Akilesh Bapu, DeepScribe dibinātājs un izpilddirektors — interviju sērija

Akilesh Bapu ir uzņēmuma dibinātājs un izpilddirektors DeepScribe, kas izmanto dabiskās valodas apstrādi (NLP) un progresīvu dziļo apmācību, lai izveidotu precīzas, atbilstošas ​​un drošas piezīmes par ārsta un pacienta sarunām.

Kas jūs iepazīstināja un piesaistīja AI un dabiskās valodas apstrādē?

Ja pareizi atceros, Džārviss no “Iron Man” bija pirmais, kas mani patiesi piesaistīja dabiskās valodas apstrādes un mākslīgā intelekta pasaulē. Jo īpaši man šķita aizraujoši, cik daudz ātrāk cilvēks spēja ne tikai veikt uzdevumus, bet arī neticami padziļināti noteiktos uzdevumos un atklāt noteiktu informāciju, par kuru viņš pat nebūtu zinājis, ja tas nebūtu bijis šis AI.

Tā bija šī koncepcija: “AI pati par sevi nebūs tik laba kā cilvēki lielākajā daļā uzdevumu, taču apvienojiet cilvēku un AI, un šī kombinācija dominēs.” Dabiskās valodas apstrāde ir visefektīvākais veids, kā īstenot šo cilvēka/AI kombināciju.

Kopš tā laika es biju apsēsts ar Siri, Google tagad, Alexa un citiem. Lai gan viņi nedarbojās tik gludi kā Džārviss, es tik ļoti vēlējos, lai tie darbotos kā Džārviss. Jo īpaši kļuva skaidrs, ka tādas komandas kā “Alexa dari tā”, “Alexa dari tā” bija diezgan viegli un precīzi izpildāmas, ņemot vērā pašreizējo tehnoloģiju stāvokli. Bet, ja runa ir par kaut ko līdzīgu Džārvisam, kur tas faktiski var mācīties un saprast, filtrēt un uztvert svarīgas tēmas citas sarunu apmaiņas laikā — tas vēl nebija darīts. Tas faktiski ir tieši saistīts ar vienu no manām galvenajām motivācijām DeepScribe dibināšanā. Kamēr mēs risinām jautājumu par dokumentāciju ārstiem, mēs cenšamies īstenot pilnīgi jaunu izlūkošanas vilni: apkārtējās vides inteliģenci. AI, kas var izpētīt jūsu ikdienas izteikumus, atrast noderīgu informāciju un izmantot šo informāciju, lai jums palīdzētu.

Jūs iepriekš veicāt dažus pētījumus, izmantojot dziļo mācīšanos un NLP UC Bērklijas Inženieru koledžā. Par ko bija jūsu pētījums?

Atgriežoties Bērklija AI pētniecības laboratorijā, es strādāju pie gēnu ontoloģijas anotatora projekta, kurā mēs apkopojām PubMed rakstus ar konkrētiem izvades parametriem.

Augsta līmeņa pārskats: veiciet tādu uzdevumu kā CNN ziņu raksta kopsavilkums. Šajā uzdevumā jūs lietojat ziņu rakstus un apkopojat tos aptuveni dažos teikumos. Jūsu labā jums ir dati un iespēja apmācīt šos modeļus vairāk nekā miljons rakstu. Tomēr problēmu telpa ir milzīga, jo jums ir ierobežota kopsavilkumu struktūra. Turklāt faktiskajiem rakstiem gandrīz nav nekādas struktūras. Lai gan kopš 2.5 gadiem, kad strādāju pie šī projekta, ir veikti daudzi uzlabojumi, šī joprojām ir neatrisināta problēma.

Tomēr mūsu pētniecības projektā mēs izstrādājām strukturētus rakstu kopsavilkumus. Strukturēts kopsavilkums šajā gadījumā ir līdzīgs tipiskam kopsavilkumam, izņemot to, ka mēs zinām precīzu izvades kopsavilkuma struktūru. Tas ir noderīgi, jo tas ievērojami samazina mūsu mašīnmācīšanās modeļa izvades iespējas — problēma bija tāda, ka nebija pietiekami daudz anotētu apmācību, lai palaistu datu izsalkušu dziļās mācīšanās modeli un iegūtu izmantojamus rezultātus.

Darba pamatā, ko veicu šajā projektā, bija izmantot zināšanas, kas mums ir par ievades datiem, un izstrādāt seklu ML modeļu kopumu, lai to atbalstītu — šo metodi mēs izgudrojām, ko sauc par divpakāpju anotatoru. Divpakāpju anotators salīdzināja ar gandrīz 2 reizēm lielāku precizitāti nekā iepriekšējais labākais (2 procenti pret 20 %).

