Akilesh Bapu, Người Sáng Lập & Giám Đốc Điều Hành Của DeepScribe – Loạt Phỏng Vấn

Akilesh Bapu là Người Sáng Lập & Giám Đốc Điều Hành của DeepScribe, công ty sử dụng xử lý ngôn ngữ tự nhiên (NLP) và học sâu để tạo ra các ghi chú chính xác, tuân thủ và bảo mật của các cuộc trò chuyện giữa bác sĩ và bệnh nhân.

Điều gì đã giới thiệu và thu hút bạn đến với AI và xử lý ngôn ngữ tự nhiên?

Nếu tôi nhớ đúng, Jarvis từ “Iron Man” là điều đầu tiên thực sự thu hút tôi đến với thế giới của xử lý ngôn ngữ tự nhiên và AI. Đặc biệt, tôi thấy nó thú vị khi một con người có thể thực hiện các nhiệm vụ nhanh hơn và đi sâu vào các nhiệm vụ nhất định và tiết lộ thông tin mà họ không biết nếu không có AI này.

Đó là khái niệm “AI không phải là tốt nhất so với con người ở hầu hết các nhiệm vụ, nhưng khi kết hợp con người và AI, sự kết hợp đó sẽ thống trị.” Xử lý ngôn ngữ tự nhiên là cách hiệu quả nhất để sự kết hợp giữa con người và AI này xảy ra.

Từ đó, tôi trở nên say mê với Siri, Google (GOOGL ) Now, Alexa và những thứ khác. Mặc dù chúng không hoạt động mượt mà như Jarvis, nhưng tôi thực sự muốn làm cho chúng hoạt động như Jarvis. Đặc biệt, điều rõ ràng là, các lệnh như “Alexa làm việc này,” “Alexa làm việc kia,” khá dễ dàng và chính xác để thực hiện với công nghệ hiện tại. Nhưng khi nói đến việc học và hiểu, lọc và chọn các chủ đề quan trọng trong một cuộc trò chuyện khác – điều đó chưa từng được thực hiện trước đây. Điều này thực sự liên quan trực tiếp đến một trong những động lực cốt lõi của tôi khi thành lập DeepScribe. Trong khi chúng tôi đang giải quyết vấn đề tài liệu cho các bác sĩ, chúng tôi đang cố gắng tạo ra một làn sóng thông minh mới: trí tuệ môi trường. AI có thể đào sâu vào các cuộc trò chuyện hàng ngày, tìm kiếm thông tin hữu ích và sử dụng thông tin đó để giúp bạn.

Trước đây bạn đã thực hiện một số nghiên cứu sử dụng học sâu và NLP tại Đại học California, Berkeley. Nghiên cứu của bạn là gì?

Trở lại phòng thí nghiệm nghiên cứu AI của Berkeley, tôi đang làm việc trên một dự án chú thích ontology gene nơi chúng tôi đang tóm tắt các bài viết PubMed với các tham số đầu ra cụ thể.

Tổng quan cấp cao: Hãy lấy một nhiệm vụ như tóm tắt các bài viết tin tức của CNN. Trong nhiệm vụ đó, bạn đang lấy các bài viết tin tức và tóm tắt chúng thành khoảng một vài câu. Ưu điểm của bạn là có dữ liệu và khả năng đào tạo các mô hình trên hơn một triệu bài viết. Tuy nhiên, không gian vấn đề là vô cùng lớn vì bạn có cấu trúc hạn chế cho các tóm tắt. Ngoài ra, hầu như không có cấu trúc nào cho các bài viết thực tế. Mặc dù đã có một số cải tiến kể từ 2,5 năm trước khi tôi làm việc trên dự án này, nhưng đây vẫn là một vấn đề chưa được giải quyết.

