Акилеш Бапу, основатель и генеральный директор DeepScribe — серия интервью

Акилеш Бапу — основатель и генеральный директор DeepScribe, который использует обработку естественного языка (NLP) и расширенное глубокое обучение для создания точных, совместимых и безопасных записей разговоров врача и пациента.

Что познакомило и привлекло вас к искусственному интеллекту и обработке естественного языка?

Если я правильно помню, Джарвис из «Железного человека» был первым, что меня действительно привлекло в мире обработки естественного языка и ИИ. В частности, меня поразило, насколько быстрее человек мог не только выполнять задачи, но и погружаться в определенные задачи на невероятный уровень глубины и раскрывать определенную информацию, о которой они даже не узнали бы, если бы не этот ИИ.

Это была концепция «ИИ сам по себе не будет так же хорош, как люди в большинстве задач, но соедините человека и ИИ вместе, и эта комбинация будет доминировать». Обработка естественного языка — наиболее эффективный способ для реализации этой комбинации человека и ИИ.

С тех пор я был одержим Siri, Google Now, Alexa и другими. Хотя они не работали так гладко, как Джарвис, я очень хотел, чтобы они работали так же, как Джарвис. В частности, стало очевидным, что такие команды, как «Alexa, сделай это», «Alexa, сделай то», были довольно простыми и точными для выполнения с текущим состоянием технологий. Но когда дело доходит до чего-то вроде Джарвиса, где он действительно может учиться и понимать, фильтровать и поднимать важные темы во время другого разговора, такого раньше не было. На самом деле это напрямую связано с одним из основных мотивов, побудивших меня основать DeepScribe. Пока мы решаем проблему документации для врачей, мы пытаемся при этом использовать совершенно новую волну интеллекта: окружающий интеллект. ИИ, который может копаться в ваших повседневных высказываниях, находить полезную информацию и использовать эту информацию, чтобы помочь вам.

Ранее вы проводили исследования с использованием глубокого обучения и НЛП в Инженерном колледже Калифорнийского университета в Беркли. Чему было посвящено ваше исследование?

Вернувшись в Исследовательскую лабораторию искусственного интеллекта Беркли, я работал над проектом аннотатора генной онтологии, где мы резюмировали статьи PubMed с конкретными выходными параметрами.

Обзор высокого уровня: возьмите задание, например, подведение итогов новостной статьи CNN. В этом задании вы берете новостные статьи и резюмируете их примерно в несколько предложений. В вашу пользу у вас есть данные и возможность обучать эти модели на более чем миллионе статей. Однако проблемное пространство огромно, поскольку вы ограничили структуру резюме. Кроме того, фактические статьи практически не имеют структуры. Хотя с 2.5 лет назад, когда я работал над этим проектом, было сделано немало улучшений, это все еще нерешенная проблема.

Однако в нашем исследовательском проекте мы разрабатывали структурированные аннотации статей. Структурированное резюме в этом случае похоже на типичное резюме, за исключением того, что мы знаем точную структуру выходного резюме. Это полезно, поскольку значительно сокращает количество вариантов вывода для нашей модели машинного обучения — проблема заключалась в том, что не было достаточного количества аннотированного обучения для запуска модели глубокого обучения, требующей большого объема данных, и получения полезных результатов.

Суть работы, которую я проделал в этом проекте, заключалась в том, чтобы использовать имеющиеся у нас знания о входных данных и разработать ансамбль неглубоких моделей машинного обучения для их поддержки — метод, который мы изобрели, называемый двухэтапным аннотатором. Точность двухэтапного аннотатора почти в 2 раз выше, чем у предыдущего лучшего (2 процента против 20 процента).

Хотя параллельно этот проект и DeepScribe могут звучать совершенно по-разному, они очень похожи в том, как они использовали метод двухэтапной аннотации для значительного улучшения результатов на ограниченном наборе данных.

Что послужило источником вдохновения для запуска DeepScribe?

Все началось с моего отца, который был онкологом. До того, как системы электронных медицинских карт взяли на себя управление здравоохранением, врачи записывали все на бумаге и тратили очень мало времени на заметки. Однако, как только EHR стали популярными в рамках закона HITECH от 2009 года, я начал замечать, что мой отец все больше и больше времени проводит за компьютером. Он стал приходить домой позже. По выходным он сидел на диване и диктовал записи. Простые вещи вроде того, что он забрал меня из школы или тренировки по баскетболу, ушли в прошлое, поскольку большую часть вечерних часов он проводил за документацией.

Когда я рос занудным ребенком, я пытался найти для него решения, ища в Интернете и предлагая ему попробовать их. К сожалению, ничто не работало достаточно хорошо, чтобы избавить его от долгих часов документирования.

