Formuläret har skickats in framgångsrikt.
Ytterligare information finns i din brevlåda.
Anlita oss
Om ossTjänsterTeknikBranscherPortfölj
Jag har deltagit i tillräckligt många möten inom hälso- och sjukvården (IT) för att ha lagt märke till ett mönster. Varje samtal om att minska utbrändheten bland vårdpersonal kommer så småningom tillbaka till datainmatning. Läkarna har inte utbildat sig i flera år för att bli datainmatare, men ändå ägnar de en betydande del av sin arbetsdag åt just det.
Röstigenkänning inom hälso- och sjukvården är en av de få teknikerna som tar itu med detta problem direkt genom att låta vårdpersonal prata istället för att skriva. Den här artikeln ger en översikt över vad tekniken innebär, hur den fungerar från början till slut, var den redan visar sig vara värdefull och vad som krävs för att gå från en snygg demonstration till ett system som läkare litar på när det gäller riktiga patienter.
Programvara för röstigenkänning inom sjukvården registrerar talat språk – oavsett om det är en vårdgivare som dikterar en anteckning eller en patient som beskriver sina symtom under ett telefonsamtal – och omvandlar det till strukturerade, användbara data som kan integreras i det kliniska arbetsflödet. Det låter enkelt tills man inser hur många överlappande termer som används för att beskriva samma begrepp. Här förklaras skillnaderna mellan dem:
Bakom marknadsföringsretoriken följer de flesta röstsystem inom hälso- och sjukvården samma arbetsflöde, oavsett om det handlar om en enkel dikteringsapp eller ett sjukhusomfattande system för automatisk transkribering. Det ser ungefär ut så här:
Leverantörerna älskar att ge varje liten variant av “programvara som lyssnar” sitt eget lockande namn, vilket gör att det känns som att beställa kaffe på ett ställe med fyrtio olika sirapssorter när man egentligen bara ville ha något varmt och koffeinhaltigt. Men om man bortser från varumärkena finns det egentligen bara en handfull olika typer av röstverktyg inom hälso- och sjukvården, och varje typ är utformad för ett specifikt ögonblick i en vårdgivarens arbetsdag.
Den klassiska lösningen. En vårdgivare dikterar direkt i en mikrofon eller en handhållen inspelningsenhet, och programvaran omvandlar talet till text i realtid eller i efterhand för granskning och undertecknande.
Dessa kallas även AI-antecknare och lyssnar passivt under ett patientbesök för att därefter skapa en strukturerad anteckning, utan att vårdgivaren behöver diktera något medvetet.
Konversationssystem som gör mer än att bara föra anteckningar. De kan besvara frågor från vårdpersonal, hämta uppgifter från journaler eller sköta patientrelaterade uppgifter som intagningssamtal och uppföljningssamtal.
Handsfree-styrning för navigering i elektroniska patientjournaler, bilddiagnostiksystem eller kirurgisk utrustning, vilket gör att personalen kan hålla händerna sterila eller fria under arbetet.
En nyare kategori som analyserar röstmönster, tonhöjd, pauser och darrningar för att upptäcka tidiga tecken på tillstånd som Parkinsons sjukdom, depression eller kognitiv försämring.
Fråga en leverantör hur taligenkänning används inom hälso- och sjukvården, så får du en presentation med ungefär trettio punkter, varav de flesta i princip handlar om att “vi har gjort det valfritt att skriva”. Det är faktiskt helt rimligt. Att det är valfritt att skriva underskattas ofta. Här visar jag hur det fungerar i en verklig klinisk miljö, utöver det antecknande som alla redan förutsätter.
Det största och mest etablerade användningsområdet. Oavsett om det sker genom diktering eller automatisk anteckning är det på detta sätt som taligenkänningstekniken inom hälso- och sjukvården ger störst avkastning på investeringen – genom att minska den tid som vårdpersonal lägger på att skriva anteckningar efter arbetstidens slut.
Med hjälp av röstkommandon kan vårdpersonal ta fram patientjournaler, lägga in ordinationer eller söka i register utan att behöva röra tangentbordet, vilket är viktigare än det kanske låter i en steril miljö eller när man bär handskar.
