Die meisten Ärzte gehen in die Medizin, weil sie Patienten helfen wollen. Aber das heutige Gesundheitssystem erfordert, dass Ärzte jeden Tag Stunden mit anderen Arbeiten verbringen – dem Durchsuchen elektronischer Patientenakten (EHRs), dem Verfassen von Dokumentationen, der Kodierung und Abrechnung, der vorherigen Autorisierung und der Nutzungsverwaltung –, die oft über die Zeit hinausgehen, die sie für die Betreuung von Patienten aufwenden. Die Scenario führt zu einem Burnout bei Ärzten, administrativen Ineffizienzen und einer schlechteren Gesamtversorgung der Patienten.
Atmosphere Healthcare arbeitet daran, dies mit einer KI-gestützten Plattform zu ändern, die Routineaufgaben für Ärzte vor, während und nach Patientenbesuchen automatisiert.
„Wir bauen Co-Piloten, um Klinikern KI-Superkräfte zu verleihen“, sagt Mike Ng MBA ’16, CEO von Atmosphere, der das Unternehmen zusammen mit Nikhil Buduma ’17 gründete. „Unsere Plattform ist direkt in EHRs eingebettet, damit Ärzte sich auf das Wesentliche konzentrieren können, nämlich die bestmögliche Patientenversorgung.“
Die Produktsuite von Atmosphere übernimmt das Pre-Charting und Echtzeit-KI-Scribing und hilft bei der Navigation durch Tausende von Regeln, um die richtigen Versicherungsabrechnungscodes auszuwählen. Die Plattform kann auch Nachuntersuchungszusammenfassungen in verschiedenen Sprachen an Patienten und ihre Familien senden, um alle auf dem Laufenden zu halten und auf dem gleichen Stand zu halten.
Atmosphere wird bereits in rund 40 großen Institutionen wie UCSF Well being, Memorial Hermann Well being System, St. Luke’s Well being System, John Muir Well being und anderen eingesetzt. Ärzte nutzen Atmosphere in Dutzenden von Sprachen und mehr als 100 Fachgebieten und Unterfachgebieten, beispielsweise in der Notaufnahme, im stationären Bereich von Krankenhäusern und auf der Onkologiestation.
Die Gründer sagen, dass Kliniker, die Atmosphere nutzen, zwei bis drei Stunden professional Tag bei der Dokumentation einsparen, weniger Burnout-Erkrankungen melden und eine bessere Beziehung zu ihren Patienten aufbauen.
Vom Drawback über das Produkt zur Plattform
Ng arbeitete im Finanzwesen, bis er nach einem Rückenbruch im Jahr 2012 einen genauen Blick auf das Gesundheitssystem erhielt. Zunächst wurde er falsch diagnostiziert und erhielt den falschen Pflegeplan, aber er lernte dabei viel über das US-amerikanische Gesundheitssystem. Dazu gehört auch, wie Ärzte den Großteil ihrer Tage damit verbringen, Besuche zu dokumentieren, Abrechnungscodes auszuwählen und andere Verwaltungsaufgaben zu erledigen. Der durchschnittliche Kliniker verbringt nur 27 Prozent seiner Zeit mit der direkten Patientenversorgung.
Im Jahr 2014 beschloss Ng, die MIT Sloan College of Administration zu besuchen. In seiner ersten Woche nahm er an der „t=0“-Feier des Unternehmertums teil, die vom Martin Belief Heart for MIT Entrepreneurship veranstaltet wurde, wo er Buduma kennenlernte. Die beiden freundeten sich schnell an und belegten schließlich gemeinsam Kurse, darunter 15.378 (Aufbau eines unternehmerischen Vorhabens) und 15.392 (Skalierung unternehmerischer Vorhaben).
„MIT battle ein unglaubliches Übungsgelände, um zu beurteilen, was ein großartiges Unternehmen ausmacht, und um die Grundlagen für den Aufbau eines erfolgreichen Unternehmens zu erlernen“, sagt Ng.
Buduma hatte seine eigene Reise unternommen, um Probleme im Gesundheitssystem zu entdecken. Nachdem er als Sort aus Indien in die USA eingewandert battle und mit anhaltenden Gesundheitsproblemen zu kämpfen hatte, hatte er miterlebt, wie seine Eltern Schwierigkeiten hatten, sich im US-amerikanischen Gesundheitssystem zurechtzufinden. Während seines Bachelor-Studiums am MIT battle er auch eng mit der KI-Forschungsgemeinschaft verbunden und schrieb ein frühes Lehrbuch über moderne KI und Deep Studying.
Im Jahr 2016 gründeten Ng und Buduma ihr erstes Unternehmen in San Francisco – Treatment Well being – das eine eigene KI-gestützte Gesundheitsplattform betrieb. Während sie Kliniker anstellten, sich um Patienten kümmerten und selbst Technologie implementierten, entwickelten sie ein noch tieferes Verständnis für die Herausforderungen, mit denen Gesundheitsorganisationen konfrontiert sind.
