Patrick Leung, CTO của Faro Health – Loạt Phỏng Vấn

Patrick Leung, CTO của Faro Health, thúc đẩy nền tảng được hỗ trợ bởi AI của công ty, giúp đơn giản hóa và tăng tốc thiết kế giao thức thử nghiệm lâm sàng. Các công cụ của Faro Health giúp tăng hiệu quả, tiêu chuẩn hóa và độ chính xác trong việc lập kế hoạch thử nghiệm, tích hợp các thông tin dựa trên dữ liệu và các quy trình được简 hóa để giảm thiểu rủi ro, chi phí và gánh nặng cho bệnh nhân.

Faro Health giúp các nhóm nghiên cứu lâm sàng phát triển các giao thức thử nghiệm được tối ưu hóa và tiêu chuẩn hóa nhanh hơn, thúc đẩy sự đổi mới trong nghiên cứu lâm sàng.

Bạn đã dành nhiều năm xây dựng AI tại Google (GOOGL ). Những dự án thú vị nhất bạn đã làm việc trong thời gian tại Google là gì, và những kinh nghiệm đó đã định hình cách tiếp cận của bạn với AI như thế nào?

Tôi đã làm việc trong nhóm xây dựng Google Duplex, một hệ thống AI đối thoại có thể gọi điện cho các nhà hàng và doanh nghiệp khác thay mặt người dùng. Đây là một dự án tuyệt mật với rất nhiều người tài năng. Nhóm làm việc nhanh chóng, luôn thử nghiệm các ý tưởng mới và có các bản demo mới nhất mỗi tuần. Đó là một trải nghiệm rất thú vị khi làm việc trong một nhóm như vậy.

Một trong những điều tôi học được trong nhóm này là ngay cả khi bạn làm việc với các mô hình AI mới nhất, đôi khi bạn vẫn cần phải linh hoạt để đạt được trải nghiệm người dùng và giá trị mong muốn. Để tạo ra các cuộc trò chuyện bằng giọng nói siêu thực, nhóm đã ghép các bản ghi âm với các từ tạm thời như “um” để làm cho cuộc trò chuyện nghe tự nhiên hơn. Đó là một trải nghiệm thú vị khi đọc những gì báo chí nói về lý do tại sao những “um” đó có mặt sau khi chúng tôi ra mắt!

Cả bạn và CEO của Faro đều đến từ các công ty công nghệ lớn. Kinh nghiệm quá khứ của bạn đã ảnh hưởng đến sự phát triển và chiến lược của Faro như thế nào?

Nhiều lần trong sự nghiệp của tôi, tôi đã xây dựng các công ty bán các sản phẩm và dịch vụ cho các công ty lớn. Faro cũng nhắm vào các công ty dược phẩm lớn nhất thế giới, vì vậy có rất nhiều kinh nghiệm về việc làm thế nào để giành được và hợp tác với các doanh nghiệp lớn như vậy. Làm việc tại Two Sigma, một quỹ đầu tư thuật toán lớn có trụ sở tại New York City, thực sự đã định hình cách tôi tiếp cận khoa học dữ liệu. Họ có một quy trình nghiên cứu nghiêm ngặt, trong đó tất cả các ý tưởng mới được đưa vào một kế hoạch nghiên cứu và được thử nghiệm kỹ lưỡng. Họ cũng có một tổ chức kỹ thuật dữ liệu rất phát triển để tích hợp các tập dữ liệu mới và thực hiện kỹ thuật tính năng. Khi Faro tăng cường khả năng AI để giải quyết nhiều vấn đề hơn trong phát triển thử nghiệm lâm sàng, cách tiếp cận này sẽ rất phù hợp và có thể áp dụng cho những gì chúng tôi đang làm.

Faro Health được xây dựng xung quanh việc đơn giản hóa sự phức tạp của thiết kế thử nghiệm lâm sàng với AI. Là người không có nền tảng lâm sàng, “giờ phút aha” nào đã giúp bạn hiểu được các điểm đau cụ thể trong thiết kế giao thức cần được giải quyết?

