艾德·奇德西，Inovalon 智慧业务部门总裁 – 采访系列

艾德·奇德西，Inovalon 智慧业务部门总裁，拥有丰富的金融数据、分析和战略咨询背景——最近担任S&P Global Market Intelligence高级副总裁，在那里他管理着一个拥有2000名员工的十亿美元数据和分析业务，并之前担任私募股权顾问、PeerNova Inc.董事会成员和Mendoza Ventures有限合伙人。

Inovalon是一家美国基于云计算的软件和数据分析解决方案提供商，服务于医疗保健行业。通过其旗舰产品Inovalon ONE®平台，该公司汇集和分析大量的真实世界临床和索赔数据——涵盖数亿人的生命——以支持医疗计划、提供者、药店和生命科学组织改善临床结果、护理质量、风险评分、付款完整性和运营效率。

您在S&P Global (SPGI ) 、IHS Markit和Inovalon有着长期的职业生涯。是什么经历或角色让您专注于真实世界数据（RWD）和医疗保健中的分析，并且它如何塑造了您领导Inovalon智慧业务部门的愿景？

我大部分职业生涯都在建立、运行和扩展数据和分析业务，主要是在金融服务领域，通常从小开始，通过有机和无机战略推动显著增长。在金融行业工作了三十多年后，我需要暂停和重置。我已经在那个世界里待了很长时间，虽然我喜欢这份工作，但环境开始感觉不那么令人满意。所以，在2024年初，我决定离开。

那一年非常令人耳目一新。我花了更多时间与家人在一起，加入了一个公司和一个非营利董事会，甚至在某种程度上参与了我的教堂。这让我有机会专注于平衡、社区和目的，在很长一段时间内我没有这样做。到年底，我意识到我仍然有很多精力和热情去领导团队和建立业务，但我希望这项工作能感觉更个人化和有意义。

当Inovalon CEO Adam Kansler联系我时，告诉我更多关于公司的事情，时机非常合适。我与Adam合作了很多年，并且非常尊重他作为领导者。他描述Inovalon是一家领先的数据和解决方案提供商，能够赋予医疗保健的力量，适用于支付者、提供者、药店组织和生命科学公司，并指出公司正在寻找一个人来领导其智慧业务部门。

在与Adam的对话之前，我没有考虑过我可以将我的数据和分析背景应用于医疗保健行业。然而，随着我了解得更多，这个想法越来越引起我的共鸣。医疗保健数据非常有形，因为它可以以真实的方式影响我们。将我在金融服务中开发的相同分析严谨性和规模应用于改善医疗保健质量和结果的想法非常令人信服。这种目的感是我来到这里的原因，并继续塑造我如何领导智慧业务部门，汇集数据、技术和人员以在医疗保健生态系统中产生可衡量的影响。

您如何看待Inovalon将其高级分析和原始RWD数据发布到Snowflake的AI数据云上，这将如何改变医疗保健和生命科学领域的竞争格局？

我认为这更多的是一种战略举动，以满足客户在他们希望消费数据的平台上获取我们的数据和资源的需求。在我的想法中，确保客户可以以现代、灵活和易于访问的方式获取我们的数据至关重要。由于越来越多的客户正在迁移到像Snowflake这样的平台，我们知道我们需要在那里满足他们的需求，在他们希望消费我们的数据的地方。

Inovalon的RWD产品，如MORE²注册表，与其他真实世界数据平台相比，在质量、深度、及时性或规模方面有什么区别？

我们RWD产品的区别，包括MORE²注册表，在于我们直接从医疗保健生态系统中的各种实体（如医疗保健支付者或提供者）收集的原始数据。这让我们对患者的医疗保健旅程有了整体的了解，使我们能够推断出支持医疗保健连续体各个方面决策的见解。

