Varun Ganapathi, CTO și co-fondator al AKASA – Seria de interviuri

Varun Ganapathi este CTO și co-fondator al AKASA, un dezvoltator de soluții AI pentru aplicații din domeniul sănătății. AKASA ajută organizațiile din domeniul sănătății să îmbunătățească operațiunile, inclusiv ciclul de venituri, pentru a genera venituri, a crea eficiență și a îmbunătăți experiența pacientului. Varun a fondat cu succes două companii de inteligență artificială înainte de AKASA, una a fost achiziționată de Google (GOOGL ) și cealaltă de Udacity.

Ați avut o carieră distinsă în învățarea automată, puteți discuta despre unele dintre primele dvs. zile la Stanford, când ați lucrat la crearea de elicoptere autonome?

Când eram student la fizică la Stanford, eram foarte interesat și de știința calculatorului și de învățarea automată (ML). Pentru mine, IA și ML combină totul într-un mod automat de a face fizică pe orice fenomen digitalizabil.

Pentru acest proiect în particular, am avut un elicopter care semăna cu un dronă mare, puțin mai mică decât o saltea dublă – într-o perioadă în care dronele nu erau foarte răspândite. Oamenii îl pilotau și îl făceau să execute trucuri, cum ar fi să plutească cu susul în jos. Deși acest lucru este foarte greu de realizat, am vrut să construiesc un algoritm de învățare automată care să poată învăța de la oameni cum să piloteze acest elicopter în mod autonom.

Am creat un simulator de fizică care se baza pe elicopterul real și un algoritm de învățare automată care a învățat să prevadă mișcările sale. Apoi am aplicat învățarea prin întărire în simulator pentru a dezvolta un controlor, am luat software-ul și l-am încărcat în elicopterul real. După ce am pornit elicopterul, a funcționat de la prima încercare! Elicopterul a fost capabil să plutească imediat cu susul în jos, singur, ceea ce a fost destul de impresionant. Echipa a continuat să lucreze la automatizarea altor tipuri de trucuri folosind învățarea automată.

Ați lucrat și la Google Books, puteți discuta despre algoritmul pe care l-ați dezvoltat și cum a fost compania dvs. achiziționată de Google?

Am făcut un stagiu la Google în timp ce urmam cursuri la Stanford în 2004 – imediat după proiectul elicopterului. În acea perioadă, am implementat învățarea automată pentru proiectul Google Books, unde scanam toate cărțile din lume.

Google plătea oameni pentru a eticheta informații despre cărți, cum ar fi pagini, cuprins, copyright etc. – o sarcină foarte consumatoare de timp. Am vrut să văd dacă putem folosi învățarea automată pentru a face acest lucru și a funcționat foarte bine. A funcționat de fapt mai bine și a fost mai precis decât atunci când oamenii l-au făcut, deoarece majoritatea erorilor erau cauzate de erori umane la etichetarea manuală.

Acest lucru m-a făcut foarte entuziast în legătură cu învățarea automată, deoarece a arătat că puteți trece de la performanța umană la o performanță supraumană – efectuând sarcini mundane cu mai puține erori și mai consistent, gestionând în același timp cazurile limită.

De acolo, am decis să fac un doctorat la Stanford, concentrându-mă pe învățarea automată și lucrări teoretice la început. Pentru teza mea, am dezvoltat un algoritm pentru a efectua captură de mișcare în timp real, unde un computer poate urmări mișcarea tuturor articulațiilor umane în timp real, de la o cameră de adâncime. Acesta a fost baza pentru prima mea companie, Numovis, care s-a concentrat pe urmărirea mișcării și viziunea calculatorului pentru interacțiunea utilizatorului. A fost achiziționată de Google.

Întreaga mea călătorie de la proiectul elicopterului la Google Books, la mașinile autonome și acum la operațiunile din sănătate, mi-a arătat cât de puternice și generale sunt algoritmii de învățare automată.

Puteți împărtăși povestea de fond a AKASA?

Am construit AKASA pentru a rezolva o problemă uriașă și profund înrădăcinată în operațiunile din sănătate. Aceste operațiuni sunt atât scumpe, cât și predispuse la erori, ceea ce poate duce la experiențe financiare inutile și îngrijorătoare pentru pacienți. A existat o lipsă de tehnologie nouă pe partea administrativă și nimic nu a fost creat cu scop. A devenit clar pentru noi că puteți folosi tehnologia, cum ar fi IA și învățarea automată, pentru a rezolva aceste provocări operaționale într-un mod inovator. Când am vorbit cu mulți sisteme de sănătate și lideri din domeniul sănătății, au confirmat gândirea noastră, ceea ce a condus în cele din urmă la fondarea AKASA în 2019.

