Varun Ganapathi, CTO & Co-Founder của AKASA – Loạt Phỏng Vấn

Varun Ganapathi là CTO và Co-Founder của AKASA, một nhà phát triển AI cho các ứng dụng chăm sóc sức khỏe. AKASA giúp các tổ chức chăm sóc sức khỏe cải thiện hoạt động, bao gồm cả chu kỳ doanh thu, để tạo ra doanh thu, tạo ra hiệu quả và nâng cao trải nghiệm của bệnh nhân. Varun đã thành công trong việc khởi nghiệp hai công ty AI trước khi tham gia AKASA, một trong số đó được Google (GOOGL ) mua lại và công ty còn lại được Udacity mua lại.

Bạn đã có một sự nghiệp nổi bật trong lĩnh vực học máy, bạn có thể thảo luận về một số ngày đầu tiên tại Stanford khi bạn làm việc trên dự án làm cho máy bay trực thăng trở nên tự động?

Khi tôi học vật lý tại Stanford, tôi cũng rất quan tâm đến khoa học máy tính và học máy (ML). Đối với tôi, AI và ML kết hợp mọi thứ lại với nhau – nó thực sự là một cách tự động hóa để thực hiện vật lý trên bất kỳ hiện tượng nào có thể được số hóa.

Đối với dự án này, chúng tôi có một máy bay trực thăng trông giống như một chiếc máy bay không người lái nhỏ hơn một chút so với một tấm nệm đôi – vào thời điểm khi máy bay không người lái không phổ biến. Người ta đang bay và làm cho nó thực hiện các thủ thuật, chẳng hạn như lơ lửng ngược. Mặc dù điều này rất khó thực hiện, nhưng chúng tôi muốn xây dựng một thuật toán học máy có thể học từ con người cách bay máy bay trực thăng tự động.

Chúng tôi đã tạo ra một trình mô phỏng vật lý dựa trên máy bay trực thăng thực tế và một thuật toán học máy có thể dự đoán chuyển động của nó. Sau đó, chúng tôi áp dụng học tăng cường trong trình mô phỏng để phát triển một bộ điều khiển, lấy phần mềm và tải nó lên máy bay trực thăng thực tế. Sau khi chúng tôi bật máy bay trực thăng, nó hoạt động ngay từ lần đầu tiên! Máy bay trực thăng có thể lơ lửng ngược lại một mình, điều này thật ấn tượng. Đội ngũ tiếp tục làm việc trên việc tự động hóa các loại thủ thuật khác bằng cách sử dụng học máy.

Bạn cũng đã làm việc tại Google Books, bạn có thể thảo luận về thuật toán mà bạn đã làm việc và cách công ty của bạn cuối cùng được Google mua lại?

Tôi thực sự đã thực tập tại Google trong khi học tại Stanford vào năm 2004 – ngay sau dự án máy bay trực thăng. Trong thời gian đó, tôi đã triển khai học máy cho dự án Google Books, nơi chúng tôi đang quét tất cả các cuốn sách trên thế giới.

Google đã trả tiền cho những người để họ gắn nhãn thông tin về các cuốn sách, chẳng hạn như trang, mục lục, bản quyền, v.v. – một nhiệm vụ rất tốn thời gian. Tôi muốn xem liệu chúng tôi có thể sử dụng học máy để thực hiện việc này và nó đã hoạt động rất tốt. Nó thực sự hoạt động tốt hơn và chính xác hơn so với khi con người thực hiện vì hầu hết các lỗi là do lỗi của con người khi gắn nhãn thủ công.

Điều này đã khiến tôi rất hào hứng về học máy vì nó cho thấy rằng bạn có thể chuyển từ hiệu suất của con người sang hiệu suất siêu phàm – thực hiện các nhiệm vụ nhàm chán với ít lỗi hơn và nhất quán hơn trong khi vẫn xử lý các trường hợp ngoại lệ.

Từ đó, tôi quyết định làm luận án tiến sĩ tại Stanford, tập trung vào học máy và các bài báo lý thuyết đầu tiên. Đối với luận án của tôi, tôi đã phát triển một thuật toán để thực hiện bắt chuyển động thời gian thực, nơi một máy tính có thể theo dõi chuyển động của tất cả các khớp của con người trong thời gian thực từ một máy ảnh độ sâu. Đây là cơ sở cho công ty đầu tiên của tôi, Numovis, tập trung vào theo dõi chuyển động và thị giác máy tính cho tương tác người dùng. Nó đã được Google mua lại.

