La mayoría de los médicos se dedican a la medicina porque quieren ayudar a los pacientes. Pero el sistema de atención médica precise requiere que los médicos dediquen horas cada día a otros trabajos (buscar en registros médicos electrónicos (EHR), redactar documentación, codificar y facturar, autorizar previamente y gestionar la utilización), a menudo superando el tiempo que dedican a atender a los pacientes. La situación provoca agotamiento de los médicos, ineficiencias administrativas y una peor atención common a los pacientes.
Atmosphere Healthcare está trabajando para cambiar eso con una plataforma impulsada por inteligencia synthetic que automatiza las tareas rutinarias de los médicos antes, durante y después de las visitas de los pacientes.
“Creamos copilotos para brindarles a los médicos superpoderes de IA”, cube el director ejecutivo de Atmosphere, Mike Ng MBA ’16, quien cofundó la empresa con Nikhil Buduma ’17. “Nuestra plataforma está integrada directamente en los EHR para permitir que los médicos se concentren en lo más importante, que es brindar la mejor atención posible al paciente”.
El conjunto de productos de Atmosphere maneja los gráficos previos y la escritura de IA en tiempo actual, y ayuda a navegar por las miles de reglas para seleccionar los códigos de facturación de seguros correctos. La plataforma también puede enviar resúmenes posteriores a las visitas a los pacientes y sus familias en diferentes idiomas para mantener a todos informados y en sintonía.
Atmosphere ya se utiliza en aproximadamente 40 instituciones grandes, como UCSF Well being, Memorial Hermann Well being System, St. Luke’s Well being System, John Muir Well being y más. Los médicos aprovechan Atmosphere en docenas de idiomas y más de 100 especialidades y subespecialidades, en entornos como el departamento de emergencias, los hospitales y la sala de oncología.
Los fundadores dicen que los médicos que utilizan Atmosphere ahorran de dos a tres horas al día en documentación, informan niveles más bajos de agotamiento y desarrollan relaciones de mayor calidad con sus pacientes.
Del problema al producto y a la plataforma
Ng trabajó en finanzas hasta que pudo observar de cerca el sistema de atención médica después de fracturarse la espalda en 2012. Al principio le diagnosticaron erróneamente y le asignaron un plan de atención incorrecto, pero en el proceso aprendió mucho sobre el sistema de salud de EE. UU. incluyendo cómo se dedica la mayoría de los días de los médicos a documentar visitas, seleccionar códigos de facturación y completar otras tareas administrativas. El médico promedio sólo dedica el 27 por ciento de su tiempo a la atención directa al paciente.
En 2014, Ng decidió ingresar a la MIT Sloan Faculty of Administration. Durante su primera semana, asistió a la celebración del emprendimiento “t=0” organizada por el Martin Belief Heart for MIT Entrepreneurship, donde conoció a Buduma. La pareja se hizo amiga rápidamente y terminaron tomando clases juntas, incluidas 15.378 (Construyendo una empresa empresarial) y 15.392 (Escalando empresas empresariales).
“El MIT fue un campo de entrenamiento increíble para evaluar qué hace que una gran empresa sea excelente y aprender los fundamentos para construir una empresa exitosa”, cube Ng.
Buduma había recorrido su propio camino para descubrir los problemas del sistema de atención sanitaria. Después de emigrar a los EE. UU. desde la India cuando period niño y luchar contra problemas de salud persistentes, había visto a sus padres luchar para navegar el sistema médico estadounidense. Mientras completaba su licenciatura en el MIT, también estuvo involucrado en la comunidad de investigación de IA y escribió uno de los primeros libros de texto sobre IA moderna y aprendizaje profundo.
En 2016, Ng y Buduma fundaron su primera empresa en San Francisco, Treatment Well being, que operaba su propia plataforma de atención médica basada en inteligencia synthetic. En el proceso de contratar médicos, atender a los pacientes e implementar la tecnología ellos mismos, desarrollaron una apreciación aún más profunda de los desafíos que enfrentan las organizaciones de atención médica.
