09.05.2019
5 min læsetid

Hun sætter kursen for LEO Pharmas arbejde med kunstig intelligens

LEO Pharmas algoritmer skal kunne diagnosticere hudsygdomme bedre end en praktiserende læge. Det kræver medarbejdere, der er motiverede hver dag og tør tage chancer, fortæller CFO Anne Cathrine Fleischer.

Anders Kjøller

af Anders Kjøller

Hvis medicinalvirksomheden LEO Pharma er en familie, er LEO Innovation Lab efternøleren, der får friere tøjler end sine ældre søskende. Det blev etableret i 2015 som en selvstændig enhed under LEO Pharma med et mål om at udvikle digitale løsninger til patienter med kroniske hudsygdomme så som psoriasis, eksem og akne.

Arbejdsformen er inspireret af start up-kulturen, og medarbejderne får her rum til at eksperimentere med nye ideer, mens ledelsen taler åbent om at fejre fejltagelser med champagne for at opmuntre de ansatte til at tage chancer. Samtidig er deres produkter ikke underlagt lige så strenge kontrolkrav, som LEO Pharmas cremer og tabletter, fordi de ikke er kategoriseret som medicinalprodukter.

Et af dem er appen Imagine, der gør det muligt for brugeren at tage billeder af et udslæt og løbende følge, hvordan det udvikler sig.

I øjeblikket har medarbejderne to strategiske pejlemærker for deres arbejde. Det ene mål er at udvikle et digitalt værktøj, der kan diagnosticere hudsygdomme lige så godt som en hudlæge – bare øjeblikkeligt ved hjælp af en telefon.

Det andet er at udvikle en digital platform, der kan gennemføre virtuelle kliniske studier, hvor læger og patienter aldrig behøver at mødes fysisk.

Anne Fleischer spiller en afgørende rolle for at nå de mål. Som CFO har hun ansvaret for den daglige drift i LEO Innovation Lab, og hun er samtidig med til at sikre retningen for innovationsprojekterne.

”I ledergruppen er jeg med til at prioritere mellem vores projekter, og jeg har ansvaret for budgetterne, så vi udnytter hver en krone bedst muligt”, fortæller hun.

Hun har været med siden 2015, hvor LEO Innovation Lab blev etableret, og hun har selv erfaring med iværksætteri som stifter af My & Mad, der leverer månedskasser med økologisk babymad og børnesnacks.

Business casen kommer først sent i forløbet

LEO Innovation Lab holder til i Bikuben; en fredet bygning fra 1884 i Indre København, der er inspireret af italiensk renæssancearkitektur og oprindeligt husede sparekassen Bikuben. Indretningen er snarere afslappet end klassisk. I kantinen hænger billeder af medarbejderne fra det sidste ”christmas party”, og på en væg stirrer et udstoppet rævehoved udover storrumskontoret.

Her arbejder 90 medarbejdere - hovedsageligt softwareudviklere, data scientists, designere og hudlæger – med at løse de udfordringer, som patienter med hudlidelser møder i sundhedssystemet. Anne Fleischer pointerer, at deres primære fokus er på at løse problemer og først siden hen at tjene penge.

”Vi regner slet ikke på business casen, før vi er nået ret langt med et produkt. Vi ser først og fremmest på, om vi har den rigtige løsning på et problem for patienter med kroniske hudsygdomme. For vi er af den overbevisning, at hvis det er det rigtige problem, vi løser, så skal vi nok finde ud af at tjene penge på det bagefter”.

Hun viser et flowchart, der illustrerer en patients forløb igennem sundhedssystemet. De fleste begynder med at google deres symptomer, der kan være rødmen, kløe eller udslæt, og mange af dem finder selv en løsning på Netdoktor eller lignende sider.

Dem, der ikke finder hjælp på internettet, går videre til deres praktiserende læge, men der er stadigvæk en del af dem, som ikke får en korrekt diagnose, forklarer Anne Fleischer. De patienter, der ikke har oplevet en bedring efter at være blevet behandlet af deres praktiserende læge, bliver henvist til en speciallæge i hudsygdomme – en dermatolog – der undersøger og diagnosticerer dem yderligere.

Det er det lange patientforløb, som medarbejderne i LEO Innovation Lab forsøger at forkorte ved hjælp af det digitale diagnosticeringsværktøj, de udvikler. Med hjælp fra 14 dermatologer træner de en algoritme i at diagnosticere patienter ud fra mange tusinde billeder af symptomer, som patienter kan opleve. Det skal udmunde i en digital løsning, der kan diagnosticere bedre end en praktiserende læge og lige så godt som en speciallæge, så patienterne hurtigere kan komme i gang med behandlingen.