Röstbotar hanterar rutinmässiga samtal om tidsbokning, samlar in uppgifter vid förhandsregistrering och bekräftar bokade tider, vilket frigör receptionens personal så att de kan ägna sig åt mer komplicerade samtal.
Röstteknik inom hälso- och sjukvården möjliggör transkription i realtid under videokonsultationer och röstbaserade incheckningar för patienter på distans – ett område som vi arbetar direkt med genom utveckling av appar för telemedicin.
Forskare använder röstverktyg för att transkribera patientintervjuer, dokumentera rapporter om biverkningar och påskynda ifyllandet av fallrapporteringsformulär under kliniska prövningar.
Röstgränssnitt ger vårdpersonal med rörelsehinder, eller alla som har händerna upptagna, möjlighet att interagera med kliniska system utan tangentbord eller mus.
Utöver dokumentationen analyserar vissa system själva rösten som kliniska data, genom att upptäcka andningsproblem, trötthet eller neurologiska symtom utifrån talmönster.
Varje del av programvara för hälso- och sjukvård marknadsförs med samma tre löften: det sparar tid, förbättrar resultaten och gör alla lyckligare. Oftast handlar det om önsketänkande i marknadsföringen, förklädd till vetenskap. Röstigenkänning är ett av de fall där fördelarna med taligenkänningstekniken inom hälso- och sjukvården håller måttet när man ser bortom säljargumenten, och de upplevs olika beroende på vem man frågar.
Den största fördelen är att man lägger mindre tid på anteckningar efter ett arbetsskift. En studie genomförd av Mass General Brigham och University of California fann att vårdpersonal som använde AI-dokumentationsassistenter upplevde en minskning av den dagliga dokumentationstiden med ungefär 10%.
När en vårdpersonal inte sitter och tittar på en skärm och skriver, tittar hen på patienten. Bara det förändrar upplevelsen av besöket, och det brukar återspeglas i patientnöjdhetsresultaten överallt där man inför dokumentation i realtid.
Snabbare dokumentation innebär snabbare faktureringscykler, färre dokumentationspass efter arbetstid och en verklig möjlighet att minska personalomsättningen bland vårdpersonal, vilket är en betydligt större kostnadspost än de flesta programvarubudgetar.
Ett röstverktyg som transkriberar utmärkt men sedan bara står där, helt isolerat från allt annat, är i grunden ett dyrt anteckningsblock med bättre handstil än de flesta läkare. Det verkliga värdet kommer först till sin rätt när det är integrerat i de system som vårdpersonalen redan arbetar i, vilket vanligtvis innebär:
I bakgrunden bygger systemet på API:er och standarder för hälso- och sjukvårdsdata, såsom HL7 V2 och FHIR, samt noggrann datamappning, så att ett transkriberat begrepp hamnar i rätt strukturerat fält. Identitetshanteringen styr vem som kan initiera eller godkänna en röstgenererad post, och ingenting ska hamna i den permanenta journalen utan att först ha godkänts av vårdpersonal.
Nu till den del som leverantörerna ofta förbigår i en fotnot. För- och nackdelarna med taligenkänningssystem inom hälso- och sjukvården är inte jämnt fördelade, eftersom nackdelarna är av det slag som kan hamna i en patients journal om ingen är uppmärksam. Inget av detta innebär att tekniken är en dålig satsning. Det betyder bara att införandet förtjänar samma noggrannhet som vilket annat kliniskt verktyg som helst, inte samma entusiasm som en ny mobiltelefon. Låt oss titta på de typiska utmaningarna och hur man kan mildra dem.
Utmaning: Allmänna talmodeller har svårt med läkemedelsnamn, förkortningar och fackuttryck.
Konsekvenser: Feluppfattade termer kan i det tysta förvränga en klinisk anteckning, vilket är en betydligt allvarligare konsekvens än ett stavfel i ett e-postmeddelande.
Begränsning: Använd ASR-modeller som är finjusterade utifrån medicinska datamängder och fackspecifika ordförråd, och vidarebefordra allt som är osäkert till mänsklig granskning.
Utmaning: Noggrannheten minskar märkbart när det gäller utländska accenter och regionala dialekter, vilket är en välkänd svag punkt inom hela branschen.
