Oscar

ჯანდაცვის ინდუსტრია ცნობილია თავისი სირთულით. Oscar Health, ჯანდაცვის ტექნოლოგიური კომპანია, თვლის, რომ ტექნოლოგიისა და მონაცემების გამოყენებით პაციენტებს მათი ზრუნვის თითოეულ ეტაპზე უნდა მოემსახუროს. „ენობრივი მოდელები იყო პირველი შემთხვევა, როცა ვიფიქრეთ: რეალური სამყაროს არეულობა შეგიძლია მკაფიო, ციფრულ გეგმად გარდაქმნა,“ — თქვა Oscar-ის თანადამფუძნებელმა და მთავარმა ტექნოლოგიურმა დირექტორმა მარიო შლოსერმა.

Oscar-ისთვის OpenAI-თან პარტნიორობა აშკარა გადაწყვეტილება იყო. „ჩვენ რეგულარულად ვადარებთ ყველა მთავარ მოდელს ჯანდაცვაზე მორგებული გამოყენების შემთხვევებისთვის შექმნილ საკუთრების მონაცემთა ნაკრებებზე,“ — განმარტა Oscar-ის უფროსმა პროდუქტის მენეჯერმა და AI R&D-ის ხელმძღვანელმა ნიხიტა ლუთრამ. „OpenAI-ის მოდელები მუდმივად საუკეთესოდ მუშაობენ.“

კომპლაიანსის სიმარტივე ასევე მნიშვნელოვანი ფაქტორი იყო. Oscar იყო პირველი სადაზღვევო კომპანია, რომელმაც OpenAI-თან Business Associate Agreement (BAA)⁠(იხსნება ახალ ფანჯარაში)-ს მოაწერა ხელი. ამან Oscar-ს სწრაფად ამუშავების შესაძლებლობა მისცა და ამავე დროს HIPAA-ს შესაბამისობა უზრუნველყო. „OpenAI შესანიშნავი პარტნიორი იყო იმაში დასარწმუნებლად, რომ მონაცემები მართლაც პასუხისმგებლიანად და შესაბამისობის დაცვით გამოიყენება,“ — თქვა ლუთრამ.

Oscar-მა AI გამოიყენა დამღლელი ხელით შესასრულებელი პროცესების დასაჩქარებლად და ავტომატიზებისთვის, რომლებიც ჯანდაცვის ხარჯებს ზრდის. წარმატება მათ შემდეგ გამოყენების შემთხვევებში ნახეს:

კლინიკური დოკუმენტაცია. პაციენტსა და სამედიცინო გუნდს შორის ერთი საუბრის დოკუმენტირებას ადამიანს შეიძლება 20 წუთზე მეტი დასჭირდეს. OpenAI-ის API-ის დახმარებით, Oscar-მა სამედიცინო მოვლის შესახებ საუბრის დოკუმენტირებასა და ლაბორატორიული ტესტების შედეგების გადახედვაზე დახარჯული დრო თითქმის 40%-ით შეამცირა, რითაც კომპანიაში უთვალავი საათი დაზოგა და, ნაკლებად ხელშესახები მხრივ, გადაწვის შემცირებასაც შეუწყო ხელი, რადგან ექთნებსა და კლინიკოსებს უფრო მაღალი დონის ამოცანებზე კონცენტრირების საშუალება მისცა. ეს მხოლოდ დასაწყისია — R&D აჩვენებს, რომ ზოგიერთ შემთხვევაში GPT‑4‑ს პროდუქტიულობის ზრდა 90%-მდე შეუძლია.

