Förbättra Clinical Ambient Intelligence med syntetiska patientläkarsamtal

Bemyndigande av vårdgivare och patienter: Förbättra ML-träning med syntetiska patient-läkarsamtal i en klinisk miljö.

Syntetisk datagenerering

Projektöversikt

I den dynamiska hälsovårdsbranschen är effektiv kommunikation mellan vårdgivare och patienter av avgörande betydelse för att leverera kvalitetsvård. Men traditionella metoder för interaktion mellan patient och leverantör möter ofta utmaningar när det gäller att fånga nyanserna i medicinska samtal.

I ett försök att främja medicinsk utbildning togs ett nytt tillvägagångssätt för att skapa syntetiska samtal mellan praktiserande/riktiga läkare och patienter i USA. Genom att simulera verkliga konversationer kan vårdgivare förbättra patientutbildningen, förbättra kommunikationen och effektivisera vården. Projektet syftade till att samla in och transkribera ljud från rollspelade interaktioner för kliniska AI-modellutbildningsändamål, med fokus på spontanitet och realistiska scenarier.

Nyckelstatistik

Timmar av syntet
data som samlats in

2,000 Hrs

Antal
Läkare

850+

Användningsfall

Syntetisk ljudgenerering &
Transkription

Utmaningar

Fånga krångligheterna i medicinska samtal

Syntetiska samtal behövde vara realistiska och korrekt återspegla komplexiteten i verkliga medicinska interaktioner, inklusive medicinsk terminologi, patientsymptom och vårdgivares bedömningar.

Säkerställa mångfald och representation

Projektet syftade till att skapa en mångsidig pool av syntetiska konversationer som representerade ett brett spektrum av accenter, etniciteter och åldersgrupper, vilket speglar mångfalden av den amerikanska befolkningen.

Upprätthålla dataintegritet och säkerhet

Strikta åtgärder har implementerats för att skydda deltagarnas integritet, vilket säkerställer att ingen personlig information delas eller äventyras under datainsamlings- och transkriptionsprocesserna.

Kvalitetskontroll

Hantera meningslösa eller saknade detaljer i maskingenererade scenarier samtidigt som det pedagogiska värdet av interaktionerna bevaras.

Deltagarförberedelser

Deltagarna behövde bekanta sig med tillhandahållna scenarier utan att direkt läsa från dem under interaktionen.

Balanserar omgivande brus

En viktig utmaning var att hantera omgivande ljudnivåer för att säkerställa att bakgrundsljuden tillförde realism utan att skymma den primära konversationen, vilket kräver exakt ljudbalansering.

Konsekvent ljudkvalitet

Olika akustiska egenskaper över olika inspelningsinställningar gav svårigheter att upprätthålla konsekvent ljudkvalitet för alla sessioner.

Lösning

För att övervinna dessa utmaningar antog projektet följande strategier:

  • Syntetiska samtal mellan patient och läkare spelades in i en klinisk miljö, för vilka riktiga läkare som specialiserat sig på olika sjukvårdsområden rekryterades. Dessa yrkesmän bidrog till att utveckla konversationer utformade för att framkalla naturlig dialog som reflekterade typiska medicinska scenarier, såsom högt blodtryck, diabetes, smärtbehandling etc. som nära liknade flödet och nyanserna i faktiska mänskliga samtal.
  • Rekryterade en mångsidig deltagarpool för att återspegla mångfalden av den amerikanska befolkningen och sjukvårdspersonal för att säkerställa en mångsidig pool av talare, som fångar ett brett spektrum av accenter, etnicitet och åldersgrupper. Och därför rekryterades riktiga läkare som praktiserade inom olika sjukvårdsspecialiteter från olika delar av USA.
  • Shaip implementerade stränga datasekretess- och säkerhetsprotokoll med ett unikt identifieringssystem för att spåra talarens deltagande samtidigt som anonymiteten bibehölls.
  • Tillhandahöll riktlinjer för deltagare om hur man hanterar orimligt maskingenererat innehåll.
  • Ett nyanserat lager av miljöljud (Ambient Noise Inclusion) integrerades, representativt för en aktiv vuxenvårdsklinik. 100 % av inspelningarna innehöll omgivande klinik- eller sjukhusbullerfaktorer, såsom fläktljud, mekaniskt brum, pip från medicinsk utrustning och tyst
    bakgrundskonversationer.
  • Real World Clinic Simulation för varje inspelningsplats arrangerades noggrant för att spegla dimensionerna och akustiken i ett standardrum på 8×8 fot familjemedicin, som inte överstiger 200 kvadratfot, med liknande hårda golvgolv. Rummen var inredda med viktiga föremål som stolar, bord, skåp och undersökningsbord för att skapa en typisk klinisk miljö.

