Akilesh Bapu, DeepScriben perustaja ja toimitusjohtaja – Haastattelu

Akilesh Bapu on DeepScriben perustaja ja toimitusjohtaja, joka käyttää luonnollisen kielen prosessointia (NLP) ja edistynyttä syvää oppimista luomaan tarkat, mukautuvat ja turvalliset muistiinpanot lääkärin ja potilaan keskusteluista.

Mikä sai sinut kiinnostuneeksi AI:sta ja luonnollisen kielen prosessoinnista?

Jos muistan oikein, Jarvis “Iron Manista” oli se, joka ensin sai minut kiinnostuneeksi luonnollisen kielen prosessoinnista ja AI:sta. Erityisesti minua kiinnosti, kuinka nopeasti ihminen pystyi suorittamaan tehtäviä ja kuinka paljon syvemmälle pystyi menemään tietyn tehtävän parissa ja paljastamaan tietoa, jota ei olisi muuten tiennyt, jos ei olisi ollut tätä AI:ta.

Se oli tämä konsepti “AI ei ole yhtä hyvä kuin ihminen useimmissa tehtävissä, mutta kun yhdistät ihmisen ja AI:n, yhdistelmä dominoi”. Luonnollisen kielen prosessointi on tehokkain tapa saada tämä yhdistelmä toimimaan.

Sen jälkeen olin pakkomielteen vallassa Siriin, Google (GOOGL ) Now’hun, Alexaan ja muihin. Vaikka ne eivät toimineet yhtä sulavasti kuin Jarvis, halusin niin paljon saada ne toimimaan samalla tavalla kuin Jarvis. Erityisesti huomasin, että komennot kuten “Alexa tee tämä”, “Alexa tee tuo” olivat melko helppoja ja tarkkoja suorittaa nykyisellä teknologialla. Mutta kun puhutaan asiasta kuten Jarvis, joka voi oppia ja ymmärtää, suodattaa ja poimia tärkeitä aiheita toisen keskustelun aikana – sitä ei ollut tehty aikaisemmin. Tämä liittyy suoraan yhteen DeepScriben perustamisen tärkeimmistä motivaatioista. Kun ratkaistaan lääkärien dokumentaatio-ongelmaa, yritetään luoda uudenlainen älykkyyden aalto: ambient intelligence. AI, joka voi kaivaa päivittäin käytetyistä lausahduksista hyödyllistä tietoa ja käyttää sitä apuna.

Mitä tutkimusta teit UC Berkeley College of Engineeringissä syväoppimisen ja NLP:n parissa?

Berkeley AI Research Labissa työskentelin geneettisen ontologian annotaattorihankkeessa, jossa tiivistiin PubMed-artikkeleita tiettyjen tulostusparametrien kanssa.

Korkean tason katsaus: Otetaan tehtävä kuten CNN-uutisartikkeleiden tiivistäminen. Tässä tehtävässä tiivistetään uutisartikkeleita noin muutamaan lauseeseen. Edullisesti on data ja mahdollisuus kouluttaa nämä mallit yli miljoonalla artikkelilla. Mutta ongelma on, että tiivistysten rakenne on rajattu, ja itse artikkeleiden rakenne on hyvin vähäinen. Vaikka ongelmaan on tehty joitakin parannuksia viimeisen 2,5 vuoden aikana, se on edelleen ratkaisematon ongelma.

Tutkimushankkeessamme kehitimme rakenteellisia tiivistelmiä artikkeleista. Rakenteellinen tiivistelmä on samanlainen kuin tyypillinen tiivistelmä, mutta tiedämme täsmälleen tulostussummien rakenteen. Tämä on hyödyllistä, koska se dramaattisesti vähentää mallin tulostusvaihtoehtoja – haaste oli, että annotoituja koulutusdataa ei ollut tarpeeksi syvälle oppimismallin saamiseksi ja saadakseen käyttökelpoisia tuloksia.

Työn ydin, jonka tein tässä hankkeessa, oli hyödyntää tietämystä, jota meillä on syötteen tiedoista, ja kehittää joukko matalia ML-malleja sen tueksi – tekniikka, jonka keksimme, kutsutaan 2-askel-annotaattoriksi. 2-askel-annotaattori saavutti lähes 20-kertaisen tarkin luokan kuin aiempi paras (54 prosenttia vs 3,6 prosenttia).