Cả hành trình của tôi từ dự án máy bay trực thăng đến Google Books, xe tự lái và hiện tại là hoạt động chăm sóc sức khỏe, thực sự cho tôi thấy sự mạnh mẽ và tổng quát của các thuật toán học máy.

Bạn có thể chia sẻ câu chuyện về sự ra đời của AKASA?

Chúng tôi đã xây dựng AKASA để giải quyết một vấn đề lớn, sâu sắc trong hoạt động chăm sóc sức khỏe. Những hoạt động này vừa tốn kém vừa dễ xảy ra lỗi, có thể dẫn đến những trải nghiệm tài chính không cần thiết và gây hoảng loạn cho bệnh nhân. Có sự thiếu hụt công nghệ mới trên phía hành chính và không có gì được xây dựng cho mục đích này. Điều này đã trở nên rõ ràng với chúng tôi rằng bạn có thể sử dụng công nghệ như AI và học máy để giải quyết những thách thức hoạt động này theo một cách đổi mới. Khi chúng tôi nói chuyện với nhiều hệ thống chăm sóc sức khỏe và các nhà lãnh đạo chăm sóc sức khỏe, họ đã xác nhận suy nghĩ của chúng tôi, điều này cuối cùng đã dẫn đến việc thành lập AKASA vào năm 2019.

Với điều đó, mục đích của AKASA đã rõ ràng từ đầu – để cho phép con người khỏe mạnh và xây dựng tương lai của chăm sóc sức khỏe với AI. Cách chúng tôi quyết định thực hiện thách thức này là bằng cách kết hợp trí tuệ con người với AI và học máy hàng đầu, để các hệ thống chăm sóc sức khỏe có thể giảm chi phí hoạt động và phân bổ nguồn lực đến nơi chúng quan trọng nhất.

Nền tảng linh hoạt, không phụ thuộc vào hệ thống của chúng tôi hiện đang phục vụ một cơ sở khách hàng đại diện cho hơn 475 bệnh viện và hệ thống chăm sóc sức khỏe và hơn 8.000 cơ sở ngoại trú, trên tất cả 50 tiểu bang. Công nghệ của chúng tôi giúp các tổ chức này, cho dù họ đang sử dụng các nhà cung cấp hồ sơ sức khỏe điện tử (EHR) như Epic, Cerner, các EHR khác hoặc hệ thống bolt-on, và mọi thứ ở giữa. Và chúng tôi đã làm điều này với những kết quả mạnh mẽ.

Cơ sở khách hàng của chúng tôi đại diện cho hơn 110 tỷ đô la doanh thu bệnh nhân ròng, tương đương với hơn 10% chi tiêu hàng năm của tất cả các hệ thống chăm sóc sức khỏe tại Hoa Kỳ theo Trung tâm Dịch vụ Medicare và Medicaid. Và các mô hình và thuật toán của AKASA đã được đào tạo trên gần 290 triệu yêu cầu và biên lai.

Đường ống dẫn vô hình của chăm sóc sức khỏe cực kỳ phức tạp, nhưng nó có tác động lớn đến sức khỏe con người, và chúng tôi đang tự động hóa nó từng bước một.

AKASA đang xem xét tự động hóa những nhiệm vụ nào trong chăm sóc sức khỏe?

Cách tiếp cận chuyên gia trong vòng lặp của chúng tôi, Tự động hóa Thống nhất, kết hợp học máy với phán quyết và chuyên môn của con người để cung cấp tự động hóa mạnh mẽ và linh hoạt cho hoạt động chăm sóc sức khỏe. AKASA có thể tự động hóa và tối ưu hóa nhanh chóng và hiệu quả các nhiệm vụ từ đầu đến cuối trong chức năng tài chính chăm sóc sức khỏe, bao gồm cả xử lý hóa đơn và thanh toán. Các nhiệm vụ cụ thể mà AKASA tự động hóa bao gồm kiểm tra đủ điều kiện của bệnh nhân, ghi và xác minh thông tin bảo hiểm, ước tính chi phí của bệnh nhân, chỉnh sửa, tái lập hóa đơn và kháng cáo yêu cầu, và dự đoán và quản lý từ chối.

