Hippocratic AI, 2억 건 이상의 임상 대화 달성, 의료 부족 문제 해결

Vivek Muppalla는 참석자들에게 의료 제공자로부터 사전 예방적 의료 전화를 받아본 사람이 몇 명이나 되는지 물으며 토론을 시작했고, 거의 아무도 손을 들지 않았다고 언급했습니다. 이러한 관찰은 의료 시스템 내의 중요한 문제, 즉 임상의와 가용 시간 부족을 강조하며, 이는 환자 치료에 대한 반응적이고 선별 기반의 접근 방식으로 이어집니다.

이러한 부족은 의료 제공자가 일반적으로 가장 아픈 환자에게만 연락하게 만들고, 인구의 상당 부분을 예방적 또는 사전 예방적 건강 지원 없이 방치합니다. Muppalla는 이를 부족의 특징으로 설명하며, 시스템이 즉각적이고 급성적인 필요를 넘어 포괄적인 치료를 제공하는 데 어려움을 겪고 있음을 나타냅니다.

Hippocratic AI는 환자에게 선제적으로 전화하여 임상 대화를 수행하도록 설계된 제품을 개발했습니다. 이 플랫폼은 이미 2억 건 이상의 상호 작용을 촉진했습니다. 이러한 광범위한 규모는 시스템이 방대한 양의 환자 커뮤니케이션을 처리할 수 있는 능력을 보여줍니다.

이러한 대화는 60개 이상의 다양한 의료 시스템에서 진행되어 의료 산업 내에서 광범위한 채택과 통합을 보여줍니다. 엄청난 수의 상호 작용은 사전 예방적 의료의 범위를 크게 확장할 수 있는 AI의 잠재력을 강조합니다.

Vivek Muppalla는 Hippocratic AI의 사명이 인간 임상의를 대체하는 것이 아니라 그들의 역량을 증강하는 것이라고 강조했습니다. 목표는 임상의가 이전에는 자원 제약으로 인해 도달할 수 없었던 환자들에게 도달할 수 있도록 하는 것입니다. 이 접근 방식은 AI 지원을 통해 인간 직원의 역량을 확장하여 인력 부족 문제를 해결합니다.

이 플랫폼은 임상의가 더 넓은 환자 집단을 관리하도록 돕고, 더 많은 개인이 필요한 사전 예방적 치료를 받을 수 있도록 합니다. AI는 일상적인 임상 대화를 처리함으로써 인간 임상의가 더 복잡한 사례와 직접적인 환자 치료에 집중할 수 있도록 해줍니다.

AI 시스템은 약물 이름 인식과 같은 강력한 임상 기능을 보여줍니다. 시연에서 AI는 약물 이름을 정확하게 식별하고 철자를 돕는 데 성공했습니다. 이 기능은 처방 및 치료 계획과 관련된 환자 커뮤니케이션의 정확성을 보장하는 데 중요합니다.

AI 에이전트는 중요한 의료 정보를 명확히하고 확인하여 환자 안전을 강화하고 오해로 인해 발생할 수 있는 잠재적 오류를 줄이도록 설계되었습니다.

AI 시스템의 또 다른 주요 임상 기능은 실시간으로 환자 활력 징후를 확인할 수 있는 능력입니다. 대화 중에 AI 에이전트는 환자가 제공한 혈압 및 심박수 판독값을 정확하게 낭독한 다음 확인을 요청했습니다. 이 기능은 중요한 건강 데이터가 올바르게 이해되고 기록되도록 보장하며, 이는 환자 상태를 모니터링하는 데 필수적입니다.

이 실시간 명확화는 활력 통계 기록 오류 위험을 최소화하여 보다 신뢰할 수 있는 데이터 수집 및 후속 임상 의사 결정을 가능하게 합니다. 이러한 민감한 정보를 처리하는 시스템의 정밀성은 의료 환경에 대한 적합성을 강조합니다.

Vivek Muppalla는 Hippocratic AI 개발의 핵심 공학적 과제로 지능과 대기 시간의 균형을 맞추는 것을 꼽았습니다. 의료 대화의 경우 시스템은 복잡한 임상 정보를 이해하고 안전하게 응답할 만큼 지능적이어야 하며, 동시에 자연스럽고 상호 작용적인 대화를 유지할 만큼 빨라야 합니다. 이러한 균형을 달성하는 것은 효과적인 환자 참여에 중요합니다.

그는 오디오 처리의 모든 복잡성을 제거하면 근본적인 문제는 이 두 가지 상호 연결된 측면으로 단순화된다고 설명했습니다. 환자 상호 작용의 안전은 AI가 정확하고 신속하게 처리하고 응답하는 능력에 크게 의존하므로, 이는 개발 팀의 중요한 집중 분야입니다.