Trong dự án nghiên cứu của chúng tôi, tuy nhiên, chúng tôi đang phát triển các tóm tắt có cấu trúc của các bài viết. Một tóm tắt có cấu trúc trong trường hợp này tương tự như một tóm tắt điển hình ngoại trừ chúng tôi biết chính xác cấu trúc của tóm tắt đầu ra. Điều này hữu ích vì nó giảm đáng kể các tùy chọn đầu ra cho mô hình học máy của chúng tôi – thách thức là không có đủ dữ liệu đào tạo được chú thích để chạy một mô hình học sâu dữ liệu và có được kết quả có thể sử dụng.

Cốt lõi của công việc tôi đã làm trên dự án này là tận dụng kiến thức chúng tôi có xung quanh dữ liệu đầu vào và phát triển một tập hợp các mô hình học máy nông để hỗ trợ nó – một kỹ thuật chúng tôi gọi là người chú thích 2 bước. Người chú thích 2 bước đã đạt được gần 20 lần độ chính xác so với kết quả tốt nhất trước đó (54 phần trăm so với 3,6 phần trăm).

Mặc dù bên cạnh, dự án này và DeepScribe có thể nghe có vẻ hoàn toàn khác nhau, nhưng chúng rất giống nhau trong cách sử dụng phương pháp chú thích 2 bước để cải thiện đáng kể kết quả trên một tập dữ liệu hạn chế.

Điều gì đã truyền cảm hứng cho bạn khi ra mắt DeepScribe?

Tất cả bắt đầu với cha tôi, người là một bác sĩ ung thư. Trước khi các hệ thống hồ sơ sức khỏe điện tử trở thành phổ biến trong chăm sóc sức khỏe, các bác sĩ sẽ ghi lại mọi thứ trên giấy và dành rất ít thời gian cho các ghi chú. Tuy nhiên, khi các hệ thống hồ sơ sức khỏe điện tử bắt đầu trở thành phổ biến như một phần của Đạo luật HITECH năm 2009, tôi bắt đầu nhận thấy rằng cha tôi dành nhiều thời gian hơn trên máy tính. Anh ấy sẽ về nhà muộn hơn. Vào cuối tuần, anh ấy sẽ ngồi trên sofa và ghi lại các ghi chú. Những việc đơn giản như anh ấy đón tôi từ trường hoặc buổi tập bóng rổ trở thành điều của quá khứ vì anh ấy sẽ dành hầu hết thời gian buổi tối của mình để bắt kịp với việc ghi chú.

Là một đứa trẻ thông minh khi lớn lên, tôi sẽ cố gắng tìm ra các giải pháp cho anh ấy bằng cách tìm kiếm trên web và cho anh ấy thử. Thật không may, không có gì hoạt động đủ tốt để cứu anh ấy khỏi những giờ dài ghi chú.

Chuyển nhanh đến mùa hè năm 2017 – tôi là một nhà nghiên cứu đang làm việc tại Phòng thí nghiệm Nghiên cứu AI của Berkeley, làm việc trên các dự án về tóm tắt tài liệu. Một mùa hè khi tôi trở về nhà, tôi nhận thấy rằng cha tôi vẫn đang dành rất nhiều thời gian để ghi chú. Tôi hỏi, “Cái gì mới trong thế giới ghi chú? Alexa ở khắp mọi nơi, Trợ lý Google rất tốt bây giờ. Hãy cho tôi biết, cái gì mới trong lĩnh vực y tế?” Và câu trả lời của anh ấy là, “Không có gì thay đổi.” Tôi nghĩ rằng đó chỉ là anh ấy nhưng khi tôi đi và khảo sát một số đồng nghiệp của anh ấy, đó là cùng một vấn đề: không phải là cái gì mới nhất trong điều trị ung thư hoặc các vấn đề mới mà bệnh nhân của họ đang gặp phải – đó là ghi chú. “Làm thế nào tôi có thể loại bỏ ghi chú? Làm thế nào tôi có thể tiết kiệm thời gian trên ghi chú? Nó đang chiếm rất nhiều thời gian của tôi.”

