ElevenLabs annonce Scribe v3 Live Medical, un modèle de transcription médicale conçu pour les appels téléphoniques en temps réel. Il est construit sur Scribe v3 Live, le modèle de reconnaissance vocale en temps réel le plus récent de l’entreprise, et optimisé pour le langage clinique. Il est disponible dès maintenant dans ElevenAgents, la plateforme d’agents vocaux de la société.
Un agent vocal agit sur ce qu’il entend pendant un appel. Lorsqu’un patient déclare prendre de la sitagliptine contre le diabète, l’agent peut ajouter ce médicament à sa liste pour qu’un clinicien la examine. Or les noms de médicaments se prêtent facilement à une erreur d’écoute. Lors de ses propres tests, ElevenLabs a constaté qu’un modèle de transcription avait retranscrit sitagliptine en citalopram, un antidépresseur. Pour beaucoup de personnes, ces appels constituent la première étape pour joindre leur équipe de soins, et un agent ne peut les aider que s’il comprend correctement ce qui lui est dit.
Des appels où les détails cliniques comptent
Selon ElevenLabs, les noms de médicaments et les posologies figurent rarement dans le langage courant, ce qui en fait les mots qu’un modèle temps réel généraliste risque le plus de mal transcrire. Scribe v3 Live Medical reprend l’orientation clinique de Scribe v2 Medical, déjà proposé pour les enregistrements audio, comme la dictée ou les comptes rendus de consultation. Il est destiné aux appels de patients, d’adhérents ou de prestataires de soins où il est question d’un médicament à l’admission, d’une intervention lors d’une demande d’accord préalable ou d’un symptôme lors d’un suivi. Il est aussi utilisé pour des appels sans aucun contenu clinique, comme la prise de rendez-vous ou les horaires d’ouverture, l’entreprise affirmant qu’il conserve sa précision sur le langage courant.
Plusieurs fonctions complètent le modèle. Les équipes peuvent charger jusqu’à 10 000 termes personnalisés, que le modèle n’utilise que lorsqu’un appelant semble prononcer l’un d’eux. Selon l’entreprise, avec une telle liste, Scribe v3 Live Medical a commis jusqu’à 48 % d’erreurs en moins sur les termes médicaux. Le modèle reconnaît également qu’un numéro n’est pas terminé, ce qui évite à l’agent de couper la parole à un appelant qui épelle son numéro d’adhérent par groupes de chiffres. Enfin, il prend en charge plus de 90 langues et suit les changements de langue en cours d’appel.
Des résultats fondés sur les tests de l’entreprise
Sur PriMock57, un jeu de données public de 57 consultations de médecine générale simulées d’environ neuf minutes chacune, Scribe v3 Live Medical affiche un taux d’erreur de mots (WER) de 12,8 %, soit 17 % d’erreurs de moins que le modèle médical suivant le plus performant. Sur Fareez OSCE, qui regroupe 272 entretiens enregistrés dans le cadre d’examens cliniques, il obtient le taux d’erreur sémantique le plus bas des modèles médicaux testés, à 0,6 %. ElevenLabs précise que ces résultats proviennent de ses propres tests, réalisés en mode temps réel avec chaque modèle dans sa meilleure configuration disponible, et ne couvrent pas tous les modèles existants.
Côté latence, Scribe v3 Live transcrit la parole en environ 150 millisecondes, et Scribe v3 Live Medical atteint, selon les tests, la même valeur. Sur Eka Medical ASR, il commet 4,7 % d’erreurs de moins que Scribe v3 Live, soit 11 % contre 11,54 % de taux d’erreur sémantique.
Protection des données de santé
Les agents de santé entendent des informations de santé protégées (PHI) lors de nombreux appels : noms, dates de naissance, numéros d’adhérent, médicaments et symptômes. Selon ElevenLabs, Scribe v3 Live Medical est éligible à HIPAA pour les clients entreprises disposant d’un accord de partenariat commercial (BAA) et ayant activé le mode Zero Retention. Les données des patients sont stockées par défaut aux États-Unis, et les entreprises qui le souhaitent peuvent utiliser des environnements isolés dans l’Union européenne, en Inde ou à Singapour.
Plusieurs équipes ont déjà commencé à développer des agents avec le modèle. Idin Jafari, directeur de la stratégie numérique et de l’innovation chez Pfizer, juge que « l’expérience d’interaction avec Eleven v4 Turbo et Scribe v3 Live Medical est phénoménale », ajoutant que « l’agent sonne de manière réaliste et qu’il est plus précis sur les noms de marque et les noms génériques qui reviennent dans nos conversations ». Shantanu Ghorai, fondateur et directeur des opérations de Vintage Labs AI, affirme pour sa part que la plateforme VIA de l’entreprise, qui gère des appels avant et après intervention, « comprend mieux les patients » et que « les infirmières peuvent désormais se fier au résumé d’appel sans réécouter l’enregistrement ».