Перенесемся на несколько лет вперед, к лету 2017 года. Я исследователь, работаю в Исследовательской лаборатории искусственного интеллекта в Беркли и работаю над проектами по обобщению документов. Однажды летом, когда я вернулся домой, я заметил, что мой папа все еще тратит много времени на документирование. Я спрашиваю: «Что нового в мире документации? Alexa везде, Google Assistant теперь так хорош. Скажите, что нового в медицинском пространстве?» И его ответ был: «Ничего не изменилось». Я думал, что это был только он, но когда я пошел и опросил нескольких его коллег, это был тот же самый вопрос: не последние достижения в лечении рака или новые проблемы, с которыми сталкивались их пациенты, а документация. «Как избавиться от документации? Как сэкономить время на документации? Это отнимает у меня так много времени».

Я также заметил несколько компаний, которые пытались решить проблему с документацией. Однако либо они были слишком дороги (тысячи долларов в месяц), либо слишком минимальны с точки зрения технологии. У врачей в то время было очень мало вариантов. Именно тогда открылась возможность: если бы мы могли создать искусственного интеллекта медицинского писца, технологию, которая могла бы отслеживать визиты врачей к пациентам и обобщать их, и предлагать ее по цене, которая сделала бы ее доступной для всех, она действительно могла бы принести пользу. радость заботы обратно в медицину.

Вам было всего 22 года, когда вы запустили DeepScribe. Можете ли вы описать свой путь в качестве предпринимателя?

Мое первое знакомство с предпринимательством произошло еще в старшей школе. Все началось, когда мы с другом, который знал некоторые основы JavaScript, встретились с директором центра для детей с ограниченными возможностями обучения. Они рассказали нам, как самые простые инструменты могут помочь детям с дислексией. Мы закончили тем, что вместе взломали расширение Chrome для чтения дислексии. Это был действительно голый костяк — он просто подкорректировал шрифт, чтобы он соответствовал научным рекомендациям по облегчению чтения людьми с дислексией. Хотя концепция была простой, в итоге мы получили более 5000 активных пользователей за несколько месяцев. Я был поражен тем, как базовые технологии могут оказывать такое глубокое влияние на людей.

В Беркли я продолжал как можно больше погружаться в мир предпринимательства, в первую очередь с их широким спектром занятий. Моими любимыми были:

1. Серия лекций Ньютона — такие люди, как Джессика Мах из InDinero или Дайан Грин из VMWare, которые были выпускниками Калифорнийского университета, рассказали о своем пребывании в Беркли и о том, как они основали свои собственные компании.
2. Challenge Lab — на этом занятии я познакомился со своим соучредителем Мэттом Ко. Нас распределили по группам, и мы прошли семестровый путь создания продукта и обучения тому, что нужно на ранних стадиях, чтобы воплотить идею в жизнь.
3. Lean Launchpad — безусловно, мой фаворит из трех; это был изнурительный и кропотливый процесс, в ходе которого мы под руководством Стива Бланка (известного миллиардера и человека, стоящего за движением бережливого стартапа) взяли идею, проверили ее на основе 100 интервью с клиентами, построили финансовую модель и многое другое. Это был тип класса, на котором мы представили наш «стартап» только для того, чтобы остановиться на слайде 1 или 2 и получить допрос. Если этого было недостаточно, мы также должны были опрашивать 10 клиентов в неделю. Наша идея в то время заключалась в том, чтобы создать патентный поиск, который давал бы результаты, аналогичные дорогостоящему поиску известного уровня техники, что означало, что мы обращались к 10 корпоративным клиентам в неделю. Это было здорово, потому что научило нас быстро думать на ходу и быть очень находчивыми.

DeepScribe появился, когда группа инвесторов под названием The House Fund выписывала чеки студентам, которые отказывались от летней стажировки и проводили лето, строя свою компанию. Мы только что закрыли Delphi (систему патентного поиска), и мы с Мэттом постоянно говорили о медицинской документации, и все встало на свои места, так как это был идеальный момент, чтобы попробовать.

С DeepScribe нам повезло, что мы только что вышли из Lean Launchpad, поскольку одним из наиболее важных факторов при создании продукта для врачей была итерация и усовершенствование продукта с учетом отзывов клиентов. Историческая проблема медицинской отрасли заключалась в том, что в цикле разработки программного обеспечения редко участвовали врачи, что приводило к тому, что программное обеспечение не было оптимизировано для конечного пользователя.

