Formularz został pomyślnie przesłany.
Więcej informacji można znaleźć w skrzynce pocztowej.
Zatrudnij nas
O nasUsługiTechnologiePortfolio
Byłem na wystarczająco wielu spotkaniach dotyczących opieki zdrowotnej IT, by dostrzec pewną prawidłowość. Każda rozmowa na temat zmniejszania wypalenia zawodowego personelu medycznego w końcu sprowadza się do kwestii wpisywania danych. Lekarze nie kształcili się przez lata, by zostać pracownikami wprowadzającymi dane, a jednak znaczną część swojego dnia pracy poświęcają właśnie na to.
Rozpoznawanie mowy w służbie zdrowia to jedna z nielicznych technologii, która bezpośrednio rozwiązuje ten problem, umożliwiając lekarzom mówienie zamiast pisania. W niniejszym artykule omówiono, na czym polega ta technologia, jak działa od początku do końca, gdzie już teraz przynosi korzyści oraz co trzeba zrobić, aby przejść od efektownej prezentacji do systemu, któremu lekarze zaufają w pracy z prawdziwymi pacjentami.
Oprogramowanie do rozpoznawania mowy w medycynie rejestruje mowę – niezależnie od tego, czy jest to lekarz dyktujący notatkę, czy pacjent opisujący objawy podczas rozmowy telefonicznej – i przekształca ją w uporządkowane, przydatne dane w ramach procesu klinicznego. Brzmi to prosto, dopóki nie zauważy się, jak wiele nakładających się na siebie terminów używa się na określenie tej samej koncepcji. Oto, czym się one różnią:
Pomijając marketingowy żargon, większość systemów głosowych stosowanych w służbie zdrowia działa według tego samego schematu, niezależnie od tego, czy chodzi o prostą aplikację do dyktowania, czy o system automatycznego zapisu działający w całym szpitalu. Wygląda to mniej więcej tak:
Producenci uwielbiają nadawać każdej najmniejszej odmianie “oprogramowania, które słucha” własną, efektowną nazwę, przez co wybór takiego rozwiązania przypomina zamawianie kawy w lokalu oferującym czterdzieści rodzajów syropów, podczas gdy jedyne, czego pragnąłeś, to coś gorącego i zawierającego kofeinę. Jeśli jednak pominąć kwestię marki, narzędzia głosowe dla służby zdrowia dzielą się na zaledwie kilka rodzajów, z których każdy jest przeznaczony do innego momentu w ciągu dnia pracy lekarza.
Klasyczna konfiguracja. Lekarz dyktuje bezpośrednio do mikrofonu lub dyktafonu, a oprogramowanie przekształca mowę na tekst w czasie rzeczywistym lub po zakończeniu nagrania, aby umożliwić jego przejrzenie i podpisanie.
Nazywane również „sekretarzami AI”, rozwiązania te biernie słuchają przebiegu wizyty pacjenta, a następnie generują uporządkowaną notatkę, bez konieczności celowego dyktowania czegokolwiek przez lekarza.
Systemy konwersacyjne, które wykraczają poza zwykłe sporządzanie notatek. Potrafią odpowiadać na pytania lekarzy, pobierać dane z kart pacjentów oraz wykonywać zadania związane z obsługą pacjentów, takie jak rozmowy wstępne i kontynuacyjne.
Systemy sterowania bez użycia rąk do obsługi elektronicznej dokumentacji medycznej (EHR), systemów obrazowania lub sprzętu chirurgicznego, pozwalające personelowi zachować sterylność rąk lub mieć je wolne podczas pracy.
Nowsza kategoria, w ramach której analizuje się wzorce głosowe, wysokość dźwięku, przerwy i drżenie głosu w celu wykrycia wczesnych objawów schorzeń takich jak choroba Parkinsona, depresja czy pogorszenie funkcji poznawczych.
Zapytaj dostawcę, jak rozpoznawanie mowy jest wykorzystywane w służbie zdrowia, a otrzymasz prezentację zawierającą około trzydziestu punktów, z których większość sprowadza się do stwierdzenia: “sprawiliśmy, że pisanie na klawiaturze stało się opcjonalne”. Szczerze mówiąc, to całkiem słuszne. Opcjonalność pisania na klawiaturze jest niedoceniana. Oto, jak to wygląda w rzeczywistym środowisku klinicznym, wykraczając poza sporządzanie notatek, co wszyscy już uważają za oczywiste.
