Harjinder Sandhu, PhD, grundlægger og administrerende direktør, Saykara – Intervieuserie

Harjinder Sandhu, PhD er grundlægger og administrerende direktør for Saykara, et firma, der arbejder på at bekæmpe epidemiuen af lægeudbrændthed, der er opstået på grund af stadig mere byrdefulde dokumentationskrav og tid, der bruges på elektronisk sundhedsjournal (EHR)-dataindtastning.

Du startede oprindeligt din karriere i akademiet som professor i datalogi og gik derefter over til iværksætteri. Kan du diskutere, hvad der inspirerede dig til at skifte til at være iværksætter?

Efter at have tilbragt år i akademiet med at undervise og skrive forskningsartikler om den transformative kraft af computing, var jeg inspireret til at anvende denne viden på en reelverdensscenario, på noget, der kunne have en substantiel indvirkning på industrien. Oprindeligt var min plan at tilbringe et år eller to med at hjælpe et firma i gang, derefter vende tilbage til akademiet. Men efter at have oplevet dot-com-boblen, var udfordringen og spændingen ved at bygge noget, der kan have en reel forskel i menneskers liv, for stor, og jeg vendte aldrig tilbage til min stilling som professor.

Kan du diskutere oprindelseshistorien bag Saykara?

Jeg grundlagde Saykara i 2015 med målet at anvende den utilgangede potentiale for talegenkendelse, maskinlæring og naturlig sprogbehandling til at løse et af de mest betydningsfulde problemer, der står over for sundhedsydelser i dag, nemlig den besværlige og tidskrævende natur af klinisk dokumentation.

Selvom dagens talegenkendelsessystemer er meget kapable til at fange lægernes ordret diktering, kræver det stadig en betydelig mængde tid og indsats at anvende disse systemer til at fuldføre den nødvendige kliniske dokumentation, med læger, der forbliver fastgjort til en computer, mus og tastatur – redigering af indhold, mens de går, og navigering i kompleksiteten af EHR-systemet. Dette er det større problem.

Over de sidste fem år har Saykara udviklet og lanceret en platform, der anvender kunstig intelligens (AI) til at fortolke samtaler mellem læger og patienter og automatisk konstruere de kliniske noter, ordrer og henvisninger, der er nødvendige for den medicinske journal. Og vi gør dette gennem en taleaktiveret assistent ved navn Kara, som lægerne kan tilgå via en mobilapp.

Jeg har personligt været involveret i talegenkendelse, maskinlæring og naturlig sprogbehandlingsteknologier i de sidste 20 år, og Saykara er faktisk mit tredje sundheds-iværksætteri. Mit første iværksætteri var et firma kaldet MedRemote, som jeg co-grundlagde i 2000 med min ven, Kulmeet Singh, og senere solgte til Nuance Communications, den globale leder i talegenkendelsesteknologier. I 2011 co-grundlagde vi et andet firma kaldet Twistle, som stadig eksisterer i dag, og selvom jeg fortsat fungerer som bestyrelsesmedlem, har mit fuldtidsfokus siden 2015 været min rolle som administrerende direktør for Saykara.

Hvor stort et problem er klinisk dokumentation, og hvor meget tid tager denne proces normalt for læger?

Hvor stort et problem er det? Et ord: KÆMPE.

Læger er blevet pålagt at udføre en stadig større mængde klinisk dokumentation, primært på grund af forsikringsregnskabskrav, offentlig rapportering og regulative påbud. Læger taber ikke kun tid med patienter, men denne tid bliver også hindret af, at de skal udføre dataindtastning til EHR.

En ofte citeret studie, der er offentliggjort i Annals of Medicine, observerede, at læger tilbringer næsten dobbelt så megen tid på administrative arbejde som på at se patienter. Specifikt fandt studiet, at for hver time, læger tilbringer på direkte klinisk ansigt-til-ansigt-tid med patienter, tilbringer de næsten to timer på EHR- og skrivebordsarbejde. Og for mange læger overstår dette til en ekstra en til to timer hver aften, noget, der ofte omtales som ‘pyjamatid’.

Mange andre studier og undersøgelser har observeret, at mellem 50% og 71% af læger oplever udbrændthed, hvilket er blevet forværret under COVID-19-pandemien. Medscape 2020 Physician Burnout & Suicide Report afslørede, at de øverste bidragende faktorer til udbrændthed inkluderer “for mange bureaukratiske opgaver (f.eks. journalisering, papirarbejde)”, “at tilbringe for mange timer på arbejde” og “øget computerisering af praksis (EHR’er)”.

