사업 개요
역동적인 의료 산업에서 의료 제공자와 환자 간의 효과적인 소통은 양질의 치료를 제공하는 데 가장 중요합니다. 그러나 환자와 의료 제공자가 상호작용하는 전통적인 방법은 종종 의료 대화의 뉘앙스를 포착하는 데 어려움을 겪습니다.
의료 교육을 발전시키기 위한 노력의 일환으로 미국에서 실무/실제 의사와 환자 간의 합성 대화를 만드는 새로운 접근 방식이 취해졌습니다. 의료 서비스 제공자는 실제 대화를 시뮬레이션하여 환자 교육을 개선하고, 커뮤니케이션을 강화하고, 치료 제공을 간소화할 수 있습니다. 이 프로젝트는 임상 AI 모델 교육 목적으로 롤플레잉 상호작용의 오디오를 수집하고 필사하여 자발성과 현실적인 시나리오에 초점을 맞추는 것을 목표로 했습니다.
주요 통계
수 시간 분량의 합성 데이터 수집
2,000의 시간
의사 수
850+
적용 사례
합성 오디오 생성 및
전사
도전
의료 대화의 복잡성을 포착하다
합성 대화는 현실적이어야 하며 의학 용어, 환자 증상, 의료 제공자 평가 등 실제 의료 상호작용의 복잡성을 정확하게 반영해야 합니다.
다양성과 대표성 보장
이 프로젝트의 목적은 미국 인구의 다양성을 반영하여 다양한 악센트, 민족성, 연령대를 대표하는 합성 대화 풀을 만드는 것이었습니다.
데이터 프라이버시 및 보안 유지
참여자의 개인 정보를 보호하기 위해 엄격한 조치를 시행하여 데이터 수집 및 필사 과정에서 개인 정보가 공유되거나 손상되지 않도록 했습니다.
품질 관리
상호작용의 교육적 가치를 보존하면서 기계가 생성한 시나리오에서 무의미하거나 누락된 세부 정보를 처리합니다.
참가자 준비
참가자들은 상호작용하는 동안 시나리오를 직접 읽지 않고도 제공된 시나리오에 익숙해질 필요가 있었습니다.
주변 소음 균형 맞추기
핵심 과제는 주요 대화를 가리지 않으면서도 배경 소리가 현실감을 더하도록 주변 소음 수준을 관리하고 정확한 오디오 밸런싱이 필요하다는 것이었습니다.
일관된 오디오 품질
다양한 녹음 설정에서는 음향 특성이 다양하기 때문에 모든 세션에서 일관된 오디오 품질을 유지하는 데 어려움이 있었습니다.
해법
이러한 과제를 극복하기 위해 이 프로젝트는 다음과 같은 전략을 채택했습니다.
- 합성 환자-의사 대화는 임상 환경 설정에서 기록되었으며, 다양한 의료 분야를 전문으로 하는 실제 의사가 모집되었습니다. 이러한 전문가들은 고혈압, 당뇨병, 통증 관리 등과 같은 전형적인 의료 시나리오를 반영하는 자연스러운 대화를 이끌어내도록 설계된 대화를 개발하는 데 기여했으며, 실제 인간 대화의 흐름과 뉘앙스와 매우 유사했습니다.
- 다양한 억양, 민족성, 연령대를 포괄하는 다양한 화자 풀을 확보하기 위해 미국 인구와 의료 전문가의 다양성을 반영하는 다양한 참여자 풀을 모집했습니다. 따라서 다양한 의료 전문 분야에서 활동하는 실제 의사가 미국 각지에서 모집되었습니다.
- 샤이프는 익명성을 유지하면서도 발표자 참여를 추적하기 위한 고유 식별자 시스템을 사용하여 엄격한 데이터 개인 정보 보호 및 보안 프로토콜을 구현했습니다.
- 참가자들에게 무의미한 기계 생성 콘텐츠를 처리하는 방법에 대한 지침을 제공했습니다.
- 활동적인 성인 가정의학 클리닉을 대표하는 미묘한 환경 소음(주변 소음 포함) 레이어가 통합되었습니다. 녹음의 100%는 팬 소리, 기계 윙윙거리는 소리, 의료 기기 경고음 및 음소거와 같은 주변 클리닉 또는 병원 소음 요소를 특징으로 합니다.
