Oscar

ကျန်းမာရေးစောင့်ရှောက်မှုလုပ်ငန်းက အလွန်ရှုပ်ထွေးသည်ဟု နာမည်ကြီးသည်။ ကျန်းမာရေးနည်းပညာကုမ္ပဏီတစ်ခုဖြစ်သော Oscar Health သည် လူနာများ၏ စောင့်ရှောက်မှုအဆင့်တိုင်းတွင် ဝန်ဆောင်မှုပေးနိုင်ရန် နည်းပညာနှင့် ဒေတာကို အသုံးချရန် ယုံကြည်ထားသည်။ “ဘာသာစကားမော်ဒယ်တွေက ကျွန်တော်တို့အတွက် လက်တွေ့ကမ္ဘာရဲ့ ရှုပ်ထွေးမှုကို ရှင်းလင်းတဲ့ ဒစ်ဂျစ်တယ်အစီအစဉ်တစ်ခုအဖြစ် ပြောင်းလဲနိုင်တယ်လို့ ပထမဆုံး ထင်စေခဲ့တာပါ” ဟု Oscar ၏ ပူးတွဲတည်ထောင်သူနှင့် နည်းပညာအရာရှိချုပ် Mario Schlosser က ဆိုသည်။

Oscar အတွက် OpenAI နှင့် လက်တွဲရန် ဆုံးဖြတ်ချက်မှာ အလွန်ရှင်းလင်းခဲ့သည်။ “ကျန်းမာရေးစောင့်ရှောက်မှုအတွက် အထူးသင့်လျော်သော အသုံးပြုမှုအခြေအနေများကို တိုင်းတာရန် ကိုယ်ပိုင် dataset များကို အသုံးပြုပြီး အဓိက မော်ဒယ်အားလုံးကို ပုံမှန် benchmark လုပ်ပါတယ်” ဟု Oscar ၏ အကြီးတန်း Product Manager နှင့် AI R&D ဦးဆောင်သူ Nikhita Luthra က ရှင်းပြသည်။ “OpenAI မော်ဒယ်တွေက တစ်သမတ်တည်း အကောင်းဆုံး စွမ်းဆောင်နိုင်ပါတယ်။”

စည်းမျဉ်းလိုက်နာမှု လွယ်ကူခြင်းသည်လည်း အရေးကြီးသော အချက်တစ်ခု ဖြစ်ခဲ့သည်။ Oscar သည် OpenAI နှင့် Business Associate Agreement (BAA)⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကို လက်မှတ်ရေးထိုးသော ပထမဆုံး အာမခံကုမ္ပဏီ ဖြစ်သည်။ ယင်းကြောင့် Oscar သည် HIPAA စည်းမျဉ်းလိုက်နာမှုကို သေချာစေပြီး လျင်မြန်စွာ စတင်အသုံးပြုနိုင်ခဲ့သည်။ “OpenAI က ဒေတာကို တကယ်တာဝန်ယူမှုရှိပြီး စည်းမျဉ်းနှင့်ညီတဲ့ နည်းလမ်းနဲ့ အသုံးပြုနေကြောင်း သေချာစေဖို့ အလွန်ကောင်းတဲ့ မိတ်ဖက်တစ်ဦး ဖြစ်ခဲ့ပါတယ်” ဟု Luthra က ဆိုသည်။

Oscar သည် ကျန်းမာရေးစောင့်ရှောက်မှုကုန်ကျစရိတ်ကို မြင့်တက်စေသော ပင်ပန်းရှုပ်ထွေးသည့် manual လုပ်ငန်းစဉ်များကို မြန်ဆန်စေပြီး အလိုအလျောက်လုပ်ဆောင်ရန် AI ကို အသုံးပြုခဲ့သည်။ ၎င်းတို့သည် အောက်ပါ အသုံးပြုမှုအခြေအနေများတွင် အောင်မြင်မှု ရရှိခဲ့သည်-

