La mayoría de los médicos se dedican a la medicina porque quieren ayudar a los pacientes. Pero el sistema de atención médica coetáneo requiere que los médicos dediquen horas cada día a otros trabajos (averiguar en registros médicos electrónicos (EHR), redactar documentación, codificar y facturar, autorizar previamente y resolver la utilización), a menudo superando el tiempo que dedican a atender a los pacientes. La situación provoca agotamiento de los médicos, ineficiencias administrativas y una peor atención genérico a los pacientes.
Ambience Healthcare está trabajando para cambiar eso con una plataforma impulsada por inteligencia sintético que automatiza las tareas rutinarias de los médicos ayer, durante y luego de las visitas de los pacientes.
«Creamos copilotos para brindarles a los médicos superpoderes de IA», dice el director ejecutante de Ambience, Mike Ng MBA ’16, quien cofundó la empresa con Nikhil Buduma ’17. «Nuestra plataforma está integrada directamente en los EHR para permitir que los médicos se concentren en lo más importante, que es dedicar la mejor atención posible al paciente».
El conjunto de productos de Ambience maneja los gráficos previos y la escritura de IA en tiempo auténtico, y ayuda a navegar por las miles de reglas para decantarse los códigos de facturación de seguros correctos. La plataforma igualmente puede mandar resúmenes posteriores a las visitas a los pacientes y sus familias en diferentes idiomas para amparar a todos informados y en sintonía.
Ambience ya se utiliza en aproximadamente 40 instituciones grandes, como UCSF Health, Demanda Hermann Health System, St. Luke’s Health System, John Muir Health y más. Los médicos aprovechan Ambience en docenas de idiomas y más de 100 especialidades y subespecialidades, en entornos como el área de emergencias, los hospitales y la sala de oncología.
Los fundadores dicen que los médicos que utilizan Ambience ahorran de dos a tres horas al día en documentación, informan niveles más bajos de agotamiento y desarrollan relaciones de maduro calidad con sus pacientes.
Del problema al producto y a la plataforma
Ng trabajó en finanzas hasta que pudo observar de cerca el sistema de atención médica luego de fracturarse la espalda en 2012. Al principio le diagnosticaron erróneamente y le asignaron un plan de atención incorrecto, pero en el proceso aprendió mucho sobre el sistema de salubridad de EE. UU. incluyendo cómo se dedica la mayoría de los días de los médicos a documentar visitas, decantarse códigos de facturación y completar otras tareas administrativas. El médico promedio sólo dedica el 27 por ciento de su tiempo a la atención directa al paciente.
En 2014, Ng decidió ingresar a la MIT Sloan School of Management. Durante su primera semana, asistió a la celebración del plan “t=0” organizada por el Martin Trust Center for MIT Entrepreneurship, donde conoció a Buduma. La pareja se hizo amiga rápidamente y terminaron tomando clases juntas, incluidas 15.378 (Construyendo una empresa empresarial) y 15.392 (Escalando empresas empresariales).
«El MIT fue un campo de entrenamiento increíble para evaluar qué hace que una gran empresa sea excelente y asimilar los fundamentos para construir una empresa exitosa», dice Ng.
Buduma había trayecto su propio camino para descubrir los problemas del sistema de atención sanitaria. A posteriori de expatriarse a los EE. UU. desde la India cuando era párvulo y combatir contra problemas de salubridad persistentes, había gastado a sus padres combatir para navegar el sistema médico estadounidense. Mientras completaba su carrera en el MIT, igualmente estuvo involucrado en la comunidad de investigación de IA y escribió uno de los primeros libros de texto sobre IA moderna y estudios profundo.
En 2016, Ng y Buduma fundaron su primera empresa en San Francisco, Remedy Health, que operaba su propia plataforma de atención médica basada en inteligencia sintético. En el proceso de contratar médicos, atender a los pacientes e implementar la tecnología ellos mismos, desarrollaron una apreciación aún más profunda de los desafíos que enfrentan las organizaciones de atención médica.