Lai gan līdzās šis projekts un DeepScribe var izklausīties pilnīgi atšķirīgi, tie bija ļoti līdzīgi, izmantojot divpakāpju anotācijas metodi, lai ievērojami uzlabotu rezultātus ierobežotā datu kopā.

Kāda bija iedvesma aiz DeepScribe palaišanas?

Viss sākās ar manu tēvu, kurš bija onkologs. Pirms elektroniskās veselības karšu sistēmas pārņēma veselības aprūpi, ārsti pierakstīja lietas uz papīra un pavadīja ļoti maz laika piezīmēm. Tomēr, kad EHR sāka kļūt populāri kā daļa no 2009. gada HITECH likuma, es sāku ievērot, ka mans tētis arvien vairāk laika pavada pie datora. Viņš sāka nākt mājās vēlāk. Brīvdienās viņš sēdēja uz dīvāna un diktēja zīmītes. Tādas vienkāršas lietas kā, piemēram, tas, ka viņš mani aizveda no skolas vai basketbola treniņiem, kļuva par pagātni, jo lielāko daļu vakara stundu viņš pavadīja, lai ķertos pie dokumentācijas.

Būdams nerūdīgs bērns, kurš aug, es mēģinātu rast viņam risinājumus, meklējot tīmeklī un liekot viņam tos izmēģināt. Diemžēl nekas nedarbojās pietiekami labi, lai glābtu viņu no ilgajām dokumentācijas stundām.

Pārejiet vairākus gadus uz priekšu līdz 2017. gada vasarai — esmu pētnieks, kas strādā Bērklijas mākslīgā intelekta pētniecības laboratorijā un strādāju pie projektiem dokumentu kopsavilkumā. Kādu vasaru, kad esmu atpakaļ mājās, es ievēroju, ka mans tētis joprojām daudz laika pavada dokumentēšanai. Es jautāju: “Kas jauns dokumentācijas pasaulē? Alexa ir visur, Google palīgs tagad ir tik labs. Pastāsti man, kas ir jaunākais medicīnas telpā? Un viņa atbilde bija: "Nekas nav mainījies." Es domāju, ka tas ir tikai viņš, bet, kad es devos un aptaujāju vairākus viņa kolēģus, tas bija viens un tas pats jautājums: nevis tas, kas ir jaunākais vēža ārstēšanā vai jaunās problēmas, ar kurām saskaras viņu pacienti, bet gan dokumentācija. “Kā es varu atbrīvoties no dokumentācijas? Kā es varu ietaupīt laiku uz dokumentāciju? Tas aizņem tik daudz mana laika. ”

Es pamanīju arī vairākus uzņēmumus, kas bija radušies, lai mēģinātu atrisināt dokumentāciju. Tomēr vai nu tie bija pārāk dārgi (tūkstošiem dolāru mēnesī), vai arī tie bija pārāk minimāli tehnoloģiju ziņā. Ārstiem tajā laikā bija ļoti maz iespēju. Tas bija tad, kad pavērās iespēja, ka, ja mēs varētu izveidot mākslīgi inteliģentu medicīnas rakstītāju, tehnoloģiju, kas varētu sekot ārstu pacientu apmeklējumiem un apkopot tos, un piedāvāt to par cenu, kas varētu padarīt to pieejamu ikvienam, tā patiešām varētu sniegt rūpes prieks atpakaļ medicīnā.

Kad palaidāt DeepScribe, jums bija tikai 22 gadi. Vai varat aprakstīt savu ceļu kā uzņēmējam?

Mana pirmā saskarsme ar uzņēmējdarbību bija vidusskolā. Tas sākās, kad es un draugs, kurš zināja dažus JavaScript pamatus, tikāmies ar bērnu ar mācīšanās traucējumiem centra direktoru. Viņi mums pastāstīja, kā vienkāršākie rīki var palīdzēt bērniem ar disleksiju. Mēs galu galā uzlauzām disleksijas lasītāja Chrome paplašinājumu. Tie patiešām bija kaili — tas vienkārši pielāgoja fontu, lai tas atbilstu zinātniskajām vadlīnijām, lai cilvēkiem ar disleksiju būtu vieglāk lasīt. Lai gan koncepcija bija vienkārša, dažu mēnešu laikā mēs ieguvām vairāk nekā 5000 aktīvu lietotāju. Mani pārsteidza tas, kā pamata tehnoloģija var tik dziļi ietekmēt cilvēkus.

