Sundhedsvæsen
Scale AI lancerer fem AI-agenter til hospitalsdrift

NøglepunkterScales benchmarks viser, at korrekte svar kan skjule fejlbehæftet ræsonnement og…
Vis mere
- Scales benchmarks viser, at korrekte svar kan skjule fejlbehæftet ræsonnement og overmodige systemer.
- Ethvert testet agentisk system underafstod sig snarere end at udsætte, når registreringer ikke kunne afgøre en sag.
- Kildelinks og klinikergodkendelse er mekanismerne, der skal afdække procesfejl for menneskelig gennemgang.
Scale AI annoncerede Scale til hospitalsdrift den 16. november 2026 og lancerede fem AI-applikationer til planlægning, vejledning om ordinationer, gennemgang af patientjournaler, sikkerhedsundersøgelser og klinisk dokumentation. De blev tilgængelige for sundhedssystemer samme dag.
Hver applikation kan køre på enhver model i sundhedssystemets eget miljø, og implementeringerne omfatter Scale-ingeniører og kliniske fageksperter. Scale beskriver klinikervurdering, lokal opbevaring af data og udvikling i samarbejde med brugerne som sine krav til AI på hospitaler.
Scale oplyste også, at virksomheden året før lanceringen arbejdede på hospitaler, blandt andet i et amerikansk sundhedssystem, som den beskrev som blandt de bedst rangerede, men ikke navngav. Arbejdet skulle hjælpe klinikere med tidligere at identificere sikkerhedshændelser. De fem applikationer udgør den første del af en bredere portefølje, og flere applikationer og agenter er planlagt til månederne efter lanceringen.
Menneskelig gennemgang på tværs af fem arbejdsgange
Agenten til intelligent planlægning er udviklet til at prioritere henvisninger efter klinisk hast og matche konsultationer med ledige tider ud fra krav til lokaler og udstyr samt lægernes præferencer. Den kan ændre eksisterende tidsplaner for patienter med akutte behov og koordinere konsultationer på tværs af specialer. Agenten til vejledning om ordinationer gennemgår patientens sygehistorik, markerer manglende prøver og anbefaler laboratorieundersøgelser, billeddiagnostik og recepter med kildehenvisninger, så en kliniker kan gennemgå anbefalingerne.
Til opgaver med store informationsmængder samler agenten til gennemgang og opsummering af patientjournaler en sygehistorik fra spredte journaloplysninger og knytter hvert udtrukket fund til sin kilde, så det kan kontrolleres. Agenten til sikkerheds- og hændelsesundersøgelser prioriterer sikkerhedshændelser og leder efter gentagne mønstre, så teams først kan undersøge hændelser med større risiko i stedet for kun at behandle rapporterne i den rækkefølge, de modtages. Agenten til klinisk dokumentation og kvalitetskontrol udarbejder rapportudkast til klinikernes gennemgang og godkendelse, kontrollerer dokumentationen i forhold til hospitalets retningslinjer og kræver, at revisorer bekræfter hvert fund.
Scales forskning i evaluering af sundhedssektoren
Meddelelsen knytter porteføljen til tre sundhedsfaglige benchmarks fra Scale Labs. CliniCARE-Bench bruger virkelige, afidentificerede elektroniske patientjournaler, der dækker patientforløb over tid, med 25 scenarier valideret af klinikere, som er anvendt på 750 cases inden for 14 specialer og ti ræsonneringsfærdigheder. Benchmarket skelner mellem cases, hvor der mangler data, og cases, der fortsat er medicinsk tvetydige. Det registrerer informationssøgning og kildehenvisninger og vurderer forankring i evidens, forankring i retningslinjer, overholdelse af processer og kalibreret afståelse, dvs. passende afståelse fra at give et endegyldigt svar, når journalen ikke giver grundlag for det.
Scale Labs oplyser, at de 16 agentbaserede systemer, virksomheden testede, opnåede en rå nøjagtighed på 65,3 % til 76,1 %, men at nøjagtigheden uden fejl faldt med 4,8 til 14,8 procentpoint, når forbudte genveje i ræsonneringen blev straffet. Alle systemerne afstod for sjældent og gav oftere endegyldige svar frem for at afstå i sager, som journalen ikke kunne afklare. Det er benchmarkresultater for de testede systemer, ikke rapporterede valideringsresultater for de fem hospitalsapplikationer.
To beslægtede benchmarks udvider denne tilgang. PSEBench indeholder 5.074 cases til prioritering af patientsikkerhed, baseret på Minnesotas 29 indberetningspligtige utilsigtede hændelser i sundhedsvæsenet. Casene omfatter varianter med fuldstændige oplysninger, manglende oplysninger og usikkerhed, og benchmarket blev brugt til at evaluere 15 sprogmodeller. DistressBench indeholder 718 samtaler skrevet af klinikere og fordelt på 23 underkategorier af selvmord og selvskade. Scale Labs oplyser, at modellen i 35,3 % af de samtaler, hvor den fuldt ud genkendte en krise, alligevel ikke henviste brugeren til menneskelig hjælp.
Scale siger, at forskningen ligger til grund for skræddersyede evalueringer, der tager udgangspunkt i hvert sundhedssystems arbejdsgange, samtidig med at den giver en fælles metode til at sammenligne modeller. Dette fokus på tvetydighed og processer hænger sammen med de kontrolforanstaltninger, der er beskrevet for vejledning om ordinationer, kontrol af journaler, godkendelse af rapporter og revisionsresultater.
Dokumentation for effekten og dens begrænsninger
Et studie fra 2025 i JAMA Network Open, som Scale henviser til, undersøgte 263 ambulante klinikere på tværs af seks amerikanske sundhedssystemer, der i 30 dage brugte den samme AI-skriveassistent fra Abridge, som arbejder i baggrunden. Studiet evaluerede ikke Scales produkter. I den justerede analyse faldt den estimerede forekomst af udbrændthed fra 51,9 % til 38,8 %. Deltagerne rapporterede også forbedringer i den mentale belastning forbundet med notater, dokumentation efter arbejdstid og evnen til at rette opmærksomheden mod patienterne.
Resultaterne understøtter argumentet om, at AI-værktøjer til dokumentation kan mindske administrative byrder, men de vedrører ambulant brug af et andet produkt end den nye portefølje til hospitalsdrift. Forskerne fremhævede vigtige forbehold: Deltagelsen var frivillig, spørgeskemaerne var ikke anonyme, resultaterne var selvrapporterede, og der var ingen kontrolgruppe, som kunne tage højde for udviklingen over tid. Disse begrænsninger indsnævrer, hvad resultaterne fra de 30 dage før og efter kan dokumentere, især når Scale udvider argumentet om administrative byrder fra ambulant dokumentation til planlægning, ordinationer og prioritering af sikkerhedshændelser.
For sundhedssystemer er det centrale spørgsmål ved lanceringen, om evalueringer, der tager udgangspunkt i deres egne arbejdsgange, kan kontrollere informationssøgning, overholdelse af retningslinjer og hensigtsmæssig afståelse fra at svare – ud over svarenes nøjagtighed. Scales benchmarks viser, hvordan korrekte svar kan skjule mangelfulde processer; de nye løsningers kildelinks, kildehenviste anbefalinger, klinikergodkendelse og auditors bekræftelse er de mekanismer, der skal gøre det muligt for mennesker at gennemgå problemerne.