ဆေးဘက်ဆိုင်ရာ မှတ်တမ်းတင်ခြင်း။ လူနာနှင့် ဆေးဘက်ဆိုင်ရာအဖွဲ့ကြား စကားပြောဆိုမှု တစ်ကြိမ်ကို မှတ်တမ်းတင်ရန် လူတစ်ယောက်အနေဖြင့် မိနစ် ၂၀ ကျော် ကြာနိုင်သည်။ OpenAI ၏ API ဖြင့် Oscar သည် ဆေးကုသမှုဆိုင်ရာ စကားပြောဆိုမှုများကို မှတ်တမ်းတင်ခြင်းနှင့် ဓာတ်ခွဲစမ်းသပ်မှုရလဒ်များကို သုံးသပ်ခြင်းအတွက် အသုံးချချိန်ကို ၄၀% နီးပါး လျှော့ချနိုင်ခဲ့ပြီး ကုမ္ပဏီတစ်ဝန်း အချိန်နာရီပေါင်းများစွာကို သက်သာစေခဲ့သည်။ ထို့အပြင် ပိုမိုခက်ခဲအဆင့်မြင့်သော အလုပ်များအပေါ် သူနာပြုများနှင့် ဆေးဘက်ဝန်ထမ်းများ အာရုံစိုက်နိုင်စေရန် ကူညီပေးခြင်းအားဖြင့် အလုပ်ပင်ပန်းနွမ်းနယ်မှုကိုလည်း လျှော့ချပေးသည်။ ၎င်းသည် အစသာရှိသေးသည်—R&D သုတေသနအရ GPT‑4 သည် အချို့ကိစ္စများတွင် ထုတ်လုပ်မှုစွမ်းအားတိုးတက်မှုကို ၉၀% အထိ ရရှိစေနိုင်သည်။

တောင်းဆိုမှုဆိုင်ရာ အကူအညီပေးစနစ် တည်ဆောက်ခြင်း။ တောင်းဆိုမှုတစ်ခု၏ ဖြစ်စဉ်တစ်လျှောက်လုံးကို နားလည်ရန်မှာ စာချုပ်ဆိုင်ရာ အပြောင်းအလဲအမျိုးမျိုး သန်းပေါင်းများစွာ ပါဝင်နေသောကြောင့် အလွန်ရှုပ်ထွေးသော အလုပ်ဖြစ်သည်။ ဆရာဝန်တစ်ဦးက တောင်းဆိုမှုတစ်ခုအကြောင်း မေးခွန်းရှိလာသောအခါ Oscar ၏ အဖွဲ့များသည် ထိုတောင်းဆိုမှုကို ဆောင်ရွက်ရာ ခရီးစဉ်တစ်လျှောက် ပြုလုပ်ခဲ့သော ဆုံးဖြတ်ချက်တိုင်း၏ အသေးစိတ်မှတ်တမ်းများကို လမ်းကြောင်းရှာရသည်။ OpenAI ၏ API ဖြင့် Oscar သည် claim trace ကို ထိရောက်စွာ လမ်းညွှန်နိုင်ပြီး လူနာ၏ တောင်းဆိုမှုများနှင့်ပတ်သက်သည့် မေးခွန်းများကို ဖြေကြားသည့် လုပ်ငန်းစဉ်ကို အလိုအလျောက်လုပ်ဆောင်ပေးသော assistant တစ်ခုကို တည်ဆောက်ခဲ့သည်။

ဤ claims assistant သည် claims processing အဖွဲ့က escalations များကို ဖြေရှင်းရန်လိုအပ်သော အချိန်ကို ၅၀% လျှော့ချပေးခဲ့ပြီး တိကျမှန်ကန်မှုမှာလည်း လူ့အေးဂျင့်များနှင့် တန်းတူ သို့မဟုတ် ပိုမိုကောင်းမွန်သည်။ Oscar သည် တစ်လလျှင် ticket အနည်းဆုံး ၄,၀၀၀ ခု သို့မဟုတ် နှစ်အကုန်တွင် ticket ၄၈,၀၀၀ ခုအတွက် စုံစမ်းစစ်ဆေးမှုများကို အလိုအလျောက်လုပ်ဆောင်နိုင်မည်ဟု မျှော်လင့်ထားသည်。

