Tony Hogben Pfizer Digital Omnichannel Services & Solutions (OSS)의 몰입 형 스튜디오 리드입니다. 화이자 Digital Omnichannel Services & Solutions (OSS)는 화이자가 전 세계 환자, 의료 서비스 제공 업체 및 전문가와의 연결 방식을 변화시키는 최전선에 있습니다. OSS는 혁신적인 디지털 전략, 최첨단 기술 및 데이터 중심의 통찰력을 통해 완벽하고 개인화되고 영향력있는 경험을 제공합니다. 고급 분석, 자동화 및 AI 중심 솔루션을 통합함으로써 팀은 참여를 향상시키고 커뮤니케이션을 최적화하며 모든 디지털 터치 포인트에서 의미있는 연결을 이끌어냅니다.
디지털 혁신 및 몰입 형 기술 분야에서 광범위한 경력을 쌓았습니다. 이 분야에 대한 관심을 처음으로 촉발 한 것은 무엇이며 여행이 어떻게 현재 역할로 이끌었습니까?
내 길은 다소 독창적이었습니다. 디지털이 여전히 기반을 찾고있을 때 세기 초에 ‘뉴 미디어’학위를 마친 후, 나는 내 자신의 디지털 대행사를 설립하고 운영했습니다. Web 2.0이 출현하는 동안 일하는 것은 정말로 짜릿했습니다. 우리는 혁신이 유행어가 아닌 환경에서 SaaS 솔루션과 초기 모바일 애플리케이션을 개척하고있었습니다. 그것은 우리의 일상적인 현실이었습니다. 모든 프로젝트는 새로운 지평을 열었고 기업가 에너지는 전염성이있었습니다.
전염병 직전에 사업을 성공적으로 판매 한 후 처음에는 다운 타임을 즐겼지만 전문 지식을 활용할 새로운 도전이 필요하다는 것을 빨리 깨달았습니다. Pfizer Digital에 합류하면 창의적인 비전과 기술 기능을 모두 결합하여 모든 규모의 조직이 디지털 방식으로 변화하는 데 도움이되는 거의 20 년의 경험을 바탕으로했습니다.
몰입 형 스튜디오를 처음부터 구축하는 것은 특히 보람있는 일이되었습니다. 이는 회사의 팀이 몰입 형 및 대화식 기술을 활용할 수있는 내부 혁신 허브를 만들었습니다. 현재 저는 여러 부서 및 사용 사례에 대한 AI 솔루션을 통합하기위한 이니셔티브를 이끌고 팀이 워크 플로우와 기능을 다시 상상하는 데 도움이되는 팀의 일원입니다.
건강 관리로의 전환에 대해 가장 성취 된 것은 우리의 작업이 실질적인 영향을 미치는 환경에서 기술의 교차점과 인간 경험에 대한 열정을 적용하는 것입니다. 여기에서 몰입 형 기술을 통해 우리가 만드는 정밀, 현실주의 및 참여는 의료 전문 교육과 궁극적으로 환자 결과에 직접적인 영향을 미칩니다. 기술 혁신과 인간의 웰빙 사이의 이러한 관계는 매일 나를 이끌어냅니다.
의료 교육은 AI 중심 시뮬레이션으로 변화를 겪고 있습니다. 이러한 AI-Powered 몰입 형 경험은 효과 및 접근성 측면에서 전통적인 훈련 방법과 어떻게 비교됩니까?
AI가 풍경을 어떻게 변화시키고 있는지 탐구하기 전에 몰입 형 경험을 해결함으로써 시작해야합니다.
몰입 형 교육 경험은 유연성을 제공함으로써 의료 교육을 근본적으로 변화시킬 수 없습니다. 학습자는 거의 어디서나, 자신의 속도로, 필요한만큼 복잡한 시나리오를 다시 방문 할 수 있습니다. 증거는 강력하고 몰입 형 학습을위한 지식 유지율이 중요합니다.
AI는 이제 이러한 몰입 형 경험을 네 가지 중요한 방식으로 혁신하고 있습니다.