Konsekvenser: Detta kan leda till sämre dokumentationskvalitet både för vårdpersonal och för patienter från språkgrupper som är underrepresenterade.
Begränsning: Träna eller finjustera modeller på datamängder med olika accenter och stödja flerspråkiga modeller när patientgruppen kräver det.
Utmaning: Hektiska avdelningar, samtal som överlappar varandra och buller från utrustningen försämrar alla transkriptionens kvalitet.
Konsekvenser: Förvrängt ljud innebär mer manuell korrigering, vilket urholkar den tidsbesparing som verktyget var tänkt att ge.
Avbättrande åtgärder: Kombinera riktmikrofoner med modeller för brusreducering och diariseringstekniker som är anpassade för kliniska miljöer.
Utmaning: LLM-baserad sammanfattning kan ibland hitta på detaljer som aldrig har nämnts, vilket är en risk som är specifik för generativa system.
Påverkan: Ett felaktigt angivet symptom eller läkemedel i en journalanteckning utgör en risksituation för patientens säkerhet, inte bara ett besvär.
Avbättrande åtgärder: Se till att det alltid ingår ett steg där en människa granskar resultatet, logga källljudet tillsammans med den genererade texten och utvärdera modellerna mot kliniska noggrannhetsriktmärken innan de tas i bruk.
Utmaning: Vårdpersonal som redan har fullt upp med ett fullspäckat schema är, förståeligt nog, tveksamma till att lära sig använda ett nytt verktyg.
Konsekvenser: En låg användningsgrad innebär att organisationen betalar för en plattform som till största delen står oanvänd.
Begränsning: Börja med en liten pilotgrupp bestående av frivilliga tidiga användare, samla in feedback snabbt och låt resultaten från kollegorna – inte ett påbud – styra den vidare utrullningen.
Utmaning: Äldre elektroniska patientjournaler och sjukhussystem utformades inte med moderna API:er i åtanke.
Påverkan: Utan integration blir röstverktygen ett parallellt arbetsflöde som vårdpersonalen måste sammanställa manuellt, vilket motverkar syftet.
Avbättrande åtgärder: Använd HL7 V2- och FHIR-gränssnittsmotorer, och där det inte finns något fungerande API ska man bygga ett mellanvarulager istället för att tvinga fram en total ombyggnad av kärnsystemen.
I det ögonblick en mikrofon fångar upp någon som beskriver sina symtom upphör den inspelningen att vara en ofarlig ljudfil och blir istället skyddad hälsoinformation (PHI) med rättsliga konsekvenser. Det spelar ingen roll att det bara var ett rutinmässigt uppföljningssamtal. Att behandla detta nonchalant är hur organisationer hamnar på fel sida av en rubrik. En seriös implementering måste ta hänsyn till:
Exakt vilka av dessa som gäller, och i vilken utsträckning, beror på landet, typen av organisation och vad röstuppgifterna används till. Ett sjukhus som spelar in hela kliniska möten har en helt annan riskprofil än en bokningsbot som samlar in telefonnummer. Det är också här som cybersäkerhet av sjukvårdsklass Arbetet är värt sin kostnad, eftersom en röstpipelinen endast är lika tillförlitlig som sin svagaste länk i datahanteringen.
Ingen köper “röstigenkänning för hälso- och sjukvården” direkt från hyllan på samma sätt som man köper en häftapparat. Den sätts ihop, bit för bit, av verktyg som egentligen aldrig var avsedda att användas tillsammans. En typisk lösning liknar inte så mycket en enskild produkt som en välorganiserad verktygslåda:
Att välja från den här listan är inte det svåra. Det svåra är att få komponenterna att kommunicera med varandra på ett tillförlitligt sätt i en reglerad miljö, och det är just där de flesta interna försöken går i stå. Det är just den luckan som Innowise:s teknikteam har till uppgift att fylla.
Kostnaderna varierar enormt beroende på omfattningen. De största kostnadsfaktorerna är djupet på EHR-integration, oavsett om lösningen kräver anpassad finjustering av modellen för ett specifikt specialområde eller en viss dialekt, vilken nivå av säkerhets- och efterlevnadsarbete som krävs, samt hur mycket löpande manuell granskning och övervakning som är inbyggd i arbetsflödet. De slutliga kostnaderna beror på ert specifika omfattningsområde, befintlig infrastruktur och krav, och det enda tillförlitliga sättet att få fram ett konkret belopp är en ordentlig teknisk utvärdering från Innowise.