“Giờ phút aha” đầu tiên của tôi xảy ra khi tôi gặp khái niệm “Eroom’s Law”. Eroom không phải là một người, mà là “Moore” được viết ngược. Tên này được đặt một cách hài hước để ám chỉ việc trong 50 năm qua, chi phí và thời gian phát triển thuốc lâm sàng đã tăng gấp đôi mỗi 9 năm, điều này đi ngược lại với toàn bộ cuộc cách mạng công nghệ thông tin, và thực sự làm tôi choáng váng. Điều này thực sự đã thuyết phục tôi rằng có một vấn đề khổng lồ cần được giải quyết!

Khi tôi深入 vào lĩnh vực này và bắt đầu hiểu rõ hơn về các vấn đề cơ bản, có rất nhiều nhận xét như vậy. Một nhận xét cơ bản và rõ ràng là rằng các tài liệu Word không phải là định dạng tốt để thiết kế và lưu trữ các thử nghiệm lâm sàng phức tạp! Đây là một quan sát quan trọng, được sinh ra từ kinh nghiệm lâm sàng của CEO Scott, mà Faro được xây dựng dựa trên đó. Ngoài ra, còn có quan sát rằng theo thời gian, các thử nghiệm có xu hướng trở nên phức tạp hơn, vì các nhóm nghiên cứu lâm sàng thường sao chép và dán các giao thức trước đó, sau đó thêm các đánh giá mới để thu thập thêm dữ liệu. Cung cấp cho người dùng càng nhiều thông tin hữu ích càng tốt, càng sớm càng tốt, trong quá trình thiết kế nghiên cứu là một giá trị quan trọng của Faro.

Vai trò của AI trong nền tảng của Faro là gì để đảm bảo thiết kế giao thức thử nghiệm lâm sàng nhanh hơn và chính xác hơn? Làm thế nào công cụ “AI Co-Author” của Faro khác biệt với các giải pháp AI tạo sinh khác?

Điều này có vẻ rõ ràng, nhưng bạn không thể chỉ yêu cầu ChatGPT tạo ra một tài liệu giao thức thử nghiệm lâm sàng. Trước hết, bạn cần có thông tin thử nghiệm cấu trúc cao như Lịch trình Hoạt động được thể hiện chi tiết để hiển thị thông tin chính xác trong các phần kỹ thuật của tài liệu giao thức. Thứ hai, có nhiều chi tiết và điều khoản cụ thể cần phải có mặt trong tài liệu cho các loại thử nghiệm nhất định, và một phong cách và mức độ chi tiết nhất định mà các nhà văn và người xem y tế mong đợi. Tại Faro, chúng tôi đã xây dựng một hệ thống đánh giá giao thức độc quyền để đảm bảo rằng nội dung mà mô hình ngôn ngữ lớn (LLM) tạo ra sẽ đáp ứng các tiêu chuẩn nghiêm ngặt của người dùng và cơ quan quản lý.

Khi các thử nghiệm cho các bệnh hiếm và miễn dịch trở nên phức tạp hơn, Faro đảm bảo AI có thể đáp ứng các nhu cầu chuyên biệt này mà không hy sinh độ chính xác hoặc chất lượng như thế nào?

Một mô hình chỉ tốt như dữ liệu nó được đào tạo. Vì vậy, khi tiền tuyến của y học hiện đại tiến bộ, chúng tôi cần phải theo kịp bằng cách đào tạo và thử nghiệm các mô hình của mình với các thử nghiệm lâm sàng mới nhất. Điều này đòi hỏi chúng tôi phải liên tục mở rộng thư viện các giao thức lâm sàng được số hóa – chúng tôi thực sự tự hào về khối lượng giao thức thử nghiệm lâm sàng mà chúng tôi đã đưa vào thư viện dữ liệu của Faro, và chúng tôi luôn ưu tiên sự phát triển của tập dữ liệu này. Điều này cũng đòi hỏi chúng tôi phải dựa nhiều vào đội ngũ chuyên gia lâm sàng trong nhà, những người liên tục đánh giá đầu ra của mô hình của chúng tôi và cung cấp bất kỳ thay đổi cần thiết nào đối với các “danh sách kiểm tra đánh giá” mà chúng tôi sử dụng để đảm bảo độ chính xác và chất lượng của nó.

