A ElevenLabs anuncia o Scribe v3 Live Medical, um modelo de transcrição médica concebido para chamadas telefónicas em tempo real. É construído sobre o Scribe v3 Live, o modelo de reconhecimento de voz em tempo real mais recente da empresa, e otimizado para a linguagem clínica. Está disponível desde já no ElevenAgents, a plataforma de assistentes vocais da empresa.
Um assistente vocal age com base no que ouve durante uma chamada. Quando um paciente declara tomar sitagliptina para a diabetes, o assistente pode adicionar esse medicamento à sua lista para que um clínico a reveja. Contudo, os nomes dos medicamentos são particularmente propensos a erros de audição. Nos seus próprios testes, a ElevenLabs constatou que um modelo de transcrição tinha transcrito sitagliptina como citalopram, um antidepressivo. Para muitas pessoas, estas chamadas constituem o primeiro passo para contactar a sua equipa de cuidados, e um assistente só as pode ajudar se compreender corretamente o que lhe é dito.
Chamadas onde os detalhes clínicos são importantes
Segundo a ElevenLabs, os nomes de medicamentos e as dosagens raramente fazem parte da linguagem comum, o que os torna nas palavras que um modelo de tempo real de uso geral tem maior probabilidade de transcrever mal. O Scribe v3 Live Medical retoma a orientação clínica do Scribe v2 Medical, já disponível para gravações de áudio, como ditados ou relatórios de consultas. Destina-se a chamadas de pacientes, beneficiários ou prestadores de cuidados onde se discuta um medicamento na admissão, um procedimento num pedido de autorização prévia ou um sintoma num acompanhamento. Também é utilizado para chamadas sem qualquer conteúdo clínico, como marcação de consultas ou horários de funcionamento, com a empresa a afirmar que mantém a sua precisão na linguagem comum.
Várias funcionalidades complementam o modelo. As equipas podem carregar até 10.000 termos personalizados, que o modelo só utiliza quando um interlocutor parece pronunciar um deles. Segundo a empresa, com tal lista, o Scribe v3 Live Medical cometeu até 48% menos erros nos termos médicos. O modelo também reconhece quando um número não está completo, evitando que o assistente interrompa um interlocutor que soletra o seu número de beneficiário por grupos de dígitos. Por fim, suporta mais de 90 idiomas e acompanha as mudanças de idioma durante a chamada.
Resultados baseados nos testes da empresa
No PriMock57, um conjunto de dados público de 57 consultas simuladas de medicina geral com cerca de nove minutos cada, o Scribe v3 Live Medical apresenta uma taxa de erro de palavras (WER) de 12,8%, ou seja, 17% menos erros do que o modelo médico seguinte mais eficaz. No Fareez OSCE, que reúne 272 entrevistas gravadas no âmbito de exames clínicos, obtém a taxa de erro semântico mais baixa dos modelos médicos testados, com 0,6%. A ElevenLabs esclarece que estes resultados provêm dos seus próprios testes, realizados em modo de tempo real com cada modelo na sua melhor configuração disponível, e não abrangem todos os modelos existentes.
Em termos de latência, o Scribe v3 Live transcreve a fala em cerca de 150 milissegundos, e o Scribe v3 Live Medical atinge, segundo os testes, o mesmo valor. No Eka Medical ASR, comete 4,7% menos erros do que o Scribe v3 Live, ou seja, 11% contra 11,54% de taxa de erro semântico.
Proteção dos dados de saúde
Os assistentes de saúde ouvem informações de saúde protegidas (PHI) em muitas chamadas: nomes, datas de nascimento, números de beneficiário, medicamentos e sintomas. Segundo a ElevenLabs, o Scribe v3 Live Medical é elegível para HIPAA para clientes empresariais com um acordo de parceria comercial (BAA) e que tenham ativado o modo Zero Retention. Os dados dos pacientes são armazenados por defeito nos Estados Unidos, e as empresas que o desejem podem utilizar ambientes isolados na União Europeia, na Índia ou em Singapura.
Várias equipas já começaram a desenvolver assistentes com o modelo. Idin Jafari, diretor de estratégia digital e inovação na Pfizer, considera que «a experiência de interação com o Eleven v4 Turbo e o Scribe v3 Live Medical é fenomenal», acrescentando que «o assistente soa de forma realista e é mais preciso nos nomes de marca e nos nomes genéricos que surgem nas nossas conversas». Shantanu Ghorai, fundador e diretor de operações da Vintage Labs AI, afirma por sua vez que a plataforma VIA da empresa, que gere chamadas antes e após intervenção, «compreende melhor os pacientes» e que «as enfermeiras podem agora confiar no resumo da chamada sem ter de voltar a ouvir a gravação».