Hvad gør Saykara med maskinlæring og naturlig sprogbehandlingsteknologier, der er unikt?

Hvad vi gør i sammenhængen med konversations-AI er helt unikt. Vi kan forstå samtaler, der naturligt opstår mellem læger og patienter, og generere struktureret data fra disse samtaler på en måde, som ingen anden virksomhed kan. Desuden kan vores platform let tilpasse sig til enhver type medicinsk specialitet, og vi kan tilpasse brugeroplevelsen til hver enkelt læges stil og præferencer.

Vi har i øjeblikket en semi-autonom hybridmodel, der parrer vores AI med en menneskelig gennemløbskontrol, som hjælper med at styrke vores videnbasen og sikrer, at vi returnerer nøjagtige resultater til vores brugere fra dag 1.

Hvor talegenkendelseskomponenten af vores system fanger, hvad der bliver sagt, fortolker den naturlige sprogforståelseskomponent, hvad der bliver sagt. For eksempel, hvis en patient kommer ind med knæsmerter, skal systemet først forstå, at knæsmerter er et symptom. Derefter skal det bygge en historie om knæsmerter baseret på, hvad patienten siger eller lægen summerer. Hvornår skete det? Hvad forårsagede det? Hvor alvorligt er det? Systemet skal derefter tage denne historie i sin rådataformat og komponere en omfattende, højkvalitets klinisk note, som lægen ser.

Vores system kan også filtrere ud “støj” og forstå, hvilke oplysninger en læge skal indsamle baseret på årsagen til en patientbesøg, og derefter nøjagtigt forudsige og forvente, hvad der er relevant og hvad der ikke er. For eksempel, hvis en patient går til en reumatolog for leddegigt og begynder at tale om den angst, de har oplevet over at købe et nyt hus, vil reumatologen sandsynligvis ikke ønske eller behøve at dokumentere disse detaljer. Vores system kan lære dette og fokusere udelukkende på, hvad der er relevant for reumatologens kliniske note. På den anden side, hvis en patient ankommer til en praktiserende læges kontor og begynder at tale om den angst, de har oplevet over at købe et nyt hus, vil praktiserende læge sandsynligvis ønske og behøve at dokumentere disse detaljer.

Kan du diskutere processen for, hvordan en læge ville bruge Saykara, mens de interagerer med en patient?

Under et kontorbesøg eller en procedure, eller hvad der omtales som en “klinisk sammenstød”, åbner lægen blot vores iOS-app (oftest på en iPhone), trykker på patientens navn (en daglig liste importeres fra lægens EHR eller reservationsapp) og taler derefter naturligt, mens de interagerer med patienten på en fuldstændig normal og sædvanlig måde. Vores AI-assistent, Kara, lytter ambiently til hele samtalen, og når den kliniske sammenstød er fuldført, trykker lægen på appen for at afslutte optagelsen. Vores platform fortolker og transformerer den relevante indhold, der er nødvendig for noter, ordrer, henvisninger osv., og den strukturerede og narrative data indsættes direkte i patientens journal i EHR-systemet, klar til lægens gennemsyn og godkendelse.

Saykara tilbyder en sofistikeret og fleksibel platform, der tillader læger at bruge løsningen på flere forskellige måder. Kan du diskutere nogle af de forskellige måder?

Hvad jeg lige har beskrevet, er ‘ambient-mode’. Læger har også mulighed for at bruge vores AI-assistent i ‘recap-mode’, som også tillader dem at tale naturligt – ingen specielle kodeord eller kommandoer er nødvendige. Men i stedet for at lade Kara lytte til hele samtalen med patienten, giver lægen en eller flere korte reflekterende sammenfatninger, enten under og/eller efter sammenstødet. Processen derefter er den samme, som er den resulterende indhold.

Hvilke markedsmæssige segmenter og industrier er Saykara i øjeblikket fokuseret på at betjene, og hvordan licenserer I jeres platform?

På det øverste niveau betjener Saykara sundhedsindustrien. Vore kunder inkluderer selvstændige lægepraksisser samt hospitaler, sundhedscentre, ambulatoriske operationscentre og akutcentre. Vi har en software-as-a-service-abonnementsmodel, hvor kunder betaler en månedlig gebyr for at bruge vores platform.

