تجهیز پزشکان به کمک خلبانان هوش مصنوعی | اخبار MIT

بیشتر پزشکان به این دلیل که می خواهند به بیماران کمک کنند، به سمت پزشکی می روند. اما سیستم مراقبت های بهداشتی امروزی ایجاب می کند که پزشکان هر روز ساعت ها را صرف کارهای دیگر کنند – جستجو در پرونده های الکترونیکی سلامت (EHRs)، نوشتن اسناد، کدگذاری و صورتحساب، مجوز قبلی و مدیریت استفاده – اغلب بیشتر از زمانی که برای مراقبت از بیماران صرف می کنند. این وضعیت منجر به فرسودگی شغلی پزشک، ناکارآمدی اداری، و مراقبت کلی بدتر از بیماران می شود.
Ambience Healthcare در حال تلاش برای تغییر این وضعیت با یک پلتفرم مجهز به هوش مصنوعی است که وظایف معمول پزشکان را قبل، در حین و بعد از ویزیت بیمار خودکار می کند.
Mike Ng MBA ’16، مدیر عامل Ambience، که شرکت را با نیکیل بودوما 17 بنیانگذاری کرد، می گوید: “ما کمک خلبان هایی می سازیم تا به پزشکان بالینی قدرت های هوش مصنوعی بدهیم.” پلت فرم ما مستقیماً در EHR ها تعبیه شده است تا پزشکان را آزاد کند تا بر آنچه که بیشترین اهمیت را دارد، یعنی ارائه بهترین مراقبت از بیمار، تمرکز کنند.
مجموعه محصولات Ambience، پیش از ترسیم نمودار و نویسندگی هوش مصنوعی در زمان واقعی را مدیریت می کند و به پیمایش هزاران قانون برای انتخاب کدهای صورتحساب بیمه مناسب کمک می کند. این پلتفرم همچنین میتواند خلاصههای پس از ویزیت را به زبانهای مختلف برای بیماران و خانوادههایشان ارسال کند تا همه را در جریان و در یک صفحه قرار دهد.
Ambience در حال حاضر در حدود 40 موسسه بزرگ مانند UCSF Health، Memorial Hermann Health System، St. Luke’s Health System، John Muir Health و غیره استفاده می شود. پزشکان از Ambience به ده ها زبان و بیش از 100 تخصص و فوق تخصص در تنظیماتی مانند بخش اورژانس، بستری در بیمارستان و بخش انکولوژی استفاده می کنند.
بنیانگذاران میگویند پزشکانی که از Ambience استفاده میکنند دو تا سه ساعت در روز در اسناد صرفهجویی میکنند، سطوح پایینتری از فرسودگی شغلی را گزارش میکنند و روابط با کیفیت بالاتری با بیماران خود ایجاد میکنند.
از مشکل به محصول به پلتفرم
Ng تا زمانی که بعد از شکستگی کمرش در سال 2012 از نزدیک به سیستم مراقبت های بهداشتی نگاه کرد، در امور مالی کار کرد. از جمله نحوه گذراندن اکثر روزهای پزشکان برای مستندسازی ویزیت ها، انتخاب کدهای صورتحساب، و تکمیل سایر وظایف اداری. پزشک به طور متوسط تنها 27 درصد از زمان خود را صرف مراقبت مستقیم از بیمار می کند.
در سال 2014، Ng تصمیم گرفت وارد دانشکده مدیریت MIT Sloan شود. در هفته اول، او در جشن کارآفرینی “t=0” که توسط مرکز مارتین تراست برای کارآفرینی MIT برگزار شد، شرکت کرد و در آنجا با بودوما ملاقات کرد. این زوج دوستان سریعی شدند و در نهایت در کلاسهایی با هم شرکت کردند که شامل 15.378 (ساخت سرمایهگذاری کارآفرینانه) و 15.392 (مقیاسسازی سرمایهگذاریهای کارآفرینی) میشد.
Ng میگوید: «MIT یک زمین آموزشی باورنکردنی برای ارزیابی اینکه چه چیزی یک شرکت بزرگ را میسازد و پایههای ساخت یک شرکت موفق را بیاموزد بود.
بودوما سفر خود را برای کشف مشکلات سیستم مراقبت های بهداشتی طی کرده بود. پس از مهاجرت به ایالات متحده از هند در کودکی و مبارزه با مسائل بهداشتی مداوم، او شاهد تلاش والدینش برای هدایت سیستم پزشکی ایالات متحده بود. او در حین اتمام دوره لیسانس خود در MIT، در جامعه تحقیقاتی هوش مصنوعی نیز غرق بود و یک کتاب درسی اولیه در مورد هوش مصنوعی مدرن و یادگیری عمیق نوشت.
در سال 2016، Ng و Buduma اولین شرکت خود را در سانفرانسیسکو تأسیس کردند – Remedy Health – که پلتفرم مراقبت های بهداشتی مبتنی بر هوش مصنوعی خود را اداره می کرد. در فرآیند استخدام پزشکان، مراقبت از بیماران و اجرای خود فناوری، آنها قدردانی عمیقتری از چالشهایی که سازمانهای مراقبتهای بهداشتی با آنها مواجه هستند، پیدا کردند.