პრეტენზიების ასისტენტის შექმნა. პრეტენზიის მთელი ისტორიის გაგება უკიდურესად რთული სამუშაოა, რადგან საქმეში მილიონობით სახელშეკრულებო ცვლადია ჩართული. როცა ექიმს პრეტენზიასთან დაკავშირებით კითხვა უჩნდება, Oscar-ის გუნდებს უწევთ ნავიგაცია დეტალურ ჟურნალებში, სადაც პრეტენზიის დამუშავების გზაზე მიღებული ყველა გადაწყვეტილებაა ასახული. OpenAI-ის API-ის დახმარებით, Oscar-მა შექმნა ასისტენტი, რომელიც პრეტენზიის კვალს ეფექტიანად მიჰყვება და პაციენტის პრეტენზიების შესახებ კითხვებზე პასუხის გაცემის პროცესს ავტომატიზებას უკეთებს.

პრეტენზიების ასისტენტმა ესკალაციების გადაჭრისთვის საჭირო დრო პრეტენზიების დამუშავების გუნდში 50%-ით შეამცირა, ხოლო სიზუსტე ადამიან აგენტებთან ტოლი ან მათზე უკეთესი აქვს. Oscar მოელის, რომ თვეში სულ მცირე 4,000 ტიკეტის, ანუ წლის ბოლომდე 48,000 ტიკეტის გამოძიებას ავტომატიზებს.

სამედიცინო ჩანაწერები პაციენტების შესახებ კრიტიკულად მნიშვნელოვან ინფორმაციას შეიცავს და ჯანდაცვის მთელ ეკოსისტემაში გამოიყენება, თუმცა ისინი ძალიან არასტრუქტურირებულ და მოუწესრიგებელ ბუნებრივ ენაზეა დაწერილი. ყველაზე რთული და მწვავე ჯანმრთელობის მდგომარეობის მქონე პაციენტებისთვის მათი მოცულობა 500 გვერდამდეც შეიძლება აღწევდეს. სამედიცინო ჩანაწერში შესაბამისი ინფორმაციის პოვნა თივის ზვინში ნემსის ძებნას ჰგავს. OpenAI-თან პარტნიორობით, Oscar სამედიცინო ჩანაწერებთან დაკავშირებულ ძალიან ძლიერ გამოყენების შემთხვევებს ხსნის, რაც ადრე პრაქტიკულად შეუძლებელი იყო, მაგალითად:

• კლინიკოსებისთვის პაციენტის შესახებ შესაბამისი ინფორმაციის პოვნაში დახმარება, რათა სადაზღვევო პრეტენზიები უფრო სწრაფად განიხილონ
• წინა სამედიცინო ჩანაწერების შეჯამება, რათა პაციენტთან შეხვედრამდე პროვაიდერი უკეთ მოემზადოს და პროცესი უფრო ეფექტიანი და პერსონალიზებული გახდეს
• მრავალი სამედიცინო ჩანაწერიდან ინფორმაციის ამოღება და ანალიზი ისეთ კითხვებზე პასუხის გასაცემად, როგორიცაა: „ამ დიაბეტიან პაციენტებს შორის ვისთვის იქნებოდა უწყვეტი გლუკოზის მონიტორინგი კარგი არჩევანი?“

საქმე თანასწორობასაც ეხება: „სისტემაში არის მიკერძოება, რომლის მიხედვითაც ყველაზე მწვავე და რთული ჯანდაცვის მდგომარეობის მქონე პაციენტებს ყველაზე გრძელი სამედიცინო ჩანაწერები აქვთ, და სწორედ ისინი არის ყველაზე რთული მოსაძებნი, გასაანალიზებელი და შესაჯამებელი,“ — განმარტა ლუთრამ.

