아키레시 바푸, DeepScribe의 창립자 및 CEO – 인터뷰 시리즈

아키레시 바푸는 DeepScribe의 창립자이자 CEO입니다. DeepScribe는 자연어 처리(NLP)와 고급 딥 러닝을 사용하여 의사-환자 대화의 정확하고 규정 준수하며 보안이 된 노트를 생성합니다.

자연어 처리와 AI에 관심을 가지게 된 계기는 무엇인가요?

제가 기억하기로 자라스에서부터 자연어 처리와 AI에 관심을 가지게 되었습니다. 특히 제 인상 깊었던 것은 인간이 작업을 수행하는 속도와 작업의 깊이, 그리고 작업에서 얻을 수 있는 정보의 양이 얼마나 놀라웠는지입니다.

이것은 “AI 자체는 대부분의 작업에서 인간만큼 좋지 않지만 인간과 AI를 함께 사용하면 그 조합이 지배할 것입니다”라는 개념과 관련이 있습니다. 자연어 처리는 인간과 AI의 조합이 발생하는 가장 효율적인 방법입니다.

그 후私は 시리, 구글 나우, 알렉사를 포함한 다양한 AI를 사용해 보았습니다. 하지만 그들은 자라스처럼 완벽하게 작동하지 않았습니다. 특히, “알렉사, 이것을 해줘”와 같은 명령은 쉽게 수행할 수 있었습니다. 하지만 자라스처럼 대화에서 중요한 주제를 학습하고 이해하고 필터링하는 것은 아직 이루어지지 않았습니다. 이것은 DeepScribe를 설립한 주요 동기 중 하나입니다. 우리는 의사의 문서화 문제를 해결하는 동시에 새로운 지능의 물결, 즉 대화에서 유용한 정보를 찾아내고 그것을 사용하여 도움을 주는 지능을 시도하고 있습니다.

UC 버클리 칼리지 오브 엔지니어링에서 딥 러닝과 NLP를 사용한 연구에 대해 बत주세요.

버클리 AI 연구소에서 제가 작업한 프로젝트는 제네 온톨로지 애너테이터 프로젝트였습니다. 우리는 PubMed 기사를 특정 출력 매개변수로 요약했습니다.

고급 요약은 다음과 같습니다. CNN 뉴스 기사 요약과 같은 작업을 수행하는 것입니다. 이 작업에서는 뉴스 기사를 몇 문장으로 요약합니다. 데이터와 모델을 100만 개 이상의 기사에 대해 훈련할 수 있습니다. 그러나 요약된 구조가 제한적이지 않기 때문에 문제 공간이 매우 큽니다. 또한 기사 자체에도 구조가 거의 없습니다. 2.5년 전 제가 이 프로젝트를 작업할 때는 아직도 많은 개선이 필요했습니다.

우리의 연구 프로젝트에서는 구조화된 요약을 개발했습니다. 구조화된 요약은 일반적인 요약과 비슷하지만 출력 구조를 정확히 알 수 있습니다. 이것은 출력 옵션을 줄여서 기계 학습 모델의 난이도를 낮춥니다. 그러나 충분한 훈련 데이터가 없어 딥 러닝 모델을 사용하여 유용한 결과를 얻을 수 없었습니다.

제가 이 프로젝트에서 수행한 핵심 작업은 입력 데이터에 대한 지식을 활용하여浅い 기계 학습 모델의 앙상블을 개발하는 것이었습니다. 우리는 2-단계 애너테이터라는 기술을 발명했습니다. 2-단계 애너테이터는 이전 최고 성능의 20배에 가까운 정확도를 달성했습니다(54% vs 3.6%).

이 프로젝트와 DeepScribe는 2-단계 애너테이션 방법을 사용하여 제한된 데이터셋에서 결과를 크게 개선하는 점에서 매우 유사했습니다.

DeepScribe를 설립한 계기는 무엇인가요?

제 아버지가 의사였습니다. 전자 건강 기록 시스템이 보건 의료에 도입되기 전에 의사들은 종이에 몇 가지 사항을 적고 문서화에 거의 시간을 보내지 않았습니다. 그러나 전자 건강 기록 시스템이 인기를 얻기 시작하면서 제 아버지는 컴퓨터에서 더 많은 시간을 보내기 시작했습니다. 그는 저녁에 집에 늦게 들어오고 주말에 소파에 앉아 문서화를 위해 시간을 보냈습니다.

