Harjinder Sandhu, PhD, Grunnlegger og CEO, Saykara – Intervju-serie

Harjinder Sandhu, PhD er grunnlegger og CEO av Saykara, et selskap som arbeider for å bekjempe epidemi av legers utbrenthet som har oppstått fra økende byrderende dokumentasjonskrav og tid brukt på elektronisk helsejournal (EHR) datainnsamling.

Du begynte opprinnelig din karriere i akademiet som professor i datavitenskap og gikk deretter over til entreprenørskap. Kan du diskutere hva som inspirerte deg til å gå over til å bli entreprenør?

Etter å ha tilbragt år i akademiet med undervisning og skriving av forskningsartikler om den transformative kraften av databehandling, ble jeg inspirert til å anvende denne kunnskapen på en virkelig verdens scenario, på noe som kunne ha en betydning for industrien på en vesentlig måte. Opprinnelig var min plan å tilbringe ett eller to år med å hjelpe et selskap å komme i gang, og deretter returnere til akademiet. Men etter å ha gått gjennom dot-com-bølgen, var utfordringen og spenningen av å bygge noe som kunne gjøre en virkelig forskjell i menneskers liv, for stor, og jeg gikk aldri tilbake til min stilling som professor.

Kan du diskutere opphavsfortellingen bak Saykara?

Jeg grunnla Saykara i 2015 med mål om å anvende det ubrukte potensialet for talegjenkjenning, maskinlæring og naturlig språkbehandling for å løse ett av de mest betydelige problemene som møter helsepersonaleorganisasjoner i dag, nemlig den besværlige og tidskrevende naturen av klinisk dokumentasjon.

Selv om dagens talegjenkjenningsteknologi er svært dyktig til å fange legers ordrette diktering, innebærer det å bruke dem til å fullføre de nødvendige kliniske dokumenter likevel en betydelig mengde tid og innsats, med legene som forblir koblet til en datamaskin, mus og tastatur – redigering av innhold mens de går og navigerer i kompleksiteten av elektronisk helsejournal (EHR) system. Der ligger det større problemet.

I løpet av de siste fem årene har Saykara utviklet og lansert en plattform som bruker kunstig intelligens (AI) til å tolke samtaler mellom legene og pasientene og automatisk konstruere de kliniske notater, ordre og henvisninger osv. som trengs for den medisinske journalen. Og vi gjør dette gjennom en taleaktiverende assistent som heter Kara, som legene kan aksessere via en mobilapp.

Jeg har personlig vært involvert med talegjenkjenning, maskinlæring og naturlig språkbehandlingsteknologi i løpet av de siste 20 årene, og Saykara er faktisk mitt tredje helse-teknologiselskap. Mitt første selskap var et selskap som heter MedRemote, som jeg grunnla i 2000 sammen med min venn, Kulmeet Singh, og til slutt solgte til Nuance Communications, den globale lederen i talegjenkjenningsteknologi. I 2011 grunnla vi sammen et annet selskap som heter Twistle, som fortsatt eksisterer i dag, og selv om jeg fortsatt er medlem av styret, har min fulle fokus siden 2015 vært min rolle som CEO av Saykara.

Hvor stort er problemet med klinisk dokumentasjon og hvor mye tid tar dette prosessen normalt for legene?

Hvor stort er problemet? Ett ord: ENORMT.

Legene har blitt pålagt å utføre en stadig økende mengde klinisk dokumentasjon, hovedsakelig på grunn av forsikringsregnskapskrav, offentlig rapportering og regulative påbud. Legene mister ikke bare tid med pasientene, men denne tiden blir også hindret av å måtte utføre datainnsamling til EHR.

En ofte sitert studie som ble publisert i Annals of Medicine observerte at legene tilbringer nesten dobbelt så mye tid på administrativt arbeid som på å se pasienter. Spesifikt fant studien at for hver time legene tilbringer på direkte klinisk ansikt-til-ansikt-tid med pasienter, tilbringer de nesten to timer på EHR og skrivebordarbeid. Og for mange legene går dette over i en ekstra en til to timer hver kveld, noe som vanligvis kalles “pajama-tid”.

Mange andre studier og undersøkelser har observerte at mellom 50% og 71% av legene opplever utbrenthet, som har blitt verre under COVID-19-pandemien. Medscape 2020 Legers utbrenthet og selvmordsrapport avslørte at de øverste bidragsyterne til utbrenthet inkluderer “for mange byråkratiske oppgaver (f.eks. kartlegging, papirarbeid)”, “tilbringer for mange timer på jobben” og “økende datamaskinbruk i praksis (EHR)”.