În acest fel, scopul AKASA a fost clar de la început – pentru a permite sănătatea umană și a construi viitorul sănătății cu IA. Modul în care am decis să abordăm această provocare a fost prin combinarea inteligenței umane cu IA și învățarea automată de ultimă generație, astfel încât sistemele de sănătate să poată reduce costurile operaționale și să aloce resurse acolo unde sunt necesare.

Platforma noastră, care este agnostică și flexibilă, deservește în prezent o bază de clienți care reprezintă peste 475 de spitale și sisteme de sănătate și peste 8.000 de unități ambulatorii, în toate cele 50 de state. Tehnologia noastră ajută aceste organizații, indiferent dacă utilizează furnizori de înregistrări electronice de sănătate (EHR) precum Epic, Cerner, alte EHR sau sisteme bolt-on și tot ce se află între ele. Și am făcut acest lucru cu rezultate puternice.

Baza noastră de clienți reprezintă peste 110 miliarde de dolari în venit net de pacient agregat, ceea ce corespunde la peste 10% din cheltuielile anuale totale ale sistemelor de sănătate din Statele Unite, conform Centrelor pentru Servicii de Medicaid și Medicare. Modelele și algoritmii AKASA au fost antrenați pe aproape 290 de milioane de cereri și remiteri.

„Tuburile invizibile” ale sănătății sunt extrem de complexe, dar au un impact imens asupra sănătății umane și le automatizăm treptat.

Care sunt unele dintre sarcinile pe care AKASA le urmărește să le automatizeze în sănătate?

Abordarea noastră unică expert-in-the-loop, Unified Automation, combină învățarea automată cu judecata și expertiza umană pentru a oferi o automatizare robustă și rezilientă pentru operațiunile din sănătate. AKASA poate automatiza rapid și eficient sarcini de la capăt la capăt în cadrul funcției financiare a sănătății, inclusiv procesarea facturilor și plăților. Sarcinile specifice pe care AKASA le automatizează includ verificarea eligibilității pacientului, documentarea și verificarea informațiilor de asigurare, estimarea costului pacientului, editarea, refacturarea și contestarea cererilor, precum și predicția și gestionarea respingerilor.

Acest tip de automatizare nu numai că reduce erorile umane și întârzierile pentru pacienți, ajutând la prevenirea facturilor medicale surpriză, dar eliberează și personalul din sănătate prin îndepărtarea completă a sarcinilor manuale și repetitive de pe lista lor de sarcini – permițându-le să se concentreze asupra unor sarcini mai plăcute, mai provocatoare și mai valoroase, orientate către experiența pacientului.

Care sunt diferitele tipuri de algoritmi de învățare automată care sunt utilizați?

AKASA utilizează aceleași abordări de învățare automată care au făcut posibile mașinile autonome pentru a oferi sistemelor de sănătate o soluție unică pentru automatizarea operațiunilor din sănătate. Această abordare – centrată pe învățarea automată – extinde capacitățile automatizării pentru a aborda sarcini mai complexe la scară.

Dezvoltăm algoritmi de ultimă generație în domeniul viziunii calculatorului, înțelegerii limbajului natural și problemelor de date structurate. Platforma noastră începe cu RPA alimentată de viziunea calculatorului și o îmbunătățește cu IA și învățarea automată modernă și cu expert-in-the-loop pentru a oferi o automatizare robustă.

Pentru a oferi o imagine de ansamblu a modului în care funcționează, soluția noastră proprietară observă mai întâi cum personalul din sănătate își completează sarcinile. Echipa noastră etichetează apoi aceste date și le utilizează pentru a antrena algoritmii noștri, astfel încât tehnologia noastră să poată înțelege și învăța cum funcționează personalul din sănătate și sistemele lor. De acolo, platforma noastră efectuează aceste fluxuri de lucru în mod autonom. În final, utilizăm experți în buclă care pot interveni ori de câte ori sistemul semnalează cazuri neobișnuite sau excepții. IA învață continuu din aceste experiențe, permițându-i să abordeze sarcini tot mai complexe în timp.

