працювати без контролю. Надзор людини є фундаментальним.

Це стосується як питань якості та безпеки, так і того, що наші компанії, такі як Trialbee, зв’язуються з пацієнтами та сім’ями, які шукають надії – це дуже людський та емпатичний досвід, який не може бути замінений штучним інтелектом у значимий спосіб для пацієнтів, яких ми обслуговуємо.

Клінічний patient recruitment традиційно стикається з проблемами різноманітності, швидкості та точності. Як Ви вважаєте, штучний інтелект допомагає подолати ці виклики – і де він ще не достатньо ефективний?

Штучний інтелект допомагає спрощувати деякі з найповільніших та найбільш ресурсоємних частин процесу набору. Наприклад, речі, які раніше займали тижні – наприклад, переклад матеріалів дослідження на десятки мов – тепер скорочуються до годин. Це означає, що ми можемо починати набір швидше на більш глобальних ринках.

Коли мова йде про точність, агенти, що працюють на основі штучного інтелекту, починають допомагати нам забезпечувати більш послідовні, відповідні критеріям взаємодії, від матеріалів, які ми створюємо, до попередньої кваліфікації та чат-ботів. Ці інструменти особливо корисні для зниження рівня відпадання, яке сповільнює процес набору.

Різноманітність залишається викликом, хоча. Штучний інтелект є лише таким же представницьким, як і дані, на яких він навчений, а представництво також формується факторами поза технологією – включаючи країну-за-країною регуляторні обмеження, які обмежують використання штучного інтелекту у ролях, орієнтованих на пацієнтів. Будування довіри з учасниками клінічних досліджень було викликом протягом усієї історії клінічних досліджень, а взаємодія з інструментами штучного інтелекту зустрічається з різними рівнями скептицизму. З урахуванням цього ми підтримуємо підхід, який би дав людям можливість взаємодіяти з живим медичним фахівцем або, наприклад, агентом штучного інтелекту, залежно від їхнього бажання та рівня комфорту. Це може допомогти досягти учасників з різними рівнями комфорту щодо штучного інтелекту, одночасно забезпечуючи сильний надзор, особливо для агентського штучного інтелекту, хоча й повинні бути включені заходи безпеки, такі як окремі механізми висновків.

Ви згадали раніше, що інструменти штучного інтелекту розгортаються швидше, ніж будь-яка попередня інновація у patient recruitment. Але з глобальними регуляторами, які борються за те, щоб поспіти за цим, які найбільш нагальні пробіли у сфері нагляду Ви бачите у багатомільйонних клінічних кампаніях?

Найбільший пробіл – це відсутність регуляторної узгодженості між географічними регіонами. У США агентства, такі як FDA, приймають штучний інтелект з новими рамками та процесами раннього огляду. Натомість Європа рухається більш обережно, зосереджуючись на тому, щоб крокувати обережно та застосовувати більш суворі регуляторні огляди.

Для компаній, таких як наша, які працюють глобально, це створює виклик: те, що прийнятно в одній країні, може не бути прийнятним в іншій. І розбіжність не лише у регуляціях, але й у тому, як різні канали чи соціальні медіа-платформи, такі як Facebook (META ), можуть бути використані для набору, як обробляється особиста інформація, або як збирається згоди пацієнтів. Це нюанси, які вимагають оперативної гнучкості та глибокого розуміння регіональних стандартів етики та відповідності.

Це саме там, де наша історія інновацій та внутрішня глобальна культура стають великими активами, оскільки ми навигуємо у захоплюючому, але дуже динамічному ландшафті штучного інтелекту.

Як відсутність глобальної узгодженості у регуляторних рамках може зірвати прийняття штучного інтелекту у клінічних дослідженнях? Чи бачили Ви реальні наслідки цього?

Абсолютно. Цифрові стратегії реклами, на які ми покладаємося для patient recruitment, є хорошим прикладом цього. Facebook є однією з найбільш ефективних глобальних платформ, але навіть у країнах, де це дозволено, рівень націлювання, який вам дозволено робити, та дані, які ви можете використовувати, сильно різняться. Ми будемо будувати внутрішню експертизу, щоб подолати ці відмінності, і очікуємо, що регуляція штучного інтелекту буде слідувати подібному шляху.

У практичному сенсі обмеження, які ця дилема накладає на команди набору, можуть призвести до затримок у запуску кампаній, додаткових циклів з комітетами з питань етики та більш складних робочих процесів відповідності. Якщо ви не глибоко усвідомлюєте, як кожна країна інтерпретує використання штучного інтелекту, особливо у ролях, орієнтованих на пацієнтів, ви ризикуєте сповільнити дослідження або зіткнутися з серйозними бар’єрами схвалення.

Trialbee працює на перетині даних, технологій та взаємодії з пацієнтами. Як Ви забезпечуєте, щоб стратегії набору, що базуються на штучному інтелекті, не звели пацієнтів до даних, а навпаки, підвищували людський аспект досліджень?