Quan hệ đối tác của Faro với Veeva và các công ty hàng đầu khác tích hợp nền tảng của bạn vào hệ sinh thái thử nghiệm lâm sàng rộng lớn hơn. Những quan hệ đối tác này giúp đơn giản hóa toàn bộ quá trình thử nghiệm, từ thiết kế giao thức đến thực hiện, như thế nào?

Trái tim của một thử nghiệm lâm sàng là giao thức, mà công cụ Study Designer của Faro giúp khách hàng thiết kế và tối ưu hóa. Giao thức thông báo mọi thứ về thử nghiệm, nhưng truyền thống, các giao thức được thiết kế và lưu trữ trong các tài liệu Word. Do đó, một trong những thách thức lớn trong việc vận hành phát triển lâm sàng ngày nay là việc chuyển đổi hoặc “dịch” dữ liệu từ giao thức hoặc các nguồn tài liệu khác sang các hệ thống hoặc thậm chí các tài liệu khác. Như bạn có thể tưởng tượng, việc con người tự tay chuyển đổi thông tin từ tài liệu sang các hệ thống khác là vô cùng không hiệu quả và tạo ra nhiều cơ hội cho lỗi trên đường đi.

Tầm nhìn của Faro là một nền tảng thống nhất nơi “định nghĩa” hoặc các yếu tố của một thử nghiệm lâm sàng có thể chảy từ hệ thống thiết kế nơi chúng được tạo ra, xuống các hệ thống khác hoặc cần thiết trong giai đoạn hoạt động của thử nghiệm. Khi có luồng thông tin không gián đoạn như vậy, sẽ có cơ hội đáng kể cho tự động hóa và cải thiện chất lượng, giúp chúng tôi có thể giảm đáng kể thời gian và chi phí để thiết kế và thực hiện một thử nghiệm lâm sàng. Quan hệ đối tác của Faro với Veeva để kết nối Study Designer của chúng tôi với Veeva Vault EDC chỉ là một bước trong hướng này, với nhiều điều nữa sẽ đến.

Những thách thức chính mà AI phải đối mặt trong việc đơn giản hóa các thử nghiệm lâm sàng là gì, và Faro vượt qua chúng như thế nào, đặc biệt là trong việc đảm bảo tính minh bạch và tránh các vấn đề như thiên vị hoặc ảo giác trong đầu ra AI?

Có một tiêu chuẩn cao hơn nhiều cho các tài liệu thử nghiệm lâm sàng so với hầu hết các lĩnh vực khác. Những tài liệu này ảnh hưởng đến cuộc sống của những người thực sự, và do đó, chúng phải trải qua một quá trình xem xét quy định rất nghiêm ngặt. Khi chúng tôi bắt đầu tạo ra các tài liệu lâm sàng bằng cách sử dụng LLM, rõ ràng là với các mô hình ngoài hộp, đầu ra không gần đạt được kỳ vọng. Không có gì ngạc nhiên, giọng điệu, mức độ chi tiết, định dạng – mọi thứ – đều không phù hợp, và được định hướng nhiều hơn cho giao tiếp kinh doanh chung, chứ không phải là tài liệu lâm sàng chuyên môn. Để phát triển một giải pháp AI tạo sinh có thể đáp ứng tiêu chuẩn cao về tính đặc thù của lĩnh vực và chất lượng mà người dùng của chúng tôi mong đợi, chúng tôi đã phải dành rất nhiều thời gian để cộng tác với các chuyên gia lâm sàng để tạo ra các hướng dẫn và danh sách kiểm tra đánh giá đảm bảo rằng đầu ra của chúng tôi không bị ảo giác hoặc đơn giản là bỏ qua các chi tiết quan trọng. Chúng tôi cũng cần phải cung cấp khả năng cho người dùng cuối cung cấp hướng dẫn và sửa lỗi của riêng họ cho đầu ra, vì các khách hàng khác nhau có các mẫu và tiêu chuẩn khác nhau hướng dẫn quá trình tạo tài liệu của họ.