ဆေးမှတ်တမ်းများတွင် လူနာအတွက် အရေးကြီးသော အချက်အလက်များ ပါဝင်ပြီး ကျန်းမာရေးစောင့်ရှောက်မှုစနစ်တစ်လျှောက် အသုံးပြုကြသော်လည်း ၎င်းတို့ကို အလွန်ဖွဲ့စည်းမှုမရှိဘဲ ရှုပ်ထွေးနေသော သဘာဝဘာသာစကားဖြင့် ရေးသားထားသည်။ အရှုပ်ထွေးဆုံးနှင့် အပြင်းထန်ဆုံး ကျန်းမာရေးအခြေအနေရှိသော လူနာများအတွက် ၎င်းတို့သည် စာမျက်နှာ ၅၀၀ အထိ ရှည်နိုင်သည်။ ဆေးမှတ်တမ်းတစ်ခုထဲမှ သက်ဆိုင်ရာ အချက်အလက်တစ်ခုကို ရှာဖွေရခြင်းသည် မြက်ပုံထဲမှ အပ်တစ်ချောင်း ရှာရသလို ဖြစ်သည်။ OpenAI နှင့် လက်တွဲခြင်းအားဖြင့် Oscar သည် ယခင်က လက်တွေ့မကျခဲ့သော ဆေးမှတ်တမ်းဆိုင်ရာ အလွန်အားကောင်းသော အသုံးပြုမှုအခြေအနေများကို ဖွင့်လှစ်နေပါသည်၊ ဥပမာ -

• ဆေးဘက်ဝန်ထမ်းများက အာမခံတောင်းဆိုမှုများကို ပိုမိုမြန်ဆန်စွာ သုံးသပ်နိုင်ရန် လူနာနှင့်ပတ်သက်သည့် သက်ဆိုင်ရာ အချက်အလက်များကို ရှာဖွေပေးခြင်း
• လူနာနှင့် တွေ့ဆုံမည့် မတိုင်မီ ဝန်ဆောင်မှုပေးသူကို ပြင်ဆင်ထားနိုင်စေရန် ယခင်ဆေးမှတ်တမ်းများကို အကျဉ်းချုပ်ပေးပြီး ပိုမိုထိရောက်ကာ တစ်ဦးချင်းလိုအပ်ချက်နှင့် ကိုက်ညီစေခြင်း
• “ဒီ ဆီးချိုရောဂါလူနာတွေထဲက ဘယ်သူတွေက ဆက်တိုက်ဂလူးကိုစ်စောင့်ကြည့်မှုအတွက် သင့်တော်မလဲ” ကဲ့သို့သော မေးခွန်းများကို ဖြေဆိုနိုင်ရန် ဆေးမှတ်တမ်းအများအပြားထဲမှ အချက်အလက်များကို ထုတ်ယူကာ ခွဲခြမ်းစိတ်ဖြာခြင်း

ဤကိစ္စသည် တန်းတူညီမျှမှုနဲ့လည်း ဆိုင်သည်။ “အပြင်းထန်ဆုံးနဲ့ အရှုပ်ထွေးဆုံး ကျန်းမာရေးအခြေအနေရှိတဲ့ လူနာတွေက အရှည်ဆုံး ဆေးမှတ်တမ်းတွေရှိပြီး၊ အဲဒီမှတ်တမ်းတွေက ရှာဖွေဖို့၊ ခွဲခြမ်းဖို့၊ အကျဉ်းချုပ်ဖို့ အခက်ခဲဆုံး ဖြစ်တတ်တယ်ဆိုတဲ့ ဘက်လိုက်မှုတစ်ခု စနစ်ထဲမှာ ရှိနေပါတယ်” ဟု Luthra က ရှင်းပြသည်။

