Varun Ganapathi 是 AKASA 的首席技術(shù)官和聯(lián)合創(chuàng)始人，AKASA是醫(yī)療保健應(yīng)用人工智能的開發(fā)者。AKASA 幫助醫(yī)療保健組織改善運(yùn)營，包括收入周期，以增加收入、提高效率并增強(qiáng)患者體驗(yàn)。Varun在 AKASA 之前已經(jīng)成功創(chuàng)辦了兩家 AI 公司，一家被谷歌收購，另一家被 Udacity 收購。

你在機(jī)器學(xué)習(xí)領(lǐng)域有著杰出的職業(yè)生涯，你能談?wù)勀阍?span id="rqcn3ob" class="wpcom_tag_link">斯坦福大學(xué)的一些早期工作，當(dāng)時(shí)你致力于讓直升機(jī)自主化嗎？

當(dāng)我在斯坦福大學(xué)攻讀物理時(shí)，我也對(duì)計(jì)算機(jī)科學(xué)和機(jī)器學(xué)習(xí) (ML) 非常感興趣。對(duì)我來說，AI 和 ML 將所有東西合二為一——它實(shí)際上是一種對(duì)任何可數(shù)字化現(xiàn)象進(jìn)行物理處理的自動(dòng)化方式。

對(duì)于這個(gè)特殊的項(xiàng)目，我們有這架看起來像大型無人機(jī)的直升機(jī)，比雙人床墊小一點(diǎn)——當(dāng)時(shí)無人機(jī)還不流行。人們正在飛行它并讓它做一些技巧，例如倒掛。雖然這很難做到，但我們想構(gòu)建一種機(jī)器學(xué)習(xí)算法，可以向人類學(xué)習(xí)如何自主駕駛這架直升機(jī)。

我們創(chuàng)建了一個(gè)基于實(shí)際直升機(jī)的物理模擬器和一個(gè)學(xué)習(xí)如何預(yù)測其運(yùn)動(dòng)的 ML 算法。然后，我們?cè)谀M器中應(yīng)用強(qiáng)化學(xué)習(xí)來開發(fā)控制器，獲取軟件，并將其上傳到實(shí)際的直升機(jī)中。我們打開直升機(jī)后，第一次嘗試就成功了！這架直升機(jī)能夠立即自行倒掛，這非常令人印象深刻。該團(tuán)隊(duì)繼續(xù)致力于使用 ML 自動(dòng)化其他類型的技巧。

您還曾在 Google Books 工作過，您能否談?wù)勀芯康乃惴ㄒ约澳墓咀罱K是如何被 Google 收購的？

實(shí)際上，我在 2004 年在斯坦福大學(xué)上課時(shí)曾在谷歌實(shí)習(xí)——那是在直升機(jī)項(xiàng)目之后。在那段時(shí)間里，我正在為 Google Books 項(xiàng)目實(shí)施 ML，我們正在掃描世界上所有的書籍。

谷歌付錢給所有這些人來標(biāo)注書籍信息，例如頁面、目錄、版權(quán)等——這是一項(xiàng)非常耗時(shí)的任務(wù)。我想看看我們是否可以使用 ML 來做到這一點(diǎn)，并且效果非常好。它實(shí)際上比人類做的更好，更準(zhǔn)確，因?yàn)榇蠖鄶?shù)錯(cuò)誤是由于人工標(biāo)記的人為錯(cuò)誤造成的。

這讓我對(duì) ML 感到非常興奮，因?yàn)樗砻髂憧梢詮娜祟惖谋憩F(xiàn)轉(zhuǎn)變?yōu)槌说谋憩F(xiàn)——在處理邊緣情況的同時(shí)，以更少的錯(cuò)誤和更一致的方式完成平凡的任務(wù)。

