Phỏng vấn
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 cải thiện hiệu quả, tiêu chuẩn hóa và độ chính xác trong việc lập kế hoạch thử nghiệm, tích hợp thông tin dựa trên dữ liệu và quy trình được简 hóa để giảm thiểu rủi ro, chi phí và gánh nặng cho bệnh nhân.
Faro Health trao quyền cho các nhóm nghiên cứu lâm sàng để phát triển các giao thức thử nghiệm được tối ưu hóa, 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. 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 AI của bạn như thế nào?
Tôi đã từng là thành viên của đội xây dựng Google Duplex, một hệ thống AI đối thoại 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. Đội ngũ luôn đổi mới, thử nghiệm ý tưởng mới và có những bản demo thú vị về những điều mới nhất mà mọi người đang làm việc. Thật truyền cảm hứng khi được là một phần của đội như vậy.
Một trong những điều tôi học được từ đội này là ngay cả khi bạn làm việc với các mô hình AI mới nhất, đôi khi bạn vẫn cần phải linh hoạt để có được trải nghiệm người dùng và giá trị mà bạn muốn. Để tạo ra các cuộc trò chuyện bằng lời nói siêu thực, đội đã ghép các bản ghi lại với các yếu tố như “um” để làm cho cuộc trò chuyện nghe tự nhiên hơn. Thật 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 trong quá khứ của bạn đã ảnh hưởng đến sự phát triển và chiến lược của Faro như thế nào?
Nhiều lần trong sự nghiệp, 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 phải làm gì để giành được và hợp tác với các doanh nghiệp lớn. Làm việc tại Two Sigma, một quỹ đầu tư thuật toán lớn có trụ sở tại Thành phố New York, thực sự đã định hình cách tôi tiếp cận khoa học dữ liệu. Họ có một quy trình nghiên cứu nghiêm ngặt, tất cả các ý tưởng mới được đưa vào kế hoạch nghiên cứu và được kiểm tra 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. Đến từ một nền tảng không lâm sàng, “giờ thì” nào đã giúp bạn hiểu được các điểm đau cụ thể trong thiết kế giao thức cần được giải quyết?
“Giờ thì” đầu tiên của tôi xảy ra khi tôi gặp khái niệm “Eroom’s Law”. Eroom không phải là một người, mà chỉ là “Moore” được viết ngược. Tên này là một tham chiếu đến 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 bối rối. Nó thực sự thuyết phục tôi rằng có một vấn đề khổng lồ cần được giải quyết!
Khi tôi深入 hơn vào lĩnh vực này và bắt đầu hiểu rõ hơn về các vấn đề cơ bản, có rất nhiều cái nhìn sâu sắc như thế này. Một quan sát cơ bản và rất 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 thực sự sao chép và dán các giao thức trước đó, và sau đó thêm các đánh giá mới để thu thập thêm dữ liệu. Cung cấp cho người dùng càng nhiều thông tin quý giá 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 để đảm bảo thiết kế giao thức thử nghiệm lâm sàng nhanh hơn và chính xác hơn? Công cụ “AI Co-Author” của Faro khác với các giải pháp AI tạo sinh khác như thế nào?
Có thể nghe 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 cụ thể, có cấu trúc cao, chẳng hạn 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 rất 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 y tế và người xem 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.
Những thử nghiệm cho các bệnh hiếm và miễn dịch – ung thư 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 kiểm tra các mô hình của mình với các thử nghiệm lâm sàng mới nhất. Điều này đòi hỏi chúng tôi phải不断 mở rộng thư viện các giao thức lâm sàng được số hóa – chúng tôi vô cùng 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 và cung cấp bất kỳ thay đổi cần thiết nào đối với các “danh sách kiểm tra đánh giá” chúng tôi sử dụng để đảm bảo độ chính xác và chất lượng của nó.
Sự hợp 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 hợp tác này giúp简 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 Faro’s Study Designer giúp khách hàng của chúng tôi 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 tài liệu Word. Vì vậy, 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 nguồn tài liệu khác sang các hệ thống hoặc tài liệu khác. Như bạn có thể tưởng tượng, việc con người tự tay dịch thông tin từ tài liệu sang các hệ thống khác là vô cùng không hiệu quả và giới thiệu 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 suy nghĩ lần đầu tiên, đến các hệ thống khác hoặc cần thiết trong giai đoạn hoạt động của thử nghiệm. Khi loại luồng thông tin không gián đoạn này được thiết lập, sẽ có cơ hội lớn cho tự động hóa và cải thiện chất lượng, có nghĩa là chúng tôi có thể giảm đáng kể thời gian và chi phí để thiết kế và thực hiện một thử nghiệm lâm sàng. Sự hợp tác của chúng tôi với Veeva để kết nối Study Designer của chúng tôi với Veeva Vault EDC chỉ là một bước trong hướng này, với nhiều điều hơn nữa sẽ đến.
