Andreas Cleve、Cortiの共同創設者兼CEO – インタビューシリーズ

Andreas Cleve、Cortiの共同創設者兼CEOは、ヘルスケアにおける人工知能の進歩に焦点を当てた起業家です。彼のセクターでの仕事は、デンマークの病院向けの会話型ワークフォースプランニングプラットフォームであるOvivoから始まり、2013年に買収されるまで急速にデンマーク全土に広まりました。彼は後に、Hyviを共同創設しました。Hyviは、実時間に複雑な会話を理解できるコンテキストアウェア言語モデルを探求する研究イニシアチブで、最終的に2018年にCortiに発展しました。企業を構築すること以外に、Cleveは、Nordic.aiやDIGITALEUROPE、デンマークのNational Digitization Councilなどの組織とのアドバイザリーロールを通じて、北欧のAIエコシステムの強化に重要な役割を果たしています。

Cortiは、コペンハーゲンに本拠を置くヘルスケアAI企業で、医療会話を理解し、臨床医をリアルタイムでサポートするための専門モデルを開発しています。そのプラットフォームは、ヘルスケア専門家のためのAIアシスタントとして機能し、臨床ドキュメンテーションを生成し、患者のやり取り中に洞察を浮き彫りにし、管理ワークフローを自動化します。APIおよびヘルスケアシステムとの統合を通じて技術を提供することで、Cortiは臨床医の負担を軽減し、病院やデジタルヘルスプラットフォーム全体での効率性と意思決定を向上させることを目指しています。

あなたはヘルスケアが日常生活の一部であった家庭で育ちました… それらの初期の経験はCortiの創設をどのように形作りましたか? そして、最初から解決しようとした具体的な問題は何でしたか?

ヘルスケアが日常生活の一部であった家庭で育ったことは、2つのことを痛感させました。専門知識は非常に重要であり、専門知識を転送するプロセスは脆弱で、最も必要とする人々に失敗することが多いということです。家庭での経験、ケア提供者が苦労しているのを見て、知識がハンドオフで失われるのを見て、不一致なケアから生じる恐怖を感じたことは、ヘルスケアは予測可能であり、臨床医は難しい決定が必要な時に孤独にしないという信念を生み出しました。Cortiの創設ミッションは、臨床医が常に信頼できるリアルタイムの意思決定サポートを持つように、専門知識を裏付けるシステムを構築することです。

最初から、私たちはヘルスケアにおける供給と需要のバランスを取ることを目指しました。現代医学の複雑さと人間の能力の限界のギャップを埋めるために、変動を減らし、検出を高速化し、重要な瞬間により安全な決定をサポートするAIを作成することでです。

CortiはスタンドアロンAIアシスタントではなく、ヘルスケアAIインフラとして自らを位置付けます。インフラストラクチャとはこの文脈で何を意味し、ポイントソリューションやチャットベースのツールではできない機能を何を開放しますか?

私たちがインフラストラクチャについて話すとき、私たちは単一のアシスタントやウィジェットを提供しているのではなく、臨床グレードのAIを可能にする基盤スタックを構築しているのです。インフラストラクチャとは、ヘルスケアネイティブモデルとデータ（一般的なWebデータではなく）、臨床的背景を浮き彫りにする臨床的推論レイヤー、ライフサイクルとガバナンスツール（モデルカード、監査トレイル、検証可能なプロビニェンス）、規制当局に適合する展開オプション（主権クラウド、オンプレミス、またはプライベートエンドポイント）、開発者向けAPIとSDKが含まれます。これらのツールにより、製品チームは、MLまたはコンプライアンスの専門家になることなく、臨床的インテリジェンスをアプリケーションに組み込むことができます。

このアプローチにより、ポイントソリューションではできない3つのことが可能になります。1）展開可能性：実際の臨床的制約（待機時間、データ居住性、監査可能性）に耐えるモデルとランタイム。2）専門分野全体でのスケーラビリティ：再利用可能な、認定されたビルディングブロック（スピーチ、コーディング、臨床的にスコープされたエンドポイント）により、多くの 垂直アプリケーションを構築するコストを削減します。3）規制とエンタープライズの信頼：プラットフォームに組み込まれたポリシー、BAAs、コンプライアンスプリミティブにより、顧客がパイロットから本格的な生産に移行できます。簡単に言えば、インフラストラクチャは、臨床的R&Dを展開可能なサービスに変換し、開発者と病院がそれらを出荷し、認定し、スケールアップできるようにします。

汎用AIモデルは、臨床環境で混合された結果をもたらします。臨床環境で使用される際に、これらのモデルが最も一般的にどのように失敗しますか?

