อันดรีอัส เคลฟ์ Co-Founder และ CEO ของ Corti – สัมภาษณ์ ซีรีส์

อันดรีอัส เคลฟ์ Co-Founder และ CEO ของ Corti เป็นนักธุรกิจที่มุ่งเน้นการพัฒนา AI ในสาขาแพทย์ การทำงานของเขาในภาคส่วนนี้เริ่มต้นด้วย Ovivo ซึ่งเป็นแพลตฟอร์มการวางแผนกำลังคนแบบพูดคุยสำหรับโรงพยาบาลที่ขยายตัวอย่างรวดเร็วทั่วเดนมาร์กก่อนที่จะถูกซื้อกิจการในปี 2013 เขาเป็น Co-Founder ของ Hyvi ซึ่งเป็นโครงการวิจัยที่สำรวจโมเดลภาษาที่ตระหนักถึงบริบทและสามารถเข้าใจการสนทนาเชิงซับซ้อนได้แบบเรียลไทม์ ซึ่งพัฒนาเป็น Corti ในปี 2018 นอกจากการสร้างบริษัทแล้ว เคลฟ์ยังมีบทบาทสำคัญในการเสริมสร้างระบบนิเวศ AI ของนอร์ดิกผ่านโครงการต่างๆ เช่น Nordic.ai และบทบาทที่ปรึกษาในองค์กรต่างๆ รวมถึง DIGITALEUROPE และสภาแห่งชาติว่าด้วยการดิจิทัลของเดนมาร์ก

Corti เป็นบริษัท AI ในสาขาแพทย์ที่ตั้งอยู่ที่โคเปนเฮเกน พัฒนาโมเดลที่เชี่ยวชาญในการทำความเข้าใจการสนทนาแพทย์และสนับสนุนแพทย์แบบเรียลไทม์ แพลตฟอร์มของ Corti ทำหน้าที่เป็น AI ที่ช่วยเหลือแพทย์โดยการสร้างเอกสารทางการแพทย์ การแสดงข้อมูลระหว่างการสนทนากับผู้ป่วย และการทำให้กระบวนการบริหารจัดการอัตโนมัติ โดยการนำเสนอเทคโนโลยีของตนผ่าน API และการผสานรวมกับระบบสุขภาพ Corti มีเป้าหมายที่จะลดภาระงานของแพทย์ ในขณะเดียวกันก็ปรับปรุงประสิทธิภาพและกระบวนการตัดสินใจในโรงพยาบาลและแพลตฟอร์มสุขภาพดิจิทัล

คุณเติบโตขึ้นมาในครอบครัวที่สุขภาพเป็นส่วนหนึ่งของชีวิตประจำวันเสมอ… วิธีการที่ประสบการณ์เหล่านั้นช่วยให้คุณก่อตั้ง Corti และปัญหาเฉพาะที่คุณตั้งใจแก้ไขตั้งแต่วันแรกคืออะไร?

การเติบโตขึ้นในครอบครัวที่สุขภาพเป็นส่วนสำคัญทำให้เห็นสองสิ่งได้ชัดเจน: ความเชี่ยวชาญมีความสำคัญอย่างมาก และกระบวนการที่ถ่ายทอดความเชี่ยวชาญนั้นอ่อนแอและบ่อยครั้งล้มเหลวต่อผู้ที่ต้องการมากที่สุด ประสบการณ์ในครอบครัวเหล่านั้น ซึ่งรวมถึงการดูผู้ดูแลสุขภาพต่อสู้ การสังเกตความรู้สูญหายไปในระหว่างการส่งต่อ และความรู้สึกกลัวที่มาจากการส่งต่อที่ไม่สม่ำเสมอ ทำให้เกิดความเชื่อที่ว่าสุขภาพควรจะคาดการณ์ได้ และแพทย์ไม่ควรอยู่คนเดียวเมื่อต้องตัดสินใจที่ยากลำบาก นั่นคือสิ่งที่นำไปสู่การก่อตั้ง Corti: สร้างระบบที่รองรับความเชี่ยวชาญ เพื่อให้แพทย์มีการสนับสนุนที่เชื่อถือได้และแบบเรียลไทม์เสมอ

