Nabla, una startup de salud digital, lanza Copilot, que utiliza GPT-3 para convertir las conversaciones de los pacientes en acción

La atención médica ha sido considerada como un candidato principal para más aplicaciones de IA, tanto para ayudar en el trabajo clínico como para aligerar algunas de las cargas administrativas que conllevan más tiempo y que conllevan la atención clínica. Ahora, Nabla, la startup de salud digital de París cofundada por el empresario de inteligencia artificial Alexandre Lebrun, afirma ser la primera en crear una herramienta que utiliza GPT-3 para ayudar a los médicos a hacer su trabajo, más específicamente, su papeleo.

Copilot, como se llama el nuevo servicio de Nabla, se lanza hoy como un asistente digital para médicos al que se accede inicialmente como una extensión de Chrome para ayudar a transcribir y reutilizar información de conversaciones de video, con planes para lanzar una herramienta de consulta en persona en unas pocas semanas.

Al seguir a los médicos mientras atienden a los pacientes, Copilot traduce automáticamente esas conversaciones en diferentes puntos finales basados ​​en documentos (por ejemplo, recetas, cartas de citas de seguimiento, resúmenes de consultas) que normalmente resultan de esas reuniones. Se basa en GPT-3, el modelo de lenguaje creado por OpenAI que se utiliza para generar texto humano, que impulsa cientos de aplicaciones, incluido ChatGPT del propio OpenAI.

Nabla fue una de las primeras empresas en experimentar con GPT-3 cuando se lanzó en 2020. Si bien Nabla utiliza actualmente GPT-3 (como cliente de pago) como base de Copilot, Lebrun me dice que el objetivo a largo plazo, acercándose rápido, es construir su propio modelo de lenguaje grande personalizado para el lenguaje particular y las necesidades en medicina y atención médica, para impulsar Copilot, cualquier otra cosa que Nabla construya en el futuro, y potencialmente también aplicaciones para otros.

La primera versión ya tiene cierta tracción, dice la startup: la utilizan médicos en EE. UU. y Francia, así como alrededor de 20 clínicas digitales y presenciales «con importantes equipos médicos».

Aún no se sabe qué usos a gran escala y a largo plazo veremos para las tecnologías de IA generativa, y si ellas y los grandes modelos de lenguaje que las impulsan proporcionarán beneficios o pérdidas netas a nuestro mundo; y si ganarán dinero en el proceso.

Mientras tanto, la atención sanitaria ha sido una de las grandes industrias que la gente ha estado observando con interés para ver cómo responde a estos acontecimientos, aproximadamente en dos corredores de desarrollo. Primero, dónde podría usarse para asistencia clínica, por ejemplo, como se describe en este artículo del que son coautores médicos y académicos de la Facultad de Medicina de Harvard sobre el uso de ChatGPT para diagnosticar pacientes; y segundo, en la automatización para funciones más repetitivas, como se ilustra en este artículo de Lancet sobre el futuro de los resúmenes de alta.

Gran parte de ese trabajo aún se encuentra en sus primeras etapas, sobre todo porque la atención médica es particularmente sensible.

«En todos los grandes modelos lingüísticos existe un riesgo», dijo Lebrun en una entrevista. “Es increíblemente poderoso, pero el cinco por ciento de las veces será completamente incorrecto y no hay forma de controlarlo. Pero en la atención sanitaria nosotros [literally] No puedo vivir con una tasa de error del 5%”.

Sin embargo, en muchos aspectos, la atención médica parece ser un área privilegiada para recibir IA: los médicos están saturados de pacientes y agotados; A nivel mundial nos enfrentamos a una escasez crónica de médicos, en parte debido a que muchos abandonan la profesión y en parte debido al trabajo que se les exige. Además de atender a los pacientes, tienen que dedicar tiempo a ser administradores, con mucha documentación muy específica y formal para registrar los datos de las citas y planificar lo que viene a continuación, lo que exigen las normas y reglamentos, pero también los propios pacientes. Además de todo esto, lamentablemente a veces se dan casos de error humano.

Por otro lado, sin embargo, ya se han digitalizado una serie de pasos en la atención médica, lo que allana el camino para que los pacientes y los médicos estén más abiertos a utilizar más herramientas digitales para ayudar con el resto.

Ese pensamiento fue en parte lo que motivó a Alexandre LeBrun a fundar Nabla en primer lugar, y a apuntar a Copilot específicamente para ayudar a los médicos con tareas administrativas, sin examinar ni asesorar a los pacientes u otro trabajo clínico.

LeBrun tiene un historial en la creación de aplicaciones basadas en lenguajes. En 2013, vendió su startup VirtuOz, descrita en aquel entonces como “Siri para empresas”, a Nuance para encabezar su desarrollo de tecnología de asistente digital para empresas. Luego fundó y finalmente vendió su siguiente startup, Wit.ai, a Facebook, donde él y su equipo trabajaron en la incursión de la red social en los chatbots en Messenger. Luego trabajó en FAIR, el centro de investigación de inteligencia artificial de Facebook en París.