콘텐츠 제작에서 AI는 고 충실도 시뮬레이션의 개발을 민주화하고 있습니다. 한때 전문 개발자 팀과 몇 달간의 작업 팀을 더 빨리 완료하고 훨씬 적은 사람들에 의해 완료 될 수 있습니다. 이는 개발 잠재력을 잠금 해제하고 컨텐츠를 규모로 생성 할 수있게 해줍니다.
학습자 경험을 위해 AI는 결정과 기술 수준에 따라 실질적으로 시나리오를 조정하는 역동적 인 적응을 가능하게하여 임상 예측 불가능 성을 더 잘 반영하는 진정한 과제를 만듭니다.
피드백 전면에서 AI는 Simple Pass/Fail Metrics 이상의 미묘한 평가를 제공합니다. 학습자의 움직임, 의사 결정 시퀀스를 분석하고 성과를 수천 개의 이전 세션과 비교하여 개인화 된 코칭을 제공 할 수 있습니다.
마지막으로 AI는 자연 언어 처리 및 현실적인 환자 및 팀 상호 작용을 시뮬레이션하는 지능형 아바타를 통한 공동 학습을 가능하게합니다.
접근성 영향은 심오합니다. AI 중심의 몰입 형 경험을 광범위하고 비용 효율적으로 배치하여 전 세계적으로 교육 격차를 해결하는 데 도움이됩니다. 몰입 형 기술과 AI 의이 강력한 조합은 특히 소외 지역에서 고품질 의료 훈련에 대한 접근을 민주화 할 수있는 잠재력을 가지고 있습니다.
*농부, Mads & Makransky, Guido & Wandall, Jakob & Larsen, Mette & Morsing Bagger, Mikkel & Jarmer, Hanne & Sommer, Morten. (2014). 게임 화 된 실험실 시뮬레이션을 통한 생명 공학 교육 향상
회사에서 AI 중심 의료 시뮬레이션이 어떻게 개발되고 있는지에 대한 통찰력을 공유 할 수 있습니까? 이러한 고 충실도 시뮬레이션을 구축 할 때 가장 큰 과제는 무엇입니까?
우리는 AI를 접근 방식에 통합하는 초기 단계에 있습니다. 우리는 우리가 어디로 향하고 있는지에 대한 명확한 비전을 가지고 있지만, 우리가 일하는 엄청나게 규제 된 의료 공간은 체계적인 구현과 엄격한 검증이 필요합니다. 이것은 신속하게 혁신하려는 우리의 욕구와 신중하게 진행할 의무 사이에 긴장을 불러 일으킨다. 우리는 AI에서 일어나는 열광적 인 혁신과 보조를 맞추고 싶다.
현재 우리는 세 가지 주요 영역에서 AI 노력을 집중하고 있습니다.
- 내용 생성 가속도: 우리는 AI를 사용하여 콘텐츠 개발 파이프 라인을 향상시켜 의료 및 교육 설계 팀이 증거 기반 시나리오, 임상 변이 및 환자 모델의 생산을 확장하도록 돕습니다. 이를 통해 시뮬레이션 라이브러리를 크게 확장하면서 품질을 유지할 수 있습니다.
- 기술 개발 가속: 우리는 AI를 활용하여 기술 개발 프로세스를 간소화하여 새로운 시뮬레이션 기능 및 기능의 더 빠른 프로토 타이핑, 테스트 및 배포를 가능하게합니다. 이를 통해 자원 제약을 극복하고 혁신주기를 가속화하는 데 도움이됩니다.
- 학습자 조용 경험: 동시에, 우리는 AI를 시뮬레이션에 직접 통합하여보다 역동적이고 반응적인 학습 환경을 만들 수있는 방법을 개발하고 있습니다. 여기에는 학습자 성능 패턴을 기반으로하는 맞춤형 피드백 시스템 및 적응 적 난이도가 포함됩니다.
진보에는이 영역에서 인내심이 필요하지만 이러한 AI 혁신이 궁극적으로 의료 훈련과 환자 결과를 변화시키는 방법에 대해 흥분합니다.
