Anima: 75 % kortere telefonkø med GPT‑6 og GPT‑Live

Patienthenvendelser, lægebreve og konsultationsnotater skaber alle opgaver, som behandlingsteams skal gennemgå og handle på. Når opgaverne hober sig op, kan patienterne komme til at vente længere på svar, og vigtige oplysninger kan ende i kø.

Anima⁠(åbner i et nyt vindue) samler disse arbejdsgange på én platform med specialiserede AI-kolleger, der indsamler sygehistorier, behandler dokumenter og udarbejder udkast til journalnotater for behandlingsteams. Visionen er personlig tilpasset sundhedsbehandling til alle, drevet af overbevisningen om, at behandlingen skal følge behovet.

Anima begyndte i Storbritannien, hvor platformen nu betjener over 14 millioner patienter på mere end 1.000 klinikker og håndterer over 800.000 sager om måneden. Virksomheden er ved at udvide til USA, Australien og andre lande. Virksomheden bruger GPT‑6‑modeller til dokumenthåndtering og GPT‑Live til opkald. Ifølge Shun Pang, Animas administrerende direktør og medstifter, valgte den OpenAI efter at have sammenlignet ydeevnen for alle closed source- og open source-modeller.

Før Shun grundlagde Anima, havde han under sin kliniske uddannelse oplevet, at en patient gik glip af potentielt livreddende behandling, fordi unormale prøvesvar lå i kø i seks måneder. Han blev overbevist om, at problemet i sundhedsvæsenet ikke handlede om lægevidenskab, men om, hvordan oplysninger bevægede sig gennem systemet. Han skabte Anima for at give behandlingsteams større kapacitet til at imødekomme patienternes behov. Platformen samler patienthenvendelser, kliniske dokumenter og opfølgningsopgaver ét sted.

Animas AI-receptionist, Andi, er bygget på GPT‑Live. Patienter kan beskrive deres symptomer for Andi over telefonen, mens Animas egen regelmotor styrer samtalen gennem deterministiske, klinisk godkendte arbejdsgange til indledende patientkontakt. GPT‑5.4 mini vælger derefter det relevante spørgeskema, og den færdige sygehistorie vises som en struktureret sag i klinikkens dashboard. Læger og klinikpersonale kan gennemgå sagen og handle på den derfra.

Anima oplyser, at klinikker, der bruger Andi, har reduceret telefonventetiden fra 40–50 minutter til 10 minutter – en reduktion på mindst 75 %. I Animas patientundersøgelser svarede 86 %, at de ville bruge Andi igen. Anima konstaterede, at folk i 80'erne og 90'erne var blandt de mest tilfredse brugere. »De er meget glade for at tale med en stemmeagent,« siger Shun. »Den er uendeligt tålmodig og meget høflig.«

Animas produkt Documents bruger GPT‑6‑modeller til at udtrække oplysninger fra indgående kliniske dokumenter, såsom afsender, modtager, dokumenttype og datoer for hændelser. Derefter knytter en proces i flere trin hvert dokument til den rette patient, identificerer de relevante kliniske koder og foreslår næste handling, som klinikpersonalet kan tage stilling til.

Klinisk kodning viste sig at være et af de sværeste tekniske problemer at løse. »Der findes omkring 800.000 mulige SNOMED-koder,« siger Michael Skupien, udviklingschef hos Anima. »Kun en brøkdel bruges regelmæssigt, men klinikkerne vælger stadig forskelligt, når det gælder, hvilke koder de vil bruge.«

I stedet for at bede klinikkerne om at konfigurere systemet eller finjustere særskilte modeller til hver kunde bruger Anima kontekstbaseret læring til at tilpasse modellernes beslutninger til den enkelte klinik. Denne tilgang kræver modeller, der konsekvent kan følge instruktioner.

Ifølge Anima behandler klinikker, der tidligere nåede omkring 15 dokumenter i timen, nu typisk 30–45. De mest effektive klinikker behandler 45–60. »Vi har set klinikker afvikle bunker på over 100.000 ubehandlede dokumenter i løbet af få dage efter at have taget Anima i brug,« siger Shun. »Det betyder, at vigtige opdateringer og medicinændringer hurtigt når frem til behandlerne i stedet for at ligge i kø i månedsvis.«

Når patienter deler vigtige oplysninger, er læger nødt til at dele deres opmærksomhed mellem at lytte og tage noter til journalen. Anima byggede sit Scribe-produkt med GPT 5.6 Luna for at omdanne transskriptioner af konsultationer til strukturerede journalnotater og derefter genbruge de samme kliniske oplysninger til udkast til henvisninger og opfølgende beskeder til patienter.

I stedet for at skrive under hele konsultationen kan lægen rette mere af sin opmærksomhed mod patienten. Anima oplyser, at konsultationsnotater, som før tog flere minutter at skrive, nu udarbejdes som udkast på få sekunder, klar til behandlerens gennemgang. Henvisninger, der ofte tog 5–15 minutter at skrive, kan også udarbejdes som udkast på få sekunder ud fra konsultationen og patientjournalen, klar til behandlerens gennemgang.

»Patienterne modtager tydelige, opfølgende beskeder kort efter konsultationen, hvilket mindsker bekymring og gør det lettere at huske det, der blev sagt,« siger Shun. »Vi hører ofte, at læger nu går hjem til tiden i stedet for at arbejde til klokken 20 eller 21.«

Animas vision er personlig tilpasset sundhedsbehandling til alle. Det kræver, at behandlingsteams har de oplysninger, den tid og den kapacitet, der skal til for at forstå den enkeltes behov og handle på dem gennem hele patientforløbet.

Arbejdet med OpenAI-modeller understøtter konkrete skridt mod den vision. Andi indsamler oplysninger over telefonen og omdanner dem til strukturerede henvendelser, som personalet kan handle på. Documents hjælper teams med at behandle indgående kliniske oplysninger. Scribe udarbejder udkast til notater og opfølgende beskeder, som behandlerne kan gennemgå.

Anima oplyser, at de fleste sager på platformen afsluttes inden for 24 timer, og at medianen for sagsbehandlingstiden er cirka 3,5 timer. »Vi gør en enorm forskel for 14 millioner patienter i Storbritannien med støtte fra OpenAI's modeller,« siger Shun. »Det er helt afgørende for patienterne og klinikkerne.«

Anima giver teams mere tid til patienterne i dag og hjælper dem med at udvikle forløb og tilbud til fremtiden.