Andreas Cleve, Συν-ιδρυτής και Διευθύνων Σύμβουλος της Corti – Σειρά Συνεντεύξεων

Andreas Cleve, συν-ιδρυτής και Διευθύνων Σύμβουλος της Corti, είναι επιχειρηματίας που εστιάζει στην προώθηση της τεχνητής νοημοσύνης στην υγειονομική περίθαλψη. Η εργασία του στον τομέα ξεκίνησε με την Ovivo, μια πλατφόρμα συνομιλητικής προγραμματισμού εργατικού δυναμικού για νοσοκομεία που επεκτάθηκε γρήγορα σε όλη τη Δανία πριν εξαγοραστεί το 2013. Αργότερα συνίδρυσε την Hyvi, μια ερευνητική πρωτοβουλία που εξερευνά μοντέλα γλώσσας με επίγνωση του πλαισίου, ικανά να κατανοούν σύνθετες συνομιλίες σε πραγματικό χρόνο, η οποία τελικά εξελίχθηκε σε Corti το 2018. Πέρα από την ίδρυση εταιρειών, ο Cleve έχει διαδραματίσει κεντρικό ρόλο στην ενδυνάμωση του βορειοευρωπαϊκού οικοσυστήματος AI μέσω πρωτοβουλιών όπως η Nordic.ai και συμβουλευτικών ρόλων με οργανισμούς όπως η DIGITALEUROPE και το Εθνικό Συμβούλιο Ψηφιοποίησης της Δανίας.

Corti είναι μια εταιρεία τεχνητής νοημοσύνης στην υγειονομική περίθαλψη με έδρα το Κοπεγχάγη, που αναπτύσσει εξειδικευμένα μοντέλα σχεδιασμένα να κατανοούν ιατρικές συνομιλίες και να υποστηρίζουν τους κλινικούς επαγγελματίες σε πραγματικό χρόνο. Η πλατφόρμα της λειτουργεί ως βοηθός AI για τους επαγγελματίες υγείας, δημιουργώντας κλινική τεκμηρίωση, αποκαλύπτοντας πληροφορίες κατά τη διάρκεια των αλληλεπιδράσεων με τους ασθενείς και αυτοματοποιώντας διοικητικές ροές εργασίας. Προσφέροντας την τεχνολογία της μέσω API και ενσωματώσεων με συστήματα υγείας, η Corti στοχεύει στη μείωση του φόρτου εργασίας των κλινικών, ενώ βελτιώνει την αποδοτικότητα και τη λήψη αποφάσεων σε νοσοκομεία και ψηφιακές πλατφόρμες υγείας.

Μεγάλωσες σε μια οικογένεια όπου η υγειονομική περίθαλψη ήταν ένα συνεχές μέρος της καθημερινής ζωής… Πώς διαμόρφωσαν αυτές οι πρώιμες εμπειρίες την ίδρυση της Corti, και ποια συγκεκριμένα προβλήματα ήσασταν αποφασισμένοι να λύσετε από την πρώτη μέρα;

Το να μεγαλώνεις γύρω από την υγειονομική περίθαλψη έκανε δύο πράγματα εξαιρετικά σαφή: η εξειδίκευση έχει τεράστια σημασία, και οι διαδικασίες που μεταφέρουν αυτήν την εξειδίκευση είναι ευάλωτες και συχνά αποτυγχάνουν για τους ανθρώπους που τις χρειάζονται περισσότερο. Αυτές οι πρώιμες οικογενειακές εμπειρίες, που περιελάμβαναν το να βλέπεις τους φροντιστές να παλεύουν, την απώλεια γνώσης κατά τις μεταβιβάσεις, και το φόβο που προκύπτει από την ασυνεπή φροντίδα, έθεσαν την πεποίθηση ότι η υγειονομική περίθαλψη πρέπει να είναι προβλέψιμη και ότι οι κλινικοί δεν πρέπει ποτέ να είναι μόνοι όταν προκύπτει μια δύσκολη απόφαση. Αυτό μεταφράστηκε άμεσα στην αποστολή ίδρυσης της Corti: να δημιουργήσουμε συστήματα που υποστηρίζουν την εξειδίκευση, ώστε οι κλινικοί να έχουν πάντα αξιόπιστη, σε πραγματικό χρόνο, υποστήριξη λήψης αποφάσεων.

