다음에 공공 장소에있을 때는 멈추고 둘러보십시오. 얼마나 많은 사람들이 머리가 아래로 내려 가서 전화를 쳐다보고 있습니다. 이것은 의도하지 않은 기술의 결과 중 하나입니다. 의도는 우리를 세상에 더 많이 연결하는 것이지만 종종 우리를 방해합니다. 실제로 우리 주변에서 일어나고 있습니다.
이 의도하지 않은 기술적 방해는 의료에 부정적인 영향을 미쳤습니다. 지난 10 년 동안, 의사, 간호사 및 방사선 전문의에게 규정을 높이고 행정 부담을 늘리는 것은 다른 사람들을 돌보는 데 헌신 한 사람들에게 높은 비용을 받았습니다. 직무 불만과 소진 률이 상승하고 임상의가 노동력을 떠날 때 직원 부족이 증가하고 의사-환자 연결의 지속적인 침식이 증가함에 따라이 효과는 잘 기록되어 있습니다.1
건강 관리에서 가장 가성적 인 문제를 해결하기 위해 노력해 온 기술자로서, 몇 년 동안 최선의 노력에도 불구하고 기술은 환자를 돌보는 기쁨을 동시에 복원하면서 동시에 더 연결된 디지털 경험을 제공 할 수있는 한 걸음 뒤에있는 것처럼 보였습니다.
즉, GPT가 도입 될 때까지. 생성 AI를 통해 우리는 의료 분야에서 엄청나게 긍정적이고 혼란스러운 힘을 보았으며, 이러한 중요한 혁신이 의료에서 가장 복잡한 문제에 적용되므로 이러한 이익은 증가 할 것입니다. 실제로, 향후 3 년 동안, 우리는 전체 사용자 경험에서 지각 변화를보기 시작하여 다양한 사용 사례로 주입되는 기술에서 우리가 살고 일하는 방식에 완벽하게 내장 된 AI의 광범위한 주입으로 이동합니다.
건강 관리에서, 주변 정보는 의학을 연습하고 환자에게 더 나은 경험을 제공하는 기쁨을위한 원동력이 될 것입니다.
주변 지능의 실제 이야기
건강 관리에는 기술 곡선과 AI에 대해 많은 글이 있지만 역사 책에는없는 이야기를 말씀 드리고 싶습니다. 그만큼 진짜 주변 지능이 어떻게 태어 났는지에 대한 이야기.
우리 중 일부는 원본을 기억하기에 충분히 나이가 많습니다. 스타 트렉 1960 년대부터 승무원의 말을 듣고있는 컴퓨터가있는 곳에서 대화를 나눈 후 당면한 상황과 관련된 모든 지침에 무게를 두었습니다. 인수하려고하지 않았고 다리의 선장과 장교를 대체하지 않았으며 의사 결정 과정을 확대하기 위해 실시간으로 통찰력을 추가하여 팀을 지원했습니다.
우리 대부분은 이것을 하루까지 멋진 공상 과학 아이디어로 보았습니다. 서사시와의 만남에서 우리는 AI와 같이 의료 서비스를보다 직관적으로 만들 수있는 방법을 찾는 것에 대해 이야기했습니다. 스타 트렉. 건틀릿이 던져졌고 우리는 들어갔다.
의료 기술의 새로운 과정 차트
주변 지능에 내재 된 것은 똑같이 중요한 두 가지 변수이며, 의사와 환자 간의 대화를 텍스트로 정확하게 기록한 다음 해당 성적표를 임상 메모로 전환합니다.
2014 년에 큰 언어 모델이 없었을 때, 환자 데이터가 널리 사용되지 않았고, 시스템이 극도로 사일로되었고, 녹음을 포착 할 수있는 방법이 없었으며, 다른 측면이 가능하더라도 임상 대화에 대한 음성 인식이 약 50% 워드 오류율 (WER)으로 실행되었습니다. 이것은 음성 인식 시스템이 말하는 단어의 절반 정도만 올바르게 캡처하고 있음을 의미했습니다. 그것은 본질적으로 주변 의료 의학적 연설 인식의 최첨단이었고 간단히 말해서 효과가 없었습니다.