Nhìn về tương lai, bạn thấy AI sẽ phát triển như thế nào trong bối cảnh các thử nghiệm lâm sàng? Vai trò của Faro sẽ là gì trong quá trình chuyển đổi số của lĩnh vực này trong thập kỷ tới?

Khi thời gian trôi qua, AI sẽ giúp cải thiện và tối ưu hóa ngày càng nhiều quyết định và quy trình trong toàn bộ quá trình phát triển lâm sàng. Chúng tôi sẽ có thể dự đoán các kết quả chính dựa trên đầu vào thiết kế giao thức, như liệu nhóm nghiên cứu có thể mong đợi gặp khó khăn trong việc đăng ký hoặc liệu nghiên cứu sẽ yêu cầu một sửa đổi do các thách thức hoạt động. Với những thông tin dự đoán như vậy, chúng tôi sẽ có thể giúp tối ưu hóa các hoạt động hạ nguồn của thử nghiệm, đảm bảo rằng cả các địa điểm và bệnh nhân đều có trải nghiệm tốt nhất, và khả năng thành công hoạt động của thử nghiệm là cao nhất có thể. Ngoài việc khám phá những khả năng này, Faro cũng dự định sẽ tiếp tục tạo ra một loạt các tài liệu lâm sàng khác nhau để tất cả các quy trình nộp đơn và thủ tục giấy tờ của thử nghiệm trở nên hiệu quả và ít lỗi hơn. Và chúng tôi hình dung một thế giới nơi AI cho phép nền tảng của chúng tôi trở thành một đối tác thiết kế thực sự, tham gia vào một cuộc đối thoại tạo sinh với các nhà khoa học lâm sàng để giúp họ thiết kế các thử nghiệm mà thực hiện các giao dịch đúng đắn giữa gánh nặng bệnh nhân, gánh nặng địa điểm, thời gian, chi phí và độ phức tạp.

Làm thế nào sự tập trung của Faro vào thiết kế lấy bệnh nhân làm trung tâm ảnh hưởng đến hiệu quả và thành công của các thử nghiệm lâm sàng, đặc biệt là trong việc giảm gánh nặng cho bệnh nhân và cải thiện khả năng tiếp cận nghiên cứu?

Các thử nghiệm lâm sàng thường bị kẹt giữa nhu cầu thu thập thêm dữ liệu của người tham gia – điều này có nghĩa là nhiều đánh giá hoặc xét nghiệm hơn cho bệnh nhân – và quản lý tính khả thi hoạt động của thử nghiệm, chẳng hạn như khả năng đăng ký và giữ chân người tham gia. Nhưng việc đăng ký và giữ chân bệnh nhân là một trong những thách thức lớn nhất đối với việc hoàn thành thành công một thử nghiệm lâm sàng ngày nay – theo một số ước tính, tới 20-30% bệnh nhân sẽ bỏ thử nghiệm do gánh nặng của việc tham gia, bao gồm các chuyến thăm thường xuyên, thủ tục xâm lấn và giao thức phức tạp. Mặc dù các nhóm nghiên cứu lâm sàng nhận thức được tác động của các thử nghiệm có gánh nặng cao đối với bệnh nhân, nhưng việc thực hiện các biện pháp cụ thể để giảm gánh nặng có thể khó khăn trong thực tế. Chúng tôi tin rằng một trong những rào cản để giảm gánh nặng cho bệnh nhân là thường không thể định lượng được – rất khó đo lường tác động đến bệnh nhân khi thiết kế của bạn nằm trong một tài liệu Word hoặc tệp pdf.

