Акілеш Бапу, засновник та генеральний директор DeepScribe – Інтерв’ю

Акілеш Бапу є засновником та генеральним директором DeepScribe, який використовує обробку природної мови (NLP) та передові методи глибокого навчання для генерації точних, відповідних та безпечних записів розмов між лікарями та пацієнтами.

Що саме ввело вас у світ штучного інтелекту та обробки природної мови?

Якщо я правильно пам’ятаю, Джарвіс з “Залізної людини” був першим, хто справив на мене враження та привернув мою увагу до світу обробки природної мови та штучного інтелекту. Особливо мене зацікавило, як людина могла виконувати завдання набагато швидше та досягати глибини у певних завданнях, відкриваючи інформацію, про яку вони не знали б, якщо б не цей штучний інтелект.

Це була концепція “Штучний інтелект сам по собі не буде таким же хорошим, як люди, у більшості завдань, але поєднання людини та штучного інтелекту буде домінувати”. Обробка природної мови є найефективнішим способом реалізації цього поєднання людини та штучного інтелекту.

Після цього я став одержимим Сирі, Google (GOOGL ) Now, Алексою та іншими. Хоча вони не працювали так же безшовно, як Джарвіс, я дуже хотів зробити їх працювати так само. Особливо стало очевидним, що команди типу “Алекса, зроби це”, “Алекса, зроби те” були досить легкими та точними для виконання з допомогою сучасної технології. Але коли мова йшла про щось типу Джарвіса, який міг дійсно вивчати, розуміти, фільтрувати та виділяти важливі теми під час розмови, це ще не було зроблено. Це безпосередньо стосується однієї з моїх основних мотивацій у створенні DeepScribe. Хоча ми розв’язуємо проблему документації для лікарів, ми намагаємося створити нову хвилю інтелекту під час цього: амб’єнтний інтелект. Штучний інтелект, який може розібрати ваші щоденні висловлювання, знайти корисну інформацію та використовувати її для допомоги вам.

Ви раніше проводили дослідження з використанням глибокого навчання та NLP у Коледжі інженерії Університету Каліфорнії, Берклі. Про що саме було ваше дослідження?

У Берклі АІ-лабораторії я працював над проектом аннотатора генної онтології, де ми підсумовували статті PubMed з певними параметрами виводу.

Високорівневий огляд: Взяти завдання типу підсумовування статей CNN. У цьому завдання ви підсумовуєте статті у кілька речень. На вашу користь у вас є дані та можливість тренувати ці моделі на понад мільйон статей. Однак, проблема полягає в тому, що структура підсумов відсутня, а сама стаття також не має чіткої структури. Хоча були певні поліпшення з тих пір, як я працював над цим проектом, це все ще нерозв’язана проблема.

У нашому дослідницькому проекті ми розробляли структуровані підсумки статей. Структурований підсумок у цьому випадку схожий на звичайний підсумок, але ми знаємо точну структуру виводу. Це корисно, оскільки це суттєво зменшує кількість можливих варіантів для нашої моделі машинного навчання – основна проблема полягала в тому, що не вистачало анотованих навчальних даних для отримання корисних результатів.

Основна робота, яку я виконав над цим проектом, полягала у використанні знань, які ми маємо про вхідні дані, та розробці ансамблю мілких моделей машинного навчання для підтримки цього – техніка, яку ми винайшли під назвою 2-х етапний аннотатор. 2-х етапний аннотатор показав результати майже у 20 разів точніші, ніж попередній найкращий (54 відсотка проти 3,6 відсотка).

Хоча ці два проекти, DeepScribe та наш дослідницький проект, можуть здатися зовсім різними, вони були дуже схожими у використанні методу 2-х етапної анотації для суттєвого поліпшення результатів на обмеженому наборі даних.

Яка була основна мотивація для створення DeepScribe?

Все почалося з мого батька, який був медичним онкологом. До появи систем електронних медичних записів лікарі просто записували все на папері та витрачали дуже мало часу на нотатки. Однак, коли системи електронних медичних записів стали популярними у сфері охорони здоров’я, я почав помічати, що мій батько проводив все більше часу за комп’ютером. Він приходив додому пізніше. У вихідні дні він сидів на дивані та диктував нотатки. Прості речі, як підвезти мене до школи чи на тренування з баскетболу, стали рідкістю, оскільки він проводив більшість вечірніх годин, доганяючи документацію.

Як нердистський хлопчик, який рос, я намагався знайти рішення для нього, шукаючи в інтернеті та пропонуючи йому спробувати різні речі. На жаль, нічого не працювало досить добре, щоб врятувати його від довгих годин документації.