Tôi cũng nhận thấy một số công ty đã xuất hiện để cố gắng giải quyết vấn đề ghi chú. Tuy nhiên, либо chúng quá đắt (nghìn đô la mỗi tháng) hoặc chúng quá tối thiểu về mặt công nghệ. Các bác sĩ vào thời điểm đó có rất ít lựa chọn. Đó là khi cơ hội mở ra rằng nếu chúng tôi có thể tạo ra một bác sĩ ghi chú thông minh, một công nghệ có thể theo dõi các cuộc thăm khám của bác sĩ và tóm tắt chúng, và cung cấp nó với chi phí mà mọi người có thể tiếp cận, nó có thể thực sự mang lại niềm vui của chăm sóc trở lại vào y học.

Bạn chỉ mới 22 tuổi khi bạn ra mắt DeepScribe. Bạn có thể mô tả hành trình của mình như một doanh nhân?

Trải nghiệm đầu tiên của tôi với doanh nghiệp là khi còn ở trường trung học. Nó bắt đầu khi một người bạn và tôi, những người biết một số cơ bản về JavaScript, gặp gỡ giám đốc của một trung tâm dành cho trẻ em có khó khăn về học tập. Họ cho chúng tôi biết làm thế nào các công cụ đơn giản có thể đi một đoạn đường dài với trẻ em bị khó đọc. Chúng tôi đã hack cùng nhau một tiện ích mở rộng trình đọc khó đọc của Chrome. Nó thực sự rất cơ bản – nó chỉ điều chỉnh phông chữ để đáp ứng các hướng dẫn khoa học về sự dễ đọc của người khó đọc. Mặc dù khái niệm rất đơn giản, nhưng chúng tôi đã nhận được hơn 5.000 người dùng hoạt động trong vài tháng. Tôi bị sốc bởi công nghệ cơ bản như thế nào có thể có tác động sâu sắc đến mọi người.

Tại Berkeley, tôi tiếp tục tham gia vào thế giới doanh nghiệp尽可能 nhiều, chủ yếu thông qua các lớp học của họ. Những lớp học yêu thích của tôi là:

1. Chuỗi giảng座 Newton – những người như Jessica Mah từ InDinero hoặc Diane Greene từ VMWare, những người là cựu sinh viên Cal, đã có những bài nói chuyện rất liên quan về thời gian của họ tại Berkeley và cách họ bắt đầu công ty của riêng mình
2. Challenge Lab – Tôi thực sự đã gặp người đồng sáng lập Matt Ko thông qua lớp học này. Chúng tôi được chia thành các nhóm và đã đi qua một hành trình kéo dài một học kỳ để tạo ra một sản phẩm và được hướng dẫn về những gì cần thiết trong giai đoạn đầu để đưa một ý tưởng vào thực tế.
3. Lean Launchpad – Đây chắc chắn là lớp học yêu thích của tôi trong số ba; đây là một quá trình đầy đủ và nghiêm ngặt nơi chúng tôi được hướng dẫn bởi Steve Blank (tỷ phú nổi tiếng và người đứng sau phong trào khởi nghiệp tinh gọn) để đưa một ý tưởng, xác thực nó thông qua 100 cuộc phỏng vấn khách hàng, xây dựng một mô hình tài chính và hơn thế nữa. Đây là loại lớp học nơi chúng tôi trình bày “khởi nghiệp” của mình chỉ để bị dừng lại ở slide 1 hoặc 2 và bị thẩm vấn. Nếu điều đó không đủ khó, chúng tôi cũng được yêu cầu phỏng vấn 10 khách hàng mỗi tuần. Ý tưởng của chúng tôi vào thời điểm đó là tạo ra một công cụ tìm kiếm bằng sáng chế sẽ đưa ra kết quả tương tự như một tìm kiếm trước bằng sáng chế tốn kém, điều này có nghĩa là chúng tôi đang trình bày cho 10 khách hàng doanh nghiệp mỗi tuần. Nó thật tuyệt vì nó đã dạy chúng tôi suy nghĩ nhanh trên đôi chân của mình và trở nên rất tài nguyên.