Sử dụng Study Designer của Faro, các nhóm phát triển lâm sàng có thể nhận được thông tin chi tiết về tác động của giao thức cụ thể của họ đối với gánh nặng bệnh nhân trong quá trình lập kế hoạch giao thức. Bằng cách cấu trúc các thử nghiệm và cung cấp thông tin phân tích về chi phí, gánh nặng bệnh nhân, độ phức tạp sớm trong giai đoạn thiết kế thử nghiệm, Faro cung cấp cho các nhóm nghiên cứu lâm sàng một cách rất hiệu quả để tối ưu hóa thiết kế thử nghiệm của họ bằng cách cân bằng các yếu tố này với nhu cầu khoa học để thu thập thêm dữ liệu. Khách hàng của chúng tôi yêu thích việc chúng tôi cung cấp cho họ cái nhìn về gánh nặng bệnh nhân và các chỉ số liên quan tại một điểm trong quá trình phát triển mà các thay đổi là dễ dàng thực hiện, và họ có thể thực hiện các giao dịch thông minh khi cần thiết. Cuối cùng, chúng tôi đã thấy khách hàng của mình tiết kiệm hàng nghìn giờ thời gian tập thể của bệnh nhân, điều mà chúng tôi biết sẽ có tác động tích cực ngay lập tức cho những người tham gia nghiên cứu, đồng thời giúp đảm bảo rằng các thử nghiệm lâm sàng có thể khởi động và hoàn thành đúng thời hạn.

Điều gì bạn khuyên các công ty khởi nghiệp hoặc các công ty muốn tích hợp AI vào các quy trình thử nghiệm lâm sàng của họ dựa trên kinh nghiệm của bạn tại cả Google và Faro?

Đây là những điểm chính mà tôi muốn chia sẻ từ kinh nghiệm của chúng tôi trong việc áp dụng AI vào lĩnh vực này:

1. Chia và đánh giá các lời nhắc AI. Các mô hình ngôn ngữ lớn như GPT không được thiết kế để tạo ra tài liệu lâm sàng cấp độ chuyên môn. Vì vậy, nếu bạn dự định sử dụng AI tạo sinh để tự động hóa việc tạo tài liệu thử nghiệm lâm sàng, bạn cần có một khuôn khổ đánh giá đảm bảo rằng đầu ra tạo ra là chính xác, đầy đủ, có mức độ chi tiết và giọng điệu phù hợp, v.v. Điều này đòi hỏi rất nhiều thử nghiệm cẩn thận của mô hình dưới sự hướng dẫn của các chuyên gia lâm sàng.
2. Sử dụng một đại diện cấu trúc của một thử nghiệm. Không có cách nào bạn có thể tạo ra các phân tích dữ liệu cần thiết để thiết kế một thử nghiệm lâm sàng tối ưu mà không có một kho lưu trữ cấu trúc. Nhiều công ty ngày nay sử dụng tài liệu Word – thậm chí không phải là Excel! – để mô hình hóa các thử nghiệm lâm sàng. Điều này phải được thực hiện với một mô hình lĩnh vực cấu trúc chính xác đại diện cho sự phức tạp của một thử nghiệm – lược đồ của nó, mục tiêu và điểm cuối, lịch trình đánh giá, v.v. Điều này đòi hỏi rất nhiều đầu vào và phản hồi từ các chuyên gia lâm sàng.
3. Chuyên gia lâm sàng là rất quan trọng cho chất lượng. Như đã thấy trong hai điểm trước, việc có các chuyên gia lâm sàng trực tiếp tham gia vào thiết kế và thử nghiệm của bất kỳ hệ thống phát triển lâm sàng dựa trên AI nào là tuyệt đối quan trọng. Điều này còn hơn thế so với bất kỳ lĩnh vực nào tôi đã làm việc, đơn giản vì kiến thức cần thiết là rất chuyên biệt, chi tiết và thấm vào bất kỳ sản phẩm nào bạn cố gắng xây dựng trong không gian này.

Chúng tôi luôn thử nghiệm những điều mới mẻ và thường xuyên chia sẻ phát hiện của mình trên blog để giúp các công ty điều hướng không gian này.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Faro Health.