배경 대화. - 각 녹음 위치에 대한 실제 진료 시뮬레이션은 8제곱피트를 넘지 않는 표준 8x200피트 가정의학 검사실의 치수와 음향을 반영하도록 세심하게 배열되었으며, 유사한 단단한 표면 바닥이 있습니다. 방에는 의자, 테이블, 캐비닛, 검사대와 같은 필수품이 비치되어 전형적인 임상 환경을 조성했습니다.
프로젝트 개요
- 범위: 합성 의료 상호작용의 오디오 수집 및 필사.
- 소요 시간 : 각 상호작용은 5분 이상을 목표로 했으며, 평균 10분을 목표로 했습니다.
- 음량: 2,000시간 분량의 합성 의료 서비스 제공자 및 환자 대화가 생성되었습니다.
- 상호 작용 : 12,000분 평균 지속 시간의 개별 합성 상호작용이 24,000~10개 있습니다.
- 지리학: 미국에 거주하는 참가자에 한함.
- 다양성 목표:
- 성별 : 남성 400명, 여성 400명, 논바이너리 또는 비공개 50명.
- 나이: 20대부터 60대 이상까지 연령대에 균등하게 분포되어 있습니다.
- 인종 : 참가자의 55%는 백인계 미국인, 8%는 아프리카계 미국인, 8%는 히스패닉계, 20%는 아시아인, 9%는 기타였습니다.
- 기술: 녹음에는 iPhone과 Android 기기를 사용합니다.
- 의료 전문가 참여: 의사, 의사 보조원, 간호사, 간호사 실무자.
결과
합성 의료 제공자 및 환자 대화는 의료가 제공되는 방식에 혁명을 일으킬 잠재력이 있습니다. AI를 활용함으로써 우리는 의사 소통을 개선하고, 환자 교육을 강화하고, 치료 제공을 간소화하여 궁극적으로 더 나은 환자 결과를 이끌어낼 수 있습니다.
- 고품질의 합성 대화: 이 프로젝트에서는 2,000시간 분량의 고품질 합성 의료 서비스 제공자 및 환자 대화를 성공적으로 생성하여 정확성, 다양성 및 개인정보 보호에 대한 클라이언트의 요구 사항을 충족했습니다.
- 균형 잡힌 표현: 참가자들의 성별, 연령, 민족적 배경이 건강하게 혼합되어 있어 교육 자료의 진실성과 포용성이 향상되었습니다.
- 포괄적인 데이터베이스: 다양한 교육 및 의료 교육 목적으로 사용할 수 있는 합성 대화 저장소를 구축했습니다.
- 향상된 커뮤니케이션: 합성 대화는 의료 서비스 제공자와 연구자에게 귀중한 자료를 제공하여 환자 치료와 의사소통 전략을 개선하는 데 도움이 되었습니다.
- 간소화된 프로세스: AI가 생성한 대화는 문서화 프로세스를 간소화하고, 행정적 부담을 줄이며, 의료 서비스 제공자가 환자 치료에 더 집중할 수 있도록 하는 데 도움이 되었습니다.
- 향상된 현실감: 통제되면서도 실제와 같은 환경은 훈련 데이터의 현실감을 크게 높여 의료 전문가들에게 더욱 몰입적인 학습 경험을 제공했습니다.
- 사운드 다이버시티: 녹음된 배경 소리의 다양성은 훈련에 복잡성을 더해 훈련생을 여러 청각 자극이 존재하는 실제 임상 환경에 대비시키는 데 도움이 되었습니다.
Shaip은 의사와 환자 대화에 현실적인 주변 소음을 통합하여 교육 데이터를 크게 높였습니다. 이러한 고품질 녹음에서 환경 세부 사항에 대한 주의는 학습 경험을 풍부하게 했을 뿐만 아니라 환자 치료 환경의 역동적인 특성에 대한 제공자의 준비를 더 잘 시켰습니다. 그 결과 환자 상호 작용, 제공자 효율성 및 문서화 프로세스의 정확성이 눈에 띄게 향상되었습니다.
Shaip의 데이터 프라이버시와 보안에 대한 헌신은 그들의 서비스에 대한 우리의 신뢰를 더욱 공고히 합니다. 우리 조직은 이 유익한 협업을 지속하고 확장하게 되어 기쁩니다.
