Corti联合创始人兼CEO安德烈亚斯·克莱夫 – 采访系列

安德烈亚斯·克莱夫，Corti联合创始人兼CEO，是一位专注于推进医疗保健领域人工智能发展的企业家。他的医疗保健行业工作始于Ovivo，一款为医院开发的对话式工作力规划平台，该平台迅速在丹麦扩展，并于2013年被收购。他后来联合创立了Hyvi，一项探索能够实时理解复杂对话的上下文感知语言模型的研究计划，该计划最终在2018年演变成了Corti。在建立公司之外，克莱夫还在加强北欧人工智能生态系统方面发挥了关键作用，通过诸如Nordic.ai和为包括DIGITALEUROPE和丹麦国家数字化委员会在内的组织提供咨询服务等举措。

Corti是一家位于哥本哈根的医疗保健人工智能公司，开发专门的模型以理解医疗对话并支持临床医生实时工作。其平台作为医疗保健专业人员的AI助手，通过生成临床文档、在患者互动期间提供洞察，并自动化行政工作流程来发挥作用。通过提供API和与医疗保健系统的集成，Corti旨在减少临床医生的工作量，同时提高医院和数字医疗平台的效率和决策能力。

您在一个医疗保健始终是日常生活的一部分的家庭中长大…… 您早期的经历如何塑造了Corti的创立，您从第一天开始就决心解决哪些具体问题？

在一个医疗保健始终存在的家庭中长大，让我深刻地认识到两件事：专业知识非常重要，而转移这种专业知识的过程往往很脆弱，常常会让最需要它们的人失望。这些早期的家庭经历，包括看到护理人员苦苦挣扎，知识在交接中丢失，以及由于不一致的护理而产生的恐惧，种下了这样的信念：医疗保健应该是可预测的，临床医生在做出艰难决定时永远不应该孤单无助。这种信念直接转化为Corti的创立使命：建立能够为临床医生提供可靠的实时决策支持的系统。

从第一天开始，我们就致力于解决医疗保健领域供需不平衡的问题：现代医学的复杂性与有限的人类能力之间的差距。我们通过创建能够减少变异、加快检测和支持关键时刻的更安全决策的AI来解决这一问题。

Corti将自己定位为医疗保健人工智能基础设施，而不是独立的AI助手。基础设施在这个背景下意味着什么，它解锁了哪些功能，这些功能是点解决方案或基于聊天的工具无法实现的？

当我们谈论基础设施时，我们的意思是我们不仅仅是在交付一个单独的助手或小工具；我们正在建立使临床级别人工智能在许多工作流程中成为可能的基础技术栈。基础设施在这里意味着：医疗保健本土模型和数据（而不是通用网络数据），一个提供临床背景答案的临床推理层，生命周期和治理工具（模型卡、审计跟踪、可验证的血统），符合监管机构要求的部署选项（主权云、内部或私有端点），以及允许产品团队在不成为机器学习或合规专家的情况下将临床智能集成到其应用程序中的开发人员面向API和SDK。

这种方法解锁了三个点解决方案无法实现的功能：（1）可部署性，即能够在现实的临床约束（延迟、数据居住、可审计性）中生存的模型和运行时；（2）跨专业的扩展性，即可重用、认证的构建块（语音、编码、临床范围的端点），这些可以减少构建许多垂直应用程序的成本；以及（3）监管和企业信任，即内置于平台中的政策、商业协会协议和合规原语，以便客户可以从试点转移到生产。简而言之，基础设施将临床研发转化为可部署的服务，这些服务可以由开发人员和医院交付、认证和扩展。

一般用途的人工智能模型通常会以混合的结果应用于临床环境。这些模型在用于真实医疗环境时最常见的失败方式是什么？

一般用途的模型在很多任务中都取得了显著的进步，并且在许多情况下都能很好地发挥作用。但是，医疗保健领域奖励深度的方式是水平人工智能无法轻易复制的。临床推理依赖于微妙的提示、专业术语、机构背景以及对文档如何通过监管和报销系统流动的理解。要做对这一点，需要在临床数据上进行训练，验证临床基准，并从一开始就将合规性构建到技术栈中。这不是一个提示问题；这是一个研究问题，这就是为什么我们认为医疗保健需要一个专门的AI实验室的原因，这个实验室可以在领域上进行深入研究，而不是横跨多个领域。

Corti在欧洲、美国和其他地区运营，每个地区都有不同的医疗模式和治理。您如何设计能够适应这种现实复杂性的AI系统？

我们通过拥有更多的技术栈并使部署和治理成为首要任务来设计复杂性。实际上，这意味着在医疗保健数据上训练模型并为临床推理进行调整；构建审计跟踪、模型卡和商业协会协议（BAA）就绪API；以及以地理和风险配置文件为基础架构路由。对于需要的客户，我们提供主权云和内部部署选项，因此提供者可以选择其数据的位置并保持对运行在其上的模型的控制。

这种灵活性使我们能够在不同的医疗模式中运行相同的临床AI，同时尊重当地的文档标准、隐私法和机构治理。重要的是，我们将研究视为通往生产的阶梯；每一个进步都必须是可追踪的、可测试的，并且可以在现实世界中部署，而不仅仅是在实验室中有前途。这就是在临床现实中蓬勃发展的含义。