Поскольку DeepScribe происходил одновременно с моим последним годом в Беркли, это был трудный баланс. Я появлялся на уроке в костюме, чтобы сразу после него успеть на демонстрацию для клиентов. Я бы использовал все средства EE и профессоров не для занятий, а на 100 процентов для DeepScribe. Мои встречи с моим научным наставником даже превратились в сеансы мозгового штурма DeepScribe.

Оглядываясь назад, я могу сказать, что если бы мне пришлось что-то изменить в своем путешествии, я бы отложил учебу в колледже, чтобы я мог тратить 150 процентов своего времени на DeepScribe.

Можете ли вы описать медицинскому работнику, в чем преимущества использования DeepScribe по сравнению с более традиционным методом голосовой диктовки или даже ведения заметок?

Использование DeepScribe должно быть очень похоже на использование настоящего человека-писца. Когда вы естественно разговариваете со своим пациентом, DeepScribe будет слушать и улавливать важную с медицинской точки зрения речь, которая обычно содержится в ваших заметках, и помещает ее туда для вас, используя тот же медицинский язык, который вы сами используете. Нам нравится думать об этом как о новом члене вашего медицинского персонала с искусственным интеллектом, которого вы можете обучить, как хотите, чтобы помочь с документацией в вашей электронной системе медицинских карт, как вы хотите. Это очень отличается от использования службы голосовой диктовки, поскольку устраняет весь шаг, связанный с необходимостью возвращаться и документировать. В то время как обычные службы диктовки превращают 10 минут документации в 7-8 минут, DeepScribe превращает ее в несколько секунд. Наши врачи сообщают об экономии времени от 1.5 до 3 часов в день в зависимости от того, сколько пациентов они принимают.

DeepScribe не зависит от устройства, им можно управлять с iPhone, Apple Watch, браузера (для телемедицины) или аппаратного устройства.

С какими проблемами распознавания речи или NLP может столкнуться DeepScribe из-за сложной медицинской терминологии?

Вопреки распространенному мнению, DeepScribe легче всего подобрать сложную медицинскую терминологию. Самая сложная часть для DeepScribe — подобрать уникальные контекстуальные утверждения, которые пациент может дать врачу. Чем больше они отклоняются от типичного разговора, тем больше мы видим, как спотыкается ИИ. Но по мере того, как мы собираем больше данных о разговорах, мы видим, что они значительно улучшаются с каждым днем.

Какие еще технологии машинного обучения используются в DeepScribe?

Большие комплексы распознавания речи и NLP, как правило, охватывают большую часть машинного обучения, которым мы занимаемся в DeepScribe.

Можете ли вы назвать некоторые из больниц, некоммерческих или академических учреждений, которые используют DeepScribe?

DeepScribe начал свою работу в рамках пилотной программы в Медицинском центре Калифорнийского университета в Беркли. Hartford Healthcare, Техасский медицинский центр и Медицинские специалисты Сидар-Вэлли — это лишь несколько крупных систем, с которыми работает DeepScribe.

Однако больший процент пользователей DeepScribe составляют 50 частных практик от Аляски до Флориды. Наши самые популярные специальности — это первичная медико-санитарная помощь, ортопедия, гастроэнтерология, кардиология, психиатрия и онкология, но мы поддерживаем несколько других специальностей.

Недавно DeepScribe запустил программу помощи в борьбе с COVID-19. Не могли бы вы провести нас по этой программе?

COVID-19 сильно ударил по нашим врачам. Медицинские учреждения обслуживают только 30-40% своих пациентов, штат писарей сокращается, а поставщики услуг вынуждены быстро переводить всех своих пациентов на телемедицину. Все это в конечном итоге приводит к увеличению канцелярской работы для поставщиков — мы в DeepScribe твердо верим, что для того, чтобы остановить эту пандемию, врачи должны посвятить 100 процентов своего внимания и времени заботе о своих пациентах.

Чтобы помочь этому делу, мы с гордостью запускаем бесплатное телемедицинское решение для медицинских работников, борющихся с этой пандемией. Наше решение для телемедицины полностью интегрировано с нашим решением для медицинской записи на базе искусственного интеллекта, что устраняет необходимость в клинической документации для встреч, сделанных на нашей платформе.

Мы также предлагаем наши услуги писца бесплатно во время пандемии. Это означает, что любой врач может бесплатно получить доступ к писцу для обработки своей документации. Мы надеемся, что благодаря этому врачи смогут уделять больше внимания своим пациентам и тратить меньше времени на размышления о документации, что приведет к более быстрому прекращению вспышки COVID-19.

Спасибо за отличное интервью, мне очень понравилось узнавать о DeepScribe и вашем пути к предпринимательству. Всем, кто хочет узнать больше, следует посетить DeepScribe.