汎用モデルは驚くべき進歩を遂げてきましたが、多くのタスクでうまく機能します。しかし、ヘルスケアは、水平方向のAIが簡単に複製できない方法で深さを報います。臨床的推論は、繊細なヒント、専門用語、機関の背景、文書化が規制と請求システムを通じてどのように流れるかを理解することに依存しています。これを正しく行うには、臨床データでのトレーニング、臨床ベンチマークに対する検証、スタックへのコンプライアンスの組み込みが必要です。これは、プロンプティングの問題ではなく、研究問題です。したがって、私たちは、ヘルスケアに専門のAIラボが必要であると考えています。そこでは、ドメインに深く焦点を当てることができます。

Cortiはヨーロッパ、米国、その他の地域で運営しています。各地域には異なるケアモデルとガバナンスがあります。実際の複雑さに適応するAIシステムをどのように設計しますか?

私たちは、スタックの所有権を多く持つことと、展開とガバナンスを第一級市民として扱うことによって、複雑さに対応します。実際的には、ヘルスケア専用のデータでトレーニングし、モデルを臨床的推論に合わせて調整し、監査トレイル、モデルカード、BAA準拠のAPIを構築し、ルーティングを設計することを意味します。必要な顧客には、主権クラウドとオンプレミス展開オプションを提供します。したがって、提供者はデータの保存場所を選択し、実行されるモデルを制御できます。

この柔軟性により、Cortiはさまざまなケアモデルを横断して同じ臨床AIを実行し、地元の文書化標準、プライバシーロー、機関のガバナンスを尊重することができます。重要なのは、研究を実際の世界で展開可能なものとして扱うことです。すべての進歩は追跡可能で、テスト可能で、実際の世界で展開可能である必要があります。実験室でのみ約束されているのではなく、実際の臨床現実で繁栄するように構築されていることを意味します。

現在の臨床ワークフローを見ると、Cortiはどこで最も直接的で測定可能な影響を与えますか? そして、過負荷の臨床医にとって、それらの分野はなぜ最も重要ですか?

Cortiの最も直接的な影響は、最大の負担を負う臨床的および管理的ワークフローです。私たちのモデルとAPIは、臨床医が毎日使用するヘルスケアソフトウェア内のアンビエントドキュメンテーション、コーディング、エージェント駆動の自動化を可能にします。

これらの分野は、文書化と請求がケアの提供における最も時間のかかる、また最もエラーの多い部分であるため、重要です。会話がリアルタイムで構造化されたEHR用のノートになり、コーディングがより完全で正確になり、ルーティンワークフローが規制されたシステム内で安全に自動化されると、臨床医は文書化に費やす時間が減り、組織は効率性と請求の品質の改善が実感できます。

ヘルスケアは、1つの大きな問題ではなく、規制の圧力の下で動作する数千の専門分野特有のワークフローです。臨床現実で繁栄する生産グレードのAIを構築することで、ソフトウェア企業やヘルスシステムは、これらの問題を大規模に解決できるようになります。これが、ヘルスケアのAIラボが実用的な、測定可能なリターンを提供する場所です。

Cortiは毎日数十万の患者とのやり取りをサポートしています。スケールで運用することで、パイロットや実験室環境では明らかでないどのような教訓が得られましたか?

スケールでの運用により、パイロットでは隠される摩擦が明らかになります。ヘテロジニアスなデータ品質（2つのEHRまたはコールトランスクリプトは同じように見えない）、生産での待機時間とストリーミングの制約、顧客や地理的地域全体での法的および契約的複雑さ、そして負荷がかかっているときにのみ現れる永続的なエッジケースです。実験室では、カーセットされたセットでの精度を測定できますが、生産では、ルーティング、観察可能性、ドリフト検出、モデルロールバック、説明可能な監査トレイルの解決が求められます。もう1つの教訓は、実際の信頼は、単一サイトのパフォーマンスではなく、モデルを説明可能で、繰り返し可能で、認定可能にすることで得られるということです。最後に、パイロットは総所有コストを過小評価します。開発者は、安全性を維持し、生産的に製品をイテレートするために、SDK、一貫したエンドポイント、ガバナンスプリミティブが必要です。

ヘルスケアでは、消費者向けAIよりも説明可能性が求められます。臨床的推論、透明性、説明責任についてどうアプローチしていますか?