Loại tự động hóa này không chỉ giảm lỗi của con người và trì hoãn cho bệnh nhân, giúp ngăn chặn hóa đơn y tế bất ngờ, mà còn giải phóng nhân viên chăm sóc sức khỏe bằng cách lấy các nhiệm vụ thủ công, lặp đi lặp lại hoàn toàn khỏi đĩa của họ – cho phép họ tập trung vào các nhiệm vụ hơn, thách thức và tạo ra giá trị hơn cho bệnh nhân.

AKASA sử dụng những loại thuật toán học máy nào?

AKASA sử dụng các phương pháp học máy giống như những phương pháp đã làm cho xe tự lái trở nên khả thi để cung cấp cho các hệ thống chăm sóc sức khỏe một giải pháp duy nhất cho việc tự động hóa hoạt động chăm sóc sức khỏe. Cách tiếp cận này – tập trung vào học máy – mở rộng khả năng của tự động hóa để thực hiện công việc phức tạp hơn với quy mô lớn.

Chúng tôi phát triển các thuật toán hàng đầu trong lĩnh vực thị giác máy tính, hiểu ngôn ngữ tự nhiên và các vấn đề dữ liệu có cấu trúc. Nền tảng của chúng tôi bắt đầu với RPA được tăng cường bởi thị giác máy tính và cải tiến nó với AI và học máy hiện đại, cũng như chuyên gia trong vòng lặp để cung cấp tự động hóa mạnh mẽ.

Để cung cấp một cái nhìn tổng quan cao cấp về cách nó hoạt động, giải pháp độc quyền của chúng tôi trước tiên quan sát cách nhân viên chăm sóc sức khỏe hoàn thành nhiệm vụ của họ. Đội ngũ của chúng tôi sau đó gắn nhãn dữ liệu đó và sử dụng nó để đào tạo thuật toán của chúng tôi để công nghệ của chúng tôi có thể hiểu và học cách nhân viên chăm sóc sức khỏe và hệ thống của họ hoạt động. Từ đó, nền tảng của chúng tôi thực hiện các quy trình công việc tự động. Cuối cùng, chúng tôi sử dụng các chuyên gia trong vòng lặp có thể can thiệp vào bất cứ lúc nào hệ thống đánh dấu các trường hợp ngoại lệ hoặc ngoại lệ. Học máy liên tục học hỏi từ những trải nghiệm này, cho phép nó thực hiện các nhiệm vụ phức tạp hơn theo thời gian.

Bạn có thể thảo luận về tầm quan trọng của cách tiếp cận vòng lặp con người và tại sao nó sẽ thay thế RPA?

Sự thật khó khăn là RPA là một công nghệ đã có từ hàng chục năm và nó giòn và có giới hạn thực sự về khả năng của nó. Nó sẽ luôn có một số giá trị trong việc tự động hóa công việc đơn giản, rời rạc và tuyến tính. Tuy nhiên, lý do tại sao các nỗ lực tự động hóa thường không đạt được tham vọng của chúng là vì cuộc sống phức tạp và luôn thay đổi.

Cách tiếp cận cơ bản để RPA là xây dựng một robot (bot) cho mỗi vấn đề hoặc đường dẫn mà bạn muốn giải quyết. Một con người (tư vấn hoặc kỹ sư) xây dựng một robot để giải quyết một vấn đề cụ thể. Giải pháp robot này thay thế một chuỗi các bước. Nó nhìn vào màn hình, thực hiện hành động và lặp lại nó.

Vấn đề thường xảy ra là một thay đổi trong thế giới, chẳng hạn như một sửa đổi đối với một phần mềm hoặc giao diện người dùng, có thể khiến các bot bị hỏng. Như chúng ta biết, công nghệ luôn phát triển, tạo ra các môi trường động. Điều này có nghĩa là các robot RPA thường thất bại.

Vấn đề khác với những con bot này là bạn cần tạo ra một con cho mỗi tình huống bạn muốn giải quyết. Làm như vậy, bạn sẽ kết thúc với nhiều robot, tất cả đều hoàn thành các hành động rất nhỏ không yêu cầu nhiều kỹ năng.

Nó giống như một trò chơi whack-a-mole. Mỗi ngày bạn đối mặt với khả năng một trong số chúng sẽ bị hỏng vì một phần mềm sẽ thay đổi hoặc điều gì đó bất thường sẽ xảy ra – một hộp thoại sẽ xuất hiện hoặc một loại đầu vào mới sẽ xảy ra. Kết quả là bảo trì tốn kém để giữ cho những con bot này chạy. Theo nghiên cứu từ Forrester, đối với mỗi 1 đô la chi cho RPA, có 3,41 đô la được chi cho tài nguyên tư vấn.