ตั้งแต่วันแรก เราตั้งเป้าแก้ไขปัญหาความไม่สมดุลระหว่างอุปทานและอุปสงค์ในสุขภาพ: ช่องว่างระหว่างความซับซ้อนของการแพทย์สมัยใหม่และความสามารถของมนุษย์ที่จำกัดในการนำไปใช้ทุกที่ โดยการสร้าง AI ที่ลดความแปรปรวน加速การตรวจจับ และสนับสนุนการตัดสินใจที่ปลอดภัยยิ่งขึ้นในเวลาที่สำคัญที่สุด

Corti อธิบายตนเองว่าเป็นโครงสร้างพื้นฐาน AI ในสุขภาพ มากกว่า AI ที่ช่วยเหลือแบบสแตนด์อโลน สิ่งที่คุณหมายถึงโดย “โครงสร้างพื้นฐาน” ในบริบทนี้ และความสามารถที่เปิดใช้งานซึ่งไม่สามารถทำได้ด้วยเครื่องมือหรือเครื่องมือพูดคุยแบบจุดต่อจุดคืออะไร?

เมื่อเราพูดถึงโครงสร้างพื้นฐาน เราไม่ได้ส่งมอบเพียงแอปพลิเคชันเดียวหรือวิดเจ็ตใดวิดเจ็ตหนึ่ง แต่เรากำลังสร้างสแต็กพื้นฐานที่ทำให้ AI ที่มีคุณภาพทางคลินิกเป็นไปได้ตลอดหลายกระบวนการ โครงสร้างพื้นฐานในบริบทนี้หมายถึง: โมเดลและข้อมูลที่เป็นเจ้าของสุขภาพ (ไม่ใช่ข้อมูลเว็บทั่วไป) ชั้นการให้เหตุผลทางคลินิกที่แสดงคำตอบพร้อมบริบททางคลินิก เครื่องมือสำหรับวงจรชีวิตและการกำกับดูแล (การ์ดโมเดล, ไทม์ไลน์การตรวจสอบ, ตรวจสอบย้อนกลับ) ตัวเลือกในการใช้งานที่ตอบสนองต่อผู้กำกับดูแล (คลาวด์ที่เป็นอธิปไตย, อน-премหรือจุดสิ้นสุดส่วนตัว) และ API และ SDK ที่เผยแพร่ให้กับนักพัฒนาเพื่อให้สามารถรวมความฉลาดทางคลินิกเข้ากับแอปพลิเคชันของตนโดยไม่ต้องเป็นนักวิทยาศาสตร์ข้อมูลหรือผู้เชี่ยวชาญด้านการปฏิบัติตามกฎระเบียบ

แนวทางนี้เปิดใช้งานสามสิ่งที่เครื่องมือแบบจุดต่อจุดไม่สามารถทำได้: (1) การใช้งานจริง หมายถึงโมเดลและรันไทม์ที่สามารถอยู่รอดภายใต้ข้อจำกัดทางคลินิกที่แท้จริง (ความล่าช้า, ที่อยู่อาศัยของข้อมูล, ความสามารถในการตรวจสอบ); (2) การขยายตัวข้ามสาขา หมายถึงบล็อกการสร้างที่สามารถใช้ซ้ำได้และได้รับการรับรอง (สัญญาณเสียง, การเข้ารหัส, จุดสิ้นสุดทางคลินิก) ที่ลดต้นทุนในการสร้างแอปพลิเคชันแนวตั้งหลายตัว; และ (3) ความไว้วางใจด้านกฎระเบียบและองค์กร หมายถึงนโยบาย, ข้อตกลงด้านการรักษาความลับ, และโครงสร้างพื้นฐานด้านการปฏิบัติตามกฎระเบียบที่ถูกสร้างเข้าไปในแพลตฟอร์ม เพื่อให้ลูกค้าสามารถย้ายจากการทดลองไปสู่การผลิตได้ ในที่สุด โครงสร้างพื้นฐานเปลี่ยนการวิจัยทางคลินิกให้เป็นบริการที่สามารถใช้งานได้จริง ซึ่งผู้พัฒนาและโรงพยาบาลสามารถจัดส่ง, ตรวจสอบ, และขยายขนาดได้

โมเดล AI ทั่วไปมักถูกนำไปใช้ในสถานการณ์ทางคลินิกด้วยผลลัพธ์ที่หลากหลาย อะไรคือวิธีการทั่วไปที่โมเดลเหล่านี้ล้มเหลวเมื่อใช้ในสภาพแวดล้อมทางสุขภาพที่แท้จริง?

