Synteettiset terveydenhuollon keskustelut ASR:lle

Ambient-teknologian kehittäminen synteettisten terveydenhuoltokeskustelujen avulla

Ambient-tekniikka

Yli 2000 tuntia äänidataa kerätty ja litteroitu kliinisessä ympäristössä

Conversational AI:n nopeasti kehittyvällä alalla yksi merkittävimmistä sovelluksista on terveydenhuoltoala, jossa teknologiaa hyödynnetään palveluntarjoajan ja potilaan välisen vuorovaikutuksen tehostamiseen. Asiakkaamme, johtava terveydenhuollon teknologian nimi, otti Shaipin puoleen vaatimalla parantamaan automaattista puheentunnistusmalliaan (ASR), jotta se voisi paremmin ymmärtää ja litteroida usean puhujan keskustelut kliinisissä olosuhteissa. Yksityisyyssäännösten vuoksi tosielämän dialogien hankkiminen oli haastavaa; Tästä syystä ideana oli luoda ja transkriptoida synteettisiä mutta realistisia vuorovaikutuksia terveydenhuollon tarjoajien ja potilaiden välillä.

tilavuus

2,000 tuntia tai suunnilleen 12,000 että 24,000 yksittäisten synteettisten vuorovaikutusten 10 minuutin keskimääräinen kesto.

Tavoite

Ensisijainen tavoitteemme oli tuottaa noin 2,000 12,000 tuntia äänitallenteita, jotka muuntavat 24,000 XNUMX - XNUMX XNUMX huolellisesti suunniteltua synteettistä vuorovaikutusta, jotka ilmentävät erilaisia ​​sukupuoli-, ikä-, aksentti- ja lääketieteellisiä rooleja. Tämä kattava ja autenttinen tietojoukko, joka on suunniteltu jäljittelemään todellista kliinistä dialogia, luotiin noudattaen tiukasti tietosuojamääräyksiä, kuten HIPAA. Synteettinen vuorovaikutus toimi rikkaana tietojoukona, joka on avainasemassa asiakkaamme ASR-mallin koulutuksessa ja jalostuksessa, mikä paransi merkittävästi sen kykyä käsitellä todellisia keskusteluja kliinisissä olosuhteissa.

 

Tavoitteet

Haasteet

Sääntelyn noudattaminen

Tietosuojalakien, kuten HIPAA:n, noudattamisen varmistaminen samalla kun luodaan realistisia mutta synteettisiä terveydenhuollon vuorovaikutuksia voi olla haastavaa.

Säännösten noudattaminen

Tietojen aitous ja monimuotoisuus

Synteettisten vuorovaikutusten luominen, jotka jäljittelevät tarkasti todellisen maailman kliinisiä dialogeja ja kattavat laajan valikoiman skenaarioita, aksentteja, ikäryhmiä ja lääketieteellisiä rooleja, vaatii huolellista lähestymistapaa ja syvällistä aluetuntemusta.

Tietojen aitous ja monimuotoisuus

Laatuvakuutus

Korkean tarkkuuden saavuttaminen transkriptiossa, kuten tavoiteltu 95 prosentin sanatarkkuus (WER) ja 90 prosentin tunnistetarkkuus (TER), edellyttää tiukkoja laadunvarmistusprosesseja.

Tekniset kyvyt

Merkittävä haaste on varmistaa, että tekninen infrastruktuuri, mukaan lukien tallennus- ja transkriptioalustat, pystyy käsittelemään datamäärää ja ylläpitämään laatua.

Resurssien rekrytointi ja koulutus

Lääketieteellisen taustan omaavien henkilöiden rekrytointi roolileikkeihin ja niiden varmistaminen, että he noudattavat realistisia skenaarioita säilyttäen samalla luonnollisen keskusteluvirran, voi olla melko haastavaa. Lisäksi transkriptionistien kouluttaminen noudattamaan tiukkoja laatuohjeita vaatii huomattavia ponnisteluja ja asiantuntemusta.