查看当前的前线临床工作流程，Corti在哪里提供最直接、最可衡量的影响，为什么这些领域对过度劳累的临床医生来说最重要？

Corti今天最直接的影响是在临床和行政工作流程中，这些工作流程承担着最大的负担。我们的模型和API为每天使用的医疗软件提供环境文档、编码和代理驱动的自动化。

这些领域很重要，因为文档和编码是医疗服务交付中最耗时和最容易出错的部分。当对话成为实时的、EHR就绪的笔记，编码更完整、更准确，并且在受监管的系统内自动化了常规工作流程时，临床医生会花费更少的时间在文书工作上，组织会看到效率和报销质量的可衡量改善。

医疗保健不是一个单一的、巨大的问题，而是成千上万个在监管压力下运行的专业特定工作流程。通过构建适用于临床现实的生产级AI，我们使软件公司和医疗系统能够在规模上解决这些问题。这就是医疗保健的AI实验室提供实际、可衡量的回报的地方。

Corti每天支持数十万次患者互动。您在这种规模下运营AI的过程中得到了什么经验教训，这些经验教训在实验室或试点环境中并不明显？

在规模上运行会暴露隐藏在试点中的摩擦：异构数据质量（没有两个EHR或呼叫记录看起来相同），生产延迟和流媒体约束，法律和合同复杂性跨客户和地理位置，以及仅在负载下出现的永久边缘情况。实验室可以在策划的数据集上衡量准确性；生产迫使您解决路由、可观察性、漂移检测、模型回滚和可计费的审计跟踪。另一个经验教训是：真正的信任是通过使模型可解释、可重复和可认证来获得的，而不是通过单一站点的性能。最后，试点低估了所有权的总成本：生产中的开发人员需要SDK、一致的端点和治理原语来维护安全性并以有生产力的方式迭代产品。

医疗保健需要比消费者AI更高的可解释性。您如何处理临床推理、透明度和问责制，当AI影响医疗决策时？

医疗保健需要更高的标准，因为错误的成本是真实的。临床AI不仅要生成合理的语言；它还必须以透明和可检查的方式推理复杂、受监管的、风险高的信息。

这就是为什么我们开发了GIM（梯度交互修改法），一种使临床推理在模型级别上更易解释的方法。GIM最近在Hugging Face机制可解释性基准测试中名列榜首，在可解释性方法的排行榜上排名第一。这很重要，因为可解释性在医疗保健中不仅是一种学术练习；它是信任、安全和监管采用的基础。

除了研究之外，透明度必须贯穿到部署中。我们提供模型卡、验证基准、审计跟踪和版本控制，以便客户知道正在运行什么以及如何评估它。输出与证据相关，不确定性是明确的，系统的设计是支持临床医生做出决策，而不是用不透明的黑盒取代他们。

在医疗保健中，解释性不是一个特性。它是信任的先决条件。这就是为什么我们将临床AI视为一门实验室学科，并确保研究以生产级系统的形式交付，这些系统可以被检查、治理和安全部署。

AI主权是在监管行业中一个关键话题。医疗保健中的主权意味着什么，提供者如何在仍然能够从先进AI中受益的同时保持控制？

在医疗保健中，主权意味着提供者对数据居住、模型选择和运营治理保持控制。实际上，主权是通过本地或区域托管（主权云和内部）、私有模型端点、完整的审计和生命周期控制以及合同和技术保证（商业协会协议、服务等级协议和数据保护影响评估）来实现的。主权不是反云；它是关于给予提供者选择工作负载运行位置的能力并对模型和数据具有可验证的控制和可追溯性。这一组合使提供者能够访问尖端功能，同时满足法律和机构义务。

作为创始人和欧盟计划的顾问，您如何看待监管的演变，政策制定者在哪里低估了临床AI的技术现实？

欧洲有理由认真对待监管。在医疗保健中，审计、可追溯性和问责制不是可选的；它们是信任的先决条件。

政策制定者有时低估了运营中的临床AI的现实。认证不是一次性批准；它需要持续监控、版本控制和持续验证。在同一时间，我们必须避免过度监管。如果合规性变得不成比例，创新就会放缓，并且有用的工具永远不会到达临床医生手中。

在Corti，我们从第一天开始就假设监管。我们直接将审计、模型治理和主权部署选项构建到我们的模型和API中，因此初创公司和成熟的供应商不必稍后为合规性进行改造。医疗保健是复杂和分散的；唯一的前进方式是将监管就绪性融入基础设施中。欧洲需要的平衡是严格但务实的：保护患者但使得能够安全地以规模建设和部署。

展望12-24个月，医疗保健领袖应该期待从Corti看到哪些重大变化，这些计划如何为2026年奠定基础？

预计Corti将在实验室到生产的道路上加倍下注：交付研究支持的、临床级别的模型，并将它们打包为可部署的基础设施（语音、编码和代理端点、临床推理层和主权部署选项）。即将推出的路线图计划包括改进的语音转文本和延迟基准、语音代理、医疗编码模型投入生产和多个主权云推出，所有这些都旨在将客户从试点转移到认证生产。Corti不仅仅是一款应用；它是医疗保健的AI实验室，旨在使整个类别的安全、可审计的临床软件成为可能——这是我们2026年雄心的基础。

感谢这次精彩的采访，希望了解更多的读者可以访问Corti。