DeepScriben kanssa tämä hanke oli hyvin samanlainen siinä, miten 2-askel-annotointimenetelmää käytettiin tulosten dramaattiseen parantamiseen rajoitetulla datasetillä.

Mikä oli inspiraatio DeepScriben perustamiselle?

Kaikki alkoi isästäni, joka on lääkäri. Ennen sähköisten terveydenhuollon rekisterijärjestelmien yleistymistä terveydenhuollossa lääkärit kirjoittivat muistiinpanoja paperille ja viettivät vain vähän aikaa niiden kirjoittamiseen. Mutta kun sähköiset terveydenhuollon rekisterijärjestelmät alkoivat yleistyä osana HITECH-lakia vuonna 2009, huomasin, että isäni vietti yhä enemmän aikaa tietokoneen ääressä. Hän alkoi tulla kotiin myöhemmin. Viikonloppuisin hän istui sohvalta ja diktoi muistiinpanoja. Yksinkertaiset asiat, kuten se, että hän vei minut koulusta tai koripalloharjoituksista, muuttuivat harvinaisiksi, koska hän vietti suurimman osan ilta-aikaa dokumentaatiota tekemällä.

Nuorena poikana, joka kasvoi, yritin löytää ratkaisuja hänelle etsimällä verkosta ja kokeilemalla niitä. Valitettavasti mikään ei toiminut tarpeeksi hyvin, jotta hän olisi voinut välttää pitkiä dokumentaatiotunteja.

Eteenpäin useita vuosia, kesällä 2017 – olin tutkija, joka työskenteli Berkeley AI Research Labissa, työskennellen asiakirjojen tiivistämishankkeissa. Kesällä, kun olin kotona, huomasin, että isäni vietti edelleen paljon aikaa dokumentaatiota tekemällä. Kysyin: “Mitä on uutta dokumentaation maailmassa? Alexa on joka paikassa, Google Assistant on niin hyvä nyt. Kerro, mitä on uutta lääketieteellisessä alalla?” Ja hänen vastauksensa oli: “Mitään ei ole muuttunut.” Luulin, että se oli vain hänelle ominaista, mutta kun menin ja kysyin useilta hänen kollegoiltaan, sama ongelma toistui: ei se, mikä on uutta syövän hoidossa tai mitä uusia ongelmia potilailla on – vaan dokumentaatio. “Miten voin päästä eroon dokumentaatiosta? Miten voin säästää aikaa dokumentaatiosta? Se vie niin paljon aikaa.”

Myös huomasin useita yrityksiä, jotka olivat ilmaantuneet ratkaisemaan dokumentaatio-ongelmaa. Mutta joko ne olivat liian kalliita (tuhat dollaria kuukaudessa) tai ne olivat liian vähäisiä teknologisesti. Lääkäreillä ei ollut paljon vaihtoehtoja. Silloin avautui mahdollisuus, että jos voimme luoda älykkään lääkärin sihteerin, teknologian, joka voi seurata lääkärin potilaskäyntejä ja tiivistää ne, ja tarjota se kohtuulliseen hintaan, jotta se olisi kaikkien saatavilla, se voisi todella tuoda ilon hoitoon takaisin lääketieteeseen.

Olit vasta 22-vuotias, kun perustit DeepScriben. Voitko kuvailla yritysmatkasi?

Ensimmäinen kosketukseni yrittäjyyteen oli lukiossa. Se alkoi, kun ystäväni ja minä, jotka tunsivat jonkin verran JavaScriptiä, tapasimme oppilaitoksen johtajan, joka kertoi, kuinka yksinkertaiset työkalut voivat olla hyödyllisiä dysleksiaa sairastaville lapsille. Lopputuloksena oli, että kehitimme yhdessä dysleksia-lukemisen Chrome-laajennuksen. Se oli hyvin yksinkertainen – se vain sovitti fontin tiettyyn tieteelliseen muotoon, joka helpottaa dysleksiaa sairastavien lukemista. Vaikka konsepti oli yksinkertainen, saimme yli 5000 aktiivista käyttäjää muutamassa kuukaudessa. Olin hämmästynyt siitä, kuinka perustein tekniikka voi olla niin suuri vaikutus ihmisten elämään.