Hva gjør Saykara med maskinlæring og naturlig språkbehandlingsteknologi som er unikt?

Hva vi gjør i sammenheng med konversasjons-AI er fullstendig unikt. Vi kan forstå samtaler som naturlig skjer mellom legene og pasientene og generere strukturert data fra disse samtaler på en måte som ingen annen selskap gjør. Likeledes betyr de allmenne egenskapene til vår plattform at den kan lett tilpasse seg til enhver type medisinsk spesialitet, og vi kan tilpasse brukeropplevelsen til hver enkelt leges stil og preferanser.

Vi har for øyeblikket en semi-autonom hybridmodell som parer vår AI med en menneskelig revisor, som hjelper å styrke vår kunnskapsbase og sikrer at vi returnerer nøyaktige resultater til våre brukere fra dag 1.

Hvor talegjenkjenningkomponenten i vårt system fanger hva som blir sagt, tolker den naturlige språkforståelseskomponenten hva som blir sagt. For eksempel, hvis en pasient kommer inn for kneproblemer, må systemet først forstå at kneproblemer er et symptom. Deretter må det bygge en historie rundt kneproblemer basert på hva pasienten sier eller legen summerer. Når skjedde det? Hva var årsaken? Hvor alvorlig er det? Systemet må deretter ta denne historien i sin rådataformat og komponere en omfattende, høykvalitets klinisk note, som er hva legen ser.

Vårt system er også i stand til å filtrere ut “støyen” og forstå hvilken type informasjon en lege trenger å samle inn basert på årsaken til en pasientbesøk, og deretter nøyaktig forutse og anta hva som er relevant og hva som ikke er. For eksempel, hvis en pasient går til en reumatolog for artritt og begynner å snakke om den angst de har opplevd over å kjøpe et nytt hus, vil reumatologen sannsynligvis ikke ønske eller trenger å dokumentere disse detaljene. Vårt system kan lære dette og fokusere kun på hva som er relevant for reumatologens kliniske note. På den andre siden, hvis en pasient kommer til en allmennpraktikers kontor og begynner å snakke om den angst de har opplevd over å kjøpe et nytt hus, vil allmennpraktikeren sannsynligvis ønske og trenger å dokumentere disse detaljene.

Kan du diskutere prosessen for hvordan en lege ville bruke Saykara mens de interagerer med en pasient?

Under et kontorbesøk eller prosedyre, eller det som kalles en “klinisk hendelse”, åpner legen bare vår iOS-app (vanligvis på en iPhone), trykker på pasientens navn (en daglig liste importeres fra legens EHR eller timeplanleggingsapp) og snakker deretter naturlig, interagerer med pasienten på en fullstendig normal og vanlig måte. Vår AI-assistent, som heter Kara, lytter ambiently til hele samtalen og når den kliniske hendelsen er fullført, trykker legen på appen for å avslutte opptak. Vår plattform tolker og transformerer den relevante innholdet som trengs for notater, ordre og henvisninger osv., og den strukturerte og narrative dataen populeres direkte til pasientens journal i EHR-systemet, klar for legens gjennomgang og godkjenning.

Saykara tilbyr en sofistikert og fleksibel plattform som lar legene bruke løsningen på flere forskjellige måter. Kan du diskutere noen av de forskjellige måtene?

Hva jeg nettopp beskrev er “ambient-modus”. Legene har også mulighet til å bruke vår AI-assistent i “resyme-modus”, som også lar dem snakke naturlig – ingen spesielle kodeord eller kommandoer er nødvendig. Men i stedet for å la Kara lytte til hele samtalen med en pasient, gir legen en eller flere korte refleksive summeringer, enten under og/eller etter hendelsen. Prosessen deretter er den samme, likeså er det resulterende innholdet.

Hvilke markedssegmenter og industrier er Saykara for øyeblikket fokusert på å betjene, og hvordan lisensierer dere plattformen?

På det øverste nivå betjener Saykara helseindustrien. Våre kunder inkluderer uavhengige legepraksiser samt sykehus, helsevesen, ambulansesenter og akuttmottak. Vi har en programvare-tjeneste-abonnementsmodell hvor kundene betaler en månedlig avgift for å bruke vår plattform.

Hvordan har tilbakemeldingen vært fra praktiserende legene?