Nghĩa là phần mềm thực tế cho RPA không phải là chi phí lớn nhất. Đầu tư chi phí đáng kể hơn là tất cả công việc bạn phải làm để giữ RPA chạy tất cả thời gian. Nhiều tổ chức không tính đến chi phí liên tục này.

Khi nhiều việc trong cuộc sống phức tạp và luôn thay đổi, nhiều công việc nằm ngoài khả năng của RPA, đó là nơi học máy phát huy tác dụng. Học máy cho phép chúng tôi tự động hóa những việc khó. Và chúng tôi tin rằng bí quyết đặc biệt là con người cải thiện các thuật toán bằng cách dạy chúng.

Khi thuật toán không chắc chắn về việc nó nên làm gì (độ tin cậy thấp), nó được chuyển lên con người trong vòng lặp. Con người gắn nhãn những ví dụ này và xác định các trường hợp không được xử lý bởi mô hình hiện tại. Khi điều này được thực hiện và AI đã đúng, đó là một nhiệm vụ hoạt động tốt.

Mỗi nhiệm vụ mà con người bắt gặp một vấn đề là một trường hợp mà máy không xử lý đúng. Trong trường hợp này, dữ liệu được thêm vào tập dữ liệu của chúng tôi, điều này sẽ đào tạo lại các mô hình học máy để xử lý tình huống mới này.

Theo thời gian, mô hình học máy xây dựng khả năng chống chịu với những trường hợp ngoại lệ mới này. Điều này dẫn đến một hệ thống mạnh mẽ và linh hoạt với các trường hợp ngoại lệ mới hoặc ngoại lệ, và hệ thống trở nên mạnh mẽ hơn theo thời gian. Điều này có nghĩa là tự động hóa trở nên tốt hơn và tốt hơn và can thiệp của con người sẽ giảm dần theo thời gian.

Có các chuyên gia con người trong vòng lặp là điều quan trọng để làm cho AI thông minh hơn, nhanh hơn và tốt hơn. Chúng tôi cần con người để đào tạo đúng AI và đảm bảo rằng nó có thể xử lý các trường hợp ngoại lệ không thể tránh khỏi trong bất kỳ ngành nào – và đặc biệt là trong một lĩnh vực động như chăm sóc sức khỏe.

Bạn có thể thảo luận về cách giải pháp vòng lặp con người của AKASA hoạt động và những trường hợp sử dụng chính cho nền tảng này?

Tự động hóa Thống nhất là một nền tảng được xây dựng cho chăm sóc sức khỏe. Sử dụng AI, học máy và đội ngũ chuyên gia hóa đơn y tế của chúng tôi, nó tạo ra một giải pháp tích hợp liền mạch, tùy chỉnh giúp bạn thấy giá trị nhanh hơn, với bảo trì hoặc hàng đợi ngoại lệ gần như không có.

Nó đã được thiết kế với các ngoại lệ và ngoại lệ trong tâm trí. Nếu nó gặp điều gì đó mới, nền tảng sẽ đánh dấu vấn đề cho đội ngũ chuyên gia của AKASA, những người sẽ giải quyết nó trong khi hệ thống học hỏi từ các hành động họ thực hiện. Đó là yếu tố con người khác biệt chúng tôi với các giải pháp khác trên thị trường và cho phép nền tảng liên tục học hỏi và cải thiện.

Tự động hóa Thống nhất cũng thích nghi với bản chất động của ngành chăm sóc sức khỏe. Đó là một giải pháp tích hợp liền mạch, tùy chỉnh giúp giảm chi phí hoạt động, nâng cao nhân viên để đối mặt với công việc đòi hỏi sự chạm khắc của con người và cải thiện việc thu hồi doanh thu cho các hệ thống chăm sóc sức khỏe, đồng thời cải thiện trải nghiệm tài chính của bệnh nhân.

Đây là cách Tự động hóa Thống nhất hoạt động:

Phần mềm độc quyền quan sát: Công cụ Worklogger của chúng tôi quan sát từ xa cách nhân viên chăm sóc sức khỏe hoàn thành nhiệm vụ của họ. Sau đó, đội ngũ của chúng tôi gắn nhãn dữ liệu đó và cho nó vào tự động hóa của chúng tôi để cung cấp một cái nhìn tổng quan toàn diện về các quy trình công việc và quy trình hiện tại. Điều này dẫn đến khả năng hiển thị cao hơn vào hiệu suất của nhân viên, dữ liệu cơ bản về các quy trình công việc để cung cấp năng lượng cho tự động hóa của chúng tôi và phân tích thời gian mỗi nhiệm vụ chính xác.

