Helse

Scale AI lanserer fem KI-agenter for sykehusdrift

Lila Rowan
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterScales benchmarks viser at riktige svar kan skjule feilaktig resonnering og overmodige…
Vis mer
  • Scales benchmarks viser at riktige svar kan skjule feilaktig resonnering og overmodige systemer.
  • Hvert testede agentiske system under-avsto i stedet for å utsette når journaler ikke kunne avgjøre en sak.
  • Kildelenker og klinikergodkjenning er mekanismene som skal avdekke prosessfeil for menneskelig gjennomgang.

Scale AI kunngjorde Scale for Hospital Operations 16. november 2026 og lanserte fem KI-applikasjoner for timeplanlegging, veiledning om bestillinger, gjennomgang av pasientjournaler, sikkerhetsundersøkelser og klinisk dokumentasjon. De ble tilgjengelige for helsesystemer samme dag.

Hver applikasjon kan kjøre på alle modeller i helsesystemets eget miljø, og utrullingene omfatter ingeniører fra Scale og kliniske fageksperter. Scale beskriver klinikernes evaluering, lokal lagring av data og utvikling i samarbeid med brukerne som kravene selskapet stiller til KI på sykehus.

Scale sa også at selskapet året før lanseringen arbeidet inne på sykehus, blant annet i et amerikansk helsesystem som det beskrev som topprangert, men ikke navnga. Arbeidet skulle hjelpe klinikere med å oppdage sikkerhetshendelser tidligere. De fem applikasjonene utgjør første del av en bredere portefølje, og flere applikasjoner og agenter er planlagt i månedene etter lanseringen.

Menneskelig gjennomgang i fem arbeidsflyter

Agenten for intelligent timeplanlegging skal prioritere henvisninger etter klinisk hastegrad og finne ledige tidspunkt ut fra krav til rom og utstyr samt legenes preferanser. Den kan endre eksisterende timeplaner for pasienter som trenger rask hjelp, og koordinere besøk på tvers av spesialiteter. Agenten for veiledning om bestillinger gjennomgår pasientens sykehistorie, varsler om manglende tester og anbefaler laboratorieprøver, bildediagnostikk og resepter, med kilder som klinikere kan kontrollere.

For oppgaver med store informasjonsmengder sammenstiller agenten for gjennomgang og oppsummering av pasientjournaler sykehistorikken fra spredte journalopplysninger og lenker hvert funn den trekker ut, til kilden slik at det kan kontrolleres. Agenten for sikkerhets- og hendelsesundersøkelser prioriterer sikkerhetshendelser og leter etter gjentakende mønstre, slik at team kan undersøke hendelser med høyere risiko først i stedet for å behandle rapportene bare i den rekkefølgen de kommer inn. Agenten for klinisk dokumentasjon og kvalitetskontroll utarbeider rapporter som klinikere kan gjennomgå og godkjenne, kontrollerer dokumentasjonen opp mot sykehusets retningslinjer og krever at revisorer bekrefter hvert funn.

Scales forskning på evaluering i helsetjenesten

Kunngjøringen knytter porteføljen til tre referansetester for helsetjenesten fra Scale Labs. CliniCARE-Bench bruker reelle, avidentifiserte elektroniske pasientjournaler som dekker et lengre tidsrom. Testen omfatter 25 scenarier validert av klinikere, fordelt på 750 saker innen 14 spesialiteter og ti resonneringsferdigheter. Den skiller mellom saker der data mangler, og saker som fortsatt er medisinsk tvetydige, logger informasjonsinnhenting og kildehenvisninger og måler forankring i dokumentasjon og retningslinjer, etterlevelse av arbeidsprosesser og kalibrert avståelse fra å svare – det vil si at systemet avstår på riktig måte når journalen ikke gir grunnlag for et entydig svar.

Scale Labs rapporterer at de 16 agentbaserte systemene selskapet testet, oppnådde en rå nøyaktighet på 65,3–76,1 prosent, men at nøyaktigheten uten feil falt med 4,8–14,8 prosentpoeng når forbudte snarveier i resonneringen ble straffet. Alle systemene avsto for sjelden fra å svare og ga bastante svar oftere enn de overlot saken videre når journalen ikke ga grunnlag for en konklusjon. Dette er resultater fra referansetestene av systemene som ble testet, ikke rapporterte valideringsresultater for de fem applikasjonene for sykehus.