Projekt i ett ögonkast

  • Omfattning: Ljudinsamling och transkription av syntetiska hälsointeraktioner.
  • Varaktighet: Varje interaktion syftade till 5 minuter eller mer, med ett genomsnitt på 10 minuter.
  • Volym: 2,000 XNUMX timmars syntetiska vårdgivare och patientsamtal genererade.
  • interaktioner: 12,000 24,000-10 XNUMX individuella syntetiska interaktioner med XNUMX minuters genomsnittlig varaktighet.
  • Geografi: Endast USA-baserade deltagare.
  • Mångfaldsmål:
    •  Kön: 400 män, 400 kvinnor, 50 icke-binära eller ej avslöjade.
    • Ålder: Jämn fördelning över åldersgrupper från 20 till 60+.
    • Etnicitet: 55 % av deltagarna var kaukasiska amerikaner, 8 % afroamerikaner, 8 % latinamerikaner, 20 % asiatiska och 9 % övriga
  • Teknik: Användning av iPhone och Android-enheter för inspelning.
  • Vårdpersonals deltagande: Läkare, läkarassistenter, sjuksköterskor och sjuksköterskor.

Den Utfall

Syntetiska vårdgivare och patientsamtal har potential att revolutionera hur sjukvården levereras. Genom att utnyttja AI kan vi förbättra kommunikationen, förbättra patientutbildningen och effektivisera vården, vilket i slutändan leder till bättre patientresultat.

  • Syntetiska konversationer av hög kvalitet: Projektet genererade framgångsrikt 2,000 XNUMX timmar av högkvalitativa syntetiska vårdgivare och patientsamtal, vilket uppfyllde kundens krav på noggrannhet, mångfald och integritet.
  • Balanserad representation: En hälsosam blandning av kön, åldrar och etnisk bakgrund bland deltagarna, vilket bidrog till utbildningsmaterialets äkthet och inkluderande.
  • Omfattande databas: Etablerat ett förråd av syntetiska samtal som kan användas för olika tränings- och medicinska utbildningsändamål.
  • Förbättrad kommunikation: De syntetiska samtalen utgjorde en värdefull resurs för vårdgivare och forskare, vilket gjorde det möjligt för dem att förbättra patientvården och kommunikationsstrategier.
  • Effektiviserade processer: De AI-genererade samtalen hjälpte till att effektivisera dokumentationsprocesser, minska den administrativa bördan och göra det möjligt för vårdgivare att fokusera mer på patientvård.
  • Förbättrad realism: Den kontrollerade men ändå autentiska miljön ökade avsevärt realismen i träningsdatan, vilket gav medicinsk personal en mer uppslukande inlärningsupplevelse.
  • Ljudmångfald: Mångfalden av bakgrundsljud i inspelningarna lade till ett extra lager av komplexitet till träningen, och förberedde praktikanter för verkliga kliniska miljöer där flera auditiva stimuli förekommer.

Shaips integration av realistiskt omgivningsljud i deras läkare och patientsamtal har avsevärt höjt våra träningsdata. Uppmärksamheten på miljödetaljer i dessa högkvalitativa inspelningar har inte bara berikat inlärningsupplevelsen utan också bättre förberett våra leverantörer för den dynamiska karaktären hos patientvårdsmiljöer. Vi har sett anmärkningsvärda förbättringar i patientinteraktioner, leverantörseffektivitet och noggrannheten i våra dokumentationsprocesser som ett resultat.
Shaips engagemang för datasekretess och säkerhet stärker ytterligare vårt förtroende för deras tjänster. Vår organisation är glada över att upprätthålla och utöka detta fruktbara samarbete.

Gyllene-5-stjärniga