در آن زمان، آنها همچنین نگاهی داخلی به پیشرفتهای هوش مصنوعی داشتند. جف دین، دانشمند ارشد گوگل، یک سرمایهگذار بزرگ در Remedy و اکنون در Ambience، یک گروه تحقیقاتی را در داخل Google Brain برای اختراع معماری ترانسفورماتور رهبری کرد. Ng و Buduma می گویند که از اولین کسانی بودند که ترانسفورماتورها را برای حمایت از پزشکان خود در Remedy به تولید رساندند. پس از آن، چند تن از دوستان و هم خانههایشان گروه بزرگ مدل زبان را در OpenAI راهاندازی کردند. کار دوستان آنها پایه های تحقیقاتی را تشکیل داد که در نهایت به ChatGPT منجر شد.
بودوما میگوید: «بسیار واضح بود که ما در این نقطه عطف قرار داشتیم که قرار بود این دسته از مدلهای همه منظوره را داشته باشیم که به طور تصاعدی بهتر میشوند. اما من فکر می کنم ما همچنین متوجه شکاف بزرگی بین آن مدل های همه منظوره در مقابل آنچه در واقع به اندازه کافی قوی برای کار در یک کلینیک است، شدیم. مایک و من در سال 2020 تصمیم گرفتیم که تیمی وجود داشته باشد که به طور خاص بر تنظیم دقیق این مدلها برای مراقبتهای بهداشتی و پزشکی تمرکز کند.
بنیانگذاران Ambience را با ساختن یک کاتب مجهز به هوش مصنوعی شروع کردند که روی تلفنها و لپتاپها کار میکند تا جزئیات ملاقاتهای پزشک با بیمار را در یک سیستم منطبق با HIPAA که حریم خصوصی بیمار را حفظ میکند، ثبت کند. آنها به سرعت دریافتند که مدل ها باید برای هر حوزه پزشکی تنظیم شوند و به آرامی پوشش تخصصی را یکی یکی در یک فرآیند چند ساله گسترش دادند.
بنیانگذاران همچنین متوجه شدند که کاتبان آنها باید با عملیات پشتیبان مانند کدگذاری بیمه و صورتحساب مطابقت داشته باشند.
بودوما می گوید: «اسناد فقط برای پزشک نیست، بلکه برای تیم چرخه درآمد نیز هست. ما مجبور بودیم به عقب برگردیم و همه الگوریتمهایمان را بازنویسی کنیم تا از کدنویسی آگاه باشیم. به معنای واقعی کلمه ده ها هزار قانون کدگذاری وجود دارد که هر ساله تغییر می کند و بر اساس تخصص و نوع قرارداد متفاوت است.
از آنجا، بنیانگذاران مدلهایی را برای پزشکان برای ارجاع و ارسال خلاصههای جامع ویزیتها به بیماران ایجاد کردند.
بودوما میگوید: «در بیشتر محیطهای مراقبتی قبل از Ambience، زمانی که یک بیمار و خانوادهاش کلینیک را ترک میکردند، هرچه بیمار و خانوادهاش یادداشت میکردند همان چیزی بود که از بازدید به یاد میآوردند. این یکی از ویژگیهایی است که پزشکان بیشتر دوست دارند، زیرا سعی میکنند بهترین تجربه را برای بیماران و خانوادههایشان ایجاد کنند. زمانی که آن بیمار در پارکینگ است، از قبل یک خلاصه واقعا قوی و با کیفیت از آنچه که شما در مورد آن صحبت کردید و همه تصمیمگیریهای مشترک در مورد ویزیت شما در پورتال خود دارند.”
دموکراتیک کردن مراقبت های بهداشتی
با بهبود بهره وری پزشکان، بنیانگذاران معتقدند که به سیستم مراقبت های بهداشتی کمک می کنند تا کمبود مزمن پزشکان را مدیریت کند که انتظار می رود در سال های آینده افزایش یابد.
Ng می گوید: «در مراقبت های بهداشتی، دسترسی هنوز یک مشکل بزرگ است. “آمریکایی های روستایی 40 درصد بیشتر در معرض خطر بستری شدن قابل پیشگیری هستند و نیمی از آن به عدم دسترسی به مراقبت های تخصصی نسبت داده می شود.”
با توجه به اینکه Ambience در حال حاضر به سیستمهای بهداشتی کمک میکند تا با سادهسازی وظایف اداری، حاشیههای نازک را مدیریت کنند، بنیانگذاران چشمانداز بلندمدتی برای کمک به افزایش دسترسی به بهترین اطلاعات بالینی در سراسر کشور دارند.
Ng میگوید: «فرصتی واقعاً هیجانانگیز برای ایجاد تخصص در برخی از مراکز پزشکی دانشگاهی بزرگ در سراسر ایالات متحده وجود دارد که دموکراتتر شدهاند». در حال حاضر، متخصصان کافی در ایالات متحده برای حمایت از جمعیت روستایی ما وجود ندارد. ما امیدواریم که بتوانیم دانش متخصصان پیشرو در کشور را از طریق لایه زیرساخت هوش مصنوعی افزایش دهیم، به خصوص که این مدلها از نظر بالینی هوشمندتر میشوند.»