Durante ese tiempo, también conocieron los avances en IA. El científico jefe de Google, Jeff Dean, un importante inversor en Treatment y ahora en Atmosphere, dirigió un grupo de investigación dentro de Google Mind para inventar la arquitectura del transformador. Ng y Buduma dicen que estuvieron entre los primeros en poner en producción transformadores para apoyar a sus propios médicos en Treatment. Posteriormente, varios de sus amigos y compañeros de casa comenzaron el gran grupo de modelos de lenguaje dentro de OpenAI. El trabajo de sus amigos formó las bases de la investigación que finalmente llevaron a ChatGPT.
“Estaba muy claro que estábamos en este punto de inflexión en el que íbamos a tener esta clase de modelos de uso common que iban a mejorar exponencialmente”, cube Buduma. “Pero creo que también notamos una gran brecha entre esos modelos de uso common y los que en realidad serían lo suficientemente sólidos para funcionar en una clínica. Mike y yo decidimos en 2020 que debería haber un equipo que se centrara específicamente en perfeccionar estos modelos para la atención médica y la medicina”.
Los fundadores iniciaron Atmosphere construyendo un escribano con tecnología de inteligencia synthetic que funciona en teléfonos y computadoras portátiles para registrar los detalles de las visitas médico-paciente en un sistema appropriate con HIPAA que preserva la privacidad del paciente. Rápidamente vieron que period necesario perfeccionar los modelos para cada área de la medicina y poco a poco ampliaron la cobertura de las especialidades, una por una, en un proceso de varios años.
Los fundadores también se dieron cuenta de que sus escribas debían adaptarse a las operaciones administrativas, como la codificación y facturación de seguros.
“La documentación no es sólo para el médico, sino también para el equipo del ciclo de ingresos”, afirma Buduma. “Tuvimos que volver atrás y reescribir todos nuestros algoritmos para que tuvieran en cuenta la codificación. Hay literalmente decenas de miles de reglas de codificación que cambian cada año y difieren según la especialidad y el tipo de contrato”.
A partir de ahí, los fundadores crearon modelos para que los médicos hicieran derivaciones y enviaran resúmenes completos de las visitas a los pacientes.
“En la mayoría de los entornos de atención antes de Atmosphere, cuando un paciente y su familia salían de la clínica, lo que escribían el paciente y su familia period lo que recordaban de la visita”, cube Buduma. “Esa es una de las características que más les gusta a los médicos, porque intentan crear la mejor experiencia para los pacientes y sus familias. Cuando el paciente está en el estacionamiento, ya tiene en su portal un resumen realmente sólido y de alta calidad de exactamente lo que usted habló y toda la toma de decisiones compartida en torno a su visita”.
democratizar la atención sanitaria
Al mejorar la productividad de los médicos, los fundadores creen que están ayudando al sistema de atención médica a gestionar una escasez crónica de médicos que se espera que crezca en los próximos años.
“En la atención sanitaria, el acceso sigue siendo un gran problema”, afirma Ng. “Los estadounidenses de zonas rurales tienen un riesgo 40 por ciento mayor de hospitalización evitable, y la mitad de eso se atribuye a la falta de acceso a atención especializada”.
Dado que Atmosphere ya ayuda a los sistemas de salud a gestionar márgenes muy reducidos mediante la racionalización de las tareas administrativas, los fundadores tienen una visión a más largo plazo para ayudar a aumentar el acceso a la mejor información clínica en todo el país.
“Existe una oportunidad realmente emocionante de democratizar la experiencia en algunos de los principales centros médicos académicos en todo Estados Unidos”, cube Ng. “En este momento, simplemente no hay suficientes especialistas en Estados Unidos para apoyar a nuestras poblaciones rurales. Esperamos ayudar a ampliar el conocimiento de los principales especialistas del país a través de una capa de infraestructura de IA, especialmente a medida que estos modelos se vuelven más clínicamente inteligentes”.