Oscar-მა AI უბრალოდ კი არ მიიღო — ის ამით ცხოვრობს და სუნთქავს. კომპანიამ შექმნა ცენტრალიზებული AI Pod, რომლის მისიაა, სხვა გუნდებს, როგორიცაა პროდუქტის, მონაცემთა მეცნიერებისა და ოპერაციების გუნდები, უხელმძღვანელოს საკუთარი გამოყენების შემთხვევებისთვის AI-ის დანერგვის პროცესში. AI-ის უბრალოდ AI-ის გულისთვის გამოყენების ნაცვლად, Oscar-ს სჯერა, რომ წარმატების გასაღები თავიდანვე ბიზნესპრობლემების სრულად გაგებაა. „ვნახეთ, რომ ყველაზე წარმატებული გამოყენების შემთხვევები მაშინ ხდება, როცა ძალიან რთულ პრობლემას მცირე, მარტივად სამართავ ამოცანებად ვშლით,“ — განმარტა ლუთრამ. ეს განსაზღვრავს ნიჭისადმი მიდგომასაც: Oscar უფრო მეტად აფასებს სიმტკიცეს, თავმდაბლობას და ცნობისმოყვარეობას, ვიდრე გამოქვეყნებულ ნაშრომებზე ციტირებებს ან აკადემიურ აღიარებას: „ადამიანები, ვისაც ეს შეუძლია, ისინი არიან, ვინც უკიდურესად ცნობისმოყვარეა იმით, თუ როგორ შლიან ადამიანები პრობლემებს რეალურ სამყაროში. ჩვენი Pod-ის ექვსი წევრიდან ხუთი ქალია, და ყველა ჩვენგანი ოცდაათ წლამდე ან ოცდაათებშია — რაც აჩვენებს, რომ AI-ის განვითარების მოწინავე საზღვრებს წინ არ მიუძღვის ერთი კონკრეტული სტერეოტიპი.“ Oscar-მა ასევე თვითრეგულაციაც დანერგა და პროაქტიულად დააწესა სტანდარტები, რათა უზრუნველეყო, რომ AI ჯანდაცვაში პასუხისმგებლობითა და ეთიკურად გამოიყენება. თეთრ სახლთან პარტნიორობით, მათ უხელმძღვანელეს 37 უმსხვილესი ჯანდაცვის გადამხდელისა და სერვისის მიმწოდებლის კოალიციას, რათა ერთობლივად შეემუშავებინათ და დაეცვათ AI-ის გამოყენების პრინციპები⁠(იხსნება ახალ ფანჯარაში).

Oscar სიამაყით აზიარებს გენერაციული AI-ის შესახებ მიღებულ ცოდნას თავისი კომპანიის ბლოგსა და სოციალურ მედიაში. „ჯანდაცვაში ყველა ერთსა და იმავე საკითხებს ეჭიდება,“ — თქვა შლოსერმა. „თუ პრობლემას პირველად ჩვენ გადავჭრით, ამის შესახებ სხვებსაც უნდა ვუთხრათ — ისინიც გვეტყვიან, რა გადაჭრეს, და ეს შესანიშნავი გზაა ამ მამოძრავებელი ციკლის დასაწყებად.“ დასაწყისიდანვე Oscar AI-ს მხოლოდ რუტინული ამოცანების ავტომატიზაციის ინსტრუმენტზე მეტად აღიქვამდა — მათთვის ის ჯანდაცვაში მეტად საჭირო რევოლუციის გასაღებია. „ჩვენ არ გვინდა მხოლოდ ადმინისტრაციული გამოყენების შემთხვევების გამარტივების პერიფერიაზე ვიტრიალოთ,“ — თქვა შლოსერმა. „უნდა ვისწრაფოდეთ, რომ ეს მოდელები გამოვიყენოთ ექიმთან ერთად კლინიკური საკითხის გადასაჭრელად. მომდევნო სამიდან ხუთ წელიწადში ექიმთან ვიზიტისა და საავადმყოფოში ყოფნის ღირებულება 10-ჯერ უნდა შევამციროთ. ამის ერთადერთი გზა არის, რომ მოდელი პროცესის ცენტრში მოვაქციოთ — არა მხოლოდ ჩანაწერების საწარმოებლად, არამედ წევრსა და პროვაიდერს შორის ურთიერთობებში ინტეგრაციისთვისაც.“