โมเดลทั่วไปได้ทำความก้าวหน้าอย่างน่าประทับใจ และสำหรับหลายงานพวกเขาทำได้ดี แต่สุขภาพตอบรับความลึกในทางที่ AI ทั่วไปไม่สามารถทำได้ การให้เหตุผลทางคลินิกขึ้นอยู่กับสัญญาณที่ซับซ้อน เทอมินอลॉจีที่เฉพาะเจาะจง บริบททางสถาบัน และความเข้าใจว่าเอกสารทางการแพทย์ไหลผ่านระบบการกำกับดูแลและการชำระเงินอย่างไร การทำสิ่งนี้ให้ถูกต้องต้องอาศัยการฝึกอบรมบนข้อมูลทางคลินิก การตรวจสอบความถูกต้องตามมาตรฐานทางคลินิก และการสร้างการปฏิบัติตามกฎระเบียบเข้าไปในกระบวนการ ตั้งแต่เริ่มต้น ไม่ใช่ปัญหาในการส่งสัญญาณ แต่เป็นปัญหาการวิจัย ซึ่งเป็นเหตุผลที่เราเชื่อว่าสุขภาพต้องการห้องปฏิบัติการ AI ที่สามารถลึกซึ้งเกี่ยวกับโดเมนได้ มากกว่าการขยายออกไปในหลายโดเมน

Corti ดำเนินธุรกิจในยุโรป สหรัฐอเมริกา และอื่นๆ แต่ละแห่งมีแบบจำลองการดูแลสุขภาพและการกำกับดูแลที่แตกต่างกัน คุณออกแบบระบบ AI ที่ปรับตัวเข้ากับความซับซ้อนนี้ได้อย่างไร?

เราออกแบบสำหรับความซับซ้อนโดยการเป็นเจ้าของสแต็กมากขึ้น และการทำให้การปรับใช้และการกำกับดูแลเป็นพลเมืองชั้นนำ การใช้งานจริงหมายถึงการฝึกอบรมบนข้อมูลสุขภาพเท่านั้นและปรับโมเดลสำหรับการให้เหตุผลทางคลินิก การสร้างไทม์ไลน์การตรวจสอบ การ์ดโมเดล และ API ที่พร้อมสำหรับการรักษาความลับ และการออกแบบการกำหนดเส้นทางเพื่อให้การควบคุมการปฏิบัติตามกฎระเบียบถูกเลือกตามภูมิศาสตร์และโปรไฟล์ความเสี่ยง สำหรับลูกค้าที่ต้องการ เรานำเสนอทางเลือกในการใช้งานคลาวด์ที่เป็นอธิปไตยและแบบ อน-прем เพื่อให้ผู้ให้บริการสามารถเลือกที่จะเก็บข้อมูลของตนและรักษาการควบคุมเหนือโมเดลที่กำลังทำงานบนมัน

ความยืดหยุ่นนี้ทำให้เราสามารถใช้ AI ทางคลินิกเดียวกันในหลายรูปแบบการดูแลสุขภาพ ในขณะเดียวกันก็เคารพมาตรฐานเอกสารท้องถิ่น กฎหมายความเป็นส่วนตัว และการกำกับดูแลของสถาบัน สิ่งสำคัญคือเราให้การวิจัยเป็นเส้นทางสู่การผลิต; ทุกๆ การปรับปรุงจะต้องสามารถติดตามได้ ทดสอบได้ และสามารถใช้งานได้จริงในโลกแห่งความเป็นจริง ไม่ใช่แค่สัญญาว่าจะดีในห้องปฏิบัติการเท่านั้น นั่นคือสิ่งที่หมายถึงการสร้างขึ้นเพื่อเจริญเติบโตในความเป็นจริงทางคลินิก

เมื่อมองไปที่กระบวนการทำงานทางคลินิกในขณะนี้ Corti มีผลกระทบโดยตรงมากที่สุดใน đâu และทำไมส่วนเหล่านั้นจึงสำคัญที่สุดสำหรับแพทย์ที่มีภาระงานมาก?