In dieser Zeit erhielten sie auch einen Einblick in die Fortschritte in der KI. Jeff Dean, Chefwissenschaftler bei Google, ein Großinvestor von Treatment und jetzt von Atmosphere, leitete eine Forschungsgruppe innerhalb von Google Mind, um die Transformer-Architektur zu erfinden. Ng und Buduma sagen, dass sie zu den ersten gehörten, die Transformatoren in Produktion brachten, um ihre eigenen Kliniker bei Treatment zu unterstützen. Anschließend gründeten mehrere ihrer Freunde und Mitbewohner die große Sprachmodellgruppe innerhalb von OpenAI. Die Arbeit ihrer Freunde bildete die Forschungsgrundlagen, die letztendlich zu ChatGPT führten.
„Es battle ganz klar, dass wir uns an diesem Wendepunkt befanden, an dem wir diese Klasse von Allzweckmodellen haben würden, die exponentiell besser werden würden“, sagt Buduma. „Aber ich denke, wir haben auch eine große Lücke zwischen diesen Allzweckmodellen und denen festgestellt, die tatsächlich sturdy genug wären, um in einer Klinik zu funktionieren. Mike und ich haben 2020 beschlossen, dass es ein Staff geben sollte, das sich speziell auf die Feinabstimmung dieser Modelle für das Gesundheitswesen und die Medizin konzentriert.“
Die Gründer starteten Atmosphere mit der Entwicklung eines KI-gestützten Schreibers, der auf Telefonen und Laptops arbeitet, um die Particulars von Arzt-Patienten-Besuchen in einem HIPAA-konformen System aufzuzeichnen, das die Privatsphäre der Patienten schützt. Sie erkannten schnell, dass die Modelle für jeden Bereich der Medizin angepasst werden mussten, und erweiterten in einem mehrjährigen Prozess nach und nach die Fachgebietsabdeckung nach und nach.
Die Gründer erkannten auch, dass ihre Schreiber in Backoffice-Vorgänge wie Versicherungscodierung und -abrechnung integriert werden mussten.
„Dokumentation ist nicht nur für den Kliniker, sondern auch für das Income-Cycle-Staff“, sagt Buduma. „Wir mussten zurückgehen und alle unsere Algorithmen neu schreiben, um codierungsbewusst zu sein. Es gibt buchstäblich Zehntausende Kodierungsregeln, die sich jedes Jahr ändern und je nach Fachgebiet und Vertragsart unterschiedlich sind.“
Von dort aus entwickelten die Gründer Modelle für Ärzte, um Überweisungen vorzunehmen und umfassende Zusammenfassungen der Besuche an Patienten zu senden.
„In den meisten Pflegeeinrichtungen vor Atmosphere erinnerten sich ein Affected person und seine Familie, wenn er die Klinik verließ, an alles, was der Affected person und seine Familie von dem Besuch aufgeschrieben hatten“, sagt Buduma. „Das ist eine der Funktionen, die Ärzte am meisten schätzen, weil sie versuchen, den Patienten und ihren Familien die beste Erfahrung zu bieten. Wenn der Affected person auf dem Parkplatz ist, verfügt er in seinem Portal bereits über eine wirklich aussagekräftige, qualitativ hochwertige Zusammenfassung dessen, worüber Sie gesprochen haben, sowie über alle gemeinsamen Entscheidungen rund um Ihren Besuch.“
Demokratisierung des Gesundheitswesens
Durch die Verbesserung der Produktivität der Ärzte glauben die Gründer, dass sie dem Gesundheitssystem dabei helfen, einen chronischen Mangel an Ärzten zu bewältigen, der in den kommenden Jahren voraussichtlich zunehmen wird.
„Im Gesundheitswesen ist der Zugang immer noch ein großes Drawback“, sagt Ng. „Amerikaner in ländlichen Gebieten haben ein um 40 Prozent höheres Risiko einer vermeidbaren Krankenhauseinweisung, und die Hälfte davon ist auf den fehlenden Zugang zu Spezialbehandlungen zurückzuführen.“
Da Atmosphere Gesundheitssystemen durch die Rationalisierung von Verwaltungsaufgaben bereits dabei hilft, hauchdünne Margen zu bewältigen, verfolgen die Gründer eine längerfristige Imaginative and prescient, um den Zugang zu den besten klinischen Informationen im ganzen Land zu verbessern.
„Es gibt eine wirklich spannende Gelegenheit, das Fachwissen in einigen der großen akademischen medizinischen Zentren in den USA stärker zu demokratisieren“, sagt Ng. „Derzeit gibt es in den USA einfach nicht genügend Spezialisten, um unsere ländliche Bevölkerung zu unterstützen. Wir hoffen, durch eine KI-Infrastrukturschicht dazu beitragen zu können, das Wissen der führenden Spezialisten des Landes zu erweitern, insbesondere da diese Modelle klinisch intelligenter werden.“