우리는 궁극적으로 성공할 때 확실하지 않았지만, 우리가 다루기 위해 필요한 첫 번째 도전은이 새로운 주변 워크 플로우를 이해할 수 있도록 모델을 공급하기 위해 더 많은 데이터를 얻는 것임을 알았습니다. 우리는 주변 대화 의학적 연설에 대한 인식 성능을 향상시키기위한 연구 프로그램을 시작했습니다.
그런 다음 추상적 요약에주의를 기울 였거나 본질적으로 의사와 환자 사이의 대화 전사를 구조화 된 임상 메모로 변환하는 방법을 알아 내려고 노력했으며, 이는 적절한 문서화에 필요한 다양한 제약과 요구 사항이 적용됩니다.
그 당시 요약은 초기 단계에 있었지만 새로운 신경 요약 기술은 수백만 개의 입력 및 요약 된 출력 쌍으로 구성된 대규모 인 도메인 데이터 세트가 이용할 수 있었을 때 많은 약속을 보여주었습니다. 이러한 데이터 세트는 아직 존재하지 않았지만, 의사 환자 대화가 기록되어 인간 서기관에 의해 수동으로 처리되는 가상 스크라이브 워크 플로가있었습니다. 따라서 우리는 임상 서기관을 사용하여 작업에 맞게 조정 된 점점 더 강력한 모델을 훈련시키고 응용 프로그램이 어떻게 임상 문서를 가속화했는지 관찰하기로 결정했습니다. 본질적으로, 서기관은 도메인 인 도메인 데이터를 생성 한 다음, 신경 요약 기계 학습에 의해 주변 요약을 개발했습니다.
임상 적 만남의 복잡성을 감안할 때, 우리는 정형 외과와 같이 고도로 반복적 인 시나리오를 가진 의료 전문 분야에서 시작한 다음 더 많은 의사 인구의 모든 외래 특산품을 다루기 위해 확장되었습니다.
우리가 이익을 얻는 동안, 그들은 점진적이었습니다. 이것이 어떻게 보이는지에 대한 감각을 제공하기 위해 각각의 새로운 모델 개정을 플롯 포인트로 보여주는 차트가 있으며 AI에 의해 처리 된 임상 적 만남의 비율을 볼 수 있으며, 그 수치가 어디에 있는지에 대한 우리의 예측과 비교할 수 있습니다.
새로운 시대의 새벽
어느 시점에서 극도로 가시적인 문제를 해결하려고 시도한 사람이 자신들이 스스로 질문을하는 벽에 부딪히는 것은 불가피합니다. 우리는 문제를 때리고 있습니까 아니면 문제가 우리를 때리는 문제입니까? 비록 우리는 의사-환자 대화를 텍스트로 전환하는 데 패리티를 가지고 있었지만, 특산품에 걸쳐 성적표를 맞춤형 임상 메모로 변환하는 것은 어려웠으며, 진보는 우리가 원하는 것보다 느 렸습니다. 우리는 확장 가능한 장기 솔루션이 아닌 모델 출력의 품질을 향상시키기 위해 인간의 루프를 사용하고 있었으며 자동화를 생성하지 않는 오류율로 정체되었습니다. 우리는 문제 수율을 만들기위한 정확한 공식을 몰랐습니다.
그런 다음 GPT가 발생했습니다.
하룻밤 사이에 AI의 스케일링 법률이 변경되었습니다. 주요 기술적 이익은 1 년 반마다 발생하는 것에서 1 년에 4 번 발생했습니다. 당시에는 우리가 벽에 부딪 치는 것처럼 느껴졌고, 그 시간을 통해이 기술이 의사의 워크 플로우에 어떻게 나타날 것인지에 대한 요구 사항을 깊이 이해할 수 있었고, 우리는 EHR 회사와 파트너 관계를 맺고 기술 세부 사항을 통해 작업하고 사용자 경험을 최적화했습니다.
우리는 즉시 땅에 스테이크를 넣고이 새로운 AI를 활용하기 시작했습니다.