AI thực hiện: Sau khi quan sát và học hỏi quy trình công việc của nhân viên chăm sóc sức khỏe, AI của chúng tôi sau đó thực hiện các nhiệm vụ này tự động. Nó liên tục học hỏi từ các vấn đề và trường hợp ngoại lệ mà nó gặp phải, thực hiện các nhiệm vụ phức tạp hơn theo thời gian. Tự động hóa Thống nhất nằm ở thượng nguồn trong hàng đợi công việc – chỉ định cho mình các nhiệm vụ phù hợp và hoàn thành chúng mà không làm gián đoạn đội ngũ. Nó cũng tối ưu hóa quy trình tự động mà không cần thiết lập hoặc can thiệp từ nhân viên.

Chuyên môn con người đảm bảo: Hệ thống tự động đánh dấu đội ngũ chuyên gia hóa đơn y tế của chúng tôi để xử lý các ngoại lệ và ngoại lệ, đào tạo AI trong thời gian thực khi họ làm việc. Đây là phần chuyên gia trong vòng lặp. Với việc học hỏi liên tục được xây dựng, nền tảng Tự động hóa Thống nhất trở nên thông minh và hiệu quả hơn theo thời gian và công việc luôn được thực hiện.

Có gì khác mà bạn muốn chia sẻ về AKASA?

Chúng tôi có một cách tiếp cận nghiên cứu đầu tiên, điều này có nghĩa là khách hàng của chúng tôi có quyền truy cập vào công nghệ hàng đầu. Chúng tôi cam kết xuất bản AI và cách tiếp cận của chúng tôi trong các ấn phẩm được đánh giá ngang hàng để liên tục thiết lập các tiêu chuẩn mới cho AI trong hoạt động chăm sóc sức khỏe và dẫn dắt toàn bộ ngành công nghiệp của chúng tôi.

Ví dụ, nghiên cứu của chúng tôi đã được trình bày tại Hội nghị Quốc tế về Học máy (ICML), Hội nghị Tóm tắt Ngôn ngữ Tự nhiên (NLP) và Hội nghị Học máy cho Chăm sóc Sức khỏe (MLHC), trong số những hội nghị khác. Chúng tôi đang thực hiện một cách tiếp cận rất kỷ luật để kiểm tra các mô hình của chúng tôi và so sánh hiệu suất với các cách tiếp cận AI hàng đầu trên thị trường.

Giải pháp dự đoán từ chối của chúng tôi được cho là hệ thống đầu tiên dựa trên học sâu có thể dự đoán chính xác việc từ chối yêu cầu chăm sóc sức khỏe hơn 22% so với các baseline hiện có. Mô hình Đọc, Chú ý, Mã của chúng tôi cho việc mã hóa tự động các yêu cầu chăm sóc sức khỏe từ các ghi chú lâm sàng đã được công nhận là định nghĩa một tiêu chuẩn mới cho ngành và vượt qua các mô hình hiện tại 18% – vượt qua năng suất của các người mã hóa.

Chúng tôi tin rằng những đổi mới trong văn phòng này là rất quan trọng để cải thiện hệ thống chăm sóc sức khỏe Hoa Kỳ với quy mô lớn và sẽ tiếp tục thúc đẩy các đổi mới và xây dựng các giải pháp tùy chỉnh cho không gian này.

Đúng là có rất nhiều tiếng vang về AI trong chăm sóc sức khỏe, nhưng khi nói đến điều đó, các công ty có thể phóng đại những gì công nghệ của họ thực sự có thể làm. Thật khó để thực hiện nghiên cứu để xác thực những gì các thuật toán thực sự làm – và chúng tôi tự hào về con đường có ý nghĩa nhưng đầy thách thức này để cuối cùng chứng minh rằng nền tảng Tự động hóa Thống nhất của AKASA thực sự đang mang lại sự thay đổi tích cực và có ý nghĩa cho các bệnh viện và hệ thống chăm sóc sức khỏe.

Chúng tôi rất hào hứng về tương lai và những gì sẽ xảy ra tại AKASA khi chúng tôi xây dựng tương lai của chăm sóc sức khỏe với AI.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập AKASA.