ヘルスケアでは、エラーのコストが実際にあるため、より高い基準が求められます。臨床AIは、単に妥当な言語を生成するのではなく、複雑で規制された、高いリスクの情報を透明で検査可能な方法で推論する必要があります。

そのため、私たちは、臨床的推論をモデルレベルでより解釈可能にするために、GIM（Gradient Interaction Modifications）メソッドを開発しました。GIMは最近、Hugging Face Mechanistic Interpretability Benchmarkで1位となり、解釈可能性アプローチの中でリーダーボードにランクインしました。これは重要です。なぜなら、解釈可能性はヘルスケアでは学術的な演習ではなく、信頼、安全性、規制の採用に基礎的なものだからです。

研究を超えて、透明性は展開に続く必要があります。私たちは、モデルカード、検証ベンチマーク、監査トレイル、バージョン管理を提供します。顧客は、実行中のものとその評価方法が何であるかを正確に知ることができます。出力は証拠に結び付けられ、不確実性は明示的であり、システムは、不透明なブラックボックスで臨床医を置き換えるのではなく、決定を裏付けるものとして設計されています。

ヘルスケアでは、説明可能性は機能ではありません。信頼の前提条件です。したがって、私たちは、臨床AIを最初に研究分野としてアプローチし、研究が生産グレードのシステムに乗り物となり、検査、ガバナンス、安全に展開できるようにします。

AIの主権は、規制されたセクターで重要なテーマです。ヘルスケアでは、主権とは何を意味しますか? 提供者は、先進的なAIの利点を享受しながら、どのように主権を維持できますか?

ヘルスケアでは、主権とは、提供者がデータの居住、モデル選択、運用ガバナンスを制御できることを意味します。実際的には、主権クラウドまたは地域でのホスティング（主権クラウドとオンプレミス）、プライベートモデルエンドポイント、フル監査およびライフサイクル管理、契約および技術的保証（BAAs、SLAs、DPIAs）が含まれます。主権とは、クラウドに反対するものではありません。提供者がワークロードを実行する場所を選択し、モデルとデータに対する検証可能な制御と追跡可能性を持ち、法的および機関の義務を満たすことができるようにすることです。

EUイニシアチブの創設者およびアドバイザーとして、規制の進化をどのように見ていますか? 政策立案者は、臨床AIの技術的現実をまだどのように見落としていますか?

ヨーロッパは、規制を真剣に受け止めています。ヘルスケアでは、監査可能性、追跡可能性、説明責任は、信頼の前提条件です。

政策立案者が現実を過小評価するのは、臨床AIの運用的側面です。認証は、1回限りの承認ではありません。継続的な監視、バージョン管理、継続的な検証が必要です。同時に、過度に規制することは避ける必要があります。コンプライアンスのコストが不釣り合いになると、イノベーションは遅れ、有用なツールは臨床医に届けられません。

Cortiでは、最初から規制を前提としています。監査可能性、モデルガバナンス、主権展開オプションをモデルとAPIに直接組み込みます。スタートアップや既存のベンダーが後にコンプライアンスのためにリトロフィットする必要がないようにします。ヘルスケアは複雑で断片化されています。規制の準備ができている基盤をベースに構築することで、ペースを維持することができます。ヨーロッパが必要とするバランスは、厳格ではあるが実用的です。患者を保護するが、安全に大規模に構築して展開することを可能にします。

12〜24か月先を見据えて、ヘルスケアのリーダーはCortiからどのような大きな変化を期待するべきですか? そして、これらの計画は2026年の基盤をどのように形成しますか?

Cortiが研究に裏付けられた、臨床グレードのモデルをインフラストラクチャとして出荷し、パッケージ化することに重点を置くことを期待してください。アップコミングのロードマッププランには、STTと待機時間のベンチマークの改善、ボイスエージェント、医療コーディングモデルの本格的な導入、複数の主権クラウドの立ち上げが含まれます。これらはすべて、顧客をパイロットから本格的な生産に移行させるように設計されています。Cortiは単一のアプリケーションではありません。ヘルスケアのAIラボであり、安全で監査可能な臨床ソフトウェアの全クラスを可能にすることを目的としています。これが、私たちの2026年の野心の基盤です。

素晴らしいインタビュー、詳しく知りたい読者はCortiを訪問してください。