Esas primeras herramientas para que las empresas interactuaran con los clientes se presentaron en gran medida como ayudas de marketing y fidelización de clientes, pero Lebrun creía que también podrían aplicarse en escenarios menos confusos.

“Ya pudimos ver, en 2018, cuánto tiempo dedicaban los médicos a actualizar los registros de los pacientes, y comenzamos a pensar que podíamos llevar la tecnología de inteligencia artificial y [advanced] «El aprendizaje automático se aplica a la atención médica en particular para ayudar con eso», dijo Lebrun.

Curiosamente, Lebrun no me mencionó esto, pero habría hecho esa observación al mismo tiempo que RPA, la automatización robótica de procesos, estaba cobrando impulso en el mercado.

RPA realmente llevó la automatización en la empresa al frente de la mente de las personas. Pero brindar asistencia a los médicos en consultas en vivo es una cuestión más compleja que mecanizar el trabajo de memoria. Con un conjunto relativamente finito de lenguaje y variables temáticas en juego en una consulta médico-paciente, se convirtió en un escenario ideal para que un asistente basado en IA ayudara.

Lebrun discutió la idea con Yann LeCun, quien era su jefe en ese momento y sigue siendo el científico investigador jefe de inteligencia artificial de Facebook. LeCun respaldó su pensamiento, por lo que Lebrun se fue y LeCun se convirtió en uno de los primeros inversores en Nabla.

Nabla tardó un par de años más en revelar ese y otros fondos (ha recaudado casi 23 millones de dólares) que la startup retrasó anunciar para coincidir con su primer producto. Se trataba de una “súper aplicación” de preguntas y respuestas sobre salud para mujeres que les permitía realizar un seguimiento de diferentes preguntas relacionadas con la salud, combinar esa información con otros datos y parecía diseñada principalmente como un vehículo para ayudarla a descubrir qué buscaban las personas en interacciones de salud remotas. y qué se podría construir a partir de eso.

A esto le siguió el año pasado una “pila de tecnología de salud para la participación del paciente” más generalizada, que es interesante porque jugó un poco con la métrica central de los productos anteriores de Lebrun: la participación.

Es posible que se sienta algo escéptico ante una startup que pretende arreglar algo roto en el sector sanitario, sin profesionales médicos entre sus fundadores: además de Lebrun, los otros dos son la directora de operaciones Delphine Groll, que anteriormente dirigió el desarrollo empresarial y las comunicaciones para grupos de medios; y el CTO Martin Raison, que ha trabajado con Lebrun desde Wit.ai.

Ese también fue un punto conflictivo para Lebrun, quien me dijo que consideró suspender la empresa en sus inicios para ir él mismo a la escuela de medicina.

Optó por no hacerlo y, en cambio, se basó en los comentarios y la información de médicos y otros médicos, y los contrató para que trabajaran con la startup para ayudar a dirigir su hoja de ruta, que es como ahora ha llegado al producto independiente de hoy, Copilot.

«Nabla Copilot está diseñado para médicos que desean estar a la vanguardia de la medicina», dijo Jay Parkinson, MD, MPH y director médico de Nabla, en un comunicado. “Como médico, sé que los médicos siempre tienen poco tiempo y tienen mejores cosas que hacer que llenar el formulario. [electronic health record]. Con las notas clínicas superpoderosas de Nabla, los médicos ahora pueden mirar a sus pacientes a los ojos durante toda la consulta y asegurarse de que recuerdan cada palabra que dicen enviándoles el resumen del encuentro”. Parkinson, que se unió a la startup recientemente, es un emprendedor y su startup de telesalud, Sherpaa Health, fue adquirida por Crossover.

Si bien la mejora de la IA generalmente se basa en la ingesta de cada vez más información para entrenar, esa ha sido una parte complicada de la construcción de Copilot. La empresa tiene la opción de compartir datos en todo momento, sin que ningún dato se almacene en sus servidores, además de cumplir con HIPAA y GDPR. Aquellos que acepten compartir información de entrenamiento tendrán sus datos procesados ​​a través de «algoritmos de seudonimización» construidos internamente. Y por ahora, no hay planes para construir asistentes clínicos: no hay sugerencias de diagnósticos ni nada parecido.

Lebrun dijo que era más fácil decirlo que hacerlo. La IA de Nabla, mientras se construía, siguió intentando proporcionar diagnósticos automáticamente a sus usuarios, incluso cuando los ingenieros no se lo pidieron e intentaron que no lo hiciera, dijo Lebrun.

«No queremos excedernos y hacer diagnósticos», dijo, «así que tuvimos que entrenar nuestra IA no Para hacer eso.»

Eso podría ser algo, “un producto diferente”, en un futuro lejano, dijo, pero primero sería necesario lograr mucho más desarrollo e infalibilidad.

«No creemos en los chatbots para la medicina», añadió. «Queremos mejorar la vida de los médicos ahorrándoles tiempo».