제가 어렸을 때, 제 아버지를 위해 해결책을 찾으려고 웹을 검색하고 다양한 도구를 시도해 보았습니다. 그러나 아무것도 제 아버지를 문서화의 긴 시간에서 해방시킬 수 없었습니다.

2017년 여름, 버클리 AI 연구소에서 연구원으로 일할 때 제 아버지는 여전히 문서화에 많은 시간을 보냅니다. 제가 물었습니다. “의료 분야에서 문서화의 최신 기술은 무엇인가요?” 제 아버지는 “아무것도 바뀐 것이 없습니다”라고 대답했습니다. 제가 조사해 본 결과, 많은 의사가 문서화에 시간을 보내고 있었습니다. 이때 제 아버지를 도와 문서화를 자동화하는 방법을 찾는 것이 필요하다고 생각했습니다.

제가 발견한 몇 가지 회사들은 문서화를 자동화하는 것을 시도했습니다. 그러나 그들은 너무 비싸거나 기술이 부족했습니다. 의사들은 거의 선택의 여지가 없었습니다. 이때 기회가 열렸습니다. 우리는 의사와 환자 간의 대화를 요약하고 문서화를 자동화하는 인공지능 의료 기록사를 만들 수 있습니다. 그리고 이 기술을 모든 사람이 사용할 수 있는 비용으로 제공할 수 있습니다.

22세의 나이에 DeepScribe를 설립했습니다. 창업자의 여정을 설명해 주세요.

제 첫 번째 창업 경험은 고등학교 때였습니다. 제 친구와 저는 자바스크립트를 조금 알고 있었는데, 학습 장애가 있는 아이들을 위한 센터의 책임자와 만나서 아이들을 도와줄 수 있는 도구를 만들었습니다. 우리는 디スレ시아 리더 크롬 확장 프로그램을 만들었습니다. 이것은 매우 기본적인 도구였지만, 디スレ시아 환자들이 읽기 쉽게 글꼴을 조정했습니다. 이 도구는 몇 개월 만에 5000명의 활성 사용자를 얻었습니다. 저는 기본적인 기술이 사람들의 삶에 미치는 영향에 놀랐습니다.

버클리에서 저는 다양한 클래스를 통해 창업에 대해 더 많이 배울 수 있었습니다. 제 가장 좋아하는 클래스는 다음과 같습니다.

1. 뉴턴 강의 시리즈 – 인디니어로의 제시카 마흐나 VM웨어의 다이앤 그린과 같은 사람들은 캘 졸업생으로서 매우 관련 있는 이야기를 해주었습니다.
2. 도전 연구소 – 여기서 저는 제 공동 창립자 맷 코를 만났습니다. 우리는 그룹으로 나누어져서 제품을 만들고 초기에 아이디어를 구체화하는 데 필요한 것을 배웠습니다.
3. 린 런치패드 – 이것은 제 가장 좋아하는 클래스였습니다. 우리는 스티브 블랭크의指导하에 아이디어를 검증하고, 재무 모델을 만들고, 더 많은 것을 배웠습니다. 이것은 매우 어려운 과정이었지만, 저희는 100명의 고객 인터뷰를 통해 아이디어를 검증하고, 제품을 구축했습니다.

DeepScribe는 시작되었습니다. 우리는幸運히 린 런치패드를刚刚 마치고, 고객의 피드백을 통해 제품을 반복적으로 개선할 수 있었습니다. histórico的问题은 의료 산업에서 소프트웨어가 거의 의사와 함께 설계되지 않았기 때문에, 소프트웨어가 최종 사용자에게 최적화되지 않았습니다.

버클리에서 마지막 학년을 보내면서, 저는 매우忙했습니다. 저는 수업에 참석하기 위해 정장 차림으로 나타났고, 고객 데모를 위해 수업 후에 바로 참석했습니다. 저는 모든 EE 시설과 교수를 사용했지만, 이것은 모두 DeepScribe를 위해 사용되었습니다. 제 연구 멘토와의 회의는 DeepScribe 브레인스토밍 세션으로 변했습니다.

돌이켜 보면, 저는 대학을 중단하고 DeepScribe에 150%의 시간을 할애할 것을 바라고 있습니다.