360도 경험 인 Virtual Laboratory는 의료 전문가 교육을위한 혁신적인 접근 방식입니다. 지금까지 사용자로부터 어떻게 작동하고 어떤 종류의 피드백을 받았습니까?
360도 가상 실험실은 의료 전문가에게 실제 실험실 환경을 걷고, 의료 장비와 상호 작용하고, 절차를 실천하며, 완전히 몰입 형 디지털 공간에서 실제 문제를 해결 한 경험을 제공합니다.
가상 실험실은 모범 사례를 보여주는 직접 실험실의 직접 투어를 보완하도록 설계되었습니다. 우리는 물리적 실험실 방문에는 복잡한 물류 및 일정 제한이 포함되어 있음을 인식하여 전 세계 어디에서나 24/7 디지털 대안에 액세스 할 수있는 디지털 대안을 만들었습니다.
의료 전문가는 지식을 테스트하고 실험실 절차에 대한 이해를 향상시키는 상세하고 대화식 시뮬레이션을 탐색합니다. 이 플랫폼은 여러 장치를 위해 설계되어 학습이 어떻게 그리고 어디에서 발생하는지에 대한 유연성을 보장합니다. 우리는 수많은 의학적 상태에 가상 실험실을 포함하도록 제안을 확장했으며 이러한 경험을 많은 언어로 번역하여 글로벌 교육 요구를 지원했습니다.
피드백은 압도적으로 긍정적이었습니다. 사용자는 세 가지 측면을 지속적으로 칭찬합니다.
- 실재론: 고 충실도 환경은 작업 실험실에서 진정한 존재감을 만듭니다.
- 약혼: 대화식 요소는 학습 경험 전체에 관심과 초점을 유지합니다.
- 유연성: 편리함과 속도로 훈련에 접근하는 능력
가장 중요한 것은 의료 전문가가 전통적인 교육 방법보다 자신의 기술에 대한 자신감과 정보를 더 잘 유지한다고보고합니다. 이 개선 된 지식 유지는 실제 환경에서 더 나은 환자 치료로 직접 해석됩니다.
AI와 몰입 형 기술은 교육을보다 접근 할 수있게 만들 수 있지만 규제 문제, 채택 주저 또는 기술적 한계와 같은 장벽을 극복해야합니까?
의료 훈련에서 새로운 기술을 구현할 때 몰입 형 경험과 AI 응용 분야에서 장벽이 크게 다릅니다.
몰입 형 기술의 주요 과제는 다음과 같습니다.
- 개발 비용 : 전통적으로 고품질 몰입 경험을 만드는 것은 비싸다. 그러나 AI는 실제로 콘텐츠 생성을 가속화하고 생산 시간을 줄임으로써이를 해결하는 데 도움이됩니다.
- 접근성 : 우리는 다양한 장치에서 작동하는 가상 실험실에서 입증 된 바와 같이 여러 플랫폼을 개발하여 몰입 형 교육을받을 수 있도록합니다. 이 접근법을 통해 학습자는 기술 설정에 관계없이 참여할 수 있습니다.
- 입양 주저 : 이것은 아마도 경험이 풍부한 의료 전문가들 사이에서 가장 지속적인 도전 일 것입니다. 우리의 전략은 가파른 학습 곡선을 필요로하지 않고 공간 학습 개념을 도입하는 가상 실험실과 같은 친숙한 형식을 사용하여 점진적 노출입니다. 이것은 더 복잡한 기술로 발전하기 전에 몰입 형 개념으로 편안함을 제공합니다.
AI 통합의 경우 다른 장애물에 직면 해 있습니다.
- 기술적 한계 : 우리는 미래의 발전을위한 기초가 될 강력한 플랫폼과 접근 방식을 구축함으로써이를 통해 적극적으로 노력하고 있습니다.