從那里，我決定攻讀博士學(xué)位。在斯坦福大學(xué)，起初專注于 ML 和更多的理論論文。在我的論文中，我開發(fā)了一種算法來執(zhí)行實(shí)時(shí)動(dòng)作捕捉，其中計(jì)算機(jī)可以從深度相機(jī)實(shí)時(shí)跟蹤所有人體關(guān)節(jié)的運(yùn)動(dòng)。這是我的第一家公司 Numovis 的基礎(chǔ)，該公司專注于用戶交互的運(yùn)動(dòng)跟蹤和計(jì)算機(jī)視覺。它被谷歌收購。

從直升機(jī)項(xiàng)目到 Google Books 再到自動(dòng)駕駛汽車，再到現(xiàn)在的醫(yī)療保健運(yùn)營，我的整個(gè)旅程確實(shí)向我展示了機(jī)器學(xué)習(xí)算法的強(qiáng)大和通用性。

你能分享一下 AKASA 背后的起源故事嗎？

我們構(gòu)建AKASA是為了解決醫(yī)療保健運(yùn)營中一個(gè)巨大的、根深蒂固的問題。這些操作既昂貴又容易出錯(cuò)，可能會(huì)給患者帶來不必要的恐慌性財(cái)務(wù)體驗(yàn)。行政方面缺乏新技術(shù)，也沒有專門建造的東西。我們很清楚，您可以使用 AI 和 ML 等技術(shù)以創(chuàng)新的方式解決這些運(yùn)營挑戰(zhàn)。當(dāng)我們與眾多衛(wèi)生系統(tǒng)和醫(yī)療保健領(lǐng)導(dǎo)者交談時(shí)，他們驗(yàn)證了我們的想法，最終促成了 2019 年 AKASA 的成立。

因此，AKASA 的目標(biāo)從一開始就很明確——用人工智能促進(jìn)人類健康并構(gòu)建醫(yī)療保健的未來。我們決定迎接這一挑戰(zhàn)的方式是將人類智能與領(lǐng)先的人工智能和機(jī)器學(xué)習(xí)相結(jié)合，這樣衛(wèi)生系統(tǒng)就可以降低運(yùn)營成本并將資源分配到最重要的地方。

我們與系統(tǒng)無關(guān)的靈活平臺(tái)目前正在為代表超過 475 家醫(yī)院和衛(wèi)生系統(tǒng)以及 8,000 多個(gè)門診設(shè)施的客戶群提供服務(wù)，遍及所有 50 個(gè)州。我們的技術(shù)可以幫助這些組織，無論他們使用的是 Epic、Cerner、其他 EHR 等電子健康記錄 (EHR) 提供商，還是附加系統(tǒng)，以及介于兩者之間的一切。我們已經(jīng)取得了很好的成果。

根據(jù)醫(yī)療補(bǔ)助和醫(yī)療保險(xiǎn)服務(wù)中心的數(shù)據(jù)，我們的客戶群代表了超過 1100 億美元的總患者凈收入，這相當(dāng)于美國衛(wèi)生系統(tǒng)每年支出的 10% 以上。AKASA 的模型和算法已經(jīng)針對(duì)近 2.9 億次索賠和匯款進(jìn)行了訓(xùn)練。

醫(yī)療保健的隱形管道極其復(fù)雜，但它對(duì)人類健康有著巨大的影響，我們正在一點(diǎn)一點(diǎn)地實(shí)現(xiàn)它的自動(dòng)化。

AKASA 正在考慮在醫(yī)療保健中實(shí)現(xiàn)哪些自動(dòng)化任務(wù)？

我們獨(dú)特的專家在環(huán)方法 Unified Automation 將 ML 與人類判斷和主題專業(yè)知識(shí)相結(jié)合，為醫(yī)療保健運(yùn)營提供強(qiáng)大且有彈性的自動(dòng)化。AKASA 可以快速有效地自動(dòng)化和簡化醫(yī)療財(cái)務(wù)功能中的端到端任務(wù)，包括賬單處理和支付。AKASA 自動(dòng)化的具體任務(wù)包括檢查患者資格、記錄和驗(yàn)證保險(xiǎn)信息、估計(jì)患者成本、編輯、重新計(jì)費(fèi)和上訴索賠，以及預(yù)測和管理拒絕。