의사에게 DeepScribe를 사용하는 장점을 설명해 주세요.

DeepScribe를 사용하는 것은 실제 인간 기록사를 사용하는 것과 매우 비슷합니다. 의사가 환자와 자연스럽게 대화할 때, DeepScribe는 의사의 언어를 사용하여 의료적으로 관련된 대화를 듣고, 노트에 기록합니다. 우리는 이것을 의사의 의료 스태프의 새로운 AI 기반 멤버라고 생각합니다. 이것은 전통적인 음성 녹음이나 문서화와는 다릅니다. DeepScribe는 문서화를 위한 단계를 완전히 제거합니다. 일반적인 음성 녹음 서비스는 10분의 문서화를 7-8분으로 줄입니다. 그러나 DeepScribe는 이를 몇 초로 줄입니다. 우리의 의사들은 하루에 1.5-3시간의 시간을 절약한다고 보고합니다.

DeepScribe는 장치에 구애받지 않습니다. 아이폰, 애플 워치, 브라우저(원격의료용), 하드웨어 장치에서 작동합니다.

의료용어로 인해 발생하는 음성 인식 또는 NLP의 도전을 설명해 주세요.

일반적인 의견과 달리, 복잡한 의료용어는 DeepScribe에게 가장 쉬운 부분입니다. 가장 어려운 부분은 환자가 의사에게 하는 고유한 문맥적 진술을 인식하는 것입니다. 환자가 일반적인 대화에서 벗어날수록, AI가 더 많이 실수합니다. 그러나 우리는 더 많은 대화 데이터를 수집할수록, 이것이 크게 개선되고 있습니다.

DeepScribe에서 사용하는 다른 기계 학습 기술을 설명해 주세요.

음성 인식과 NLP는 DeepScribe에서 사용하는 대부분의 기계 학습을 다룹니다.

DeepScribe를 사용하는 병원, 비영리 단체, 또는 학술 기관을 몇 가지 예를 들어 주세요.

DeepScribe는 UC 버클리 헬스 센터의 파일럿 프로그램을 통해 시작되었습니다. 하트포드 헬스케어, 텍사스 메디컬 센터, 시더 밸리 메디컬 스페셜리스트는 DeepScribe와 협력하는 몇 가지 큰 시스템입니다.

그러나 DeepScribe 사용자의 더 큰 비율은 알래스카에서 플로리다까지 50개의 개인 의료 센터입니다. 우리의 가장 인기 있는 전문 분야는 원격의료, 정형외과, 위장병학, 심장병학, 정신과, 종양학입니다. 그러나 우리는 다른 전문 분야도 지원합니다.

DeepScribe는 최근 코로나19를 지원하기 위한 프로그램을 시작했습니다. 이 프로그램에 대해 설명해 주세요.

코로나19는 의사들에게 큰 영향을 미쳤습니다. 의료 센터는 환자 수를 30-40%로 줄였습니다. 의료 기록사 인력도 줄었습니다. 의사들은 원격의료로 환자를 돌보는 데 더 많은 시간을 보내야 합니다. 이것은 의사들에게 더 많은 행정 작업을 부과합니다. 우리는 의사들이 100%의 시간과 주의를 환자 돌봄에 집중할 수 있도록 도와야 합니다.

이 목적을 위해, 우리는 의료 전문가들에게 무료 원격의료 솔루션을 제공하고 있습니다. 우리의 원격의료 솔루션은 AI 기반 의료 기록사 솔루션과 완전히 통합되어 있습니다. 이는 우리의 플랫폼에서 발생하는遭遇에 대한 임상 문서화를 제거합니다.

우리는 또한 코로나19 기간 동안 무료로 의료 기록사 서비스를 제공하고 있습니다. 이는 의사들이 문서화에 시간을 보낼 필요 없이, 환자에 대한 모든 주의를 기울일 수 있도록 해줍니다. 우리의希望는, 의사들이 문서화에 덜 시간을 보내고, 환자에 대한 더 많은 주의를 기울일 수 있도록 해줌으로써, 코로나19의 확산을 더 빠르게 막을 수 있을 것입니다.

감사합니다. DeepScribe와 창업자로서의 여정에 대해 배우는 것이 정말 즐거웠습니다. 더 많은 정보를 원하는 사람은 DeepScribe를 방문해 주세요.