Lars Maaløe – Machines helping save lives

Sie haben eine Intelligente Lösung gebaut, die einer Konversationen von Gesundheitsfachpersonen zu hört und den Akteuren ein Feedback über ihre Entscheidung geben kann. In der Praxis hört zum Beispiel Corti dem Gespräch eines Notrufs zu und liefert dem Disponenten oder der Disponentin vom Notfalldienst unmittelbar Empfehlungen und sendet Signale bei einem Verdacht eines medizinischen Problems

Der Disponent oder die Disponentin agiert direkt auf der Softwareschnittstelle von Corti und darauf erscheinen unmittelbar Empfehlungen während des Gesprächs.

Alle Befunde sind evidenzbasiert. Sie forschen im Bereich Maschine Learning und unterstützen medizinische Forscherinnen und Forscher, um ihre Lösungen dementsprechend zu validieren. Eine Lösung aus dem AI auf ein erkanntes Problem erfordert eine mindestens so hohe Genauigkeit wie die des Menschen. Retrospektiven Studien haben gezeigt, dass Disponenten und Disponentinnen in der Notfallstelle mit der Assistenz von AI mehr korrekte Diagnosen stellen und der Person am Telefon ein besseres Feedback geben. 

Nein, denn die Maschine arbeitet mit dem Input des Menschen. Der Mensch und die Maschine arbeiten Hand in Hand und die Maschine könnte ohne diese Zusammenarbeit nicht funktionieren. Der Mensch ist in der Lage selbständig zu arbeiten, kann aber mit der Hilfe der Maschine seine Performance verbessern.

Ein gutes Beispiel dafür ist Herzstillstand, weil die Diagnose mehr oder weniger binär ist. Ein Arzt oder eine Ärztin prognostiziert im Raum von Kopenhagen einen Herzstillstand mit einer Genauigkeit von 75%. Mit Hilfe der Maschine erhöht sich die Genauigkeit dieser Diagnose auf ca. 92%.

Darüber hinaus wäre AI praktisch nicht sinnvoll, wenn es ein medizinisches Problem langsamer als der Mensch erkennt. Studien haben gezeigt, dass die Maschine Informationen aus einem Gespräch schneller verarbeitet als der Mensch. Der Grund dafür, wieso die Maschine eine Diagnose schneller stellt, kann nur erahnt werden. Herr Maaløe geht davon aus, dass Grund darin liegt, dass die Maschine rein gepoolte, statistische Informationen verwendet und sich nicht durch Gefühle beeinflussen lässt.

Die Diskrepanz eine Notlage zu erkennen ist weltweit sehr gross. Sie reicht von 60s bis zu zwei Minuten, bis die Diagnose gestellt wird. In der Zukunft wird spannend zu sehen sein, wie stark sich Notfallstellen mit wenig AI-Erfahrungen und der Nutzung von Corti verbessern können.

Weiter kommt es stark auf die gestellten Fragen und deren Reihenfolge an, wie schnell die Disponenten und Disponentinnen in der Lage sind eine Diagnose zu stellen. Die Maschine analysiert die Reihenfolge der Fragen, gibt den gestellten Fragen einen Zeitstempel und schlägt den Disponenten vor, welche Fragen gestellt werden müssen, um schneller an das Ziel zu gelangen.

Um einen Algorithmus für Notanrufe zu schreiben, müssen die Fragen der Disponenten und Disponentinnen standardisiert sein. Wenn Disponenten und Disponentinnen eine Ahnung haben, wohin das Gespräch führen könnte und darum direkt von Frage zwei auf Frage drei springen, folgt dieser Entscheid rein aus eigenem Ermessen. Der Mensch ist sehr gut darin Situationen zu erahnen, er braucht dafür aber Evidenz. Hingegen kann die Maschine Situationen vorhersehen und basiert seine Entscheidungen rein auf die Statistik und dem Verlauf der Konversation. Im Nachhinein können die von der Maschine getroffenen Entscheide nachvollzogen werden.

Seit dem Jahr 2016, als sie angefangen haben die Technologie zu bauen, wird die Maschine mit Daten gefüttert. Das erste funktionierende System konnte nach 500 Anrufstunden zum Laufen gebracht werden. Mittlerweile haben sie Millionen Anrufe, von denen die Maschine stetig lernen kann.

Die Verarbeitung einer grossen Datenmenge kann falsche Interpretationen vom System hervorheben. In Zusammenarbeit mit den medizinischen Forschern, haben sie die Maschine auf die verfügbaren Daten trainiert. Am Anfang hat das System nicht die erwartete Performance geliefert. Die medizinischen Forscher und Forscherinnen fanden nach ein paar Monaten einen Fehler in den Daten. Das System wurde neu gefüttert war danach funktionsfähig. Ein generelles Missverständnis ist, dass ein System mit einer steigender Anzahl Daten besser funktioniert. Mehr Daten können auch irreführend sein, wenn Inhalte nicht korrekt sind.

Zum Beispiel waren Registrierungsdaten über eine Diagnose nicht vollständig hinterlegt. Das System verliert das Vertrauen die Diagnose zu stellen und das ist in der Auswertung der Statistik zu sehen. Es kann auch der Fall sein, dass eine schlechte Tonqualität kein Signal im System auslöst.

Den genauen Inhalt von verschiedenen gesprochenen Dialekten zu verstehen ist für Menschen sehr schwierig. Wir lernen im Verlaufe unseres Lebens dazu. Wenn verschiedene Dialekte und Mehrdeutigkeiten in Sprachen kein Problem wären, dann wäre Corti nicht nötig. Der Grund für die Daseinsberechtigung von Corti ist, weil Dialekte komplex sind.