Bērklijā es turpināju pēc iespējas vairāk iedziļināties uzņēmējdarbības pasaulē, galvenokārt ar viņu plašo nodarbību klāstu. Mani favorīti bija:

1. Ņūtona lekciju sērija — tādi cilvēki kā Džesika Maha no InDinero vai Diāna Grīna no VMWare, kuri bija Cal alaunti, sniedza ļoti sakarīgas runas par Bērklijā pavadīto laiku un to, kā viņi dibināja savus uzņēmumus.
2. Izaicinājuma laboratorija — šajā nodarbībā es satiku savu līdzdibinātāju Metu Ko. Mēs tikām iedalīti grupās un izgājām semestri garu ceļojumu, lai radītu produktu un saņemtu padomdevējus par to, kas ir nepieciešams sākuma posmā, lai iegūtu ideju.
3. Lean Launchpad — mans mīļākais no trim; šis bija nogurdinošs un stingrs process, kurā mūs vadīja Stīvs Blanks (izslavētais miljardieris un cilvēks, kurš aizrauj slikto startup kustību), lai pieņemtu ideju, apstiprinātu to 100 klientu intervijās, izveidotu finanšu modeli un veiktu citas darbības. Šī bija tāda veida nodarbība, kurā mēs iestādijām savu “startēšanu”, lai mūs apturētu 1. vai 2. slaidā un tiktu grilēti. Ja tas nebija pietiekami grūti, mums bija paredzēts intervēt 10 klientus nedēļā. Mūsu ideja tajā laikā bija izveidot patentu meklēšanu, kas sniegtu līdzīgus rezultātus dārgai iepriekšējas tehnikas meklēšanai, kas nozīmēja, ka mēs nedēļā piedāvājām 10 uzņēmumu klientus. Tas bija lieliski, jo mācīja ātri domāt uz kājām un būt īpaši atjautīgiem.

DeepScribe sākās, kad investoru grupa ar nosaukumu The House Fund rakstīja čekus studentiem, kuri atteiksies no vasaras prakses un pavadīs vasaru sava uzņēmuma veidošanā. Mēs tikko bijām izslēguši Delphi (patentu meklētājprogrammu), un mēs ar Metu pastāvīgi runājām par medicīnisko dokumentāciju, un viss nostājās savās vietās, jo bija īstais laiks to izmēģināt.

Izmantojot DeepScribe, mums paveicās, ka tikko tikko izgājām no Lean Launchpad, jo viens no svarīgākajiem faktoriem, veidojot produktu ārstiem, bija produkta atkārtošana un pilnveidošana, ņemot vērā klientu atsauksmes. Medicīnas nozares vēsturiska problēma ir bijusi tāda, ka programmatūras dizainā reti ir bijuši ārsti, tādējādi radot programmatūru, kas nav optimizēta gala lietotājam.

Tā kā DeepScribe notika tajā pašā laikā, kad mans pēdējais gads Bērklijā, tas bija smags līdzsvarošanas akts. Es uz nodarbībām ierastos uzvalkā, lai uzreiz pēc tam varētu ierasties klienta demonstrācijā. Es izmantotu visas EE iekārtas un pasniedzējus nevis ar klasi, bet gan 100% DeepScribe. Manas tikšanās ar manu pētniecības mentoru pat pārvērtās par DeepScribe prāta vētras sesijām.

Atskatoties atpakaļ, ja man būtu jāmaina viena lieta savā ceļojumā, tas būtu bijis koledžas aizturēšana, lai es varētu pavadīt 150 procentus sava laika DeepScribe.

Vai varat medicīnas speciālistam aprakstīt, kādas ir DeepScribe lietošanas priekšrocības salīdzinājumā ar tradicionālāku balss diktēšanas vai pat piezīmju veikšanas metodi?

DeepScribe izmantošana ir ļoti līdzīga faktiska cilvēka rakstnieka izmantošanai. Kad jūs dabiski runājat ar savu pacientu, DeepScribe noklausīsies un uztvers medicīniski nozīmīgo runu, kas parasti tiek iekļauta jūsu piezīmēs, un ievietos to jūsu vietā, izmantojot to pašu medicīnisko valodu, ko izmantojat jūs pats. Mums patīk to uzskatīt par jaunu ar mākslīgo intelektu darbināmu jūsu medicīnas personāla locekli, kuru varat apmācīt, kā vien vēlaties, lai palīdzētu ar dokumentāciju savā elektroniskajā veselības karšu sistēmā, kā vēlaties. Tas ļoti atšķiras no balss diktēšanas pakalpojuma izmantošanas, jo tas novērš visu darbību, kas saistīta ar atgriešanos un dokumentēšanu. Kamēr tipiskie diktēšanas pakalpojumi pārvērš 10 minūtes dokumentācijas par 7–8 minūtēm, DeepScribe pārvērš to dažās sekundēs. Mūsu ārsti ziņo, ka dienā tiek ietaupīts laiks no 1.5 līdz 3 stundām atkarībā no pacientu skaita.