Пропустимо кілька років вперед до літа 2017 року – я був дослідником у Берклі АІ-лабораторії, працюючи над проектами зі стиснення документів. Одного літа, коли я був удома, я помітив, що мій батько все ще витрачав величезну кількість часу на документацію. Я запитав: “Що нового у сфері документації? Алекса є всюди, Google Assistant працює так добре зараз. Скажи мені, що нового у медичній сфері?” І його відповідь була: “Нічого не змінилося”. Я подумав, що це була тільки його проблема, але коли я опитав кількох його колег, це була та сама проблема: не те, що нове у лікуванні раку чи які нові проблеми у пацієнтів, а документація. “Як я можу позбутися документації? Як я можу зберегти час на документації? Це забирає у мене так багато часу”.

Я також помітив кілька компаній, які з’явилися, щоб спробувати розв’язати проблему документації. Однак вони були або занадто дорогими (тисячі доларів на місяць), або їх технологія була занадто мінімальною. Лікарям на той час було мало варіантів. Це було тоді, коли з’явилася можливість створити штучно інтелектуального медичного писаря, технологію, яка могла б слідкувати за візитами лікарів та підсумовувати їх, і запропонувати це за ціною, яка могла б зробити його доступним для всіх, це могло б дійсно повернути радість лікування у медицину.

Ви були лише 22 роки, коли заснували DeepScribe. Як ви описали б свій шлях як підприємця?

Мій перший досвід підприємництва був ще у школі. Це почалося, коли мій друг, який знав一些 основи JavaScript, та я зустрілися з директором центру для дітей з порушеннями навчання. Вони розповіли нам, як навіть прості інструменти можуть суттєво допомогти дітям з дислексією. Ми створили розширення для браузера для читання тексту для людей з дислексією. Це було дуже просте – воно просто змінювало шрифт відповідно до наукових рекомендацій для легшого читання людям з дислексією. Хоча концепція була простою, ми отримали понад 5000 активних користувачів за декілька місяців. Я був вражений тим, як проста технологія може мати такий великий вплив на людей.

У Берклі я продовжував займатися підприємництвом якомога більше, головним чином через їх широкий спектр курсів. Мої улюблені курси були:

1. Лекційний цикл Ньютона – люди, як Джессіка Мах з InDinero або Діана Грін з VMWare, які були випускниками Каліфорнійського університету, читали дуже пов’язані лекції про свій час у Берклі та про те, як вони створили свої компанії
2. Лабораторія викликів – я зустрів свого співзасновника Метта Ко через цей курс. Нас розбили на групи та провели семестр, створюючи продукт та проходячи під керівництвом того, що потрібно на початку, щоб зробити ідею реальністю.
3. Lean Launchpad – мій улюблений з трьох; це був виснажливий та жорсткий процес, у якому нас проводили Стів Бланк (відомий мільярдер та людина, яка стояла за рухом Lean Startup) через процес валідації ідеї через 100 інтерв’ю з клієнтами, створення фінансової моделі та багато іншого. Це був такий курс, де ми представляли наш “стартап” лише для того, щоб бути зупиненими на першому чи другому слайді та бути допитаними. Якщо це не було достатньо складно, нас також очікувалося інтерв’ю з 10 клієнтами на тиждень. Наша ідея на той час полягала у створенні пошуку патентів, який би дав подібні результати до дорогого попереднього пошуку, що означало, що ми представляли свій продукт 10 підприємствам на тиждень. Це було великим досвідом, оскільки він навчив нас думати швидко та бути особливо винахідливими.

DeepScribe почався, коли інвесторська група під назвою The House Fund писала чеки студентам, які відмовлялися від своїх літніх стажувань та проводили літо, створюючи свою компанію. Ми щойно закрили Delphi (пошук патентів), а Метт та я постійно говорили про медичну документацію, і все склалося так, що це був ідеальний час, щоб спробувати зробити це.

З DeepScribe ми були щасливі, що щойно закінчили Lean Launchpad, оскільки одним з найважливіших факторів у створенні продукту для лікарів було ітерування та уточнення продукту навколо зворотного зв’язку клієнтів. Історична проблема медичної галузі полягала в тому, що програмне забезпечення рідко включало лікарів у процес розробки, в результаті чого програмне забезпечення не було оптимізовано для кінцевого користувача.