Lähestymistapa/Ratkaisu

Äänikokoelma ja transkriptio

  • Skenaarion luominen: Kehitetty realistisia skenaarioita, jotka heijastavat yleisiä ei-kiireellisiä tiloja, joita kohdataan aikuisten perhelääketoiminnassa, kuten verenpainetauti, diabetes ja kivunhallinta.
  • Roolipeli: Rekrytoitiin lääketieteellisen taustan omaavia henkilöitä roolileikkeihin terveydenhuollon tarjoajina ja potilaina, jotka noudattavat annettuja skenaarioita ja simuloivat todellisia kliinisiä keskusteluja.
  • Äänite: Käytti Shaip Work -mobiilisovellusta äänen sieppaamiseen, mikä varmistaa osallistujien monipuolisen edustuksen sukupuolen, iän, aksenttien ja ammatillisen taustan suhteen.

Validointi ja transkriptio

  • Suoritettiin vahvistuskomentosarjat äänitiedostojen tarkkuuden ja laadun varmistamiseksi.
  • Litteroinnit suoritettiin Bhasha-alustalla noudattaen annettuja erityisohjeita ja varmistaen sanatarkan tekstin transkription ja tarkan päiväkirjan.
  • Annotoidut metatiedot, mukaan lukien puhujan tunnus, ikä, sukupuoli, äidinkieli ja lääketieteellinen koulutus/kokemus, jotka olivat tärkeitä asiakkaan mallikoulutuksen kannalta.

Laatuvakuutus

  • CQA:n ja PMO:n kattavat laaduntarkastukset varmistivat, että transkription laatutavoite oli 95 % Word Accuracy Rate (WER) ja 90 % Tag Accuracy Rate (TER).

Tiedonsiirto

  • Jäsenti tiedot selkeästi, organisoidusti ja toimitti ne erissä sekä yksityiskohtaiset erämuistiot ja kulttuurihakemistot.
  • Varmistettiin, että kaikki tiedot, mukaan lukien äänitiedostot, transkriptiot ja metatiedot, on merkitty ja muotoiltu oikein asiakkaan vaatimusten mukaisesti.

Palaute ja iteraatio

Asiakkaan kanssa perustettiin vankka palautesilmukka mahdollisten puutteiden tunnistamiseksi ja varmistettiin, että korjaukset tehtiin ja täydellinen, tarkka tietoaineisto toimitettiin.

Avainsaavutukset

  • 2000 tunnin synteettisen terveydenhuollon vuorovaikutuksen onnistunut kerääminen ja transkriptio.
  • Nopea ja tarkka transkriptio huomattavalla tarkkuudella, mikä edistää merkittävästi asiakkaan tavoitetta parantaa ASR-malliaan.
  • Osoitti Shaipin kyvyn käsitellä suuria, monimutkaisia ​​projekteja huolellisella lähestymistavalla laatuun ja tarkkuuteen.

Tulos

Shaipin huolella toteutettu projekti johti rikkaaseen tietoaineistoon, joka auttoi merkittävästi parantamaan asiakkaan ASR-mallia. Synteettiset vuorovaikutukset loivat realistisen esityksen kliinisistä dialogeista, mikä auttoi asiakasta saavuttamaan vankemman ja luotettavamman puhepalvelun terveydenhuollon ympäristöihin. Jäsennellyn ja hyvin koordinoidun lähestymistavan avulla Shaip varmisti monimutkaisen projektin onnistuneen toteuttamisen säädetyssä aikataulussa ja vahvisti asiantuntemustaan ​​laajamittaisten keskustelupohjaisten tekoälyprojektien hallinnassa terveydenhuollon alalla.

Yhteistyömme Shaipin kanssa edisti merkittävästi Ambient Technology- ja Conversational AI -projektiamme terveydenhuollossa. Heidän asiantuntemuksensa synteettisten terveydenhuoltokeskustelujen luomisessa ja transkriptiossa loi vankan perustan, joka esitteli synteettisen datan potentiaalia sääntelyn haasteiden voittamiseksi. Shaipin avulla navigoimme näillä esteillä ja olemme nyt askeleen lähempänä visiomme toteuttamista intuitiivisista terveydenhuoltoratkaisuista.

Kultainen - 5 tähden

Nopeuta terveydenhuollon tekoälyäsi
sovelluskehitys 100%