DeepScribe ir ierīču agnostisks, darbināms no iPhone, Apple Watch, pārlūkprogrammas (telemedicīnai) vai aparatūras ierīces.

Kādas ir runas atpazīšanas vai NLP problēmas, ar kurām DeepScribe var saskarties sarežģītās medicīniskās terminoloģijas dēļ?

Pretēji izplatītajam viedoklim, sarežģīta medicīniskā terminoloģija patiesībā ir visvieglāk uztveramā daļa, ko DeepScribe var uztvert. Sarežģītākā DeepScribe daļa ir iegūt unikālus konteksta paziņojumus, ko pacients var sniegt ārstam. Jo vairāk viņi novirzās no tipiskas sarunas, jo vairāk mēs redzam, kā mākslīgais intelekts paklūp. Bet, vācot vairāk sarunu datu, mēs redzam, ka tas katru dienu ievērojami uzlabojas.

Kādas citas mašīnmācīšanās tehnoloģijas tiek izmantotas kopā ar DeepScribe?

Lielie runas atpazīšanas un NLP elementi parasti aptver lielāko daļu mašīnmācīšanās, ko veicam DeepScribe.

Vai varat nosaukt dažas slimnīcas, bezpeļņas organizācijas vai akadēmiskās iestādes, kas izmanto DeepScribe?

DeepScribe sākās, izmantojot izmēģinājuma programmu ar UC Berkeley veselības centru. Hartford Healthcare, Teksasas medicīnas centrs un Cedar Valley medicīnas speciālisti ir dažas lielākās sistēmas, ar kurām strādā DeepScribe.

Tomēr lielākā daļa DeepScribe lietotāju ir 50 privātprakses no Aļaskas līdz Floridai. Mūsu populārākās specialitātes ir primārā aprūpe, ortopēdija, gastroenteroloģija, kardioloģija, psihiatrija un onkoloģija, taču mēs atbalstām dažas citas specialitātes.

DeepScribe nesen ir uzsācis programmu, lai palīdzētu ar Covid-19. Vai jūs varētu mūs iepazīstināt ar šo programmu?

Covid-19 ir smagi skārusi mūsu ārstus. Prakses noslogo tikai 30–40 procentus no pacientu slodzes, tiek samazināts rakstītāju personāls, un pakalpojumu sniedzēji ir spiesti ātri pārslēgt visus savus pacientus uz telemedicīnu. Tas viss noved pie pakalpojumu sniedzēju vairāk lietvedības — mēs, DeepScribe, esam stingri pārliecināti, ka, lai šī pandēmija apstātos, ārstiem ir jāvelta 100 procenti savas uzmanības un laika, lai rūpētos par saviem pacientiem.

Lai palīdzētu šo iemeslu dēļ, mēs ar lepnumu piedāvājam bezmaksas telemedicīnas risinājumu veselības aprūpes speciālistiem, kas cīnās ar šo pandēmiju. Mūsu telemedicīnas risinājums ir pilnībā integrēts ar mūsu mākslīgā intelekta nodrošināto medicīnas rakstītāju risinājumu, tādējādi novēršot vajadzību pēc klīniskās dokumentācijas mūsu platformā veiktajām tikšanās reizēm.

Pandēmijas laikā mēs piedāvājam arī bezmaksas rakstītāju pakalpojumu. Tas nozīmē, ka jebkurš ārsts var bez maksas piekļūt pie rakstītāja, lai apstrādātu savu dokumentāciju. Mēs ceram, ka, šādi rīkojoties, ārsti varēs vairāk pievērst uzmanību saviem pacientiem un pavadīt mazāk laika, domājot par dokumentāciju, tādējādi ātrāk apturot Covid-19 uzliesmojumu.

Paldies par lielisko interviju, man ļoti patika uzzināt par DeepScribe un jūsu uzņēmējdarbības ceļojumu. Ikvienam, kurš vēlas uzzināt vairāk, vajadzētu apmeklēt DeepScribe.