Skambučių centro optimizacija

Kalbos atpažinimas medicinos centruose / Projektai

Kuriame dirbtiniu intelektu valdomą skambučių centro asistento prototipą „Medicall”, kad supaprastintume skambučių valdymą ir pagerintume pacientų patirtį medicinos įstaigose.

Kauno poliklinika per mėnesį sulaukia daugiau nei 95 000 skambučių iš 34 operatorių. Dėl per didelio skambučių skaičiaus ir sudėtingo pacientų užklausų pobūdžio pacientai susiduria su ilga laukimo trukme ir vėluojančiais atsakymais. 

Tikslai

Pagrindinis šio projekto tikslas - pakeisti pacientų užklausų valdymą, susitikimų planavimą ir bendravimą. Automatizuojant įprastas užduotis ir teikiant pagalbą operatoriams realiuoju laiku, sprendimas skambučių centrą pavers veiksmingesne ir operatyvesne sistema, užtikrinančia geresnę pacientų ir sveikatos priežiūros paslaugų teikėjų patirtį. Automatizuota kalbos transkripcija į tekstą leis paversti tiesioginius pacientų pokalbius į tekstą realiuoju laiku, užtikrinant, kad operatoriai galėtų tiksliai suprasti ir atsakyti į užklausas. Kontekstinis atsakymų generavimas pasiūlys atsakymus realiuoju laiku pagal pacientų užklausas, padėdamas operatoriams greičiau ir tiksliau atsakyti į klausimus. Paskyrimų planavimas padės rezervuoti susitikimus, susiejant gydytojo užimtumą ir pacientų pageidavimus, kad būtų galima efektyviai planuoti susitikimus. Po kiekvieno skambučio automatiškai sukuriama skambučio santrauka, kurią operatorius gali peržiūrėti ir užbaigti, taip padidinant dokumentacijos greitį ir tikslumą.

Sprendimas

Šios naujovės pagrindas - pagal užsakymą sukurti ir galingi dirbtinio intelekto modeliai, įskaitant „Whisper“ ir „Wav2Vec2“, kad būtų galima realiuoju laiku transkribuoti pokalbius lietuvių kalba net ir triukšmingoje ar sudėtingoje aplinkoje. Šie modeliai leis sistemai fiksuoti pacientų pokalbius ne mažiau kaip 85% tikslumu ir transkribuoti juos į tekstą, kurį operatoriai galės naudoti greitam ir tiksliam sprendimų priėmimui. Sustiprinto mokymosi algoritmai pagerins sistemos gebėjimą suprasti kontekstą ir generuoti tinkamus atsakymus, sumažindami laiką, sugaištamą atsakant į įprastus klausimus.

Be kalbos atpažinimo, sistema bus pritaikoma ir galės integruotis su esama programine įranga, įskaitant pacientų užsakymo platformas ir elektroninius sveikatos įrašus. Automatizavus susitikimų planavimą, sistema tiksliai tvarkys užsakymus ir sumažins klaidų tikimybę. Be to, sprendimas generuos automatines skambučių santraukas, todėl operatoriai galės greitai užbaigti dokumentaciją ir pereiti prie kito skambučio be delsimo.

Sprendimas kuriamas atsižvelgiant į patogią naudotojo sąsają, suteikiančią lengvą prieigą prie realaus laiko transkripcijų, siūlomų atsakymų ir susitikimų valdymo priemonių, kad operatoriams būtų sumažinta kognityvinė našta. Ši supaprastinta darbo eiga padės operatoriams tiksliau apdoroti didesnį skambučių skaičių ir užtikrins geresnį pacientų aptarnavimą.

Įgyvendinimo planas

Pirmajame etape surinksime ir išanalizuosime 50 000 pacientų sąveikų ir skambučių transkripcijų duomenų rinkinį, kuris bus naudojamas modeliui apmokyti. Šis etapas užtikrins, kad sistema būtų susipažinusi su sveikatos priežiūros terminologija ir bendravimu su pacientais.

Po to bus atliekamas testavimas kontroliuojamoje aplinkoje, siekiant užtikrinti sistemos tikslumą ir veikimą prieš ją įdiegiant. Šiame etape daugiausia dėmesio bus skiriama transkripcijos tikslumui užtikrinti, kad medicinos terminai būtų teisingai atpažįstami ir optimizuojamas atsakymų generavimas realiuoju laiku. Sėkmingai atlikus šiuos bandymus, sistema bus integruota į esamą infrastruktūrą, įskaitant užsakymo ir sveikatos įrašų platformas.

Perspektyvos

‍Sėkmingai įdiegus sistemą, „AAI Labs“ sprendimas gali būti lengvai pritaikytas kitoms sveikatos priežiūros įstaigoms, susiduriančioms su panašiais veiklos iššūkiais. Sistemos plečiamumas leis greitai įdiegti klinikose ir ligoninėse visoje Lietuvoje. Žvelgiant į tolimesnę ateitį, plėtojant sprendimą, jis gali būti pritaikytas ne tik lietuvių kalbai, bet ir kitoms mažai išteklių turinčioms kalboms, todėl jį bus galima įdiegti tarptautinėse sveikatos priežiūros įstaigose, kuriose susiduriama su panašiais iššūkiais.

Klientas

Kauno miesto poliklinika

Eiti į interneto puslapį

Previous
Previous

Kredito rizikos vertinimas

Next
Next

Duomenų analizė naudojant išmaniuosius jutiklius