Durante ese tiempo, igualmente conocieron los avances en IA. El sabio superior de Google, Jeff Dean, un importante inversor en Remedy y ahora en Ambience, dirigió un orden de investigación internamente de Google Brain para inventar la edificio del transformador. Ng y Buduma dicen que estuvieron entre los primeros en poner en producción transformadores para apoyar a sus propios médicos en Remedy. Seguidamente, varios de sus amigos y compañeros de casa comenzaron el gran orden de modelos de jerigonza internamente de OpenAI. El trabajo de sus amigos formó las bases de la investigación que finalmente llevaron a ChatGPT.
«Estaba muy claro que estábamos en este punto de inflexión en el que íbamos a tener esta clase de modelos de uso genérico que iban a mejorar exponencialmente», dice Buduma. “Pero creo que igualmente notamos una gran brecha entre esos modelos de uso genérico y los que en verdad serían lo suficientemente sólidos para funcionar en una clínica. Mike y yo decidimos en 2020 que debería suceder un equipo que se centrara específicamente en perfeccionar estos modelos para la atención médica y la medicina”.
Los fundadores iniciaron Ambience construyendo un escribano con tecnología de inteligencia sintético que funciona en teléfonos y computadoras portátiles para registrar los detalles de las visitas médico-paciente en un sistema compatible con HIPAA que preserva la privacidad del paciente. Rápidamente vieron que era necesario perfeccionar los modelos para cada ámbito de la medicina y poco a poco ampliaron la cobertura de las especialidades, una por una, en un proceso de varios abriles.
Los fundadores igualmente se dieron cuenta de que sus escribas debían adaptarse a las operaciones administrativas, como la codificación y facturación de seguros.
«La documentación no es sólo para el médico, sino igualmente para el equipo del ciclo de ingresos», afirma Buduma. “Tuvimos que retornar antes y reescribir todos nuestros algoritmos para que tuvieran en cuenta la codificación. Hay fielmente decenas de miles de reglas de codificación que cambian cada año y difieren según la fármaco y el tipo de entendimiento”.
A partir de ahí, los fundadores crearon modelos para que los médicos hicieran derivaciones y enviaran resúmenes completos de las visitas a los pacientes.
«En la mayoría de los entornos de atención ayer de Ambience, cuando un paciente y su tribu salían de la clínica, lo que escribían el paciente y su tribu era lo que recordaban de la recepción», dice Buduma. “Esa es una de las características que más les gusta a los médicos, porque intentan crear la mejor experiencia para los pacientes y sus familias. Cuando el paciente está en el estacionamiento, ya tiene en su portal un prontuario en realidad sólido y de incorporación calidad de exactamente lo que usted habló y toda la toma de decisiones compartida en torno a su recepción”.
democratizar la atención sanitaria
Al mejorar la productividad de los médicos, los fundadores creen que están ayudando al sistema de atención médica a resolver una escasez crónica de médicos que se aplazamiento que crezca en los próximos abriles.
«En la atención sanitaria, el paso sigue siendo un gran problema», afirma Ng. «Los estadounidenses de zonas rurales tienen un aventura 40 por ciento maduro de hospitalización evitable, y la fracción de eso se atribuye a la error de paso a atención especializada».
Legado que Ambience ya ayuda a los sistemas de salubridad a resolver márgenes muy reducidos mediante la racionalización de las tareas administrativas, los fundadores tienen una visión a más derrochador plazo para ayudar a aumentar el paso a la mejor información clínica en todo el país.
«Existe una oportunidad en realidad emocionante de democratizar la experiencia en algunos de los principales centros médicos académicos en todo Estados Unidos», dice Ng. “En este momento, simplemente no hay suficientes especialistas en Estados Unidos para apoyar a nuestras poblaciones rurales. Esperamos ayudar a ampliar el conocimiento de los principales especialistas del país a través de una capa de infraestructura de IA, especialmente a medida que estos modelos se vuelven más clínicamente inteligentes”.