Harjinder Sandhu, PhD, Grundare och VD, Saykara – Intervju-serie

Harjinder Sandhu, PhD är grundare och VD för Saykara, ett företag som arbetar för att bekämpa epidemiutbrottet av läkarbrist som har dykt upp på grund av alltmer betungande dokumentationskrav och tid som läggs på datainmatning i elektroniska hälsoregister (EHR).

Du började initialt din karriär inom akademin som professor i datavetenskap och gick sedan över till entreprenörskap. Kan du diskutera vad som inspirerade dig att byta till att bli entreprenör?

Efter att ha tillbringat år i akademin och undervisat och skrivit forskningsartiklar om den transformerande kraften i datavetenskap, blev jag inspirerad att tillämpa den kunskapen på en verklig världsscen, på något som kunde ha en betydande inverkan på branschen. Ursprungligen var min plan att tillbringa ett eller två år med att hjälpa till att starta ett företag, och sedan återvända till akademin. Men efter att ha gått igenom den efterföljande IT-bubblan, var utmaningen och spänningen i att bygga något som kunde göra en verklig skillnad i människors liv för stor, och jag återvände aldrig till min tjänst som professor.

Kan du diskutera ursprunget till Saykara?

Jag grundade Saykara 2015 med målet att tillämpa den outnyttjade potentialen i taligenkänning, maskinlärning och naturlig språkbehandling för att lösa en av de mest betydande frågorna som står inför hälso- och sjukvårdens organisationer idag, nämligen den tungrodda och tidskrävande naturen av klinisk dokumentation.

Även om dagens taligenkänningssystem är mycket kapabla att fånga läkares ordagrant dikterade text, kräver det fortfarande en betydande mängd tid och ansträngning för läkare att redigera innehållet och navigera i komplexiteten i EHR-systemet. Det är där det större problemet ligger.

Under de senaste fem åren har Saykara utvecklat och lanserat en plattform som använder artificiell intelligens (AI) för att tolka samtal mellan läkare och patienter och automatiskt konstruera de kliniska anteckningar, beställningar och remisser som behövs för journalen. Och vi gör detta genom en röstaktiverad assistent som heter Kara som läkare kan komma åt via en mobilapp.

Jag har personligen varit involverad i taligenkänning, maskinlärning och naturlig språkbehandlingsteknologier under de senaste 20 åren, och Saykara är faktiskt mitt tredje hälso- och sjukvårdsrelaterade startup. Mitt första startup var ett företag som heter MedRemote, som jag co-grundade 2000 med min vän Kulmeet Singh, och sålde till Nuance Communications, den globala ledaren inom taligenkänningsteknologier. 2011 co-grundade vi ett annat företag som heter Twistle, som fortfarande finns idag, och även om jag fortfarande sitter i dess styrelse, har min huvudsakliga fokus sedan 2015 varit min roll som VD för Saykara.

Hur stor är frågan om klinisk dokumentation och hur mycket tid tar denna process vanligtvis för läkare?

Hur stor är frågan? Ett ord: JÄTTESTOR.

Läkare har fått i uppgift att utföra en alltmer ökande mängd klinisk dokumentation, främst på grund av försäkringskrav, offentlig rapportering och regleringskrav. Läkare förlorar inte bara tid med patienter, utan den tiden försvåras också av att de måste utföra datainmatning i EHR.

En ofta citerad studie som publicerades i Annals of Medicine observerade att läkare tillbringar nästan dubbelt så mycket tid med administrativa uppgifter som med att se patienter. Specifikt fann studien att för varje timme som läkare tillbringar med direkt klinisk tid med patienter, tillbringar de nästan två timmar med EHR- och skrivbordsarbete. Och för många läkare fortsätter detta till en extra en till två timmar varje natt, något som vanligtvis kallas för “pyjamas tid”.

Många andra studier och undersökningar har visat att mellan 50% och 71% av läkare upplever utbrändhet, vilket har förvärrats under COVID-19-pandemin. Medscape 2020 Physician Burnout & Suicide Report avslöjade att de främsta bidragande faktorerna till utbrändhet inkluderar “för många byråkratiska uppgifter (t.ex. journaler, papper)”, “för många timmar på jobbet” och “ökad datorisering av praxis (EHR)”.

Vad gör Saykara med maskinlärning och naturlig språkbehandlingsteknologier som är unikt?