Puteți discuta despre importanța abordărilor human-in-the-loop și de ce acestea sunt pe cale să înlocuiască RPA?

Adevărul dur este că RPA este o tehnologie veche de decenii, care este fragilă și are limite reale ale capacităților sale. Va avea întotdeauna o anumită valoare în automatizarea sarcinilor simple, discrete și liniare. Cu toate acestea, motivul pentru care eforturile de automatizare adesea nu ating aspirațiile lor este pentru că viața este complexă și în continuă schimbare.

Abordarea de bază a RPA constă în crearea unui robot (bot) pentru fiecare problemă sau cale pe care doriți să o rezolvați. Un consultant sau inginer uman construiește un robot pentru a rezolva o problemă specifică. Această soluție robotică înlocuiește o secvență de pași. Acesta examinează un ecran, ia o decizie și o repetă.

Problema care apare adesea este că o schimbare în lume, cum ar fi o modificare a unui software sau a unei interfețe cu utilizatorul, poate face ca bot-urile să se strice. Așa cum știm, tehnologia este în continua evoluție, creând medii dinamice. Acest lucru înseamnă că bot-urile RPA adesea eşuează.

Un alt problemă cu aceste bot-uri este că trebuie să creați unul pentru fiecare situație pe care doriți să o rezolvați. Prin urmare, ajungeți să aveți multe bot-uri, care efectuează acțiuni foarte mici care nu necesită multă abilitate.

Este ca un joc de „whack-a-mole”. Fiecare zi vă confruntă cu probabilitatea ca unul dintre ele să se strice, deoarece un software se va schimba sau va apărea ceva neobișnuit – o casetă de dialog va apărea sau va apărea un nou tip de intrare. Rezultatul este o întreținere costisitoare pentru a menține aceste bot-uri funcționale. Conform cercetărilor Forrester, pentru fiecare 1 dolar cheltuit pe RPA, se cheltuiește un dolar suplimentar de 3,41 pe resurse de consultanță.

În alte cuvinte, software-ul real pentru RPA nu este cea mai mare parte a costului. Investiția mult mai mare este toată munca pe care trebuie să o faceți pentru a menține RPA funcțională tot timpul. Multe organizații nu iau în considerare acest cost continuu.

Deoarece o mare parte a vieții este complexă și în continuă schimbare, o mare parte a muncii se află în afara capacităților RPA, ceea ce este acolo unde intervine învățarea automată. Învățarea automată ne permite să automatizăm lucrurile grele. Și credem că „sosul special” este format din oameni care îmbunătățesc algoritmii, predându-le.

Când algoritmul nu este sigur despre ce ar trebui să facă (încredere scăzută), este escaladat către un expert uman în buclă. Oamenii etichetează aceste exemple și identifică cazurile care nu sunt gestionate de modelul curent. Când se face acest lucru și IA a funcționat corect, aceasta este o sarcină bine funcționabilă.

Fiecare sarcină în care un om prinde o problemă este un caz în care mașina nu o gestionează corect. În acest caz, se adaugă date în setul nostru de date, care reantrenează modelele de învățare automată pentru a gestiona această nouă situație.

În timp, modelul de învățare automată construiește rezistență la aceste noi cazuri limită. Acest lucru duce la un sistem care este robust și flexibil pentru noi cazuri neobișnuite sau excepții, iar sistemul devine mai puternic în timp. Acest lucru înseamnă că automatizarea devine mai bună și mai bună, iar intervenția umană va scădea în timp.

Avea experți umani în buclă este esențial pentru a face IA mai inteligentă, mai rapidă și mai bună. Avem nevoie de oameni pentru a antrena corect IA și pentru a se asigura că poate gestiona cazurile limită care sunt inevitabile în orice industrie – și, în special, într-un domeniu dinamic, cum ar fi sănătatea.

Cum funcționează soluția human-in-the-loop a AKASA, Unified Automation, și care sunt unele dintre principalele cazuri de utilizare pentru această platformă?

Unified Automation este o platformă creată special pentru sănătate. Utilizând IA, învățarea automată și echipa noastră de experți în facturare medicală, creează o soluție integrată și personalizată care ajută la vedere mai rapidă a valorii, cu practic niciun fel de întreținere sau cozi de excepții.