Oscar က AI ကို လက်ခံအသုံးပြုထားတာထက် ပိုပြီး AI နဲ့ပဲ အသက်ရှင်လှုပ်ရှားနေပါတယ်။ ကုမ္ပဏီက AI Pod ဗဟိုအဖွဲ့တစ်ဖွဲ့ကို တည်ထောင်ထားပြီး ၎င်းအဖွဲ့၏ တာဝန်မှာ product၊ data science နှင့် operations ကဲ့သို့သော အခြားအဖွဲ့များကို ၎င်းတို့၏ အသုံးပြုမှုအခြေအနေများတွင် AI အသုံးချနိုင်ရန် လုပ်ငန်းစဉ်တစ်လျှောက် ကူညီလမ်းညွှန်ပေးခြင်း ဖြစ်သည်။ AI ကို AI အတွက်သာ သုံးမည့်အစား စီးပွားရေးပြဿနာများကို အစကတည်းက အပြည့်အဝ နားလည်ခြင်းက အောင်မြင်မှု၏ သော့ချက်ဟု Oscar က ယုံကြည်သည်။ “အရမ်းရှုပ်ထွေးတဲ့ ပြဿနာတစ်ခုကို ကိုက်လောက်အောင် သေးငယ်တဲ့ အလုပ်တာဝန်တွေခွဲခြမ်းနိုင်တဲ့အခါ အအောင်မြင်ဆုံး အသုံးချမှုတွေ ဖြစ်လာတာကို ကျွန်မတို့ တွေ့ခဲ့ရပါတယ်” ဟု Luthra က ရှင်းပြခဲ့သည်။ ထို့ကြောင့် Oscar သည် ပညာရေးဆိုင်ရာ ဂုဏ်ပြုမှုများ သို့မဟုတ် သုတေသနထုတ်ဝေမှုအညွှန်းများထက် ဇွဲ၊ နှိမ့်ချမှုနှင့် သိချင်စိတ်ကို ပိုအလေးထားသော လူအင်အားရွေးချယ်မှု အတွေးအခေါ်ကို လိုက်နာသည်။ “ဒါကို လုပ်နိုင်တဲ့လူတွေဟာ လက်တွေ့ကမ္ဘာမှာ လူတွေ ပြဿနာတွေကို ဘယ်လို ခွဲခြမ်းဖြေရှင်းကြသလဲဆိုတာကို အလွန်စိတ်ဝင်စားကြသူတွေပါ။ ကျွန်မတို့ Pod အဖွဲ့ဝင် ခြောက်ယောက်ထဲက ငါးယောက်က အမျိုးသမီးတွေဖြစ်ပြီး အားလုံးက အသက် ၂၀ နဲ့ ၃၀ ကျော်ပိုင်းတွေမှာပဲ ရှိကြပါတယ်—ဒါက AI ဖွံ့ဖြိုးတိုးတက်မှုရဲ့ စွမ်းဆောင်ရည်အမြင့်ဆုံးနယ်ပယ်ကို မည်သူမဆို တိုးတက်စေနိုင်တယ်ဆိုတာ ပြသပါတယ်။” Oscar သည် ကိုယ်တိုင်လည်း စည်းမျဉ်းသတ်မှတ်ထိန်းကျောင်းမှုများ ပြုလုပ်ထားပြီး ကျန်းမာရေးစောင့်ရှောက်မှုတွင် AI ကို တာဝန်ယူမှုရှိပြီး ကျင့်ဝတ်နှင့်ညီစွာ အသုံးပြုနိုင်ရန် စံနှုန်းများကို ကြိုတင်သတ်မှတ်ခဲ့သည်။ White House နှင့် ပူးပေါင်းကာ ၎င်းတို့သည် အကြီးမားဆုံး ကျန်းမာရေးအာမခံပေးသူများနှင့် ဝန်ဆောင်မှုပေးသူ ၃၇ ဖွဲ့ပါဝင်သော မဟာမိတ်အဖွဲ့ကို ဦးဆောင်ပြီး AI အသုံးပြုမှုဆိုင်ရာ အခြေခံမူများ⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)ကို ပူးပေါင်းဖွံ့ဖြိုးတိုးတက်စေကာ လိုက်နာဆောင်ရွက်ခဲ့သည်။