ผลกระทบโดยตรงมากที่สุดของ Corti ในปัจจุบันคือในกระบวนการทางคลินิกและบริหารจัดการที่มีภาระงานมากที่สุด โมเดลและ API ของเราขับเคลื่อนการสร้างเอกสารแบบแอมเบียนต์, การเข้ารหัส, และการทำให้กระบวนการทำงานอัตโนมัติอย่างปลอดภัยภายในซอฟต์แวร์สุขภาพที่แพทย์ใช้ทุกวัน

ส่วนเหล่านั้นสำคัญเพราะเอกสารและการเรียกเก็บเงินเป็นส่วนหนึ่งของการให้บริการที่ใช้เวลามากที่สุดและผิดพลาดได้ เมื่อการสนทนาเปลี่ยนเป็นบันทึกที่พร้อมสำหรับ EHR ในแบบเรียลไทม์ เมื่อการเข้ารหัสสมบูรณ์และแม่นยำยิ่งขึ้น และเมื่อกระบวนการทำงานทั่วไปถูกทำให้ทำงานอัตโนมัติอย่างปลอดภัยภายในระบบที่มีการควบคุม แพทย์จะใช้เวลาน้อยลงกับเอกสาร และองค์กรจะเห็นการปรับปรุงที่วัดได้ในด้านประสิทธิภาพและคุณภาพการเรียกเก็บเงิน

สุขภาพไม่ใช่ปัญหาเดียวที่ใหญ่โต แต่เป็นพันๆ กระบวนการทำงานเฉพาะทางที่ดำเนินการทั้งภายใต้แรงกดดันจากกฎระเบียบ โดยการสร้าง AI ที่มีคุณภาพการผลิตซึ่งเจริญเติบโตในความเป็นจริงทางคลินิก เราได้ทำให้บริษัทซอฟต์แวร์และระบบสุขภาพสามารถแก้ไขปัญหาเหล่านั้นได้ในระดับใหญ่ นั่นคือที่ที่ห้องปฏิบัติการ AI ของสุขภาพให้ผลตอบแทนที่เป็นประโยชน์และวัดได้จริง

Corti สนับสนุนการโต้ตอบกับผู้ป่วยหลายแสนครั้งทุกวัน สิ่งที่เรียนรู้จากการดำเนินงาน AI ในระดับนั้นซึ่งไม่ชัดเจนในสถานการณ์ทดลองหรือในห้องปฏิบัติการคืออะไร?

การดำเนินงานในระดับใหญ่ทำให้เห็นความต้านทานที่การทดลองซ่อนไว้: คุณภาพข้อมูลที่ไม่เหมือนกัน (ไม่มี EHR หรือการถอดเสียงสองชุดที่เหมือนกัน), ข้อจำกัดด้านความล่าช้าและการสตรีมมิ่งในการผลิต, ความซับซ้อนทางกฎหมายและสัญญาที่ครอบคลุมลูกค้าและภูมิภาคต่างๆ และกรณีชายขอบที่ปรากฏเฉพาะภายใต้ภาระงาน การทดลองสามารถวัดความแม่นยำบนชุดข้อมูลที่เลือกมาแล้ว แต่การผลิตบังคับให้คุณแก้ไขปัญหาการกำหนดเส้นทาง การสังเกตการณ์, การตรวจจับการเปลี่ยนแปลง, การกลับโมเดล และการตรวจสอบที่รับผิดชอบ อีกสิ่งหนึ่งคือความไว้วางใจที่แท้จริงได้รับจากการทำให้โมเดลอธิบายได้ซ้ำและรับรองได้ มากกว่าการแสดงผลในสถานที่เดียว การทดลองมักจะทำให้ประมาณการค่าใช้จ่ายในการเป็นเจ้าของทั้งหมดต่ำเกินไป: นักพัฒนาที่อยู่ในการผลิตต้องการ SDK, จุดสิ้นสุดที่สอดคล้องกัน และโครงสร้างพื้นฐานด้านการกำกับดูแลเพื่อรักษาความปลอดภัยและพัฒนาผลิตภัณฑ์อย่างมีประสิทธิภาพ

สุขภาพต้องการความสามารถในการอธิบายมากกว่า AI ของผู้บริโภคอย่างไร คุณเข้าใกล้การให้เหตุผลทางคลินิก ความโปร่งใส และความรับผิดชอบเมื่อ AI มีอิทธิพลต่อการตัดสินใจทางการแพทย์?