- 규제 문제 : 이것은 우리의 가장 중요한 도전을 나타냅니다. 규제 기관은 의료 교육에서 AI-Genated Content의 정확성과 유효성에 대해 유효한 의문을 가지고 있습니다. 우리의 접근 방식은 먼저 내부 사용 사례를 개발하여 규제 팀을 건설적으로 참여시키는 데 사용할 수있는 구체적인 예제를 만드는 것입니다. 우리는 적절한 가드 레일을 공동으로 개발하면서 그들의 이해를 지원해야한다는 것을 알고 있습니다.
이러한 장벽을 체계적으로 해결하고 뚜렷한 특성을 인식함으로써 의료 교육에 필요한 높은 표준을 유지하는 책임있는 혁신을위한 경로를 만들고 있습니다.
AI가 전례없는 속도로 가속화되면서 AI가 지원 도구가 아니라 실시간 환자 치료에서보다 적극적인 역할을 수행 할 수있는 시점을 예견합니까?
이 단계는 내 전문 분야를 약간 벗어나지 만 AI가 AI-Asisted Diagnostics 및 실시간 수술 지침과 같은 예제와 함께 Healthcare의 지원 역할을 넘어서 이미 움직이고 있음을 알 수 있습니다. 향후 5 년 동안 AI는 환자 치료에서 훨씬 더 적극적인 역할을 수행 할 것으로 기대하지만 인간을 완전히 대체하지는 않습니다. 대신 AI는 의료 전문가와 함께“인간의 루프”프레임 워크에서 협력하여 완전히 통제하지 않고 도움을 제공 할 것입니다. 이러한 변화는 신뢰와 책임에 대한 윤리적 문제를 제기합니다. AI는 진단이나 치료 계획을 제안 할 수 있지만, 최종 결정은 여전히 환자의 안전을 보장하기 위해 이루어질 것입니다. AI는 의사 결정을 향상시킬 것이지만 인간의 판단은 필수적입니다.
AI 생성 의료 통찰력이 언젠가 특정 작업에서 인간 전문가를 능가 할 수있는 세상에서 의료 산업은 어떻게 이러한 변화를 준비해야합니까?
모든 기술 변화와 함께, 우리는 사람들의 대체보다는 작업 변위를 볼 수 있습니다. 의료 산업은 AI를 전문가의 대체품이 아니라 공동 작업자로 재구성해야합니다. 간단한 방정식입니다. 인간 + AI는 인간 또는 AI만으로도 큽니다.
이러한 변화는 점진적이고 작업별로 이미지 기반 진단, 병리학 스크리닝 및 환자 악화를위한 예측 분석과 같은 영역에서 시작됩니다. 이들은 규모의 패턴 인식이 AI에게 자연스러운 이점을 제공하는 반면, 더 복잡한 임상 추론은 가까운 미래에 인간이 주도 할 것입니다.
우리는 일반적인 전적으로 또는 전혀없는 것이 아니라 즉각적인 가치를 제공하는 작은 타겟팅 된 작업부터 시작해야합니다. 모 놀리 식 용액의 접근. 이 반복적 인 접근 방식을 통해 임상의와 환자는 시간이 지남에 따라 AI 기능을 신뢰할 수 있습니다.
의료 산업은 변화에 저항하는 대신 AI가 의료 생태계에 어떻게 포함되는지 사전에 형성해야하며, 치유의 중심에 남아있는 인간 요소를 감소시키기보다는 향상되도록해야합니다.
궁극적으로 모든 조직이 취해야 할 첫 번째 단계는 AI 노출을 민주화하는 것입니다. 직원이 가능성에 눈을 뜨도록 직원에게 개인적인 도전을 제공합니다. 이미지를 만들거나 이메일을 작성하거나 AI 도구를 사용하여 프레젠테이션을 작성하십시오. 그들이 직접 전력을 경험하면, 그들은 일상 업무에서 의미있는 응용 프로그램을 식별하기 위해 그 흥분을 되 찾을 것입니다. 상향식 혁신은 종종 가장 실용적이고 영향력있는 솔루션을 생성합니다.
많은 회사들이 파일럿 프로젝트를 넘어 AI 솔루션을 확장하는 데 어려움을 겪고 있습니다. AI를 규모로 성공적으로 구현하기 위해 어떤 전략을 사용 했습니까?