우리는 GPT를 바로 가기로 사용하여 모델을 미세 조정하고 출력을 사용자 정의하여 결과를 극적으로 개선하면서 더 빠르게 움직일 수있었습니다. 우리는 또한 잘 작동하는 것이 무엇인지, 가장 중요한 것은 경험이 최적화되지 않은 곳을 알려주는 임상의들로부터 실시간 피드백을 받고있었습니다. 그것은 저것 후자의 피드백은 항상 가장 도움이됩니다. 문제를 삼각 측량하고 경험을 미세 조정하고 개선하는 방법을 연구 할 수 있기 때문입니다.
기초 모델을 기반으로, 우리는 6 개월 안에 프로토 타입을 가질 것이라는 것을 알 수 있었지만, 도전 과제는 Box 외의 GPT (좋은 것이 좋았지 만, 맞춤형 모델만큼 성능이 없었습니다. 그때 우리는 생성 AI와 독특한 훈련 코퍼스를 결합하기로 결정했습니다. 물집이 많은 R & D주기 후 6 개월 이내에 팀은 이전 6 년 동안 이전에 달성 할 수 없었던 자동화 수준을 제공했습니다. GPT-4가 건강 관리를 위해 잘 조정 된 것은 역사상 처음 중 하나였습니다.
새로운 스케일링 법률은 혁신의 곡선을 구부리고있었습니다. 우리는 새로운 시대의 새벽, Ambient AI Market에있었습니다.
11 개월 동안, 우리는 제로 사용자에서 600 개가 넘는 주요 의료 시스템에 의해 신뢰되는 의사를위한 최초의 임상 앰비언트 지능 경험을 만들고 한 달에 3 백만 회 이상의 치료 및 성장을 생산했습니다.
우리는 인간 패리티를 달성했으며 의사에게 최소한의 편집이 필요한 임상 메모를 제공하는 자동화를 제공하는 자동화 수준의 성능을 달성했습니다. 자동화 문제가 생성되기 시작했습니다.
미래는 지금입니다
우리가 공상 과학으로 분류 한 미래는 오늘 여기에 있으며, 주변 청취는 이미 테이블 스테이크가되었습니다. 실제로, 우리는 매주 AI 개선 사항을 우리에게 공개합니다 연설 및 듣기 기술수십 년 동안 수십만 명의 임상의가 신뢰하고 사용해 왔습니다.
그러나 그 이상으로, 우리는 이전에 본 것과는 달리 엄청난 피벗을 목격하고 있습니다. 새로운 형태의 사용자 경험-자연적인 상호 작용의 조합과 실시간 지능의 주입.
이 모든 것만큼이나 흥미 진진한 진실 임상의 소진을 해결하고, 환자 경험을 향상시키고, 더 나은 건강 결과를 제공 할 것이라는 약속은 협업 및 파트너십에 대한 것입니다. 이 공간에서 운영되는 모든 회사는 단일 회사 물리 법칙에 의해 제한되기 때문에 파트너 주도 회사에있는 것은 흥미로운 시간입니다. 우리는 생태계를 개설함으로써 Microsoft 플랫폼의 힘을 활용하고 의사 환자 경험을 향상시키고 치료 에피소드에 긍정적 인 영향을 미치는 응용 프로그램 및 기능 구축에 중점을 둔 전 세계 수천 개의 회사로 확장하고 있습니다.
우리는 생태계의 파트너가 임상의 진단, 자율적 임상 코딩, 자율적 인 임상 코딩, 데이터 분석을 향상시키기 위해 임상 조건 진단, 자율적 임상 코딩 및 자동화의 건강 관리 소비자 메시지를 통해 고가의 사용 사례를 해결하기 위해 노력하고 고가의 사용 사례를 해결하기 위해 노력하는 수천 개의 놀라운 마음의 힘으로서 우리의 역량을 주변 발신자에 직접 게시 할 수있게하고 있습니다. 임상 시험 환자 식별 자동화. 이들은 전 세계 의료 회사에서 적극적으로 작업하고있는 수천 개의 혁신 분야 중 일부에 불과합니다. 그리고 이것은입니다 플랫폼의 힘. 이것은 치료가 전달되는 방식을 변화시키고, 환자 경험을 향상시키고, 건강 및 생명 과학 생태계 전반에 걸쳐 더 나은 결과를 지원하며, 전 세계의 임상의에게 의학을 실천하는 기쁨을 회복시키는 생태계입니다.