Hippocratic AI는 "지능-대기 시간 플라이휠" 전략을 사용하여, 대기 시간을 줄이기 위한 모든 최적화가 모델의 지능을 향상시키는 데 재투자됩니다. 이 연속적인 주기는 단순히 성능 향상을 쌓는 것이 아니라, 시스템이 확보한 추가 시간을 더 정교한 지능을 통합하는 데 사용한다는 것을 의미합니다. 이는 AI가 속도 저하 없이 지속적으로 더 똑똑해지는 복합적인 효과를 창출합니다.

대기 시간 감소를 적극적으로 모색함으로써 엔지니어링 팀은 AI의 임상 추론 및 대화 기능을 향상시킬 기회를 만듭니다. 이 반복적인 프로세스는 의료 상호 작용의 고유한 요구 사항을 충족하는 고도로 지능적이고 반응성이 뛰어난 시스템을 구축하는 데 필수적입니다.

이 접근 방식은 AI가 더 복잡한 임상 시나리오를 처리하고 더 미묘한 응답을 제공하는 동시에 효과적인 환자 커뮤니케이션에 필요한 실시간 상호 작용을 유지할 수 있도록 합니다. 플라이휠은 한 영역의 발전이 다른 영역의 개선을 직접적으로 촉진하여 견고하고 지속적으로 진화하는 시스템을 만듭니다.

Hippocratic AI는 임상 대화의 안전과 이중화를 보장하기 위해 다중 모델 접근 방식을 채택했습니다. 이 아키텍처는 환자 상호 작용에서 용납할 수 없는 단일 실패 지점을 방지하도록 설계되었습니다. 여러 모델을 활용함으로써 시스템은 정보와 응답을 교차 검증하여 신뢰성을 크게 향상시킬 수 있습니다.

이러한 이중화는 치명적인 오류 위험을 최소화하므로 환자 안전을 유지하는 데 중요합니다. 반대로 단일 모델은 단일 모델 내의 어떤 오류나 부정확성도 환자 치료에 심각한 결과를 초래할 수 있으므로 더 높은 위험을 안고 있습니다.

Hippocratic AI는 오디오-텍스트 처리 기능을 향상시키기 위해 특수 디코더 전용 오디오 LLM 시스템을 개발하여 일반적인 음성-텍스트 시스템을 넘어섰습니다. 이 고급 접근 방식을 통해 음성 언어를 보다 효과적이고 정확하게 전사할 수 있으며, 이는 미묘한 임상 대화에 중요합니다. 오디오를 텍스트로 단순히 변환하는 표준 시스템과 달리, 맞춤형 LLM은 의료 토론의 맥락을 더 잘 이해하고 해석할 수 있습니다.

정확성을 개선하고 단어 오류율을 줄이기 위해 Hippocratic AI는 문맥 편향을 사용합니다. 이 기술은 약물 이름과 같은 의료 용어에 대한 가능한 예측을 무한한 어휘에서 추측하는 대신 유한한 목록으로 좁힐 수 있도록 합니다. 대화와 관련된 사전 정의된 임상 목록을 활용함으로써 AI는 더 정확한 전사를 만들 수 있습니다.

이러한 목표 지향적인 접근 방식은 특정 용어가 흔한 의료 분야에서 특히 효과적입니다. 문맥 편향은 전사의 신뢰성을 크게 향상시켜 약물 이름과 같은 중요한 의료 정보가 정확하게 캡처되도록 보장합니다.

Hippocratic AI는 임상 대화에서 많은 환자 응답이 단어 하나임을 인식하고, 이러한 단어 응답에 대해 특별히 2차 채점 라운드를 구현했습니다. 이 중요한 기능은 "a"가 "no"로, "five"가 "fine"으로 바뀌는 등 단어 하나가 잘못 해석될 경우 의료 환경에서 치명적일 수 있는 전사 오류의 높은 위험을 해결합니다. 이 시스템은 환자가 단어 하나만 말했을 때 이를 식별하고 추가적인 검증 계층을 적용하여 정확성을 보장하도록 설계되었습니다.

이 특수 채점 라운드는 환자 데이터와 임상 결정의 무결성을 유지하는 데 필수적입니다. 잠재적으로 모호한 단어 응답에 집중함으로써 AI는 중요한 정보의 오해 가능성을 크게 줄여 환자 안전을 향상시킵니다.

목표는 심각한 결과를 초래할 수 있는 전사 오류를 제거하여 아무리 짧더라도 모든 정보가 AI 시스템에 의해 정확하게 캡처되고 이해되도록 하는 것입니다.