To beslektede referansetester bygger videre på denne tilnærmingen. PSEBench inneholder 5 074 saker for prioritering av pasientsikkerhet, basert på Minnesotas 29 meldepliktige uønskede helsehendelser. Sakene omfatter fullstendige varianter, varianter med manglende informasjon og usikre varianter, og testen ble brukt til å evaluere 15 språkmodeller. DistressBench inneholder 718 samtaler skrevet av klinikere, fordelt på 23 underkategorier om selvmord og selvskading. Scale Labs rapporterer at modellen, i 35,3 prosent av samtalene der den fullt ut gjenkjente en krise, likevel ikke viste brukeren til menneskelig hjelp.

Scale sier at denne forskningen ligger til grunn for skreddersydde evalueringer som tar utgangspunkt i hvert helsesystems arbeidsflyter, samtidig som den gir en felles metode for å sammenligne modeller. Vektleggingen av tvetydighet og arbeidsprosesser henger sammen med kontrollene som beskrives for veiledning om bestillinger, journalgjennomgang, godkjenning av rapporter og revisjonsfunn.

Dokumentasjon av effekt og begrensninger

En studie fra 2025 i JAMA Network Open som Scale viser til, undersøkte 263 klinikere i poliklinisk virksomhet ved seks amerikanske helsesystemer. De brukte den samme ambient KI-skriveassistenten fra Abridge i 30 dager. Studien evaluerte ikke Scales produkter. I den justerte analysen sank den beregnede forekomsten av utbrenthet fra 51,9 til 38,8 prosent. Deltakerne rapporterte også forbedringer når det gjaldt den kognitive belastningen knyttet til journalnotater, dokumentasjon etter arbeidstid og konsentrasjonen om pasientene.

Resultatene støtter begrunnelsen for å bruke KI-verktøy til dokumentasjon for å redusere administrative byrder, men gjelder poliklinisk bruk av et annet produkt enn den nye porteføljen for sykehusdrift. Forskerne oppga flere viktige forbehold: Deltakelsen var frivillig, undersøkelsene var ikke anonyme, resultatene var selvrapporterte, og det fantes ingen kontrollgruppe som kunne ta høyde for utvikling over tid. Disse begrensningene gjør det vanskelig å fastslå hva resultatene fra sammenligningen før og etter 30 dager viser, særlig når Scale utvider argumentet om administrative byrder fra poliklinisk dokumentasjon til timeplanlegging, bestillinger og prioritering av sikkerhetshendelser.

For helsesystemer er det sentrale spørsmålet ved lanseringen om evalueringer som tar utgangspunkt i deres egne arbeidsflyter, kan kontrollere kildeinnhenting, etterlevelse av retningslinjer og hensiktsmessig overlatelse til mennesker, i tillegg til svarenes korrekthet. Referansetester fra Scale viser hvordan riktige svar kan skjule mangelfulle prosesser. Kildelenker, anbefalinger med kildehenvisninger, godkjenning fra klinikere og bekreftelse fra revisorer i de nye applikasjonene er mekanismene som skal gjøre det mulig å avdekke slike problemer gjennom menneskelig gjennomgang.

Lila Rowan er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker området hvor kunstig intelligens, helse og mental velvære møtes. Hennes arbeid fokuserer på hvordan AI-drevne verktøy forbedrer diagnostikk, utvider tilgangen til omsorg og støtter mentale helsestjenester på måter som komplementerer - ikke erstatter - menneskelige kliniske eksperter.
Med et medfølende og evidensbasert perspektiv undersøker Lila kliniske studier, implementeringer i praksis og fremvoksende helsesteknologier gjennom et humanistisk perspektiv. Hun er spesielt interessert i AI-applikasjoner som reduserer barrierer for omsorg, forbedrer tidlig oppdagelse og støtter mental velvære samtidig som de respekterer pasientens privatliv, sikkerhet og etiske standarder.
Artikler skrevet av Lila Rowan er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre nøyaktighet, sensitivitet og ansvarlig rapportering om helse- og mentalvelværesteknologier.