Największy i najbardziej rozwinięty obszar zastosowań. Niezależnie od tego, czy chodzi o dyktowanie, czy o automatyczne zapisywanie z otoczenia – właśnie w ten sposób technologia rozpoznawania mowy w służbie zdrowia generuje największy zwrot z inwestycji, skracając czas, jaki lekarze poświęcają na sporządzanie notatek po godzinach pracy.
Polecenia głosowe pozwalają personelowi medycznemu wyświetlać karty pacjentów, wprowadzać zlecenia lub przeszukiwać dokumentację bez dotykania klawiatury, co ma większe znaczenie, niż mogłoby się wydawać, w środowisku sterylnym lub przy użyciu rękawiczek.
Boty głosowe obsługują rutynowe rozmowy dotyczące ustalania terminów, zbierają dane wstępne i potwierdzają wizyty, dzięki czemu pracownicy recepcji mogą poświęcić się bardziej skomplikowanym rozmowom.
Technologia głosowa w służbie zdrowia umożliwia transkrypcję w czasie rzeczywistym podczas wizyt wideo oraz rejestrację pacjentów zdalnych za pomocą głosu – jest to obszar, w którym działamy bezpośrednio poprzez tworzenie aplikacji do telezdrowia.
Naukowcy wykorzystują narzędzia do rozpoznawania mowy w celu sporządzania transkrypcji wywiadów z pacjentami, rejestrowania zgłoszeń zdarzeń niepożądanych oraz przyspieszenia wypełniania formularzy sprawozdania z przypadku w trakcie badań klinicznych.
Interfejsy głosowe umożliwiają pracownikom służby zdrowia z ograniczeniami ruchowymi oraz wszystkim osobom, które mają zajęte ręce, korzystanie z systemów medycznych bez użycia klawiatury lub myszy.
Oprócz dokumentacji niektóre systemy analizują sam głos jako dane kliniczne, wykrywanie problemów z oddychaniem, zmęczenia lub objawów neurologicznych na podstawie sposobu mówienia.
Każdy element oprogramowanie dla służby zdrowia sprzedaje się ją, powołując się na te same trzy obietnice: pozwoli zaoszczędzić czas, poprawi wyniki i sprawi, że wszyscy będą szczęśliwsi. W większości przypadków to tylko marketingowe życzenia przebrane za fakty. Rozpoznawanie mowy to jeden z tych przypadków, w których korzyści płynące z tej technologii w służbie zdrowia faktycznie się potwierdzają, gdy spojrzy się poza marketingowe slogany, a ich postrzeganie różni się w zależności od tego, kogo się o to zapyta.
Najważniejszą korzyścią jest mniej czasu poświęcanego na sporządzanie notatek po zakończeniu zmiany. Badanie przeprowadzone przez Mass General Brigham i Uniwersytet Kalifornijski stwierdzono, że lekarze korzystający z asystentów opartych na sztucznej inteligencji odnotowali skrócenie czasu poświęcanego codziennie na dokumentację o około 10%.
Kiedy lekarz nie wpatruje się w ekran i nie pisze na klawiaturze, patrzy na pacjenta. Już samo to zmienia atmosferę wizyty i zazwyczaj znajduje odzwierciedlenie w wynikach badań satysfakcji pacjentów wszędzie tam, gdzie wprowadza się dokumentację w tle.
Szybsze sporządzanie dokumentacji oznacza krótsze cykle rozliczeniowe, mniej godzin spędzanych na wypełnianiu kart po godzinach pracy oraz realną szansę na zmniejszenie rotacji personelu medycznego, co stanowi znacznie większą pozycję w budżecie niż większość budżetów przeznaczonych na oprogramowanie.
