Abridge ist ein Unternehmen für Gesundheitstechnologie, das Systeme der künstlichen Intelligenz für die klinische Dokumentation entwickelt. Sein Hauptprodukt ist ein KI-gestützter Zusammenfasser für medizinische Gespräche, der Interaktionen zwischen Patienten und Klinikern anhört und strukturierte, genaue klinische Notizen erstellt. Das Unternehmen konzentriert sich darauf, die administrative Belastung von Klinikern zu reduzieren, indem es die Erstellung von Dokumentationen für elektronische Gesundheitsakten (EHRs) automatisiert und es Ärzten ermöglicht, sich stärker auf die Patientenversorgung zu konzentrieren.
Abridge wurde 2018 gegründet und entstand aus einem Forschungshintergrund im Bereich maschinelles Lernen und medizinische Informatik. Die Technologie des Unternehmens nutzt große Sprachmodelle und generative KI-Techniken, um natürliche Gespräche zu verarbeiten und medizinisch relevante Informationen wie Symptome, Diagnosen, Medikamente und Behandlungspläne zu extrahieren. Die Plattform von Abridge ist darauf ausgelegt, sich in bestehende EHR-Systeme zu integrieren und eine nahtlose Notizgenerierung und -abfrage zu ermöglichen.
Technologie und Ansatz
Das Kernsystem von Abridge verwendet Deep-Learning-Modelle, insbesondere Transformer-basierte Architekturen, um Sequenz-zu-Sequenz-Aufgaben auszuführen. Die Modelle werden auf großen Datensätzen klinischer Dialoge und entsprechender medizinischer Notizen trainiert, wobei Techniken wie überwachtes Lernen und Reinforcement Learning aus menschlichem Feedback (Reinforcement Learning from AI Feedback (RLAIF)) eingesetzt werden, um die Genauigkeit und klinische Relevanz zu verbessern. Das System verwendet Multi-Head-Attention-Mechanismen, um Kontext über lange Gespräche hinweg zu erfassen, und positionale Kodierung, um die zeitliche Reihenfolge beizubehalten. Um die Zuverlässigkeit zu gewährleisten, wendet Abridge Modellbeschneidung und Datenerweiterung an, um die Leistung in realen klinischen Umgebungen zu optimieren.
Die Plattform unterstützt Echtzeit-Transkription und -Zusammenfassung mit Funktionen für Top-p-Sampling und Temperaturskalierung, um die Ausgabevariabilität zu steuern. Sie integriert auch Curriculum-Lernen, um Modelle schrittweise auf zunehmend komplexe medizinische Fälle zu trainieren. Die Architektur von Abridge umfasst Encoder-Decoder-Komponenten mit Cross-Attention zwischen dem Eingabedialog und der Ausgabezusammenfassung, was eine getreue Extraktion wichtiger klinischer Fakten ermöglicht.
Produkt und Integration
Abridge bietet eine mobile und Desktop-Anwendung an, die Gespräche mit Einwilligung des Patienten aufzeichnet. Die Anwendung generiert eine strukturierte Notiz mit Abschnitten für Hauptbeschwerde, Anamnese der aktuellen Erkrankung, Systemübersicht, körperliche Untersuchung, Beurteilung und Plan. Diese Notizen können direkt in EHR-Systeme übertragen werden, wodurch die Notwendigkeit manueller Dateneingabe reduziert wird. Das Unternehmen hat Partnerschaften mit mehreren großen Gesundheitssystemen und akademischen medizinischen Zentren, die von signifikanten Reduzierungen der Dokumentationszeit berichtet haben.
Im Jahr 2023 kündigte Abridge eine Zusammenarbeit mit Epic Systems an, um seine Zusammenfassungsfunktionen in den EHR-Workflow zu integrieren. Das Produkt ist auch als API für Drittentwickler verfügbar, was Anpassungen für fachspezifische Anforderungen ermöglicht. Bis 2024 hat Abridge Millionen klinischer Gespräche verarbeitet und erweitert weiterhin seine Bereitstellung in ambulanten und stationären Umgebungen.
Klinische Validierung und Einführung
Abridge hat mehrere klinische Studien durchgeführt, um die Genauigkeit und Sicherheit seiner Zusammenfassungen zu validieren. Eine 2022 in einer begutachteten Fachzeitschrift veröffentlichte Studie ergab, dass ärztliche Prüfer die von Abridge generierten Notizen als vergleichbar mit denen von Klinikern verfassten bewerteten, mit hohen Bewertungen für Vollständigkeit und faktische Korrektheit. Das Unternehmen berichtete außerdem über eine 70-prozentige Reduzierung der Zeit, die für die Dokumentation aufgewendet wird, unter frühen Anwendern, basierend auf internen Umfragen.
Die Plattform ist darauf ausgelegt, Gesundheitsvorschriften, einschließlich HIPAA und anderen Datenschutzstandards, einzuhalten. Abridge verwendet Ende-zu-Ende-Verschlüsselung und De-Identifizierungstechniken, um Patientendaten zu schützen. Das Unternehmen hat Mittel von namhaften Investoren erhalten, darunter PitchBook und mehrere Risikokapitalfirmen, die bis 2024 insgesamt über 100 Millionen US-Dollar betragen.
Wettbewerbsumfeld
Abridge ist in einem wettbewerbsintensiven Markt tätig, neben anderen KI-Dokumentationsunternehmen wie Nuance und Suki. Abridge differenziert sich jedoch durch seinen Fokus auf große Sprachmodelle und seine Fähigkeit, komplexe, mehrteilige Gespräche zu verarbeiten. Die Technologie des Unternehmens basiert auf OpenAI-abgeleiteten Modellen, trainiert jedoch auch proprietäre Modelle, um spezifische klinische Bereiche zu adressieren. Der Ansatz von Abridge wurde in Branchenauszeichnungen anerkannt, darunter eine 2023 Forbes AI 50-Listung.
Zukünftige Richtungen
Abridge erweitert seine Fähigkeiten um prädiktive Analytik, wie das Kennzeichnen von Patienten mit Risiko für Wiederaufnahme oder unerwünschte Arzneimittelereignisse. Das Unternehmen erforscht auch mehrsprachige Unterstützung und die Integration mit Telemedizin-Plattformen. Bis 2025 strebt Abridge eine breitere Einführung in ländlichen und unterversorgten Gebieten an, wo die Dokumentationsbelastung besonders hoch ist. Das Unternehmen investiert weiterhin in maschinelles Lernen-Forschung und kooperiert mit akademischen Institutionen wie Stanford AI Lab und MIT CSAIL, um die klinische Verarbeitung natürlicher Sprache voranzutreiben.
Referenzen
Die offizielle Website von Abridge und veröffentlichte klinische Studien bieten weitere Details zu Technologie und Ergebnissen. Das Ingenieurteam des Unternehmens hat zu Open-Source-Projekten im Bereich Gesundheits-KI beigetragen, und seine Gründer haben Arbeiten zu neuronalen Netzen-Anwendungen in der Medizin veröffentlicht.