虽然我们拥有的数据范围本身就是一个显著的区别，但这些数据背后的历史和一致性才是真正了不起的。通过与Snowflake的合作，我们的客户现在可以安全快速地访问我们的大规模、高质量的RWD数据集，这是传统上被碎片化的系统和复杂的数据手动摄取过程所掩盖的。对于生命科学和生物制药公司来说，能够相信他们的合作伙伴将提供可靠的数据以支持决策至关重要，这对于他们服务的患者来说是绝对关键的。这种基础是我们RWD产品的基石，我们正在继续扩大其范围和我们可以生成的见解类型。

将来自不同来源的数据集链接或集成以构建综合的真实世界证据的主要技术或治理挑战是什么？

一切从认识我们数据的基础开始，这些数据源于患者与其提供者、药店和支付者的互动。这些互动通常是个人化的，并源于他们护理中的重要接触点。这使得我们作为数据的受托人至关重要，并且我们需要对这些数据有强大的治理。我们在Inovalon非常认真地对待这一责任，特别是当RWD用于真实世界证据流程时。我们如何管理、保护和使用我们的数据定义了我们的可信度和我们在生态系统中与合作伙伴的信任。

我们面临的最大挑战之一是平衡数据使用和隐私。如果专注于隐私，您将失去完全分析和提取数据价值的能力。然而，如果仅仅关注分析，您就有可能未能满足患者和家庭的道德或监管义务。这种微妙的平衡不仅仅是一个技术挑战，也是一个治理挑战。我们必须不断考虑我们可以做什么、应该做什么和不能做什么来保护我们拥有的数据，同时最大限度地提高其价值和对更广泛的医疗保健生态系统的影响。

从技术角度来看，另一个重大挑战是链接。无论单个数据集有多深或多广，它本身永远不够。连接来自多个来源的数据集的能力至关重要，我们每天都优先考虑这一点，通过与各个合作伙伴的合作。

最终，治理是关于在保护数据的正确方式和推动可能性的界限之间找到正确的平衡，以实现最大的利益。这种平衡并不总是容易的，尤其是当一些法规虽然出于好意，但可能无意中扼杀创新或限制我们可以为患者和更广泛的生态系统提供的潜在利益。我们的角色是数据的谨慎管理者，在供应商协议和法规的界限内运营，同时找到负责任的创新方式。

最后，医疗保健生态系统高度碎片化，这是一个结构性的挑战。为了让客户访问他们需要的所有数据，通常需要从多个数据集中提取数据，并在不同护理点之间链接数据，中间有许多中间商。与金融服务等行业相比，医疗保健在数据集成和互操作性方面落后了很多年，甚至几十年。然而，这也是Inovalon的一个巨大机会。如果我们能够继续推进数据的连接、可用性和创造性使用，我们可以提供更具创新性的分析和解决方案，最终造福患者。

您如何在部署AI模型于敏感健康数据时平衡隐私、法规遵从性和创新？

我认为AI最终是关于用更快、更智能、更先进的方式取代或增强今天可以做的事情。当客户希望在我们的数据上部署AI模型时，我们必须接受这一点。与我们数据的任何使用一样，有条款和条件来定义客户可以和不能做什么。这些基于我们的上游许可、限制和适用的法规。这种框架在AI的世界中不会改变，我们需要成为启用者。我们不能害怕它。我们必须以负责的方式接受它，因为AI有可能极大地造福医疗保健生态系统。

AI需要历史数据来构建模型和持续数据来维护模型。从我们作为数据提供者的角度来看，这是一个强大的位置，因为一旦模型构建在我们的数据上，它就会变得更加根深蒂固。我们必须像对待任何客户使用案例一样对待每个模型，确保它得到适当的许可和治理。AI中更敏感的方面，尤其是在医疗保健领域，是确保在护理交付时始终有一个人参与。这是一个更大的话题，很多人正在辩论它。