Από την πρώτη μέρα θέσαμε ως στόχο να αντιμετωπίσουμε την ανισορροπία προσφοράς-ζήτησης στην υγειονομική περίθαλψη: το χάσμα μεταξύ της πολυπλοκότητας της σύγχρονης ιατρικής και της περιορισμένης ανθρώπινης ικανότητας να την εφαρμόσει παντού, δημιουργώντας AI που μειώνει τη διακύμανση, επιταχύνει την ανίχνευση και υποστηρίζει ασφαλέστερες αποφάσεις στις στιγμές που έχουν τη μεγαλύτερη σημασία.

Η Corti τοποθετεί τον εαυτό της ως υποδομή AI για την υγειονομική περίθαλψη, αντί για αυτόνομο βοηθό AI. Τι σημαίνει υποδομή σε αυτό το πλαίσιο και ποιες δυνατότητες ανοίγει που οι λύσεις σημείου ή τα εργαλεία βασισμένα σε συνομιλία δεν μπορούν;

Όταν μιλάμε για υποδομή, εννοούμε ότι δεν παρέχουμε έναν μόνο βοηθό ή widget· χτίζουμε το θεμελιώδες στρώμα που καθιστά δυνατή την κλινική AI σε πολλαπλές ροές εργασίας. Η υποδομή εδώ σημαίνει: μοντέλα και δεδομένα εγγενή στην υγειονομική περίθαλψη (όχι γενικά δεδομένα web), ένα επίπεδο κλινικής λογικής που παρουσιάζει απαντήσεις με κλινικό πλαίσιο, εργαλεία κύκλου ζωής και διακυβέρνησης (κάρτες μοντέλων, ίχνη ελέγχου, επαληθεύσιμη καταγωγή), επιλογές ανάπτυξης που ικανοποιούν τους ρυθμιστές (κυρίαρχα σύννεφα, on‑prem ή ιδιωτικά endpoints), και API και SDK προσανατολισμένα σε προγραμματιστές που επιτρέπουν στις ομάδες προϊόντων να ενσωματώνουν κλινική νοημοσύνη στις εφαρμογές τους χωρίς να γίνονται ειδικοί ML ή συμμόρφωσης.

Αυτή η προσέγγιση ξεκλειδώνει τρία πράγματα που οι λύσεις σημείου δεν μπορούν: (1) δυνατότητα ανάπτυξης, δηλαδή μοντέλα και χρόνους εκτέλεσης που επιβιώνουν υπό πραγματικούς κλινικούς περιορισμούς (καθυστέρηση, κατοίκηση δεδομένων, δυνατότητα ελέγχου); (2) κλίμακα μεταξύ ειδικοτήτων, δηλαδή επαναχρησιμοποιήσιμα, πιστοποιημένα δομικά στοιχεία (ομιλία, κωδικοποίηση, κλινικά καθορισμένα άκρα) που μειώνουν το κόστος δημιουργίας πολλών κάθετων εφαρμογών· και (3) ρυθμιστική και επιχειρηματική εμπιστοσύνη, δηλαδή πολιτικές, BAAs και αρχές συμμόρφωσης ενσωματωμένες στην πλατφόρμα ώστε οι πελάτες να μπορούν να μεταβούν από πιλοτικά σε παραγωγή. Συνοπτικά, η υποδομή μετατρέπει την κλινική R&D σε αναπτύξιμες υπηρεσίες που οι προγραμματιστές και τα νοσοκομεία μπορούν να διανείμουν, πιστοποιήσουν και κλιμακώσουν.

