Система здравоохранения университета Канзаса внедрила пилотную версию ПО для того, чтобы автоматического создания истории болезни на основе разговоров с пациентами. Это наиболее значительное внедрение генеративного ИИ в здравоохранении.
Технология, разработанная стартапом Abridge из Питтсбурга, Пенсильвания, направлена на снижение нагрузки на врачей и улучшение ухода за пациентами. Шивдев Рао, гендиректор компании, кардиолог, рассказал, что врачи могут часами писать заметки о своих предыдущих сеансах лечения пациентов сверх своего обычного рабочего графика.
«Это действительно накапливается с течением времени, и я думаю, что это в значительной степени способствовало кризису общественного здравоохранения, который мы имеем сейчас, когда врачи и медсестры выгорают и покидают профессию». Он добавил, что врачам часто приходится расшифровывать аудиозаписи или вспоминать разговоры по памяти при написании заметок.
«Просто чтобы дать вам представление о том, как статус-кво может выглядеть прямо сейчас: я могу видеть пациентов, а затем не документировать до выходных, а затем я использую свои записи, сделанные как курица лапой, чтобы напомнить себе, что мы говорили об этом. И поэтому это происходит с очень большими потерями – я теряю много деталей», рассказал Рао.
Программное обеспечение Abridge автоматически генерирует сводки медицинских разговоров с использованием алгоритмов искусственного интеллекта и обработки естественного языка. Оно может записывать симптомы, рекомендованные лекарства и действия, которые врач должен выполнить при будущих посещениях.
Код работает, прослушивая ключевые слова и классифицируя важную информацию. «Если бы я сказал принимать метопролол дважды, сущностью был бы метопролол, а два раза в день были бы атрибутом. А если бы я сказал принимать метопролол дважды в день, это был бы еще один атрибут. И мы могли бы сделать то же самое с примером с вином. Это сущность, а атрибутом будет три бутылки и другой атрибут каждую ночь».
«Мы создаем набор структурированных данных. Программное обеспечение классифицирует все, что я сказал, и что вы сказали, по разным категориям разговора. Но затем, когда вся информация классифицирована, последняя часть является генеративной».
На этом этапе Рао объяснил, что Abridge использует модель на основе преобразователя для создания документа, объединяющего секретную информацию в короткие предложения в различных подразделах, описывающих предыдущую историю болезни пациента, планы на будущее или действия, которые необходимо предпринять.
Крупные технологические компании отчаянно ищут способы внедрить генеративный ИИ в свои сервисы с волной стартапов, стремящихся создавать продукты на коммерческих API, таких как ChatGPT от OpenAI. Однако известно, что эти модели могут изобретать ложную информацию и с трудом создавать точный контент, что делает их использование в таких отраслях, как здравоохранение или юриспруденция, особенно рискованным.
Врачи могут редактировать заметки дальше, а пациенты – получить к ним доступ через приложение. Рао сравнил технологию Abridge со вторым пилотом и подчеркнул, что врачи остаются ответственными и должны проверять и, если это необходимо, редактировать сгенерированные заметки. И пациенты, и врачи имеют доступ к записям своих встреч и могут нажимать на определенные ключевые слова, чтобы программное обеспечение воспроизводило части аудио, когда определенное слово было произнесено во время их разговора.
«Мы идем от резюме, которое показываем пользователям, и прослеживаем его до основной сути разговора. И поэтому, если у меня есть разговор, и я не могу его точно вспомнить, я всегда можно перепроверить, что это не ложное воспоминание. Есть промежуточные модели, которые стараются не раскрывать то, что не обсуждалось».
Программное обеспечение Abridge было опробовано более чем 2000 врачами и помогло более чем 200 тысячам пациентов. Теперь компания собирается протестировать его в реальной больнице, начав с небольшой группы врачей.
Грегори Атор, директор по медицинской информации и хирург головы и шеи в системе здравоохранения Канзасского университета, ожидает скорого начала испытания. «Нам нужно выяснить, кто является идеальным клиницистом для такого типа решения. Прежде всего, мы собираемся подтвердить, что наборы данных, используемые для обучения программного обеспечения, точны и подходят для здравоохранения Среднего Запада, и иметь дело с типом проблем, с которыми мы сталкиваемся, а затем мы будем постепенно развертывать его», рассказал он.