Tilbakemeldingen har vært overveldende positiv. Dette er virkelig livsforandrende for legene, og de bruker nettopp disse ordene. Vår AI-assistent eliminerer fullstendig “pajama-tiden” jeg beskrev tidligere, og den reduserer tiden legene tilbringer på å interagere med EHR og forberede klinisk dokumentasjon med en gjennomsnitt på 70%. Viktigst av alt, gir det legene mer ansikt-til-ansikt-tid med pasientene. Legene kan gi pasientene full oppmerksomhet uten distraksjoner.

Vi har dusinvis av vitnesbyrd om impekten vår løsning har hatt på produktivitet, arbeid-liv-balanse og legen-pasient-forholdet. For eksempel sa en allmennpraktiker: “Nå, med Saykara, kan jeg se en pasient på 15 minutter og jeg kartlegger i 30 sekunder. Det har vært en spillendrenger.” En barnelege sa: “Min ektefelle kan fortelle deg at jeg er en mye lykkeligere person når jeg kommer hjem, når jeg vet at jeg ikke har denne vekten av kartlegging over hodet.” En ortopedisk kirurg sa: “Jeg kan gi pasientene min fullstendige oppmerksomhet, og jeg har sogar tid under besøk til å snakke med dem om ferier, barnebarn eller restauranter de anbefaler.” En karkirurg sa: “Det forstår konteksten og intensjonen bak hva som blir sagt, og deretter skaper det en elegant og nøyaktig note i vår EHR. Ingen flere netter og helger med korrektur og signering av kartlegging.” Og CEO-en for en multi-spesialistisk legegruppe sa: “Bruken av Saykaras mobil AI-assistent lar våre tjenesteytere fokusere på pasientene og skape personlige, meningsfulle og samarbeidende interaksjoner.”

Hva er dine synspunkter på fremtiden for AI i helsevesenet?

AI-revolusjonen i helsevesenet er fortsatt i sin barndom. Det sagt, de AI-kapasiteter som er anvendelige på helseindustrien er virkelig enorme og har en enorm potensial for godt. Du vil finne AI-applikasjoner for de kliniske, operative, finansielle, tekniske, administrative og sikkerhetsmessige områdene av helsevesenet, med løsninger for IoT-enhetsovervåking, kronisk tilstandshåndtering, resept av medisiner, beslutningsstøtte, sykdomsdeteksjon, omsorgsplanlegging, arbeidsflytautomatisering, omsetningscyklusoptimalisering, forsyningskjedeledelse, kliniske forsøk og listen går videre. Jeg ville si at overallt sett er disse applikasjonene fortsatt svært tidlige i deres livssyklus og vi vil se mange flere kapasiteter når de modnes.

Hva vi har sett med AI-teknologi i andre industrier er at den når et infeksjonsunkt hvor den begynner å utvikle seg i en mye raskere takt og blir i stand til å gjøre mer og mer i kortere og kortere tidsrom, med enorm nøyaktighet. Jeg tror vi er nesten på dette infeksjonsunktet for mange av applikasjonene innen helsevesenet. Det er uten tvil en stor del som ingen har noen gang tenkt på på dette tidspunktet. Over de neste tre til fem årene forventer jeg at vi vil se en fantastisk AI-forstyrrelse i helsevesenet, på en god måte.

Hva slags nye teknologier er du mest spennende?

De teknologiene jeg er mest spennende er AI-systemer som kan interagere med mennesker gjennom samtale, som jeg tror vil ha en innvirkning på hver eneste industri. Når vi når punktet hvor databehandlingsenheter kan forstå våre samtaler, vil dette åpne opp en helt ny verden av muligheter som vil transcendere hver eneste aspekt av våre liv.

For øyeblikket må du lære deg å interagere med en databehandlingsenhet på dens egne vilkår, ikke på dine egne. Parametrene er forhåndsdefinerte og du må finne ut hvordan du kan bruke det best mulig for å møte dine behov. Hva som er på horisonten i forbindelse med AI-revolusjonen er at du vil kunne interagere med en databehandlingsenhet på dine egne vilkår, på samme måte du naturlig interagerer med andre mennesker, gjennom språk, med forventningen om at enheten vil svare på en tilsvarende måte. Dette er hva vi fokuserer på hos Saykara, og det er en trend over mange andre industrier også. Jeg tror vi vil raskt se tilbake og undre oss over hvordan vi noen gang kunne leve uten disse systemene, like som vi ser tilbake og undrer oss over hvordan vi noen gang kunne leve uten våre smarttelefoner.

Takk for det flotte intervjuet, jeg er fullstendig enig med deg om at AI utvikler seg i en mye raskere takt. Lesere som ønsker å lære mer bør besøke Saykara.