DeepScribe bắt đầu khi một nhóm nhà đầu tư gọi là The House Fund đang viết séc cho các sinh viên sẽ từ chối thực tập hè của họ và dành mùa hè để xây dựng công ty của họ. Chúng tôi vừa mới đóng cửa Delphi (công cụ tìm kiếm bằng sáng chế) và Matt và tôi đã liên tục nói về tài liệu y tế và mọi thứ đều phù hợp vì đó là thời điểm hoàn hảo để thử nghiệm.

Với DeepScribe, chúng tôi may mắn khi vừa mới tham gia Lean Launchpad vì một trong những yếu tố quan trọng nhất trong việc xây dựng một sản phẩm cho các bác sĩ là phải lặp lại và tinh chỉnh sản phẩm xung quanh phản hồi của khách hàng. Một vấn đề lịch sử trong ngành y tế đã là phần mềm hiếm khi có các bác sĩ trong vòng thiết kế, dẫn đến phần mềm không được tối ưu hóa cho người dùng cuối.

Kể từ khi DeepScribe diễn ra cùng thời điểm với năm cuối của tôi tại Berkeley, đó là một sự cân bằng nặng. Tôi sẽ đến lớp trong bộ đồ để tôi có thể đúng giờ cho một bản demo khách hàng ngay sau đó. Tôi sẽ sử dụng tất cả các cơ sở EE và giáo sư không phải để làm gì liên quan đến lớp học mà 100 phần trăm cho DeepScribe. Các cuộc họp của tôi với người hướng dẫn nghiên cứu của tôi thậm chí đã trở thành các phiên thảo luận DeepScribe.

Nhìn lại, nếu tôi phải thay đổi một điều về hành trình của mình, đó sẽ là đặt đại học trên hold để tôi có thể dành 150 phần trăm thời gian của mình cho DeepScribe.

Bạn có thể mô tả cho một chuyên gia y tế về những lợi thế của việc sử dụng DeepScribe so với phương pháp ghi chú truyền thống hoặc thậm chí ghi chú?

Sử dụng DeepScribe được thiết kế để rất giống với việc sử dụng một người ghi chú thực sự. Khi bạn nói chuyện tự nhiên với bệnh nhân của mình, DeepScribe sẽ lắng nghe và chọn những lời nói có liên quan về mặt y tế thường đi vào ghi chú của bạn và đưa chúng vào đó, sử dụng cùng ngôn ngữ y tế mà bạn sử dụng. Chúng tôi thích nghĩ về nó như một thành viên mới của nhân viên y tế được hỗ trợ bởi AI mà bạn có thể đào tạo như bạn muốn để giúp với tài liệu trong hệ thống hồ sơ sức khỏe điện tử của bạn như bạn muốn. Nó rất khác với việc sử dụng dịch vụ ghi chú giọng nói vì nó loại bỏ hoàn toàn bước phải quay lại và ghi chú. Trong khi các dịch vụ ghi chú điển hình biến 10 phút ghi chú thành 7-8 phút, DeepScribe biến nó thành vài giây. Các bác sĩ của chúng tôi báo cáo từ 1,5 đến 3 giờ thời gian được tiết kiệm mỗi ngày tùy thuộc vào số lượng bệnh nhân họ gặp.

DeepScribe không phụ thuộc vào thiết bị, có thể hoạt động từ iPhone, Apple Watch, trình duyệt (để khám bệnh từ xa) hoặc thiết bị phần cứng.

DeepScribe có thể gặp phải những thách thức nào về nhận dạng giọng nói hoặc NLP do thuật ngữ y tế phức tạp?