Berkeleyn yliopistossa jatkoin yrittäjyyden maailmaan perehtymistä niin paljon kuin mahdollista, etenkin heidän laajalla valikoimallaan kursseilla. Suosikkikurssejni olivat:

1. Newton-luentosarja – henkilöt kuten Jessica Mah InDinerosta tai Diane Greene VMWaresta, jotka olivat Cal-alumneja, pitivät hyvin suhteellisia puheita heidän aikakaudestaan Berkeleyn yliopistossa ja siitä, miten he perustivat oman yrityksensä
2. HaasteLaboratorio – tapasin siellä yhteistyökumppani Matt Kon. Meidät asetettiin ryhmiin ja kulkimme koko lukukauden ajan luomassa tuotetta ja saimme mentorointia siitä, mitä vaaditaan varhaisessa vaiheessa saadakseen idean käyntiin.
3. Lean Launchpad – ehdottomasti suosikkini kolmesta; se oli vaativa ja raskas prosessi, jossa opastimme Steve Blankin (tunnetun miljardöörin ja Lean Startup -liikkeen takana) ottamaan idean, vahvistamaan sen 100 asiakashaastattelun kautta, luomaan taloudellisen mallin ja muuta. Tämä oli sellainen kurssi, jossa esitimme “startup-ideamme” ja sitten keskeytettiin jo toisella tai kolmannella diaesityksellä ja haastateltiin. Jos se ei ollut tarpeeksi vaikeaa, meidät odotettiin haastattelevan 10 asiakasta viikossa. Ideamme tuolloin oli luoda patenttihaku, joka antaisi samanlaisia tuloksia kuin kalliiden prior art -hakujen, mikä tarkoitti, että esitimme 10 yritysasiakkaalle viikossa. Se oli hyvä, koska se opetti meitä ajattelemaan nopeasti ja olla erittäin resursivoiva.

DeepScribe alkoi, kun sijoittajaryhmä The House Fund kirjoitti sekkejä opiskelijoille, jotka luopuisivat kesäharjoittelusta ja viettäisivät kesäänsä rakentamalla yritystään. Meidän oli juuri lopetettu Delphi (patenttihaku), ja Matt ja minä olimme jatkuvasti puhuneet lääkärien dokumentaatiosta, ja kaikki sopi yhteen, koska se oli täydellinen aika kokeilla sitä.

DeepScriben kanssa olimme onnekkaita, koska olimme juuri tulleet Lean Launchpadista, ja yksi tärkeimmistä tekijöistä lääkärien tuotteiden kehittämisessä oli iteroida ja parantaa tuotetta asiakaspalautteen perusteella. Historiallinen ongelma terveydenhuoltoalalla on ollut, että ohjelmistoa on harvoin suunniteltu lääkäreiden kanssa, joten ohjelmisto ei ole ollut optimaalista loppukäyttäjälle.

Koska DeepScribe tapahtui samanaikaisesti viimeisenä vuotena Berkeleyn yliopistossa, se oli raskas tasapainoilu. Esitin luokkaan puvussa, jotta pääsisin ajoissa asiakasdemoon heti luokan jälkeen. Käytin kaikkia EE-laitteita ja professoreita, mutta ei mitään, mikä liittyi luokkaan, vaan 100 prosenttisesti DeepScribeen. Kokoukseni tutkimusohjaajani muuttuivat DeepScribe-ideointisessioiksi.

Viimeiseen olisi pitänyt muuttaa yksi asia eli laittaa yliopisto sivuun, jotta voisin viettää 150 prosenttia ajastani DeepScribelle.

Voitko kuvailla DeepScriben etuja lääkäreille verrattuna perinteiseen äänidiktaatioon tai jopa muistiinpanojen kirjaamiseen?