Оскільки DeepScribe відбувався одночасно з моїм останнім роком у Берклі, це був важкий баланс. Я приходив на заняття у костюмі, щоб бути вчасно на демонстрації клієнту прямо після. Я використовував усі приміщення та професорів не для чогось, пов’язаного з класом, а 100 відсотків для DeepScribe. Мої зустрічі з моїм науковим керівником навіть перетворилися на сесії мозгового штурму для DeepScribe.

Оглядаючи назад, якщо б я мав змінити щось у своєму шляху, це було б тим, щоб поставити коледж на паузу, щоб провести 150 відсотків свого часу на DeepScribe.

Ви можете описати для медичного фахівця переваги використання DeepScribe порівняно з традиційним методом голосової диктування чи навіть написання нотаток?

Використання DeepScribe повинно бути дуже схожим на використання справжнього людського писаря. Коли ви говорите природно з пацієнтом, DeepScribe буде слухати та виділяти медично важливу мову, яка зазвичай потрапляє у ваші нотатки, та ставити її туди за вас, використовуючи ту саму медичну мову, яку ви самі використовуєте. Ми вважаємо це новим членом вашого медичного персоналу, якого ви можете тренувати, щоб допомогти з документацією у вашій системі електронних медичних записів, як вам хочеться. Це дуже відрізняється від використання послуг голосової диктування, оскільки це усуває весь крок повернення та документації. Хоча типові служби диктування перетворюють 10 хвилин документації у 7-8 хвилин, DeepScribe перетворює це у декілька секунд. Наші лікарі повідомляють про збереження часу від 1,5 до 3 годин на день, залежно від кількості пацієнтів, яких вони приймають.

DeepScribe є незалежним від пристрою, працює з iPhone, Apple Watch, браузера (для телемедицини) або апаратного пристрою.

Які є деякі з викликів розпізнавання мови чи NLP, з якими DeepScribe може зіткнутися через складну медичну термінологію?

На відміну від поширеного переконання, складна медична термінологія насправді є найлегшим для DeepScribe. Найскладнішим для DeepScribe є виділення унікальних контекстних заяв, які пацієнт може зробити лікарю. Чим далі вони відходять від типової розмови, тим більше ми бачимо, як штучний інтелект спотикається. Але коли ми збираємо більше розмовних даних, ми бачимо, як це суттєво покращується кожен день.

Які інші технології машинного навчання використовуються з DeepScribe?

Великі категорії розпізнавання мови та NLP покривають більшу частину машинного навчання, яке ми робимо у DeepScribe.

Ви можете назвати деякі з лікарень, неприбуткових організацій чи академічних закладів, які використовують DeepScribe?

DeepScribe почався з пілотної програми у Медичному центрі Університету Каліфорнії, Берклі. Hartford Healthcare, Texas Medical Center та Cedar Valley Medical Specialists – це лише декілька великих систем, з якими працює DeepScribe.

Однак, більша частина користувачів DeepScribe – це 50 приватних практик з Аляски до Флориди. Найпопулярніші спеціальності – первинна медична допомога, ортопедія, гастроентерологія, кардіологія, психіатрія та онкологія, але ми також підтримуємо декілька інших спеціальностей.

DeepScribe недавно запустив програму для допомоги у боротьбі з COVID-19. Ви можете розповісти про цю програму?

COVID-19 сильно вдарив наших лікарів. Практики бачать лише 30-40 відсотків своєї звичайної кількості пацієнтів, штат писарів скорочується, а лікарі змушені швидко переходити всіх пацієнтів на телемедицину. Все це призводить до більшої кількості канцелярської роботи для лікарів – ми у DeepScribe твердо віримо, що для того, щоб ця пандемія зупинилася, лікарі повинні присвятити 100 відсотків своєї уваги та часу догляду за пацієнтами.

Щоб допомогти цій справі, ми з гордістю запускаємо безкоштовне рішення для телемедицини для медичних працівників, які борються з цією пандемією. Наше рішення для телемедицини повністю інтегровано з нашим штучно інтелектуальним медичним писарем, усуваючи потребу у клінічній документації для зустрічей, проведених на нашій платформі.

Ми також пропонуємо нашу послугу писаря безкоштовно під час пандемії. Це означає, що будь-який лікар може отримати доступ до писаря безкоштовно, щоб допомогти з документацією. Ми сподіваємося, що зробивши це, лікарі зможуть присвятити більше своєї уваги пацієнтам та менше часу думати про документацію, що призведе до швидшого припинення спалаху COVID-19.

Дякую за велике інтерв’ю, мені дуже сподобалося дізнаватися про DeepScribe та вашу підприємницьку історію. Хто бажає дізнатися більше, повинен відвідати DeepScribe.