Відмінне та важливе питання для всіх нас. Як я згадував раніше, я бачу штучний інтелект як можливість наділити людей можливостями – не замінити їх. Це особливо вірно у дуже особистій галузі, у якій ми працюємо, де ми намагаємося допомогти поколінням пацієнтів жити здоровим життям у всьому світі. Наш бізнес – це теплий, про зв’язок людей, і люди завжди будуть у його центрі.

Коли мова йде про щоденну діяльність, найкращий штучний інтелект, який ми можемо забезпечити – наприклад, у нашій платформі Honey – буде аналізувати дані та тенденції та спонукати сайти та команди досліджень до дії, де це необхідно. Ми вже робимо це, і продовжимо додавати можливості, щоб забезпечити, що цінні дані, які ми захоплюємо, будуть використані для того, щоб зробити різницю у дослідженні. Це може означати надання щоденних оглядів прогресу набору або спонукання до повторної взаємодії з конкретними пацієнтами з допомогою прогнозної моделі.

Внутрішньо ми використовуємо штучний інтелект по всьому нашому організації систематично та спільно. Два хороші приклади цього можуть бути переклад матеріалів набору та штучний інтелект, що пригнічує потенційні особисті дані – все це завжди буде контролюватися досвідченим людиною. Отже, Ви, мабуть, побачите, як ми використовуємо штучний інтелект, щоб зробити нашу чудову команду сильнішою, а не навпаки.

Які конкретні навички є найбільш критичними для команд клінічних досліджень, щоб відповідально керувати та регулювати інструменти штучного інтелекту сьогодні?

Найбільш критичні навички лежать на перетині клінічної експертизи, грамотності штучного інтелекту та регуляторної грамотності. Команди повинні розуміти, як взаємодіяти з платформами штучного інтелекту ефективно, спонукуючи їх з точністю та критично переглядаючи їхні виходи.

Є також зростаюча потреба у регуляторному розумінні. Як я згадував раніше, це особливо потрібно для таких областей, як агентський штучний інтелект, де ми будемо будувати окремі механізми висновків, щоб служити бар’єрами у взаємодії з пацієнтами. Команди також повинні бути здатні оцінювати зміст, перекладений штучним інтелектом, та верифікувати його точність та культурну значимість до того, як матеріали будуть подані до комітетів з питань етики.

Прийом штучного інтелекту прискорюється. Як Ви порадите клінічним дослідникам, які є вагаючими чи перевантаженими складністю інтеграції штучного інтелекту у свої робочі процеси?

Хтось колись сказав, що коли Ви починаєте працювати зі штучним інтелектом, переконайтеся, що Ви використовуєте Фактичний інтелект. Машинне навчання може забезпечувати дивовижні речі – якщо воно має експертизу, контекст та бар’єри експертів-доменів за ним.

Моя порада – починати з малого та залишатися на землі у тому, що Ви можете забезпечити сьогодні. Одним з найбільших помилок, яких я бачу, є компанії, які схиляються надто далеко у напрямку розпливчатих обіцянок про трансформацію штучного інтелекту без пояснення того, як це працює насправді чи коли воно буде готове. Хоча ці обіцянки можуть звучати добре в моменті, вони можуть підірвати довіру, оскільки вони не показують доказів справжнього плану.

Кращий шлях – розбити прийняття на мали, визначені кроки з чіткими результатами. Виберіть одну чи дві високоефективні області, де штучний інтелект може видалити тертя, та переконайтеся, що вони підтримуються правильним наглядом. Будьте конкретними щодо інструментів, які Ви використовуєте, як вони встановлені, та, найважливіше, як Ви захищаєте чутливу інформацію. Це підхід, який ми приймаємо в Trialbee. Ми розмовляємо лише з зацікавленими сторонами про можливості, які ми активно будемо будувати, зазвичай не більше трьох місяців вперед, оскільки ми хочемо забезпечити, що ми спілкуємося про те, що реальне.

У Trialbee ми зараз просимо різні відділи чи команди щотижня представляти випадки, які працювали для них. Ми обговорюємо як «як», так і «чому», щоб поділитися знаннями, викликами та рішеннями, щоб інші могли повторити їхні успіхи штучного інтелекту, щоб поліпшити ефективність, доставку клієнтів чи результати набору.

Ми також підкреслюємо прозорість щодо інструментів, які ми використовуємо для забезпечення цих можливостей. Якщо ми використовуємо ChatGPT від OpenAI чи Claude від Anthropic, наприклад, ми описуємо налаштування для зацікавлених сторін, включаючи те, як ми ізолюємо чутливу інформацію та застосовуємо людський нагляд. Як тільки вони побачать вигоди у дії, наприклад, заощадження часу у робочих процесах перекладу чи підвищення швидкості на ранній стадії скринінгу пацієнтів, вони з більшою ймовірністю погодяться з наступним випадком використання штучного інтелекту. І так, це менше про продаж великої візії та більше про доведення цінності крок за кроком.

