Scribe v3 Live Medical pomaga chatbotom lepiej odtwarzać szczegóły kliniczne

Scribe v3 Live Medical pomaga chatbotom lepiej odtwarzać szczegóły kliniczne
4 min czytania

Firma ElevenLabs ogłasza Scribe v3 Live Medical, model transkrypcji medycznej zaprojektowany do rozmów telefonicznych w czasie rzeczywistym. Zbudowano go na bazie Scribe v3 Live, najnowszego modelu rozpoznawania mowy w czasie rzeczywistym firmy, i zoptymalizowano pod kątem języka klinicznego. Jest już dostępny w ElevenAgents, platformie głosowych agentów firmy.

Agent głosowy działa na podstawie tego, co słyszy podczas rozmowy. Gdy pacjent mówi, że przyjmuje sitagliptynę na cukrzycę, agent może dodać ten lek do listy do przejrzenia przez klinicystę. Jednak nazwy leków łatwo pomylić. We własnych testach ElevenLabs odkrył, że jeden z modeli transkrypcji rozpoznał sitagliptynę jako citalopram, lek przeciwdepresyjny. Dla wielu osób te rozmowy są pierwszym krokiem do kontaktu z zespołem opieki zdrowotnej, a agent może pomóc tylko wtedy, gdy prawidłowo zrozumie, co się do niego mówi.

Rozmowy, w których liczą się szczegóły kliniczne

Według ElevenLabs nazwy leków i dawkowanie rzadko pojawiają się w języku potocznym, co sprawia, że są to słowa, które ogólny model czasu rzeczywistego najprawdopodobniej źle przetranskrybuje. Scribe v3 Live Medical przejmuje kliniczne ukierunkowanie Scribe v2 Medical, już oferowanego do nagrań audio, takich jak dyktanda czy notatki z wizyt. Przeznaczony jest do rozmów z pacjentami, członkami lub świadczeniodawcami, dotyczących np. leków przy przyjęciu, procedury przy wniosku o uprzednią zgodę lub objawów podczas monitorowania. Używa się go także do rozmów bez treści klinicznych, takich jak umawianie wizyt czy godziny otwarcia, a firma twierdzi, że zachowuje on swoją dokładność w języku potocznym.

Model uzupełnia kilka funkcji. Zespoły mogą załadować do 10 000 terminów niestandardowych, których model używa tylko wtedy, gdy rozmówca wydaje się wymawiać któryś z nich. Według firmy, z taką listą Scribe v3 Live Medical popełnił do 48% mniej błędów w terminach medycznych. Model rozpoznaje także, gdy numer nie jest zakończony, co zapobiega przerywaniu przez agenta rozmówcy, który literuje swój numer członkowski grupami cyfr. Wreszcie obsługuje ponad 90 języków i śledzi zmiany języka podczas rozmowy.

Wyniki oparte na testach firmy

Na PriMock57, publicznym zbiorze danych zawierającym 57 symulowanych konsultacji medycyny rodzinnej trwających około dziewięciu minut każda, Scribe v3 Live Medical osiąga współczynnik błędów słownych (WER) na poziomie 12,8%, czyli o 17% mniej błędów niż następny najlepszy model medyczny. Na Fareez OSCE, który obejmuje 272 nagrane wywiady z egzaminów klinicznych, osiąga najniższy wśród testowanych modeli medycznych współczynnik błędów semantycznych, wynoszący 0,6%. ElevenLabs podkreśla, że wyniki te pochodzą z własnych testów firmy, przeprowadzonych w trybie czasu rzeczywistego z każdym modelem w jego najlepszej dostępnej konfiguracji, i nie obejmują wszystkich istniejących modeli.

Jeśli chodzi o opóźnienie, Scribe v3 Live transkrybuje mowę w około 150 milisekund, a Scribe v3 Live Medical osiąga, według testów, tę samą wartość. Na Eka Medical ASR popełnia o 4,7% mniej błędów niż Scribe v3 Live, czyli odpowiednio 11% wobec 11,54% współczynnika błędów semantycznych.

Ochrona danych zdrowotnych

Agenci opieki zdrowotnej słyszą chronione informacje zdrowotne (PHI) podczas wielu rozmów: nazwiska, daty urodzenia, numery członkowskie, leki i objawy. Według ElevenLabs, Scribe v3 Live Medical kwalifikuje się do HIPAA dla klientów korporacyjnych posiadających umowę partnerską (BAA) i którzy włączyli tryb Zero Retention. Dane pacjentów są domyślnie przechowywane w Stanach Zjednoczonych, a firmy, które tego chcą, mogą korzystać z izolowanych środowisk w Unii Europejskiej, Indiach lub Singapurze.

Kilka zespołów już rozpoczęło tworzenie agentów z tym modelem. Idin Jafari, dyrektor ds. strategii cyfrowej i innowacji w Pfizer, uważa, że „doświadczenie interakcji z Eleven v4 Turbo i Scribe v3 Live Medical jest fenomenalne », dodając, że „agent brzmi realistycznie i jest dokładniejszy w przypadku nazw handlowych i generycznych, które pojawiają się w naszych rozmowach ». Z kolei Shantanu Ghorai, założyciel i dyrektor operacyjny Vintage Labs AI, twierdzi, że platforma VIA jego firmy, obsługująca rozmowy przed i po zabiegu, „lepiej rozumie pacjentów » i że „pielęgniarki mogą teraz polegać na podsumowaniu rozmowy bez konieczności ponownego odsłuchiwania nagrania ».

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x