Motiverede medarbejdere kræver ledelse

Medarbejderne i LEO Innovation Lab er både højtuddannede og selvkørende. Den vigtigste ledelsesopgave for Anne Fleischer er derfor at skabe et miljø, hvor de kan præstere bedst muligt.

”Vores medarbejdere er drevet af motivation, og de kan finde jobs alle vegne. Så for dem handler det i høj grad om, at de arbejder for det rigtige formål”, forklarer hun og uddyber.

”Derudover er de i høj grad thought leaders, der gerne vil gå i dybden og drive deres egne agendaer, så kunsten er at få deres agendaer til at gå op i en højere enhed med virksomhedens mission. Og det er ikke supernemt, men det vigtigste er at italesætte det, for når vi ved, hvad medarbejderne gerne vil, kan vi placere dem, der hvor de passer bedst”.

Vores medarbejdere er drevet af motivation, og de kan finde jobs alle vegne. Så for dem handler det i høj grad om, at de arbejder for det rigtige formål.

Anne Fleischer,
CFO i LEO Innovation Lab

Derfor prioriterer Anne Fleischer sammen med de øvrige ledere i LEO Innovation Lab at bruge meget tid på at sammensætte de rigtige teams, og spørger man ind til hendes egen ledelsesfilosofi, handler den om at få den enkelte medarbejder til at lykkes.

”På det personlige plan tænker jeg meget over, hvordan vi får den bedste udgave af hver eneste medarbejder. Hvordan vi får selvstændige og reflekterende medarbejdere, der kan se de små ting, som gør den helt store forskel. Tillid er selvfølgelig grobund for, at alle kan lykkes, men derudover skal vi skabe en struktur, der gør, at folk kan løbe hurtigt og være eftertænksomme på samme tid”.

”Og så skal vi minde dem om at tale sammen – også på tværs af faggrupper. For ofte opstår de bedste ideer, når vi sætter en med en medicinsk baggrund sammen med en data scientist og lader dem brainstorme på, hvilke udfordringer ved kroniske hudsygdomme, som kunstig intelligens vil kunne afhjælpe. Det er også en del af min rolle; at sikre vi hele tiden holder workshops, fælles tværgående initiativer og sociale arrangementer, forklarer hun.

Millioner af billeder med kinesisk hud

Skal LEO Innovation Lab nå deres mål, kræver det en fokuseret indsats, for de er i hård konkurrence med AI-virksomheder over hele verden, fortæller Anne Fleischer. Men hun frygter ikke, at det bliver de virksomheder, der har den seneste teknologi, der vinder kapløbet og kunderne.

Det bliver i stedet virksomheder, der kan bruge teknologien problemorienteret og indgå strategiske samarbejder for at sikre sig nye kompetencer. Det sidste har hun selv været med til for nylig, hvor LEO Innovation Lab indgik et samarbejde med den amerikanske startup Centaur Labs.

Oprindeligt var det en onlineplatform, hvor medicinstuderende kunne øve sig på at diagnosticere røntgenbilleder, men i dag har de en langt bredere gruppe af brugere, der ser diagnosticeringen som et ”spil”, hvor de får gradvist sværere udfordringer, desto bedre de klarer sig.

”En af deres bedste brugere er en advokat i London, der udelukkende gør det, fordi han synes, at det er sjovt”, siger Anne Fleischer med et grin.
Centaur Labs platform skal hjælpe LEO Innovation Lab med at strukturere og karakterisere deres data i langt større skala. Samtidig har de et problem, som er velkendt inden for virksomheder, der arbejder med kunstig intelligens. Af de 100.000 psoriasis-billeder de har til at træne deres algoritme, stammer størstedelen fra patienter med lys hud, og deres symptomer ligner ikke dem, som patienter med en anden hudfarve får. Ved at træne algoritmen med billeder fra eksempelvis kinesiske patienter på Centaur Labs’ platform, håber de på, at de hurtigere kan opbygge et datasæt, som kan forfine algoritmen.

”På den måde tester vi, om denne her teknologi kan hjælpe os med diagnosticeringen af flere sygdomme i flere hudtyper. I dag har vi 14 dermatologer ansat til at diagnosticere og kategorisere billeder, men det er svært at skalere. Så når vi på et tidspunkt får millioner af billeder med forskellige hudsygdomme fra for eksempel Kina, skal vi have en mere skalerbar løsning til at træne vores algoritme med de rigtige data”.