Các thách thức chính mà AI phải đối mặt trong việc đơn giản hóa các thử nghiệm lâm sàng, và Faro vượt qua chúng như thế nào, đặc biệt là về 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 người thực, và do đó, chúng phải trải qua một quá trình xem xét quy định rất nghiêm ngặt. Khi chúng tôi đầu tiên bắt đầu tạo ra các tài liệu lâm sàng bằng cách sử dụng một 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 các giao tiếp kinh doanh chung, chứ không phải là tài liệu lâm sàng chuyên gia. Để phát triển một giải pháp AI tạo sinh có thể đáp ứng tiêu chuẩn cao về đặc thù lĩnh vực và chất lượng mà người dùng của chúng tôi mong đợi, chúng tôi đã phải dành rất nhiều thời gian hợp tác với các chuyên gia lâm sàng để tạo ra các hướng dẫn và danh sách kiểm tra đánh giá đảm bảo đầu ra của chúng tôi không bị ảo giác hoặc đơn giản là bỏ qua các chi tiết quan trọng, và có giọng điệu phù hợp. Chúng tôi cũng cần cung cấp khả năng cho người dùng cuối cung cấp hướng dẫn và sửa đổi 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.
Cũng có thách thức rằng dữ liệu lâm sàng chi tiết cần thiết để tạo ra đầy đủ tài liệu giao thức thử nghiệm có thể không có sẵn, thường được lưu trữ sâu trong các tài liệu phức tạp khác như tờ thông tin điều tra. Chúng tôi đang xem xét việc sử dụng AI để giúp trích xuất thông tin như vậy và làm cho nó có sẵn để sử dụng trong việc tạo ra các phần tài liệu giao thức lâm sàng.
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 không gian này trong thập kỷ tới?
Khi thời gian trôi qua, AI sẽ giúp cải thiện và tối ưu hóa nhiều quyết định và quy trình hơn 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 khi đăng ký, hoặc liệu nghiên cứu sẽ yêu cầu một sửa đổi do các thách thức hoạt động. Với loại 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 trang web và bệnh nhân đều có trải nghiệm tốt nhất, và rằng 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 và giấy tờ của thử nghiệm đều hiệu quả và ít sai sót hơn. Và chúng tôi dự đoán 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 phù hợp giữa gánh nặng bệnh nhân, gánh nặng trang web, thời gian, chi phí và độ phức tạp.
Làm thế nào mà 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 về 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 dữ liệu của người tham gia nhiều hơn – có nghĩa là nhiều đánh giá hoặc xét nghiệm hơn cho bệnh nhân – và quản lý tính khả thi hoạt động của một thử nghiệm, chẳng hạn như khả năng đăng ký và giữ chân người tham gia. Nhưng việc thu hút và giữ chân bệnh nhân là một trong những thách thức quan trọng 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 chọn tham gia một thử nghiệm lâm sàng cuối cùng sẽ bỏ cuộc do gánh nặng của việc tham gia, bao gồm cả việc thăm khám 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 sự làm gì đó 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 tác động của nó – rất khó đo lường tác động đối với bệnh nhân khi thiết kế của bạn nằm trong một tài liệu Word hoặc pdf.
Sử dụng Faro’s Study Designer, các nhóm phát triển lâm sàng có thể nhận được thông tin chi tiết theo thời gian thực về tác động của giao thức cụ thể của họ đối với gánh nặng cho 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 cho 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 sâu sắc về gánh nặng cho 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 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.
Mẹo lời khuyên bạn sẽ đưa ra cho các công ty khởi nghiệp hoặc 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?
Dưới đây là những điểm chính mà tôi sẽ đưa ra từ kinh nghiệm của chúng tôi trong việc áp dụng AI vào lĩnh vực này:
- 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 gia. 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 được 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.
- Sử dụng một biểu diễn có 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 có cấu trúc. Nhiều công ty ngày nay sử dụng tài liệu Word – thậm chí không phải Excel! – để mô hình hóa các thử nghiệm lâm sàng. Điều này phải được thực hiện với một mô hình lĩnh vực có 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.
- Chuyên gia lâm sàng là rất quan trọng đối với chất lượng. Như đã thấy trong hai điểm trước, việc có 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 nhiều hơn so với bất kỳ lĩnh vực nào khác tôi đã làm việc, đơn giản vì kiến thức cần thiết là rất chuyên sâu, chi tiết và thấm vào bất kỳ sản phẩm nào bạn cố gắng xây dựng trong không gian này.
Chúng tôi liên tục thử nghiệm những điều mới mẻ và thường xuyên chia sẻ phát hiện của mình trên blog của chúng tôi 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.