从RWD的角度来看，我们仍处于早期阶段。AI尚未在医疗保健领域，尤其是在RWD用例中，带来突破性的结果。我们正在探索机器学习从临床笔记中提取等机会，这是一个更基础的AI应用。除此之外，我们还在研究AI在临床试验应用、疾病进展和可预测性方面的用途。我们才刚刚开始这段旅程，但潜力是巨大的。在Inovalon，我们专注于确保我们拥有最高质量的数据，可以与AI负责地结合使用，具有强大的治理和人工监督，同时准备好扩大其影响力，因为技术和生态系统的成熟度。

从您与客户的对话中来看，采用AI和RWD驱动分析在医疗保健领域最常见的顾虑是什么，您如何回应这些顾虑？

我听到的最常见的顾虑是数据质量和使用我们的数据来训练他们自己的AI模型的权限。对于数据质量，AI的“垃圾进，垃圾出”至关重要。如果数据质量差，即数据不干净或可能没有足够的数据，那么输出也不会很有价值。我们的客户希望数据一致、准确、可靠。鉴于我们管理的数据量巨大，我的首要任务之一是确保数据质量在各个方面都是一致的。我们努力清洗、去重、标准化和向下游交付数据。通过拥有数据质量，我们还可以通过我们的传统数据分析产品和基于AI的分析产品提供更多价值。

第二个考虑是我们的数据可能被用来支持AI模型开发。作为一个数据驱动的组织，允许这些新兴用例至关重要。鉴于数据和AI领域的快速演变，我们已经适应了我们的方法，以一种负责任的方式实现这一目标，通过强大的治理、明确的使用条款和定义的保障来支持。这种演变使我们的客户能够自信地使用AI进行创新，同时确保负责任的、合规的和道德的数据实践。

您如何衡量客户采用您的平台和分析的成功或投资回报率，他们最关心的指标是什么？

我们通过我们的平台和分析对客户的运营和临床成果的实际影响来衡量成功。这可能包括各种成功衡量标准，具体取决于客户，例如改善CMS星级评定、优化风险调整或为生命科学公司生成可行的真实世界证据。共同点是，洞察必须是及时的、值得信赖的和可行的。

对于指标，客户可能关注质量改进、护理差距减少、治疗方案遵守情况改善或可衡量的成本或利用率收益，具体取决于他们在医疗保健连续体中的位置。客户在我们的分析帮助他们做出明智的决定以改善患者结果、运营效率和/或战略绩效时实现投资回报率。

展望未来5年，您预计AI和RWD将如何在医疗保健和生命科学领域演变，您认为下一个前沿领域是什么？

五年后，医疗保健可能会呈现出我们现在无法想象的样子，但唯一可以确定的是它将会经历变革。虽然创新步伐非常快，但进展仍然受到医疗保健生态系统的碎片化的限制，包括实验室、药店和电子健康记录，在那里很少有组织能够真正以有意义的方式连接这些数据源。

虽然这可能是一个限制因素，但如果数据可以以标准化和规范化的方式链接和创建，那么一切皆有可能。AI将越来越多地支持从临床决策支持到生命科学组织如何处理临床试验设计和执行等一切事情。在接下来的五年里，我们将看到更多自动化、增强的预测分析和增加连接性，使组织能够实时获取他们需要的洞察，这一切都有可能改变患者的护理旅程和医疗保健运营。

对于刚刚开始探索将AI与真实世界数据集成的组织，您会给出什么建议？

首先也是最重要的，专注于数据，并确保您不断评估数据的质量。第二，利用员工的思想力量。现实是，最好的想法可以来自组织的每个层级，尤其是那些刚刚进入职场的年轻一代，他们一直生活和呼吸着数据、AI和技术。领导者应该找到方法来利用组织内部的想法和创新，并为这些观点创造一个被听到和收获的平台。第三，聘用合适的人员。没有合适的人员和技术人才，创新、创造价值和保持竞争力将几乎是不可能的。

感谢您接受这次精彩的采访，希望阅读更多的读者可以访问Inovalon。