Narzędzie głosowe, które świetnie transkrybuje, ale potem po prostu stoi bezczynnie, odcięte od wszystkiego innego, to w zasadzie drogi notatnik z pismem ładniejszym niż u większości lekarzy. Jego prawdziwa wartość ujawnia się dopiero wtedy, gdy zostanie zintegrowane z systemami, z których na co dzień korzystają lekarze, co zazwyczaj oznacza:
W tle system ten opiera się na interfejsach API i standardach danych medycznych, takich jak HL7 V2 i FHIR, a także na precyzyjnym mapowaniu danych, dzięki czemu przepisany termin trafia do właściwego, ustrukturyzowanego pola. System zarządzania tożsamością kontroluje, kto może zainicjować lub zatwierdzić wpis wygenerowany głosowo, a żadna informacja nie powinna trafić do stałej dokumentacji bez uprzedniego zatwierdzenia przez lekarza.
A teraz przejdźmy do kwestii, którą dostawcy często pomijają w przypisie. Zalety i wady systemów rozpoznawania mowy w służbie zdrowia nie rozkładają się równomiernie, ponieważ te wady to takie, które mogą trafić do dokumentacji pacjenta, jeśli nikt nie zwróci na to uwagi. Nie oznacza to jednak, że technologia ta jest złym wyborem. Oznacza to po prostu, że jej wdrożenie wymaga takiej samej staranności, jak w przypadku każdego innego narzędzia klinicznego, a nie takiego samego entuzjazmu, jak w przypadku nowego telefonu. Przyjrzyjmy się typowym wyzwaniom i sposobom ich łagodzenia.
Wyzwanie: Modele mowy ogólnego przeznaczenia mają trudności z nazwami leków, skrótami i specjalistycznym żargonem.
Skutki: Błędnie zrozumiane terminy mogą w sposób niezauważalny zafałszować treść notatki klinicznej, co jest znacznie poważniejszym problemem niż literówka w e-mailu.
Łagodzenie skutków: Należy korzystać z modeli ASR dostrojonych na korpusach medycznych i słownictwie specyficznym dla danej specjalizacji, a wszelkie niejasności przekazywać do weryfikacji przez człowieka.
Wyzwanie: Dokładność wyraźnie spada w przypadku akcentów obcych i dialektów regionalnych, co stanowi dobrze udokumentowaną słabość całej branży.
Skutki: Może to skutkować obniżeniem jakości dokumentacji zarówno w przypadku lekarzy, jak i pacjentów należących do grup językowych, które są niedostatecznie reprezentowane.
Łagodzenie skutków: Szkolenie lub dostrajanie modeli na zróżnicowanych zbiorach danych dotyczących akcentów oraz obsługa modeli wielojęzycznych, gdy wymaga tego populacja pacjentów.
Wyzwanie: Ruchliwe oddziały, nakładające się rozmowy i hałas sprzętu – wszystko to obniża jakość transkrypcji.
Skutki: Zniekształcony dźwięk oznacza więcej ręcznych poprawek, co niweluje oszczędność czasu, jaką miało zapewnić to narzędzie.
Ograniczanie skutków: Połącz mikrofony kierunkowe z modelami redukcji szumów oraz algorytmami diaryzacji dostosowanymi do warunków klinicznych.
Wyzwanie: Podczas tworzenia streszczeń z wykorzystaniem modeli LLM mogą czasami pojawiać się szczegóły, o których nigdy nie była mowa – jest to ryzyko charakterystyczne dla systemów generatywnych.
Wpływ: Wzmianka w karcie pacjenta o objawach urojeniowych lub przyjmowanych lekach stanowi zagrożenie dla bezpieczeństwa pacjenta, a nie tylko utrudnienie.
Ograniczanie skutków: Należy zachować obowiązkowy etap weryfikacji z udziałem człowieka, rejestrować źródłowy materiał audio wraz z wygenerowanym tekstem oraz przed wdrożeniem oceniać modele pod kątem klinicznych wskaźników dokładności.
Wyzwanie: Lekarze, którzy już teraz muszą radzić sobie z napiętym harmonogramem, są – co zrozumiałe – niechętni do nauki obsługi kolejnego narzędzia.
Skutki: Niski poziom wykorzystania oznacza, że organizacja płaci za platformę, która w większości pozostaje niewykorzystana.