A fost proiectat cu excepții și cazuri limită în minte. Dacă întâmpină ceva nou, platforma semnalează problema echipei noastre de experți, care o rezolvă, în timp ce sistemul învață din acțiunile pe care le efectuează. Este acel element uman care ne diferențiază de alte soluții de pe piață și permite platformei să învețe și să se îmbunătățească în mod continuu.

Unified Automation se adaptează, de asemenea, naturii dinamice a industriei sănătății. Este o soluție integrată și personalizată care ajută la reducerea costurilor operaționale, ridică personalul pentru a aborda sarcini mai plăcute care necesită atingere umană și îmbunătățește capturarea veniturilor pentru sistemele de sănătate, îmbunătățind, de asemenea, experiența financiară a pacientului.

Iată cum funcționează Unified Automation:

Software-ul nostru observă: Instrumentul nostru Worklogger observă la distanță cum personalul din sănătate își completează sarcinile. Apoi, echipa noastră etichetează aceste date și le introduce în automatizarea noastră pentru a oferi o imagine cuprinzătoare a fluxurilor de lucru și proceselor actuale. Acest lucru duce la o vizibilitate mai mare a performanței personalului, date fundamentale despre fluxurile de lucru pentru a alimenta automatizarea noastră și o analiză precisă a timpului pe sarcină.

IA efectuează: După ce observă și învață fluxurile de lucru ale personalului din sănătate, IA noastră efectuează apoi aceste sarcini în mod autonom. Învață continuu din problemele și cazurile limită cu care se confruntă, abordând sarcini tot mai complexe în timp. Unified Automation se află în amonte în coada de lucru – atribuindu-și sarcinile aplicabile și finalizându-le fără a perturba echipa. De asemenea, optimizează automat procesele, astfel încât nu este necesară nicio configurare sau intervenție din partea personalului.

Experiența umană asigură: Sistemul semnalează automat echipei noastre de experți în facturare medicală pentru a gestiona excepțiile și cazurile limită, antrenând IA în timp real, pe măsură ce lucrează. Acesta este elementul expert-in-the-loop. Cu învățarea continuă integrată, platforma Unified Automation devine mai inteligentă și mai eficientă în timp, iar lucrul se face întotdeauna.

Există altceva pe care ați dori să-l împărtășiți despre AKASA?

Aveam o abordare bazată pe cercetare, ceea ce înseamnă că clienții noștri au acces la tehnologie de ultimă generație. Suntem dedicați publicării cercetărilor noastre și abordărilor în publicații peer-review pentru a stabili în mod constant noi standarde de ultimă generație pentru IA în operațiunile din sănătate și pentru a conduce întreaga noastră industrie înainte.

De exemplu, cercetarea noastră a fost prezentată la Conferința Internațională de Învățare Automată (ICML), Summitul de Înțelegere a Limbajului Natural (NLP) și Conferința de Învățare Automată pentru Sănătate (MLHC), printre altele. Urmează o abordare foarte disciplinată pentru testarea modelelor noastre și compararea performanței cu abordările IA de ultimă generație de pe piață.

Soluția noastră de predicție a respingerilor se crede a fi primul sistem bazat pe învățare profundă publicat care poate prezice cu exactitate respingerea cererilor medicale cu peste 22% mai mult decât liniile de bază existente. Modelul nostru Read, Attend, Code pentru codificarea autonomă a cererilor medicale din note clinice a fost recunoscut ca stabilind un nou standard de ultimă generație pentru industrie și a depășit modelele actuale cu 18% – depășind productivitatea codificatorilor umani. Credem că aceste inovații din spatele scenei sunt esențiale pentru îmbunătățirea sistemului de sănătate din Statele Unite la scară și vor continua să conducă progresele și să construiască soluții personalizate pentru acest spațiu.

Există multă propagandă în jurul IA în sănătate, dar atunci când vine vorba de asta, companiile pot exagera ceea ce tehnologia lor poate face de fapt. Este mult mai greu să efectuați cercetări pentru a valida ceea ce fac algoritmii – și ne mândrim cu faptul că urmăm această cale semnificativă, dar dificilă, pentru a demonstra în cele din urmă că platforma Unified Automation a AKASA aduce cu adevărat schimbări pozitive și semnificative pentru spitale și sisteme de sănătate.

Suntem entuziasmați de viitor și de ceea ce urmează la AKASA, pe măsură ce construim viitorul sănătății cu IA.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe despre AKASA ar trebui să viziteze AKASA.