Hvordan har feedbacken været fra praktiserende læger?

Feedbacken har været overvældende positiv. Dette er virkelig livsforandrende for læger, og de bruger netop disse ord. Vores AI-assistent eliminerer fuldstændigt ‘pyjamatiden’, jeg lige har beskrevet, og reducerer den tid, læger tilbringer med at interagere med EHR og forberede klinisk dokumentation, i gennemsnit med 70%. Det vigtigste er, at det giver læger mere ansigt-til-ansigt-tid med deres patienter. Læger kan give patienterne deres fulde opmærksomhed uden afledning.

Vi har dusinvis af testimonalier om den indvirkning, vores løsning har haft på produktivitet, arbejdslivsbalance og læge-patient-forholdet. For eksempel sagde en praktiserende læge: “Nu, med Saykara, kan jeg se en patient på 15 minutter og jeg chart for 30 sekunder. Det er bare blevet en spilvender.” En børnelæge sagde: “Min ægtefælle kan fortælle dig, at jeg er en meget lykkeligere person, når jeg kommer hjem, og ved, at jeg ikke har denne vægt af journaler over mit hoved.” En ortopædkirurg sagde: “Jeg kan give mine patienter min fulde opmærksomhed, og jeg har endda tid under besøg til at tale med dem om deres ferier, børnebørn eller restauranter, de anbefaler.” En karlkirurg sagde: “Det forstår konteksten og hensigten med, hvad der bliver sagt, og derefter skaber det en note i vores EHR på en elegant og nøjagtig måde. Ingen flere nætter og weekender med at korrekturlæse og godkende journaler.” Og direktøren for en multi-specialistisk lægegruppe sagde: “At bruge Saykaras mobile AI-assistent tillader vores udbydere at fokusere på deres patienter og skabe personlige, meningsfulde og samarbejdende interaktioner.”

Hvad er dine synspunkter på fremtiden for AI i sundhedssektoren?

AI-revolutionen i sundhedssektoren er stadig i sin barndom. Det sagt, de AI-kapaciteter, der er anvendelige på sundhedsindustrien, er virkelig enorme og har en enorm potentiale for godt. Du finder AI-anvendelser for de kliniske, operationelle, finansielle, tekniske, administrative og sikkerhedsmæssige områder af sundhedssektoren, med løsninger for IoT-enhedsovervågning, kronisk tilstandshantering, recepter på medicin, beslutningsstøtte, sygdomsdetektion, plejeplanlægning, arbejdsgangsautomatisering, omsetningscyklusoptimering, forsyningskædeledelse, kliniske forsøg og listen går videre. Jeg ville sige, at disse anvendelser i det store og hele stadig er meget tidlige i deres livscyklus, og vi vil se mange flere kapaciteter, når de modnes.

Hvilke nye teknologier er du mest begejstret for?

De teknologier, jeg er mest begejstret for, er AI-systemer, der kan interagere med mennesker gennem samtale, som jeg tror vil have en indvirkning på tværs af hver enkelt industri. Når vi når til det punkt, hvor computere kan forstå vores samtaler, vil dette åbne op for en helt ny verden af muligheder, der vil transcendere hver enkelt aspekt af vores liv.

I øjeblikket skal du lære, hvordan du interagerer med en computereenhed på dens vilkår, ikke på dine egne. Parametrene er forhåndenværende defineret, og du skal selv finde ud af, hvordan du bedst kan bruge det til at tilfredsstille dine behov. Det, der er på vej i forbindelse med AI-revolutionen, er, at du vil kunne interagere med en computereenhed på dine egne vilkår, på samme måde, du naturligt interagerer med andre mennesker, gennem sprog, med forventningen om, at enheden vil reagere derefter. Det er, hvad vi er fokuseret på hos Saykara, og det er en tendens på tværs af mange andre industrier. Jeg tror, vi vil se tilbage og undre os over, hvordan vi nogensinde kunne leve uden disse systemer, ligesom vi ser tilbage og undrer os over, hvordan vi nogensinde kunne leve uden vores smartphones.

Tak for det store interview, jeg er enig med dig om, at AI udvikler sig i en meget hurtigere takt. Læsere, der ønsker at lære mere, bør besøge Saykara.