Łagodzenie skutków: Zacznij od niewielkiej grupy pilotażowej złożonej z chętnych pionierów, szybko zbierz opinie i pozwól, by to wyniki osiągnięte przez innych, a nie nakaz, były motorem szerszego wdrożenia.
Wyzwanie: Starsze systemy EHR i systemy szpitalne nie zostały zaprojektowane z myślą o nowoczesnych interfejsach API.
Wpływ: Bez integracji narzędzia głosowe stają się równoległym procesem, który pracownicy służby zdrowia muszą ręcznie uzgadniać, co mija się z celem.
Ograniczanie skutków: Należy korzystać z silników interfejsów HL7 V2 i FHIR, a w przypadku braku gotowego interfejsu API stworzyć warstwę oprogramowania pośredniczącego zamiast wymuszać całkowitą wymianę systemów podstawowych.
W momencie, gdy mikrofon rejestruje, jak ktoś opisuje swoje objawy, nagranie to przestaje być zwykłym, nieszkodliwym plikiem audio i staje się chronioną informacją zdrowotną (PHI) o mocy prawnej. Nie ma znaczenia, że była to tylko rutynowa rozmowa kontrolna. Lekceważące podejście do tej kwestii sprawia, że organizacje trafiają na pierwsze strony gazet z niewłaściwej strony. Poważne wdrożenie musi uwzględniać:
To, które z tych zasad mają zastosowanie i w jakim stopniu, zależy od kraju, rodzaju organizacji oraz celu, w jakim wykorzystywane są dane głosowe. Szpital rejestrujący pełne przebiegi wizyt ma zupełnie inny profil ryzyka niż bot do umawiania wizyt, który gromadzi numery telefonów. Właśnie w tym miejscu cyberbezpieczeństwo na poziomie medycznym To rozwiązanie się opłaca, ponieważ niezawodność potoku głosowego zależy od najsłabszego ogniwa w procesie przetwarzania danych.
Nikt nie kupuje “rozpoznawania głosu w służbie zdrowia” z półki tak, jak kupuje się zszywacz. Jest to rozwiązanie tworzone krok po kroku z narzędzi, które tak naprawdę nigdy nie były przeznaczone do współdziałania ze sobą. Typowy zestaw przypomina nie tyle pojedynczy produkt, co raczej dobrze zorganizowaną skrzynkę z narzędziami:
Wybór z tej listy nie jest najtrudniejszy. Najtrudniejsze jest zapewnienie niezawodnej komunikacji między poszczególnymi elementami w kontrolowanym środowisku – i właśnie na tym etapie większość wewnętrznych prób kończy się fiaskiem. Właśnie tę lukę mają za zadanie wypełnić zespoły inżynierów Innowise.
Koszty różnią się znacznie w zależności od zakresu. Największy wpływ na koszty ma stopień szczegółowości integracja EHR, czy rozwiązanie wymaga dostosowania modelu pod kątem konkretnej specjalizacji lub akcentu, jaki poziom bezpieczeństwa i zgodności z przepisami jest wymagany oraz w jakim stopniu proces ten zakłada bieżącą weryfikację i monitorowanie przez ludzi. Ostateczne koszty zależą od konkretnego zakresu projektu, istniejącej infrastruktury i wymagań, a jedynym wiarygodnym sposobem uzyskania rzeczywistej kwoty jest przeprowadzenie odpowiedniej oceny technicznej przez firmę Innowise.
Przewidywanie przyszłości jakiejkolwiek technologii powiązanej ze sztuczną inteligencją jest obecnie zadaniem niemal niemożliwym, biorąc pod uwagę, jak często tegoroczny przełom staje się w przyszłym roku jedynie przypisem. Niemniej jednak kilka kierunków rozwoju pojawia się na tyle konsekwentnie zarówno w badaniach, jak i w planach rozwoju produktów, że zasługują one na poważne potraktowanie, a nie na odrzucenie jako zwykły szum medialny:
Firma Innowise już teraz śledzi te zmiany w ramach realizowanych projektów z branży opieki zdrowotnej, więc następna sekcja będzie mniej teoretyczna, a bardziej poświęcona temu, w jaki sposób pomagamy.