Das Geschäftsmodell haben sie in umgekehrter Reihenfolge entwickelt. Die Zusammenarbeit innerhalb des Unternehmens verlief trotzdem aus der Perspektive der Technologiemöglichkeiten und aus Sicht der praktischen Problemlösung. Herr Willi ist davon überzeugt, dass ihre Technologie in verschiedenen Branchen einsetzbar wäre. Die grösste Notwendigkeit für einen technologischen Fortschritt sahen sie aber im Gesundheitswesen.

Die Technologie besteht aus verschiedenen Modulen, die unabhängig voneinander, die gesprochene Sprache und weitere Geräusche identifizieren. Diese Daten werden von der Software analysiert und auf mögliche Korrelationen mit einer Diagnose geprüft. Aus der Auswertung erhalten der Disponent und die Disponentin simultan Signale auf seinen Bildschirm.

Eine Entscheidungsfindung besteht aus einem komplexen Netz von unabhängigen Variablen, die auf etlichen Kausalitätspfaden unsere Entscheidung beeinflussen. Dieses komplexe Vorgehen können wir nicht replizieren. Darum handelt es sich, um eine Vermutung, was uns tatsächlich gebracht hat eine bestimmte Entscheidung zu fällen. Obwohl die Maschine fähig wäre den komplexen Entscheidungsprozess darzustellen, könnten die Disponenten und Disponentinnen für ihre Entscheidung nichts davon lernen.

Es wichtig zu verstehen, dass die Maschine lediglich Empfehlungen abgibt und die Disponenten und Disponentinnen die Entscheidung selbst fällen. Die Disponenten und Disponentinnen erwarten eine Diagnosestellung, die mit einer hohen Wahrscheinlichkeit richtig ist und sie wollen diesen Entscheid nachvollziehen können. Gleichzeitig sind sie sich bewusst, dass die hohe Komplexität, sie bei ihrem Entscheid, irritieren könnte.

Es ist ein schmaler Grat zwischen, die Technologie ist zu gut, um es nicht zu berücksichtigen und der unabhängigen Entscheidung des Menschen.

Das Vertrauensproblem besteht nicht für ihre Technologie, sondern für den ganzen Markt. Eine kritische Einstellung gegenüber neuen Technologien ist wichtig. Neu eingesetzte Technologien sind nur dann sinnvoll, wenn es die Arbeit des Menschen positiv beeinflusst. Ansonsten ist es besser dem menschlichen Verstand zu vertrauen.

Das Spitalunternehmen selbst ist entscheidend für ihr Geschäftsmodell, aber wenn Sie die Endbenutzer und Endbenutzerinnen mit ihrer Idee nicht überzeugen können, dann ist ihre Lösung nicht praxisrelevant. Sie müssen Endbenutzer und Endbenutzerinnen für sich gewinnen und eine gute Zusammenarbeit bieten. Eine transparente Kommunikation über ihre Technologie hilft für das Verständnis ihre Entscheidungen selbst zu treffen und Corti als Empfehlung herbeizuziehen.

Ihre Kunden sind sich der grossen Verantwortung bewusst und nehmen ihre Arbeit bei der Bearbeitung von sensitiven Daten ernst. Der zusätzliche Nutzen aus der Zusammenarbeit hat keinen negativen Einfluss auf die Einstellung der Kunden gegenüber der Datensicherheit.

Als Unternehmen unterstützen sie die Datenschutz-Grundverordnung der Europäischen Union und drängen ihre Kunden ausserhalb von Europa, personenbezogene Daten nach diesen Bestimmungen zu verarbeiten.

Herr Maaløe sieht kein Problem darin, dass der Manager einen transparenteren Einblick in die Arbeitsweise seiner Mitarbeiter und Mitarbeiterinnen bekommt. Schliesslich erwarten die Notdürftigen bei einem Notruf eine schnelle Abwicklung ihres Anliegens. Um eine hohe Qualität beizubehalten, ist es sinnvoll die Disponenten und Disponentinnen zu vergleichen und das Verhalten bei einem Anruf zu beobachten. Nur dann ist es den Managern möglich Hilfe zu leisten, sodass die Disponenten und Disponentinnen bei gleichbleibender Qualität den Notdürftigen helfen können.

Danke der Lösung von Corti, benötigen Disponenten pro Konsultation weniger Zeit bei besserer Qualität als zuvor. Dadurch erweitern sich die Kapazitäten pro Disponenten und Disponentin. Weiter werden weniger Fehlalarme bei der Ambulanz ausgelöst und schliesslich können Leben gerettet werden.

In Europa werden die Spitäler an verschiedenen Leistungskennzahlen gemessen und haben generell den Anreiz Patienten schnell austreten zu lassen. Die schnelle Abwicklung durch neue Technologien entspricht in dieser Hinsicht den Anreizen der Spitäler. 

Zurzeit erweitern sie ihr Angebot auf verschiedene Länder auf der Welt aus. Dies ermöglicht ihr gut skalierbares Geschäftsmodell. Je mehr Regionen und Sprachen sie mit Corti decken, desto besser entwickelt sich ihre Software. In der Zukunft könnte Corti bei der medizinischen Beurteilung eines Patienten mit psychischen Symptomen unterstützen.

Die Software versteht bereits die deutsche Sprache. Es gehe ca. einen Monat, bis das ganze System auf den Schweizer Dialekt konfiguriert ist. Dann müssen die Modelle zur Verifizierung von Herzstillstand auf den Schweizer Dialekt trainiert und schliesslich evaluiert werden. Der ganze Prozess bis zur praktischen Anwendung in einem Schweizer Spital dauert ca. eineinhalb Monate.

Es müssen mehr Investitionen für die Forschung von Maschine Learning getätigt werden, um mehr Menschen davon zu begeistern und um schliesslich die Entwicklung voranzutreiben.