Τα μοντέλα AI γενικού σκοπού συχνά εφαρμόζονται σε κλινικά περιβάλλοντα με ανάμικτα αποτελέσματα. Ποιες είναι οι πιο συνηθισμένες τρόποι με τους οποίους αυτά τα μοντέλα αποτυγχάνουν όταν χρησιμοποιούνται σε πραγματικά περιβάλλοντα υγειονομικής περίθαλψης;

Τα μοντέλα γενικού σκοπού έχουν σημειώσει αξιοσημείωτη πρόοδο και για πολλές εργασίες λειτουργούν καλά. Ωστόσο, η υγειονομική περίθαλψη ανταμείβει το βάθος με τρόπους που η οριζόντια AI δεν μπορεί εύκολα να αντιγράψει. Η κλινική λογική εξαρτάται από λεπτές ενδείξεις, εξειδικευμένη ορολογία, θεσμικό πλαίσιο και κατανόηση του πώς η τεκμηρίωση ρέει μέσω ρυθμιστικών και αποζημιωτικών συστημάτων. Η σωστή υλοποίηση απαιτεί εκπαίδευση σε κλινικά δεδομένα, επικύρωση έναντι κλινικών δεικτών και ενσωμάτωση της συμμόρφωσης στο στοίβα από την αρχή. Δεν είναι πρόβλημα προτροπής· είναι πρόβλημα έρευνας, γι’ αυτό πιστεύουμε ότι η υγειονομική περίθαλψη χρειάζεται ένα αφιερωμένο εργαστήριο AI, ένα που μπορεί να εμβαθύνει στον τομέα αντί να είναι ευρύ σε πολλούς.

Η Corti λειτουργεί σε όλη την Ευρώπη, τις Η.Π.Α. και πέρα, καθεμία με διαφορετικά μοντέλα φροντίδας και διακυβέρνησης. Πώς σχεδιάζετε συστήματα AI που προσαρμόζονται σε αυτήν την πραγματική πολυπλοκότητα;

Σχεδιάζουμε για την πολυπλοκότητα κατέχοντας μεγαλύτερο μέρος της στοίβας και καθιστώντας την ανάπτυξη και τη διακυβέρνηση πρώτης τάξης. Πρακτικά, αυτό σημαίνει εκπαίδευση σε δεδομένα αποκλειστικά υγειονομικής περίθαλψης και ρύθμιση μοντέλων για κλινική λογική· δημιουργία μητρώων ελέγχου, καρτών μοντέλων και API έτοιμων για BAA· και σχεδίαση δρομολόγησης ώστε οι έλεγχοι συμμόρφωσης να επιλέγονται ανά γεωγραφία και προφίλ κινδύνου. Για πελάτες που το χρειάζονται, προσφέρουμε επιλογές κυρίαρχου cloud και εγκατάστασης on‑prem, ώστε οι πάροχοι να μπορούν να επιλέξουν πού θα ζουν τα δεδομένα τους και να διατηρήσουν τον έλεγχο των μοντέλων που τρέχουν πάνω τους.

Αυτή η ευελιξία μας επιτρέπει να εκτελούμε το ίδιο κλινικό AI σε διαφορετικά μοντέλα φροντίδας, τηρώντας τα τοπικά πρότυπα τεκμηρίωσης, τους νόμους προστασίας προσωπικών δεδομένων και τη θεσμική διακυβέρνηση. Σημαντικό είναι ότι θεωρούμε την έρευνα ως σκάλα προς την παραγωγή· κάθε πρόοδος πρέπει να είναι ιχνηλατήσιμη, δοκιμαστέα και αναπτύξιμη στον πραγματικό κόσμο, όχι μόνο υποσχόμενη στο εργαστήριο. Αυτό σημαίνει να είναι κανείς χτισμένος να ευδοκιμεί στην κλινική πραγματικότητα.

Κοιτάζοντας τις εργασίες της πρώτης γραμμής κλινικών ροών εργασίας σήμερα, πού παρέχει η Corti τον πιο άμεσο, μετρήσιμο αντίκτυπο, και γιατί αυτές οι περιοχές είναι οι πιο σημαντικές για τους υπερφορτωμένους κλινικούς ιατρούς;

Ο πιο άμεσος αντίκτυπος της Corti σήμερα είναι στις κλινικές και διοικητικές ροές εργασίας που φέρουν το μεγαλύτερο βάρος. Τα μοντέλα και τα API μας τροφοδοτούν την ατμοσφαιρική τεκμηρίωση, την κωδικοποίηση και την αυτοματοποίηση μέσω πρακτόρων μέσα στο λογισμικό υγειονομικής περίθαλψης που χρησιμοποιούν οι κλινικοί καθημερινά.