這種類型的自動(dòng)化不僅減少了患者的人為錯(cuò)誤和延誤，有助于防止意外的醫(yī)療費(fèi)用，而且還通過完全擺脫手動(dòng)、重復(fù)性任務(wù)來解放醫(yī)護(hù)人員——讓他們專注于更有價(jià)值、更具挑戰(zhàn)性和更有價(jià)值的工作- 生成針對(duì)患者體驗(yàn)的任務(wù)。

使用了哪些不同類型的機(jī)器學(xué)習(xí)算法？

AKASA 使用與使自動(dòng)駕駛汽車成為可能的機(jī)器學(xué)習(xí)方法相同的機(jī)器學(xué)習(xí)方法，為醫(yī)療系統(tǒng)提供單一解決方案，以實(shí)現(xiàn)醫(yī)療保健操作的自動(dòng)化。這種以 ML 為中心的方法擴(kuò)展了自動(dòng)化的能力，可以大規(guī)模地承擔(dān)更復(fù)雜的工作。

我們針對(duì)計(jì)算機(jī)視覺、自然語言理解和結(jié)構(gòu)化數(shù)據(jù)問題開發(fā)最先進(jìn)的算法。我們的平臺(tái)從計(jì)算機(jī)視覺驅(qū)動(dòng)的 RPA 開始，并通過現(xiàn)代 AI、ML 和專家在環(huán)進(jìn)行增強(qiáng)，以提供強(qiáng)大的自動(dòng)化。

為了提供其工作原理的高級(jí)概述，我們的專有解決方案首先觀察醫(yī)護(hù)人員如何完成他們的任務(wù)。然后，我們的團(tuán)隊(duì)標(biāo)記這些數(shù)據(jù)并使用它來訓(xùn)練我們的算法，以便我們的技術(shù)可以了解和了解醫(yī)護(hù)人員及其系統(tǒng)的工作方式。從那里，我們的平臺(tái)自動(dòng)執(zhí)行這些工作流程。最后，我們使用專家在循環(huán)中，只要系統(tǒng)標(biāo)記異常值或異常，他們就可以介入。人工智能不斷從這些經(jīng)驗(yàn)中學(xué)習(xí)，使其能夠隨著時(shí)間的推移承擔(dān)更復(fù)雜的任務(wù)。

您能否討論一下人在環(huán)方法的重要性以及為什么它會(huì)取代 RPA？

鐵的事實(shí)是，RPA 是一項(xiàng)已有數(shù)十年歷史的技術(shù)，其能力受到真正的限制。它總是在自動(dòng)化簡單、離散和線性的工作方面具有一定的價(jià)值。然而，自動(dòng)化努力往往達(dá)不到他們的愿望的原因是生活是復(fù)雜的，而且總是在變化。

RPA 的基本方法是為您要解決的每個(gè)問題或路徑構(gòu)建一個(gè)機(jī)器人（機(jī)器人）。一個(gè)人（顧問或工程師）建造一個(gè)機(jī)器人來解決一個(gè)特定的問題。這種機(jī)器人解決方案取代了一系列步驟。它看著屏幕，采取行動(dòng)，然后重復(fù)。

經(jīng)常發(fā)生的問題是，世界的變化，例如對(duì)軟件或 UI 的修改，可能會(huì)導(dǎo)致機(jī)器人崩潰。眾所周知，技術(shù)在不斷發(fā)展，創(chuàng)造動(dòng)態(tài)環(huán)境。這意味著 RPA 機(jī)器人經(jīng)常出現(xiàn)故障。

這些機(jī)器人的另一個(gè)問題是，您需要為要解決的每種情況創(chuàng)建一個(gè)。這樣做，你最終會(huì)得到許多機(jī)器人，它們都完成了不需要太多技能的非常小的動(dòng)作。