DeepScriben käyttäminen on tarkoitus olla hyvin samanlaista kuin todellisen sihteerin käyttäminen. Kun puhut luonnollisesti potilaasi kanssa, DeepScribe kuuntelee ja poimii lääketieteellisesti merkitykselliset puheenaiheet, jotka yleensä menevät muistiinpanoihin, ja laittaa ne sinne, käyttäen samaa lääketieteellistä kieltä, jota itse käytät. Pidämme sitä uutena AI-voimaisena jäsenenä lääkäritiimissäsi, jonka voit kouluttaa haluamallasi tavalla avustamaan dokumentaatiota sähköisessä terveydenhuollon rekisterijärjestelmässäsi. Se on hyvin erilainen kuin äänidiktaatiopalvelun käyttäminen, koska se poistaa koko vaiheen, jossa on palattava ja dokumentoimassa. Kun tyypilliset diktaattoripalvelut muuttavat 10 minuutin dokumentaation 7-8 minuutiksi, DeepScribe muuttaa sen muutamaksi sekunniksi. Lääkärimme raportoivat säästävänsä 1,5-3 tuntia päivässä riippuen siitä, montako potilasta heillä on.

DeepScribe on laitteistoriippumaton, toimii iPhoneilla, Apple Watchilla, selaimella (etähoitoa varten) tai laitteilla.

Mitkä ovat joitakin haasteita, joita DeepScribe saattaa kohdata johtuen monimutkaisesta lääketieteellisestä terminologiasta?

Toisin kuin yleisesti uskotaan, monimutkainen lääketieteellinen terminologia on itse asiassa helpoin osa DeepScribelle. Haasteellisin osa DeepScribelle on poimia yksilöllisiä kontekstuaalisia lausahduksia, joita potilas voi antaa lääkärille. Mitä enemmän he poikkeavat tyypillisestä keskustelusta, sitä enemmän näemme AI:n kompastuvan. Mutta mitä enemmän keräämme keskusteludataa, sitä enemmän se paranee dramaattisesti joka päivä.

Mitkä ovat muut koneoppimisen teknologiat, joita DeepScribe käyttää?

Puhetta tunnistavan ja NLP:n laajat kattavat suurimman osan koneoppimisesta, jota tehdään DeepScribessä.

Voitko mainita joitakin sairaaloita, voittoa tavoittelemattomia organisaatioita tai akateemisia laitoksia, jotka käyttävät DeepScribea?

DeepScribe alkoi pilot-ohjelmasta UC Berkeley Health Centerissä. Hartford Healthcare, Texas Medical Center ja Cedar Valley Medical Specialists ovat joukko suurempia järjestelmiä, joissa DeepScribe on mukana.

DeepScriben käyttäjien suurin osa on kuitenkin 50 yksityistä lääkäriasemaa Alaskasta Floridaan. Suosituimmat erikoisalat ovat yleislääketiede, ortopedia, gastroenterologia, kardiologia, psykiatria ja onkologia, mutta tuemme myös joukon muita erikoisaloja.

DeepScribe on vastikään lanseerannut ohjelman, joka auttaa COVID-19:n torjunnassa. Voitko kertoa siitä?

COVID-19 on iskenyt lääkäreihimme. Käynnit ovat vain 30-40 prosenttia normaalia määrää, sihteerien henkilöstö vähenee ja tarjoajat joutuvat nopeasti siirtymään kaikki potilaansa etähoitoon. Tämä johtaa tarjoajille enemmän byrokratiaa – uskomme DeepScribessä, että lääkäreiden on keskityttävä 100 prosenttisesti potilaidensa hoitoon, jotta pandemia voidaan saada loppumaan.

Auttaaksemme tätä asiaa, olemme ylpeitä lanseeramasta ilmaista etähoitopalvelua terveydenhuollon ammattilaisille, jotka taistelevat tätä pandemiaa vastaan. Etähoitopalvelumme on täysin integroitu AI-voimaisen lääkärin sihteeriratkaisuumme, mikä poistaa tarpeen kliinisestä dokumentaatiosta kohtaamisissa, jotka tehdään alustallamme.

Tarjoamme myös sihteeripalvelumme ilmaiseksi pandemian aikana. Tämä tarkoittaa, että mikä tahansa lääkäri voi saada sihteerin ilmaiseksi hoitamaan dokumentaationsa. Toivomme, että tekemällä tämän, lääkärit voivat keskittyä enemmän potilaidensa hoitoon ja vähemmän dokumentaatioon, mikä johtaa COVID-19-pandemian nopeampaan loppumiseen.

Kiitos hienosta haastattelusta, nautin todella siitä, että opin DeepScribesta ja sinun yrittäjyydestäsi. Kaikki, jotka haluavat oppia lisää, kannattaa vierailla DeepScribessa.