Αυτές οι περιοχές είναι σημαντικές επειδή η τεκμηρίωση και η τιμολόγηση είναι από τα πιο χρονοβόρα και επιρρεπή σε σφάλματα μέρη της παροχής φροντίδας. Όταν οι συνομιλίες γίνονται δομημένες, σημειώσεις έτοιμες για EHR σε πραγματικό χρόνο, όταν η κωδικοποίηση είναι πιο πλήρης και ακριβής, και όταν οι καθημερινές ροές εργασίας αυτοματοποιούνται με ασφάλεια μέσα σε ρυθμιζόμενα συστήματα, οι κλινικοί δαπανούν λιγότερο χρόνο σε γραφειοκρατία και οι οργανισμοί βλέπουν μετρήσιμες βελτιώσεις στην αποδοτικότητα και την ποιότητα αποζημίωσης.

Η υγειονομική περίθαλψη δεν είναι ένα ενιαίο μονολιθικό πρόβλημα, αλλά χιλιάδες ροές εργασίας ειδικότητας που λειτουργούν υπό ρυθμιστική πίεση. Δημιουργώντας AI παραγωγικής κλάσης που ευδοκιμεί στην κλινική πραγματικότητα, δίνουμε τη δυνατότητα σε εταιρείες λογισμικού και συστήματα υγείας να αντιμετωπίσουν αυτά τα προβλήματα σε κλίμακα. Εκεί είναι που το εργαστήριο AI της υγειονομικής περίθαλψης προσφέρει πρακτική, μετρήσιμη απόδοση.

Η Corti υποστηρίζει εκατοντάδες χιλιάδες αλληλεπιδράσεις ασθενών καθημερινά. Ποια μαθήματα έχουν προκύψει από τη λειτουργία AI σε αυτήν την κλίμακα που δεν είναι προφανή σε πιλοτικά ή εργαστηριακά περιβάλλοντα;

Η λειτουργία σε μεγάλη κλίμακα αποκαλύπτει τριβές που οι πιλότοι κρύβουν λόγω ετερογενούς ποιότητας δεδομένων (κανένα δύο ΗΡΓ ή μεταγραφές κλήσεων δεν είναι ίδια), καθυστέρηση παραγωγής και περιορισμούς ροής, νομική και συμβατική πολυπλοκότητα μεταξύ πελατών και γεωγραφιών, καθώς και τις διαρκείς ακραίες περιπτώσεις που εμφανίζονται μόνο υπό φορτίο. Τα εργαστήρια μπορούν να μετρήσουν την ακρίβεια σε επιμελημένα σύνολα· η παραγωγή σας αναγκάζει να λύσετε τη δρομολόγηση, την παρατηρησιμότητα, την ανίχνευση μεταβολών, την επαναφορά μοντέλου και τα υπεύθυνα αρχεία ελέγχου. Ένα ακόμη μάθημα: η πραγματική εμπιστοσύνη κερδίζεται κάνοντας τα μοντέλα εξηγήσιμα, επαναλήψιμα και πιστοποιήσιμα, αντί για απόδοση σε ένα μόνο σημείο. Τέλος, οι πιλότοι υποτιμούν το συνολικό κόστος ιδιοκτησίας: οι προγραμματιστές στην παραγωγή χρειάζονται SDKs, συνεπείς τελικά σημεία και πρωτογενή στοιχεία διακυβέρνησης για να διατηρήσουν την ασφάλεια και να επαναλαμβάνουν παραγωγικά.