這就像打地鼠游戲。每天，您都面臨其中一個(gè)可能會(huì)因?yàn)槟硞€(gè)軟件將要更改或發(fā)生一些不尋常的事情而崩潰的可能性——一個(gè)對(duì)話框會(huì)彈出或一種新的輸入會(huì)發(fā)生。結(jié)果是維持這些機(jī)器人運(yùn)行的成本高昂。根據(jù) Forrester 的研究，在 RPA 上每花費(fèi) 1 美元，就會(huì)在咨詢資源上額外花費(fèi) 3.41 美元。

換句話說，RPA 的實(shí)際軟件并不是成本的大部分。更可觀的成本投資是您必須做的所有工作以保持 RPA 始終運(yùn)行。許多組織沒有考慮到持續(xù)的成本。

由于生活如此復(fù)雜且不斷發(fā)展，許多工作超出了 RPA 的能力，而這正是 ML 的用武之地。ML 使我們能夠?qū)⒗щy的事情自動(dòng)化。我們相信特殊的調(diào)味料是人類通過教他們來改進(jìn)算法。

當(dāng)算法不確定它應(yīng)該做什么（低置信度）時(shí)，它會(huì)升級(jí)為人工參與。人類標(biāo)記這些示例并識(shí)別當(dāng)前模型未處理的案例。當(dāng)這完成后，人工智能做對(duì)了，這是一項(xiàng)運(yùn)行良好的任務(wù)。

人類發(fā)現(xiàn)問題的每一項(xiàng)任務(wù)都是機(jī)器無法正確處理的情況。在這種情況下，數(shù)據(jù)被添加到我們的數(shù)據(jù)集中，從而重新訓(xùn)練 ML 模型以處理這種新情況。

隨著時(shí)間的推移，ML 模型建立了對(duì)這些新邊緣情況的彈性。這導(dǎo)致系統(tǒng)對(duì)新的異常值或異常具有魯棒性和靈活性，并且系統(tǒng)會(huì)隨著時(shí)間的推移而變得更強(qiáng)大。這意味著自動(dòng)化變得越來越好，人工干預(yù)將隨著時(shí)間的推移而減少。

讓人類專家參與其中對(duì)于讓 AI 變得更智能、更快、更好至關(guān)重要。我們需要人類正確訓(xùn)練人工智能，并確保它能夠處理任何行業(yè)不可避免的異常值——尤其是在醫(yī)療保健等動(dòng)態(tài)領(lǐng)域。

AKASA 的人在環(huán)解決方案 Unified Automation 是如何工作的，該平臺(tái)的一些主要用例是什么？

統(tǒng)一自動(dòng)化是專為醫(yī)療保健而構(gòu)建的平臺(tái)。使用 AI、ML 和我們的醫(yī)療計(jì)費(fèi)專家團(tuán)隊(duì)，它創(chuàng)建了一個(gè)無縫集成的定制解決方案，幫助您更快地看到價(jià)值，幾乎沒有維護(hù)或異常隊(duì)列。

它的設(shè)計(jì)考慮了異常和異常值。如果遇到新問題，平臺(tái)會(huì)將問題標(biāo)記給 AKASA 的專家團(tuán)隊(duì)，由他們解決，同時(shí)系統(tǒng)會(huì)從他們采取的行動(dòng)中學(xué)習(xí)。正是這種人為因素將我們與市場上的其他解決方案區(qū)分開來，并使平臺(tái)能夠不斷學(xué)習(xí)和改進(jìn)。

統(tǒng)一自動(dòng)化還適應(yīng)醫(yī)療保健行業(yè)的動(dòng)態(tài)特性。它是一個(gè)無縫集成的定制解決方案，有助于降低運(yùn)營成本，提升員工處理需要人性化的更有價(jià)值的工作，并改善衛(wèi)生系統(tǒng)的收入獲取，同時(shí)改善患者的財(cái)務(wù)體驗(yàn)。

以下是統(tǒng)一自動(dòng)化的工作原理：

專有軟件觀察：我們的 Worklogger 工具遠(yuǎn)程觀察醫(yī)護(hù)人員如何完成他們的任務(wù)。然后我們的團(tuán)隊(duì)標(biāo)記這些數(shù)據(jù)并將其輸入到我們的自動(dòng)化中，以提供當(dāng)前工作流程和流程的全面視圖。這可以提高員工績效、工作流基礎(chǔ)數(shù)據(jù)的可見性，以支持我們的自動(dòng)化，以及準(zhǔn)確的每個(gè)任務(wù)的時(shí)間分析。