สุขภาพต้องการมาตรฐานที่สูงกว่าเพราะต้นทุนของข้อผิดพลาดเป็นจริง AI ทางคลินิกไม่สามารถสร้างภาษาที่น่าเชื่อถือได้ แต่ต้องให้เหตุผลเกี่ยวกับข้อมูลที่ซับซ้อนและได้รับการควบคุมในลักษณะที่สามารถตรวจสอบและแจ้งให้ทราบได้

ดังนั้นเราจึงพัฒนา GIM หรือวิธีการปรับเปลี่ยนการโต้ตอบแบบเกรเดียนต์ เพื่อทำให้การให้เหตุผลทางคลินิกสามารถอธิบายได้มากขึ้นที่ระดับโมเดล GIM ได้รับการจัดอันดับ #1 ใน Hugging Face Mechanistic Interpretability Benchmark ซึ่งแสดงให้เห็นว่าความสามารถในการอธิบายเป็นสิ่งสำคัญสำหรับความไว้วางใจ ความปลอดภัย และการยอมรับตามกฎระเบียบ

นอกเหนือจากงานวิจัย ความโปร่งใสต้องดำเนินต่อไปจนถึงการปรับใช้ เราให้การ์ดโมเดล, ข้อมูลการตรวจสอบ, ไทม์ไลน์การตรวจสอบ และการควบคุมเวอร์ชัน เพื่อให้ลูกค้าทราบว่าอะไรทำงานอยู่และวิธีการประเมินผลลัพธ์ถูกผูกกับหลักฐาน ความไม่แน่นอนถูกแสดงอย่างชัดเจน และระบบถูกออกแบบมาเพื่อสนับสนุนแพทย์เป็นผู้รับรองการตัดสินใจ ไม่ใช่แทนที่ด้วยกล่องดำที่ไม่สามารถอธิบายได้

ในด้านสุขภาพ ความสามารถในการอธิบายไม่ใช่คุณลักษณะ แต่เป็นข้อกำหนดเบื้องต้นสำหรับความไว้วางใจ นั่นเป็นเหตุผลที่เราเข้าใกล้ AI ทางคลินิกในฐานะวินัยห้องปฏิบัติการก่อน และรับรองว่าการวิจัยจะถูกส่งไปยังระบบที่มีคุณภาพการผลิตซึ่งสามารถตรวจสอบ ตรวจสอบ และใช้งานได้อย่างปลอดภัย

อธิปไตยของ AI เป็นหัวข้อที่สำคัญในภาคส่วนที่มีการควบคุม อะไรคือความหมายของอธิปไตยในด้านสุขภาพ และวิธีการที่ผู้ให้บริการสามารถรักษาการควบคุมในขณะเดียวกันก็ได้รับประโยชน์จาก AI ที่ทันสมัย?

ในด้านสุขภาพ อธิปไตยหมายถึงการควบคุมที่ผู้ให้บริการมีต่อที่อยู่อาศัยของข้อมูล การเลือกโมเดล และการกำกับดูแลการดำเนินงาน ในทางปฏิบัติ อธิปไตยสามารถบรรลุได้ด้วยตัวเลือกการโฮสต์ท้องถิ่นหรือระดับภูมิภาค (คลาวด์ที่เป็นอธิปไตยและแบบ อน-прем) จุดสิ้นสุดโมเดลส่วนตัว การควบคุมไทม์ไลน์การตรวจสอบและวงจรชีวิตอย่างเต็มที่ และการรับประกันสัญญาและเทคนิค (ข้อตกลงด้านการรักษาความลับ, ข้อตกลงด้านการให้บริการ และการประเมินผลกระทบด้านการคุ้มครองข้อมูล) อธิปไตยไม่ใช่การต่อต้านคลาวด์ แต่เป็นการให้ความสามารถแก่ผู้ให้บริการในการเลือกที่จะทำงานและรับประกันการควบคุมและความสามารถในการติดตามโมเดลและข้อมูล

ในฐานะผู้ก่อตั้งและที่ปรึกษาให้กับโครงการริเริ่มของสหภาพยุโรป คุณเห็นกฎระเบียบวิวัฒนาการไปอย่างไร และที่ไหนที่ผู้กำหนดนโยบายยังคงประเมินคุณค่าความเป็นจริงทางเทคนิคของ AI ทางคลินิกต่ำเกินไป?