저에게 AI 기술 프로젝트를 성공적으로 확장하려면 기술 인프라와 사용자 채택의 두 가지 중요한 과제를 해결해야합니다.
Healthcare의 많은 규제 환경에서 AI 이니셔티브를 확장하기 전에 강력한 기술 기반을 구축하는 것이 필수적입니다. 우리는 혁신과 환자 안전 요구 사항의 균형을 맞추는 안전하고 준수하는 인프라가 필요합니다.
새로운 기술을 통해 채택은 종종 규모의 가장 큰 장벽이됩니다. 우리는 AI를 가능한 한 보이지 않게 만드는 것이 광범위한 채택에 중요하다는 것을 발견했습니다. 예를 들어, 빈 화면에 직면하고 효과적인 프롬프트를 작성해야한다면 대부분의 사용자에게 상당한 마찰이 발생합니다. 대신, 사용자가 사전 구성된 버튼을 클릭하거나 무대 뒤에서 AI를 활용하는 친숙한 워크 플로를 사용할 수있는 솔루션을 설계하고 있습니다.
우리의 접근 방식은 작게 시작하지만 첫날부터 규모를 염두에두고 구축을 시작합니다. 일회성 솔루션을 만드는 대신 여러 사용 사례에 걸쳐 확장 및 용도 변경 될 수있는 모듈 식 구성 요소를 설계합니다. 이를 통해 성공적인 조종사는 광범위한 구현을위한 템플릿이 될 수 있습니다.
당신은 AI가 한때 공상 과학으로 간주 된 방식으로 의료 서비스를 변화시키기 위해 설정되었다고 생각합니다. 향후 5 년 동안 어떤 구체적인 진보가 가장 심오한 영향을 미칠 것이라고 생각하십니까?
80 년대의 어린 시절, 나는 1970 년대부터 6 백만 달러의 남자와 bionic 여자 TV 쇼를 기억합니다. 이 쇼는 기술에 의해 물리적으로 보강 된 인물, AI의 실제 혁명은인지 적 확대가 될 것입니다. 이것은 나를 가장 흥분시킵니다.
향후 5 년 동안, 나는 다른 몇 가지 구체적인 발전이 근본적으로 건강 관리를 변화시킬 것이라고 믿는다.
- 관리 자동화 : 현재 의료 전문가의 시간을 많이 소비하는 관료적 부담은 크게 줄어들 것입니다. 이것은 단지 효율성에 관한 것이 아니라 환자의 상호 작용에 대한 인간의 관심을 방향으로써 의료를 의료 서비스로 되 돌리는 것입니다.
- 약물 발견 가속도 : 치료 목표를 식별하는 것에서부터 효과적인 치료 개발에 이르기까지 타임 라인은 수십 년에서 몇 년 또는 몇 달 동안 압축됩니다. Google의 Deepmind가 창출하고 오픈 한 Alphafold는 이미 단백질 구조에 대한 우리의 이해에 혁명을 일으켰습니다.
- 정밀 진단 규모 : AI 시스템은 방대한 데이터 세트에 대한 패턴 인식을 통해 암, 심혈관 질환 및 신경계 장애와 같은 상태의 조기 검출을 극적으로 향상시킬 것입니다.
- 맞춤형 치료 : 치료 계획은 개별 환자 데이터에 따라 지속적으로 정제 될 것이며, 실시간으로 조정하여 효과 성과 환자의 치료에 대한 참여를 극대화합니다.
이러한 변화의 속도는 놀랍습니다. AI 개발은 개 시대와 같지만 기하 급수적 인 가속이 있습니다. 우리는 50 년의 기존 연구 및 구현이 무엇인지 알게 될 것입니다.
이것들은 먼 공상 과학 소설 시나리오가 아닙니다. 이미 초기 형태로 떠오르고 있습니다. 미래가 아닙니다. 지금입니다.
게시물 Tony Hogben, Pfizer Digital Omnichannel Services & Solutions (OSS)의 몰입 형 스튜디오 리드 – 인터뷰 시리즈 먼저 나타났습니다 Unite.ai.