Η υγειονομική περίθαλψη απαιτεί υψηλότερη εξηγήσιμότητα από την καταναλωτική AI. Πώς προσεγγίζετε τη κλινική λογική, τη διαφάνεια και τη λογοδοσία όταν η AI επηρεάζει τις ιατρικές αποφάσεις;

Η υγειονομική περίθαλψη απαιτεί υψηλότερο πρότυπο επειδή το κόστος του λάθους είναι πραγματικό. Η κλινική AI δεν μπορεί απλώς να παράγει πειστική γλώσσα· πρέπει να λογίζεται πάνω σε σύνθετες, ρυθμιζόμενες, υψηλού κινδύνου πληροφορίες με τρόπο που είναι διαφανής και ελέγξιμος.

Γι’ αυτό αναπτύξαμε το GIM, τη μέθοδο Gradient Interaction Modifications, για να κάνουμε τη κλινική λογική πιο ερμηνεύσιμη σε επίπεδο μοντέλου. Το GIM πρόσφατα κορυφώθηκε στο Hugging Face Mechanistic Interpretability Benchmark, καταλαμβάνοντας την πρώτη θέση στη λίστα κατάταξης μεταξύ των προσεγγίσεων ερμηνευσιμότητας. Αυτό είναι σημαντικό επειδή η ερμηνευσιμότητα δεν είναι ακαδημαϊκή άσκηση στην υγειονομική περίθαλψη· είναι θεμελιώδης για την εμπιστοσύνη, την ασφάλεια και την υιοθέτηση από τις ρυθμιστικές αρχές.

Πέρα από την έρευνα, η διαφάνεια πρέπει να μεταφερθεί και στην υλοποίηση. Παρέχουμε κάρτες μοντέλων, δείκτες επικύρωσης, αρχεία ελέγχου και έλεγχο εκδόσεων ώστε οι πελάτες να γνωρίζουν ακριβώς τι εκτελείται και πώς αξιολογήθηκε. Τα αποτελέσματα συνδέονται με αποδείξεις, η αβεβαιότητα είναι σαφής, και τα συστήματα σχεδιάζονται για να υποστηρίζουν τους κλινικούς γιατρούς ως υπεύθυνους αποφάσεων, όχι να τους αντικαθιστούν με ένα αδιαφανές μαύρο κουτί.

Στην υγειονομική περίθαλψη, η εξηγήσιμότητα δεν είναι χαρακτηριστικό. Είναι προαπαιτούμενο για την εμπιστοσύνη. Γι’ αυτό προσεγγίζουμε την κλινική AI πρώτα ως πειραματική πειθαρχία και διασφαλίζουμε ότι η έρευνα παραδίδεται σε συστήματα παραγωγικής ποιότητας που μπορούν να ελεγχθούν, να διαχειριστούν και να υλοποιηθούν με ασφάλεια.

Η κυριαρχία της AI είναι ένα κρίσιμο θέμα στους ρυθμιζόμενους τομείς. Τι σημαίνει κυριαρχία στην υγειονομική περίθαλψη και πώς μπορούν οι πάροχοι να διατηρήσουν τον έλεγχο ενώ εξακολουθούν να επωφελούνται από την προηγμένη AI;

Στην υγειονομική περίθαλψη, η κυριαρχία σημαίνει ότι οι πάροχοι διατηρούν τον έλεγχο της κατοικίας των δεδομένων, της επιλογής μοντέλου και της λειτουργικής διακυβέρνησης. Στην πράξη, η κυριαρχία επιτυγχάνεται με επιλογές τοπικής ή περιφερειακής φιλοξενίας (κυρίαρχα σύννεφα και on‑prem), ιδιωτικά τελικά σημεία μοντέλων, πλήρη έλεγχο ελέγχου και κύκλου ζωής, καθώς και συμβατικές και τεχνικές εγγυήσεις (BAAs, SLAs, DPIAs). Η κυριαρχία δεν είναι anti‑cloud· αφορά το να δίνεται στους παρόχους η δυνατότητα να επιλέγουν πού εκτελούνται τα φορτία εργασίας τους και να έχουν επαληθεύσιμο έλεγχο και ανιχνευσιμότητα των μοντέλων και των δεδομένων. Αυτός ο συνδυασμός επιτρέπει στους παρόχους να έχουν πρόσβαση σε τεχνολογίες αιχμής ενώ τηρούν τις νομικές και θεσμικές υποχρεώσεις.