人工智能執(zhí)行：在觀察和學(xué)習(xí)醫(yī)護(hù)人員的工作流程后，我們的人工智能會(huì)自主執(zhí)行這些任務(wù)。它不斷從遇到的問題和邊緣情況中學(xué)習(xí)，隨著時(shí)間的推移承擔(dān)更復(fù)雜的任務(wù)。統(tǒng)一自動(dòng)化位于工作隊(duì)列的上游——為自己分配適用的任務(wù)并在不干擾團(tuán)隊(duì)的情況下完成它們。它還可以自動(dòng)優(yōu)化流程，因此無需員工進(jìn)行設(shè)置或干預(yù)。

人類專業(yè)知識(shí)確保： 系統(tǒng)自動(dòng)標(biāo)記我們的醫(yī)療計(jì)費(fèi)專家團(tuán)隊(duì)以處理異常和異常值，并在 AI 工作時(shí)實(shí)時(shí)訓(xùn)練它們。這是專家在環(huán)部分。通過內(nèi)置的持續(xù)學(xué)習(xí)，統(tǒng)一自動(dòng)化平臺(tái)隨著時(shí)間的推移變得更加智能和高效，工作總能完成。

關(guān)于 AKASA，您還有什么想分享的嗎？

我們采用研究為先的方法，這意味著我們的客戶可以獲得領(lǐng)先的技術(shù)。我們致力于在同行評(píng)審的出版物中發(fā)布我們的人工智能和方法，以不斷為醫(yī)療保健運(yùn)營中的人工智能設(shè)定新的最先進(jìn)標(biāo)準(zhǔn)，并引領(lǐng)我們整個(gè)行業(yè)向前發(fā)展。

例如，我們的研究已在國際機(jī)器學(xué)習(xí)會(huì)議 (ICML)、自然語言處理(NLP) 峰會(huì)和機(jī)器學(xué)習(xí)醫(yī)療保健會(huì)議 (MLHC) 等上發(fā)表。我們正在采用非常嚴(yán)格的方法來測試我們的模型，并將性能與市場上最先進(jìn)的 AI 方法進(jìn)行比較。

我們的預(yù)測性拒絕解決方案被認(rèn)為是第一個(gè)發(fā)布的基于深度學(xué)習(xí)的系統(tǒng)，與現(xiàn)有基線相比，該系統(tǒng)可以準(zhǔn)確預(yù)測醫(yī)療索賠拒絕超過 22%。我們用于從臨床記錄中對(duì)醫(yī)療索賠進(jìn)行自主編碼的“閱讀、參加、編碼”模型已被公認(rèn)為為行業(yè)定義了一種新的最先進(jìn)技術(shù)，并且比當(dāng)前模型高出 18%——超過了人類編碼員的生產(chǎn)力。我們相信這些后臺(tái)創(chuàng)新對(duì)于大規(guī)模改善美國醫(yī)療保健系統(tǒng)至關(guān)重要，并將繼續(xù)推動(dòng)進(jìn)步并為該領(lǐng)域構(gòu)建定制解決方案。

在醫(yī)療保健領(lǐng)域有很多關(guān)于人工智能的炒作，但歸根結(jié)底，公司可能會(huì)過度炒作他們的技術(shù)實(shí)際上可以做什么。進(jìn)行研究以驗(yàn)證算法的作用要困難得多——我們?yōu)椴捎眠@條有意義但具有挑戰(zhàn)性的路線最終證明 AKASA 的統(tǒng)一自動(dòng)化平臺(tái)真正為醫(yī)院和衛(wèi)生系統(tǒng)帶來積極而有意義的變化而感到自豪。

隨著我們用人工智能構(gòu)建醫(yī)療保健的未來，我們對(duì) AKASA 的未來和未來感到興奮。