Att förutsäga framtiden för någon form av AI-relaterad teknik är numera något av ett hopplöst företag, med tanke på hur ofta årets genombrott blir nästa års fotnot. Ändå finns det några inriktningar som dyker upp tillräckligt konsekvent i både forskning och produktplaner för att de ska förtjänar att tas på allvar, och inte avfärdas som ren hype:
Innowise följer redan upp dessa förändringar i pågående hälso- och sjukvårdsprojekt, så nästa avsnitt handlar mindre om teori och mer om hur vi kan hjälpa till.
Vi har utvecklat programvara för hälso- och sjukvård Vi har varit verksamma tillräckligt länge för att veta att ett röstigenkänningsprojekt sällan misslyckas på grund av talmodellen. Det misslyckas på grund av allt annat som omger det: integrationen, arbetet med att uppfylla regelkrav och förändringshanteringen. Det är den delen vi fokuserar på. Vårt team arbetar med:
Om röstigenkänningsfunktionen skulle komma att klassas som ”Software as a Medical Device” (SaMD), omfattas även det redan av certifieringen. Innowise är certifierat enligt ISO 13485, vilket är den kvalitetsledningsstandard som revisorerna specifikt letar efter när det gäller programvara för medicintekniska produkter.
Vi har tidigare hanterat liknande känsliga integrationsuppdrag i reglerade miljöer, till exempel vårt projekt för Telea Medical, en tillverkare av medicintekniska produkter inom EU, där vårt team genomförde en omfattande översyn av en modul för dataväddning i enlighet med strikta standarder för medicintekniska produkter. Du kan läsa om Fallstudie om Telea Medical för att få en uppfattning om hur vi hanterar efterlevnaden av hälso- och sjukvårdsreglerna i praktiken. Det är också en av anledningarna till att organisationer fortsätter att uppmärksamma vårt arbete, så det är värt att ta en titt på vår utmärkelser inom hälso- och sjukvården för en mer utförlig lista.
Det är ett program som omvandlar talat kliniskt språk – antingen från en läkares diktering eller ett helt samtal med en patient – till strukturerad text som kan granskas och läggas in i en journal.
Vid traditionell medicinsk transkription lyssnar vanligtvis en transkriberare på en inspelning och skriver ner innehållet. Röstigenkänning automatiserar denna omvandling, även om en person fortfarande granskar resultatet innan det slutgiltigt godkänns.
Det varierar kraftigt beroende på situationen. Kontrollerat dikteringsarbete kan ge mycket höga noggrannhetsnivåer, medan samtal med flera talare i bullriga miljöer är betydligt svårare – och det är just därför som manuell granskning fortfarande är en del av alla seriösa arbetsflöden.
Ja, genom standarden interoperabilitet mellan hälso- och sjukvårdsdata protokoll som HL7 V2 och FHIR, eller via leverantörsspecifika API:er för de största plattformarna för elektroniska patientjournaler. Det är oftast graden av integration som avgör skillnaden mellan en lyckad och en frustrerande implementering.
Tekniken kan utformas så att den uppfyller HIPAA-kraven, men efterlevnaden beror på hur den implementeras: kryptering, åtkomstkontroller, leverantörsavtal och revisionsloggning måste alla finnas på plats. Det är inte en funktion som ingår som standard.
Ett enkelt dikteringsverktyg kan vara klart inom några veckor. En dokumentationsplattform för omgivningsdata i produktionsklass med fullständig EHR-integration tar vanligtvis flera månader att utveckla, främst på grund av arbetet med efterlevnad och integration, inte på grund av själva AI:n.
Senior Technical Delivery Manager inom hälsa och medicinteknik
Aleh överbryggar klyftan mellan kliniska behov och tekniskt utförande. Han tillämpar djup domänkunskap för att säkerställa att MedTech-system inte bara är kompatibla, utan också tillräckligt tillförlitliga för att göra en mätbar inverkan på den verkliga sjukvården.