Oscar သည် generative AI နှင့်ပတ်သက်သော အမြင်များကို ကုမ္ပဏီဘလော့ဂ်နှင့် လူမှုမီဒီယာများပေါ်တွင် ဂုဏ်ယူစွာ မျှဝေထားသည်။ “ကျန်းမာရေးစောင့်ရှောက်မှုကဏ္ဍထဲက လူတိုင်းဟာ တူညီတဲ့ ပြဿနာတွေကို ရင်ဆိုင်နေကြတာပါ” ဟု Schlosser က ဆိုသည်။ “ကျွန်တော်တို့က ပြဿနာတစ်ခုကို အရင်ဖြေရှင်းနိုင်ရင် အဲဒါကို တခြားသူတွေကို ပြောပြသင့်ပါတယ်—သူတို့ကလည်း သူတို့ ဖြေရှင်းခဲ့တာကို ကျွန်တော်တို့ကို ပြန်ပြောမယ်၊ အဲဒါက တိုးတက်မှုလည်ပတ်မှုကို စတင်လည်ပတ်စေဖို့ အလွန်ကောင်းတဲ့ နည်းလမ်းပါပဲ။” အစကတည်းက Oscar သည် AI ကို ပုံမှန်ထပ်ခါတလဲလဲ လုပ်ရတဲ့ အလုပ်များကို အလိုအလျောက်လုပ်ဆောင်ရန်သာ အသုံးဝင်တဲ့ ကိရိယာတစ်ခုအဖြစ် မမြင်ခဲ့ဘဲ၊ ကျန်းမာရေးစောင့်ရှောက်မှုတွင် အလွန်လိုအပ်နေသော ပြောင်းလဲရေးတစ်ရပ်ကို ဖွင့်လှစ်ပေးမည့် သော့ချက်အဖြစ် မြင်ခဲ့သည်။ “အုပ်ချုပ်ရေးပိုင်း အသုံးပြုမှုတွေကို နည်းနည်းချင်း လွယ်ကူအောင်လုပ်ရုံနဲ့ မကျေနပ်သင့်ပါဘူး” ဟု Schlosser က ဆိုသည်။ “ဒီမော်ဒယ်တွေကို သင့်ဆရာဝန်နဲ့အတူ ဆေးကုသမှုဆိုင်ရာ ပြဿနာတစ်ခုကို ဖြေရှင်းရာမှာ အထောက်အကူပြုဖို့ အသုံးချနိုင်အောင် မျှော်မှန်းသင့်ပါတယ်။ နောက်လာမယ့် သုံးနှစ်ကနေ ငါးနှစ်အတွင်း ဆရာဝန်တွေကို တွေ့ရတဲ့ ကုန်ကျစရိတ်နဲ့ ဆေးရုံတက်ရတဲ့ ကုန်ကျစရိတ်ကို ၁၀ ဆ လျှော့ချနိုင်ဖို့ လိုပါတယ်။ အဲဒါကို လုပ်နိုင်မယ့် တစ်ခုတည်းသော နည်းလမ်းက မော်ဒယ်ကို အဓိကဗဟိုမှာထားဖို့ပါ—မှတ်တမ်းရေးသားပေးရုံမကဘဲ အဖွဲ့ဝင်နဲ့ ဝန်ဆောင်မှုပေးသူကြား အပြန်အလှန်ဆက်ဆံမှုတွေထဲကိုပါ ပေါင်းစည်းသွားဖို့ပါ။”