Hippocratic AI는 특히 스케줄링과 같은 작업을 수행하는 에이전트 시스템에 대해 도구 호출 및 매개변수 데이터의 정확성을 보장하기 위해 백그라운드 검증 장치를 통합합니다. 이러한 검증 장치는 모든 매개변수가 도구 호출에 정확하게 입력되고 응답 또한 정확한지 지속적으로 확인합니다. 이 검증 계층은 약속 예약과 같이 높은 정확성을 요구하는 작업에 필수적입니다.

스케줄링과 같은 사용 사례의 경우, 이 엄격한 검증 프로세스는 높은 정확도(3949, 아마도 99.49% 또는 유사)를 달성하는 데 도움이 되었습니다. 이러한 정밀도는 환자 치료에서 잘못된 약속이나 기타 물류 문제로 이어질 수 있는 오류를 방지하는 데 중요합니다.

Hippocratic AI는 의료 AI에 대한 무손실 속도 최적화를 강력히 강조합니다. 이는 처리 속도의 어떤 개선도 출력의 품질이나 정확성을 손상시켜서는 안 된다는 것을 의미합니다. 회사는 임상 응용 분야에서 사소한 품질 타협조차도 환자 안전과 치료에 중대하고 잠재적으로 불리한 결과를 초래할 수 있음을 인식합니다.

속도를 향상시키기 위한 모든 최적화는 임상 정보의 무결성과 상호 작용의 안전이 완전히 보존되도록 세심하게 설계됩니다. 이 원칙은 효율성 향상이 의료 환경에서 가장 중요한 신뢰성을 희생시키지 않도록 보장합니다.

Vivek Muppalla는 99%의 정확도조차도 종종 우수하다고 여겨지지만, 의료 스케줄링에서 환자 치료에는 불충분하고 문제가 된다고 강조했습니다. 그는 1%의 오류율이 하루에 100명이 잘못된 약속 유형을 받는 것을 의미할 수 있다고 설명했습니다. 이러한 오류는 단순히 불편한 것이 아니라 심각한 영향을 미 미칠 수 있습니다.

환자는 잘못된 날짜나 시간에 나타나 시간과 자원을 낭비할 수 있습니다. 더 중요하게는, 이러한 오류로 인해 환자가 중요한 약속을 놓쳐 필수적인 진단이나 치료가 지연될 수 있습니다. 따라서 Hippocratic AI는 환자 안전과 운영 효율성을 보장하기 위해 훨씬 더 높은 수준의 정확도를 추구합니다.

Hippocratic AI는 임상 안전을 보장하기 위해 인적 임상의를 평가 및 데이터 유효성 검사 프로세스에 통합합니다. 이 플랫폼은 지속적인 평가를 위해 인적 입력과 합성 데이터의 조합을 활용합니다. 7,000명 이상의 숙련된 임상의가 플랫폼 성능 평가에 적극적으로 참여하여 필수적인 피드백과 감독을 제공합니다.

이러한 human-in-the-loop 접근 방식은 AI의 정확성, 임상 적절성 및 전반적인 안전성을 확인하는 데 중요합니다. 의료 전문가의 전문 지식을 활용함으로써 Hippocratic AI는 모델을 개선하고 의료 응용 프로그램에 필요한 엄격한 표준을 충족하도록 보장할 수 있습니다.

Hippocratic AI는 환자 상호 작용에서 공감의 중요성을 인식하고 공감적 커뮤니케이션을 측정하고 보장하기 위해 HEART(Human Experience for AI in Real-Time)라는 특수 벤치마크를 개발했습니다. 환자가 AI 시스템에 편안하게 마음을 열려면 음성과 대화 방식이 공감을 전달해야 합니다. 이 벤치마크는 AI의 상호 작용이 임상적으로 정확할 뿐만 아니라 연민적이고 이해심 있는지 확인하는 데 도움이 됩니다.

이러한 공감에 대한 집중은 환자와 AI 간의 신뢰를 구축하고 효과적인 커뮤니케이션을 육성하는 데 중요합니다. 공감 벤치마크를 설정하고 충족함으로써 Hippocratic AI는 환자에게 보다 지원적이고 인간 중심적인 경험을 제공하는 것을 목표로 합니다.

Hippocratic AI는 지난 몇 년간 채용 프로세스와 운영 전략을 변경하여 "AI 네이티브" 팀을 육성했습니다. 회사는 초보 엔지니어와 숙련된 소프트웨어 엔지니어 모두를 위한 특수 레지던시 프로그램을 운영하여 각각 에이전트 고용 및 AI 전문성 개발에 중점을 둡니다. 이 이니셔티브는 AI 기반 의료 분야의 고유한 도전 과제와 기회를 처리할 수 있도록 특별히 갖춰진 인력을 구축하려는 노력을 강조합니다.