Ως ιδρυτής και σύμβουλος σε ευρωπαϊκές πρωτοβουλίες, πώς βλέπετε την εξέλιξη της ρύθμισης και πού οι νομοθέτες εξακολουθούν να υποτιμούν τις τεχνικές πραγματικότητες της κλινικής AI;

Η Ευρώπη έχει δίκιο που παίρνει τη ρύθμιση σοβαρά. Στην υγειονομική περίθαλψη, η δυνατότητα ελέγχου, η ανιχνευσιμότητα και η λογοδοσία δεν είναι προαιρετικές· είναι προαπαιτούμενα για την εμπιστοσύνη.

Όπου οι νομοθέτες μερικές φορές υποτιμούν την πραγματικότητα είναι στον τρόπο λειτουργίας της κλινικής AI. Η πιστοποίηση δεν είναι μια εφάπαξ έγκριση· απαιτεί συνεχής παρακολούθηση, έλεγχο εκδόσεων και συνεχή επικύρωση. Ταυτόχρονα, πρέπει να αποφεύγουμε την υπερρύθμιση. Εάν η συμμόρφωση γίνει δυσανάλογη, η καινοτομία επιβραδύνεται και τα χρήσιμα εργαλεία δεν φτάνουν ποτέ στους κλινικούς.

Στην Corti, υποθέτουμε τη ρύθμιση από την πρώτη μέρα. Δημιουργούμε δυνατότητα ελέγχου, διακυβέρνηση μοντέλων και επιλογές κυρίαρχης ανάπτυξης απευθείας στα μοντέλα και τα API μας, ώστε οι νεοσύστατες εταιρείες και οι καθιερωμένοι προμηθευτές να μην χρειάζεται να προσαρμόσουν για συμμόρφωση αργότερα. Η υγειονομική περίθαλψη είναι πολύπλοκη και κατακερματισμένη, και ο μόνος τρόπος να προχωρήσουμε γρήγορα είναι να ενσωματώσουμε την ετοιμότητα για ρυθμιστικό πλαίσιο στη βάση. Η ισορροπία που χρειάζεται η Ευρώπη είναι αυστηρή αλλά πρακτική: να προστατεύουμε τους ασθενείς αλλά να κάνουμε δυνατό το ασφαλές κτίσιμο και η ανάπτυξη σε κλίμακα.

Κοιτάζοντας μπροστά 12–24 μήνες, ποιες σημαντικές αλλαγές θα πρέπει να αναμένουν οι ηγέτες της υγειονομικής περίθαλψης από την Corti, και πώς αυτά τα σχέδια θέτουν τη βάση για το 2026;

Αναμένετε η Corti να εντείνει την προσέγγιση από το εργαστήριο στην παραγωγή: να παραδίδει μοντέλα υποστηριζόμενα από έρευνα, κλινικής ποιότητας, και να τα συσκευάζει ως αναπτυξιμό υποδομή (σημεία άκρης φωνής, κωδικοποίησης και πρακτόρων, ένα στρώμα κλινικής λογικής και επιλογές κυρίαρχης ανάπτυξης). Τα επερχόμενα σχέδια του οδικού χάρτη περιλαμβάνουν βελτιωμένα benchmarks STT και καθυστέρησης, φωνητικούς πράκτορες, μοντέλα ιατρικής κωδικοποίησης που θα μπουν στην παραγωγή, και πολλαπλές εκκινήσεις κυρίαρχου cloud, όλα ρητά σχεδιασμένα για να μεταφέρουν τους πελάτες από πιλοτικά σε πιστοποιημένη παραγωγή. Η Corti δεν είναι μια μοναδική εφαρμογή· είναι το εργαστήριο AI της υγειονομικής περίθαλψης, δημιουργημένο για να επιτρέπει ολόκληρες κατηγορίες ασφαλούς, ελεγχόμενης κλινικής λογισμικής – τη βάση για τις φιλοδοξίες μας για το 2026.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα θα πρέπει να επισκεφθούν Corti.