Vad vi gör i sammanhanget med konversations-AI är helt unikt. Vi kan förstå samtal som naturligt förekommer mellan läkare och patienter och generera strukturerad data från dessa samtal på ett sätt som ingen annan företag gör. Dessutom kan vår plattform lätt anpassas till alla områden inom medicinsk specialitet, och vi kan anpassa användarupplevelsen till varje enskild läkares stil och preferenser.

Vi har för närvarande en semi-autonom hybridmodell som parar vår AI med en mänsklig granskare, vilket hjälper till att stärka vår kunskapsbas och säkerställer att vi returnerar exakta resultat till våra användare från dag ett.

Medan taligenkänningskomponenten i vårt system fångar vad som sägs, tolkar den naturliga språkförståelsekomponenten vad som sägs. Till exempel, om en patient kommer in för knäsmärta, måste systemet först förstå att knäsmärta är ett symptom. Det måste sedan bygga en berättelse kring knäsmärta baserat på vad patienten säger eller vad läkaren sammanfattar. När hände det? Vad orsakade det? Hur allvarligt är det? Systemet måste sedan ta den berättelsen i sin rådataformat och komponera en omfattande, högkvalitativ klinisk anteckning, som är vad läkaren ser.

Vårt system kan också filtrera bort “bruset”, och med det menar jag att det förstår vilken typ av information en läkare behöver samla in baserat på anledningen till patientbesöket, och sedan förutsäger och förväntar sig vad som är relevant och vad som inte är det. Till exempel, om en patient går till en reumatolog för artros och börjar prata om den ångest de har upplevt när de köper ett nytt hus, kommer reumatologen troligen inte att vilja eller behöva dokumentera dessa detaljer. Vårt system kan lära sig detta och fokusera enbart på vad som är relevant för reumatologens kliniska anteckning. Å andra sidan, om en patient anländer till en allmänläkares mottagning och börjar prata om den ångest de har upplevt när de köper ett nytt hus, kommer allmänläkaren troligen att vilja och behöva dokumentera dessa detaljer.

Kan du diskutera processen för hur en läkare skulle använda Saykara medan de interagerar med en patient?

Under ett kontorsbesök eller en procedur, eller vad som kallas en “klinisk möte”, öppnar läkaren enkelt vår iOS-app (vanligtvis på en iPhone), trycker på patientens namn (en daglig lista importeras från läkarens EHR eller schemaläggningsapp) och pratar sedan naturligt med patienten på ett helt normalt och vanligt sätt. Vår AI-assistent, Kara, lyssnar ambiently på hela samtalet och när det kliniska mötet är klart, trycker läkaren på appen för att avsluta inspelningen. Vår plattform tolkar och transformerar thennande innehållet som krävs för anteckningar, beställningar, remisser etc., och den strukturerade och narrativa datan fylls direkt i patientens journal i EHR-systemet, redo för läkarens granskning och underskrift.

Saykara erbjuder en sofistikerad och flexibel plattform som tillåter läkare att använda lösningen på flera olika sätt. Kan du diskutera några av de olika sätten?

Vad jag just beskrev är “ambient-läge”. Läkare har också möjlighet att använda vår AI-assistent i “sammanfattning-läge”, som också tillåter dem att prata naturligt – inga speciella kodord eller kommandon krävs. Men istället för att Kara lyssnar på hela samtalet med patienten, ger läkaren en eller flera korta reflekterande sammanfattningar, antingen under och/eller efter mötet. Processen därefter är densamma, liksom det resulterande innehållet.

Vilka marknadssegment och branscher är Saykara för närvarande inriktad på att betjäna, och hur licensierar du er plattform?

På den översta nivån betjänar Saykara hälso- och sjukvårdsbranschen. Våra kunder inkluderar oberoende läkarpraktiker samt sjukhus, hälso- och sjukvårdssystem, ambulatoriska kirurgiska centra och akutvårdskliniker. Vi har en programvaru-tjänst-modell där kunder betalar en månadsavgift för att använda vår plattform.

Hur har feedbacken varit från praktiserande läkare?