Trái với quan điểm phổ biến, thuật ngữ y tế phức tạp thực sự là phần dễ nhất cho DeepScribe để chọn. Phần khó nhất cho DeepScribe là chọn những phát biểu ngữ cảnh duy nhất mà một bệnh nhân có thể đưa ra cho một bác sĩ. Càng xa một cuộc trò chuyện điển hình, chúng tôi càng thấy AI vấp ngã. Nhưng khi chúng tôi thu thập thêm dữ liệu hội thoại, chúng tôi thấy nó cải thiện đáng kể mỗi ngày.

Có những công nghệ học máy nào khác được sử dụng với DeepScribe?

Các ô lớn của nhận dạng giọng nói và NLP có xu hướng bao gồm hầu hết các công việc học máy mà chúng tôi đang thực hiện tại DeepScribe.

Bạn có thể đặt tên một số bệnh viện, tổ chức phi lợi nhuận hoặc cơ sở giáo dục đang sử dụng DeepScribe?

DeepScribe bắt đầu thông qua một chương trình thử nghiệm với Trung tâm Y tế UC Berkeley. Hartford Healthcare, Trung tâm Y tế Texas và Cedar Valley Medical Specialists là một số hệ thống lớn mà DeepScribe đang hợp tác.

Tuy nhiên, tỷ lệ phần trăm lớn hơn của người dùng DeepScribe là 50 phòng khám tư nhân từ Alaska đến Florida. Các chuyên khoa phổ biến nhất của chúng tôi là chăm sóc chính, chỉnh hình, tiêu hóa, tim mạch, tâm thần và ung thư, nhưng chúng tôi cũng hỗ trợ một số chuyên khoa khác.

DeepScribe gần đây đã ra mắt một chương trình để hỗ trợ với COVID-19. Bạn có thể hướng dẫn chúng tôi thông qua chương trình này?

COVID-19 đã ảnh hưởng nặng nề đến các bác sĩ của chúng tôi. Các phòng khám chỉ thấy 30-40 phần trăm tải trọng bệnh nhân của họ, nhân viên ghi chú đang bị cắt giảm và các nhà cung cấp đang bị buộc phải chuyển tất cả bệnh nhân của họ sang khám bệnh từ xa. Tất cả điều này đều dẫn đến nhiều công việc văn phòng hơn cho các nhà cung cấp – chúng tôi tại DeepScribe tin chắc rằng để đại dịch này có thể dừng lại, các bác sĩ phải dành 100 phần trăm sự chú ý và thời gian của họ để chăm sóc bệnh nhân của họ.

Để giúp hỗ trợ nguyên nhân này, chúng tôi tự hào ra mắt một giải pháp khám bệnh từ xa miễn phí cho các chuyên gia y tế đang chiến đấu với đại dịch này. Giải pháp khám bệnh từ xa của chúng tôi được tích hợp đầy đủ với giải pháp bác sĩ ghi chú hỗ trợ bởi AI của chúng tôi, loại bỏ nhu cầu ghi chú lâm sàng cho các cuộc gặp được thực hiện trên nền tảng của chúng tôi.

Chúng tôi cũng đang cung cấp dịch vụ ghi chú của mình miễn phí trong thời gian đại dịch. Điều này có nghĩa là bất kỳ bác sĩ nào cũng có thể nhận được một người ghi chú miễn phí để xử lý tài liệu của họ. Hy vọng của chúng tôi là bằng cách làm như vậy, các bác sĩ sẽ có thể tập trung nhiều hơn vào bệnh nhân của họ và dành ít thời gian hơn để nghĩ về tài liệu, dẫn đến việc chấm dứt đại dịch COVID-19 nhanh hơn.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, tôi thực sự thích tìm hiểu về DeepScribe và hành trình doanh nhân của bạn. Bất kỳ ai muốn tìm hiểu thêm nên truy cập DeepScribe.