FDA та інші регулятори починають ставити більш складні питання щодо моделей штучного інтелекту, використовуваних у розробці ліків. Які стандарти прозорості, валідності чи аудитабельності Ви вважаєте, що повинні стати галузевими нормами?

Галузь повинна рухатися у напрямку повної прозорості та забезпечувати людський нагляд у кожному рішенні, підтримуваному штучним інтелектом. Наприклад, коли ми говоримо про агентський штучний інтелект, ми вже працюємо над тим, щоб вбудувати регуляторну логіку у окремий механізм висновків, який може оцінювати та виправляти розмови в реальному часі. Така внутрішня система контролю повинна стати стандартом у будь-якій aplikacji, орієнтованій на пацієнтів. Протоколи валідації також повинні бути формалізовані, включаючи бенчмаркінг та постійні оцінки продуктивності.

Найважливіше, ці стандарти повинні бути інтегровані у процес розробки продукту та не прикріплені до нього пізніше. Такий рівень суворості буде необхідним для підтримання безпеки пацієнтів, здобуття довіри регуляторів та масштабування штучного інтелекту відповідально по всім клінічним дослідженням.

Моделі штучного інтелекту часто покладаються на історичні набори даних, які можуть відображати системні упередження у сфері охорони здоров’я. Як Ви підходите до забезпечення справедливості та різноманітності у patient recruitment, особливо для недопредставлених популяцій?

Не маючи штучного інтелекту, не було того, що стримувало різноманітність у клінічних дослідженнях – не було справжнього плану. І штучний інтелект не може допомогти з цим. Як тільки є справжнє зобов’язання, штучний інтелект може бути потужним інструментом, який допоможе нам досягти недопредставлених груп більш ефективно, але лише якщо ми намагаємося. Тому в Trialbee ми розширюємо дані, які використовує наш модель, будемо партнерами з громадами та постійно моніторимо результати набору, щоб переконатися, що жодна група не залишається позаду.

Ви згадали, що ваша команда запускає нові продукти, пов’язані зі штучним інтелектом, пізніше цього року. Чи можете Ви надати загальний огляд проблем, які Ви вирішуєте – і як ці інновації відображають Вашу ширшу філософію щодо відповідального використання штучного інтелекту?

Trialbee має культуру інновацій, і штучний інтелект є великою та зростаючою складовою цього. Цього року наша платформа Honey запустила нові робочі процеси сайтів, реєстр пацієнентів для спонсорів та випадки використання, що підтримують веб-сайти клінічних досліджень для глобальних біофармацевтичних брендів, таких як BMSClinicalTrials.com. Що стосується штучного інтелекту, Ви побачите нові функції та покращення, що будуть запущені протягом наступних 3, 6, 12 місяців та пізніше. Ми розробляємо чат-боти, розумні інструменти та більше всередині Honey, а також оцінюємо нові способи спрощення процесів для наших клієнтів. Внутрішньо ми використовуємо його, щоб стати більш цілеспрямованими, більш намереними, більш інклюзивними та більш ефективними у всьому, що ми робимо – з досвідченим членом команди, який керує кожним рішенням та інтерпретує контекст для всіх моделей штучного інтелекту, які ми використовуємо.

Оглядаючи перспективу на п’ять років вперед, як Ви бачите розвиток ролі Trialbee у формуванні більш етичного, ефективного та глобально узгодженого майбутнього для patient recruitment?

Через п’ять років я бачу Trialbee як провідного постачальника послуг patient recruitment, що використовує штучний інтелект у клінічних дослідженнях. Ми вже інтегруємо генеративний штучний інтелект у кожну частину процесу набору, де він може прискорити швидкість, покращити точність або підвищити варіанти пацієнтів. Як я згадував раніше, ми активно оцінюємо інструменти, які б дали людям можливість взаємодіяти з живим медичним фахівцем або агентом штучного інтелекту, залежно від їхнього бажання та рівня комфорту. Ми вважаємо, що надання людям цього вибору є ключем до збільшення довіри та участі з часом.

Етично ми зобов’язані забезпечити, щоб штучний інтелект був реалізований з регуляторною суворістю та прозорістю. Це означає вбудовування механізмів нагляду у саму технологію та відкритість щодо того, як наші системи працюють. Ми також будемо будувати штучний інтелект у культуру нашої організації – кожний відділ та кожна команда – так, щоб ми були готові адаптуватися, оскільки технологія еволюціонує. В кінцевому підсумку ми хочемо бути компанією, яка допоможе визначити, як штучний інтелект використовується відповідально протягом клінічних досліджень. Якщо ми зробимо це правильно, ми можемо допомогти сформувати майбутнє, де дослідження будуть швидшими, більш інклюзивними та легшими для пацієнтів для доступу незалежно від того, де вони живуть чи якої мови вони говорять.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Trialbee.