ยุโรปมีสิทธิ์ที่จะให้ความสำคัญกับการกำกับดูแลอย่างจริงจัง ในสุขภาพ การตรวจสอบและติดตามผลไม่ใช่สิ่งจำเป็น แต่เป็นข้อกำหนดเบื้องต้นสำหรับความไว้วางใจ

ที่ที่ผู้กำหนดนโยบายอาจประเมินคุณค่าความเป็นจริงต่ำเกินไปคือในความเป็นจริงในการปฏิบัติงานของ AI ทางคลินิก การรับรองไม่ใช่การอนุมัติครั้งเดียว แต่ต้องมีการตรวจสอบอย่างต่อเนื่อง การควบคุมเวอร์ชัน และการตรวจสอบอย่างต่อเนื่อง ในเวลาเดียวกัน เราต้องหลีกเลี่ยงการควบคุมมากเกินไป หากการปฏิบัติตามกฎระเบียบกลายเป็นค่าใช้จ่ายที่ไม่สมส่วน การนวัตกรรมจะชะลอลง และเครื่องมือที่มีประโยชน์จะไม่ถึงมือแพทย์

ที่ Corti เราให้ความสำคัญกับการกำกับดูแลตั้งแต่วันแรก เราใส่การตรวจสอบ การกำกับดูแลโมเดล และตัวเลือกการปรับใช้ที่เป็นอธิปไตยเข้าไปในโมเดลและ API ของเรา เพื่อให้สตาร์ทอัพและผู้ให้บริการที่จัดตั้งขึ้นไม่ต้องปรับให้เข้ากับการปฏิบัติตามกฎระเบียบในภายหลัง สุขภาพเป็นเรื่องที่ซับซ้อนและกระจัดกระจาย วิธีเดียวที่จะเคลื่อนไปอย่างรวดเร็วคือการรวมความพร้อมในการกำกับดูแลเข้ากับหลักการของเรา

เมื่อมองไปข้างหน้า 12-24 เดือน ควรคาดหวังสิ่งเปลี่ยนแปลงสำคัญใดๆ จาก Corti และแผนเหล่านั้นจะวางรากฐานสำหรับปี 2026 อย่างไร?

คาดหวังให้ Corti เพิ่มความพยายามในการสร้างเส้นทางจากห้องปฏิบัติการไปสู่การผลิต: การส่งมอบโมเดลที่ได้รับการสนับสนุนจากงานวิจัยและแพ็คเกจเป็นโครงสร้างพื้นฐานที่สามารถใช้งานได้ (จุดสิ้นสุดสัญญาณเสียง, การเข้ารหัส, จุดสิ้นสุดเอเจนต์ และชั้นการให้เหตุผลทางคลินิก) และตัวเลือกการปรับใช้ที่เป็นอธิปไตย โดยมีแผนการอัปเดต STT และมาตรฐานความล่าช้าที่ดีขึ้น, ตัวแทนเสียง, โมเดลการเข้ารหัสทางการแพทย์ที่เข้าสู่การผลิต และการเปิดตัวคลาวด์ที่เป็นอธิปไตยหลายครั้ง ซึ่งทั้งหมดนี้ได้รับการออกแบบเพื่อ Corti ไม่ใช่แอปพลิเคชันเดียว แต่เป็นห้องปฏิบัติการ AI ของสุขภาพที่สร้างขึ้นเพื่อเปิดใช้งานชั้นเรียนใหม่ๆ ของซอฟต์แวร์ทางคลินิกที่ปลอดภัยและสามารถตรวจสอบได้ – รากฐานสำหรับเป้าหมายปี 2026 ของเรา

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Corti เพื่อเรียนรู้เพิ่มเติม