Stworzyliśmy oprogramowanie dla służby zdrowia działamy w tej branży wystarczająco długo, by wiedzieć, że projekt związany z rozpoznawaniem mowy rzadko kończy się niepowodzeniem z powodu samego modelu rozpoznawania mowy. Niepowodzenie wynika z wszystkich innych czynników: integracji, działań związanych z zapewnieniem zgodności oraz zarządzania zmianą. To właśnie na tym się skupiamy. Nasz zespół zajmuje się:
Jeśli funkcja rozpoznawania głosu zostanie zakwalifikowana jako oprogramowanie będące wyrobem medycznym (SaMD), to również jest to uwzględnione. Model Innowise posiada certyfikat zgodności z normą ISO 13485, która jest normą zarządzania jakością, na którą zwracają uwagę audytorzy właśnie w odniesieniu do oprogramowania wyrobów medycznych.
W przeszłości realizowaliśmy już podobne, wymagające szczególnej ostrożności projekty integracyjne w środowiskach podlegających regulacjom, jak na przykład nasz projekt dla firmy Telea Medical – unijnego producenta wyrobów medycznych – w ramach którego nasz zespół gruntownie przebudował moduł dekodowania danych zgodnie z rygorystycznymi normami dotyczącymi wyrobów medycznych. Można zapoznać się z Studium przypadku firmy Telea Medical aby zorientować się, jak w praktyce podchodzimy do kwestii zgodności z przepisami w służbie zdrowia. To również jeden z powodów, dla których organizacje nieustannie doceniają naszą pracę, dlatego warto zapoznać się z naszą nagrody w dziedzinie opieki zdrowotnej aby zapoznać się z pełną listą.
Jest to oprogramowanie, które przekształca język kliniczny w formie mowy – pochodzący z dyktanda lekarza lub pełnej rozmowy z pacjentem – w uporządkowany tekst, który można przejrzeć i wprowadzić do dokumentacji medycznej.
Tradycyjna transkrypcja medyczna zazwyczaj polega na tym, że transkrybent odsłuchuje nagranie i przepisuje je na komputerze. Rozpoznawanie mowy automatyzuje ten proces, choć przed ostatecznym zatwierdzeniem wynik nadal jest sprawdzany przez człowieka.
Zależy to w dużym stopniu od warunków. Dyktowanie w kontrolowanych warunkach może być bardzo dokładne, podczas gdy rozmowy toczące się w hałaśliwym otoczeniu, z udziałem wielu rozmówców, stanowią znacznie większe wyzwanie – i właśnie dlatego weryfikacja przez człowieka pozostaje nieodłącznym elementem każdego profesjonalnego procesu pracy.
Tak, za pomocą standardowego interoperacyjność danych dotyczących opieki zdrowotnej protokoły takie jak HL7 V2 i FHIR lub za pośrednictwem interfejsów API poszczególnych dostawców dla głównych platform EHR. To właśnie stopień tej integracji zazwyczaj decyduje o tym, czy wdrożenie okaże się udane, czy też frustrujące.
Technologię tę można zaprojektować tak, by była zgodna z HIPAA, jednak zgodność ta zależy od sposobu jej wdrożenia: konieczne jest zapewnienie szyfrowania, kontroli dostępu, umów z dostawcami oraz rejestrowania zdarzeń audytowych. Nie jest to funkcja dostępna domyślnie.
Podstawowe narzędzie do dyktowania można uruchomić w ciągu kilku tygodni. Stworzenie gotowej do użytku platformy do dokumentacji otoczenia z pełną integracją z systemem EHR zajmuje zazwyczaj kilka miesięcy, głównie ze względu na prace związane z zapewnieniem zgodności z przepisami i integracją, a nie samą sztuczną inteligencją.
Starszy kierownik ds. technicznych w sektorze opieki zdrowotnej i technologii medycznych
Aleh wypełnia lukę między potrzebami klinicznymi a realizacją inżynieryjną. Stosuje głęboką wiedzę dziedzinową, aby zapewnić, że systemy MedTech są nie tylko zgodne, ale także wystarczająco niezawodne, aby wywrzeć wymierny wpływ na rzeczywistą opiekę zdrowotną.