Feedbacken har varit överväldigande positiv. Detta är verkligen livsförändrande för läkare och de använder exakt de orden. Vår AI-assistent eliminerar helt “pyjamas-tiden” jag beskrev tidigare och den minskar den tid som läkare tillbringar med att interagera med EHR och förbereda klinisk dokumentation med i genomsnitt 70%. Viktigast av allt ger det läkare mer ansikte-tid med patienterna. Läkare kan ge patienterna sin fulla uppmärksamhet utan distraktion.

Vi har dussintals vittnesmål om den inverkan vår lösning har haft på produktivitet, arbetslivsbalance och läkare-patient-relationen. Till exempel sa en allmänläkare: “Nu, med Saykara, kan jag se en patient på 15 minuter och jag dokumenterar på 30 sekunder. Det har varit en riktig spelväxlare.” En barnläkare sa: “Min make kan berätta att jag är en mycket gladare person när jag kommer hem och vet att jag inte har den här vikten av journaler över huvudet.” En ortopedisk kirurg sa: “Jag kan ge mina patienter min fulla uppmärksamhet och jag har till och med tid under besöken att prata med dem om deras semestrar, barnbarn eller restauranger de rekommenderar.” En kärlkirurg sa: “Det förstår sammanhanget och avsikten med vad som sägs, och sedan skapar det elegant och korrekt en anteckning i vår EHR. Inga fler nätter och helger med korrekturläsning och underskrift av journaler.” Och VD för en multi-specialitetsläkargrupp sa: “Användningen av Saykaras mobil-AI-assistent tillåter våra läkare att fokusera på patienterna och skapa personliga, meningsfulla och samarbetsinriktade interaktioner.”

Vad är dina åsikter om framtiden för AI inom hälso- och sjukvården?

AI-revolutionen inom hälso- och sjukvården är fortfarande i sin linda. Det sagt, AI-kapaciteterna som är tillämpliga på hälso- och sjukvårdsbranschen är verkligen omfattande och har en enorm potential för gott. Du kommer att hitta AI-tillämpningar för de kliniska, operativa, finansiella, tekniska, administrativa och säkerhetsrelaterade områdena inom hälso- och sjukvården, med lösningar för IoT-enhetshantering, kronisk sjukdomshantering, läkemedelsförskrivning, beslutsstöd, sjukdomsdiagnostik, vårdplanering, arbetsflödesautomatisering, intäktscykeloptimering, leverantörskedjehantering, kliniska prövningar och listan fortsätter. Jag skulle säga att dessa tillämpningar fortfarande är mycket tidiga i sina livscykler och vi kommer att se många fler kapaciteter när de mognar.

Vad vi har sett med AI-teknologi i andra branscher är att den når en inflexionspunkt där den börjar utvecklas i en mycket snabbare takt och kan göra mer och mer på kortare och kortare tid, med stor noggrannhet. Jag tror att vi är nästan vid den inflexionspunkten för många av tillämpningarna inom hälso- och sjukvården. Det finns utan tvekan mycket som ingen har ens kontemplerat vid det här laget. Under de närmaste tre till fem åren tror jag att vi kommer att se en otrolig AI-förändring inom hälso- och sjukvården, på ett bra sätt.

Vilka typer av ny teknik är du mest spänd på?

De teknologier jag är mest spänd på är AI-system som kan interagera med människor genom samtal, vilket jag tror kommer att ha en inverkan över hela branschen. När vi når den punkt där datorer kan förstå våra samtal, kommer det att öppna upp en helt ny värld av möjligheter som kommer att transcendera alla aspekter av våra liv.

För närvarande måste du lära dig att interagera med en dator på dess villkor, inte på dina egna. Parametrarna är fördefinierade och du måste lista ut hur du kan använda den på bästa sätt för att tillgodose dina behov. Vad som är på horisonten i termer av AI-revolutionen är att du kommer att kunna interagera med en dator på dina egna villkor, på samma sätt som du naturligt interagerar med andra människor, genom språk, med förväntan att enheten kommer att svara enligt. Det är vad vi fokuserar på på Saykara, och det är en trend över många andra branscher också. Jag tror att vi snart kommer att se tillbaka och undra hur vi någonsin kunde leva utan dessa system, precis som vi ser tillbaka och undrar hur vi någonsin kunde leva utan våra smartphones.

Tack för den underbara intervjun, jag håller fullständigt med dig om att AI utvecklas i en mycket snabbare takt. Läsare som vill lära sig mer kan besöka Saykara.