무엇보다도 신뢰
생성 AI에 대한 대화는 책임에 대해 이야기하지 않고 발생하지 않으며, 데이터에 포함 된 내용과 사용 방법에 대한 자세한 검사 없이는 기술을 배포해서는 안됩니다. 열쇠 책임있는 AI 표준 공정성, 신뢰성 및 안전, 개인 정보 보호 및 보안, 포용성 및 투명성과 관련하여 모든 토론의 중심 단계를 취해야합니다. AI는 대규모 전동 공구와 같으며 데이터는 현재 전원을 공급하는 것입니다. 따라서 처리하는 모든 사람은 적절하게 교육을 받아 의도하지 않은 결과 또는 잠재적 인 피해를 인식해야합니다.
실제 결과를 제공하는 고 부가가치 사용 사례를 만듭니다
결국, 결과 기반 기술 구축에 대한 실제 증거는 하나의 간단한 사실로 이어집니다. 그것을 사용하는 사람은 그 사람이 할 수 있고 최고의 버전이 될 수 있습니까? 이를 위해, 우리는 모든 솔루션의 성능을 신중하게 추적하여 약속에 따라 살고 있으며 기대치를 초과하는 기술을 구축 할 수 있도록합니다. AI 의제를 발전시키는 사람은 누구나 동일한 작업을 수행해야합니다. 왜냐하면 이것이 인간 능력을 발전시키고 의료 생태계를 개선하는 진정한 길이이기 때문입니다.
매일은 승리가 아니며 괜찮습니다. 이것은 스프린트가 아닌 마라톤입니다. 그러나 우리는 C 우리가 봉사하는 사람들에 의해보고 된 강력한 결과를보기위한 온타. 우리는보고 있습니다 :
- 임상의의 직장 생활 균형 개선 및 소진 및 피로 감소.2
- 80%는인지 부담을 줄인다 고 생각합니다.3
- 만남 당 임상의 당 5 분 (평균).4
- 환자의 93%가 의사가 더 인격적이고 대화가 있다고 말합니다.5
이 AI 구동 임상 자동화 솔루션에 대해 임상의가 무엇을 말해야하는지 들어보십시오.
이러한 결과만큼이나 우리는 정착하지 않습니다. 우리는 건강 관리 및 생명 과학 생태계 전역에서 의사, 간호사, 방사선 전문의 및 지도자와 함께 모델을 정제하고, 다른 사람들을 돕는 데 지속적으로 노력하는 사람들을위한 최고의 기술을 제공하기 위해 계속해서 발전시키고, 모델을 개선하고, 의사, 간호사, 방사선 전문의 및 리더들과 함께 계속 추진할 것입니다. 우리는 여행의 시작에 불과하며, 계속해서 끊임없이 혁신하고 전 세계 임상의를위한 문서화, 표면 정보를 간소화하고 자동화하는 새로운 방법을 찾을 것입니다.
자세히 알아보십시오
- 우리를 방문하십시오 Himss 부스 #2221.
- 자세히 알아보십시오 의료용 Microsoft Cloud.
1 AMA, 번 아웃 벤치 마크 : 28% 현재 건강 관리 직업에 불만족, 2022 년 5 월 17 일.
2 DAX Copilot을 사용하는 340 개 의료 기관의 879 명의 임상의를 대상으로 한 Microsoft 설문 조사; 2024 년 7 월.
3 DAX Copilot을 사용하는 340 개 의료 기관의 879 명의 임상의를 대상으로 한 Microsoft 설문 조사; 2024 년 7 월.
4 DAX Copilot을 사용하는 340 개 의료 기관의 879 명의 임상의를 대상으로 한 Microsoft 설문 조사; 2024 년 7 월.
5 임상의가 DAX Copilot을 사용하는 여러 의료 기관이 실시한 413 명의 환자에 대한 조사; 2024 년 6 월.
게시물 의료 분야의 주변 정보의 새로운 시대 먼저 나타났습니다 Microsoft AI 블로그.
