A légkondi a rendelőben

Van egy nagyon ismerős kép, ami sokáig csak az amerikai orvosokról szólt. Vacsora után, otthon, pizsamában, a konyhaasztalnál ülve gépelik be a délelőtti vizit-jegyzeteket. Másnap reggel ugyanaz, csak fordítva: a megírtakból kell visszaolvasni, mit is mondott a páciens. Az iparág adott neki egy nevet, pajama time, és belső statisztikák szerint egy átlag amerikai orvos heti tíz-húsz órát tölt vele. Vannak, akiknek a házasságába kerül.

Ezen a ponton lép a képbe egy pittsburgh-i cég, az Abridge. A bemutatkozó vonaluk látszólag unalmas, ráadásul akár hatástalan is lehetne: ambient klinikai dokumentáció. Vagyis a beszélgetés alatt a háttérben hallgat egy AI, és amikor a páciens kilép a szobából, a vizit-jegyzet készen vár az orvosra. A klinikus nem gépel közben, hanem a beteg szemébe néz. A jegyzet pedig nem a holnap reggeli kávé mellett születik újra, hanem ott helyben, abban a tizenöt percben, ami a következő pácienssel kezdődik.

Az érdekes paradoxon, hogy ez a cég nem a ChatGPT-hullámon ugrott elő. Még 2018-ban indult, négy évvel a nagy LLM-robbanás előtt, akkor még abból, hogy unalmasan, türelmesen feltérképezte: hogyan ért meg egy gép pontosan egy ortopédiai vizsgálat magyarázatát, hogyan tűri az amerikai elektronikus kórlap, az EHR a gépi jegyzetet, hogyan vesznek meg egy ilyen szoftvert kórház-igazgatók. Mire a generatív modellek odaértek, az Abridge már évek óta a leginkább szövevényes, kontextus-igényes egészségügyi workflow-on dolgozott. A jó modellt ráengedni egy érett alapra egészen más, mint új modellre építeni új céget.

A számok ma ott vannak, ahol már nehéz vitatkozni velük. Évente nyolcvan-, közelítve a százmilliós nagyságrendű orvos-páciens beszélgetést dolgoznak fel, 250 nagy amerikai kórház-rendszerben, 28 nyelven, ötven szakterületen. Tavaly nyáron a Series E körben háromszáz millió dollárt zártak ötmilliárd-háromszáz-millió dolláros értékelésen. De a cég vezetése nem a számokkal nyit, hanem egy belső Slack-csatornával. Love Stories a neve, és ide küldik az orvosok a megható mondataikat. „Először tudunk a gyerekekkel vacsorázni.” „Korán nyugdíjba mehetek.” És az egyik orvos így zárta a sajátját: „Már nem válunk el.”

Ennél azonban érdekesebb az, amit a cég a következő rétegben épít. Az ambient dokumentáció után jön a klinikai intelligencia, ami már nemcsak rögzít, hanem előre szól. A bemutató példájuk minden orvosi rendelő-szagú: a páciens, akit nevezzünk Seannek, bemegy térdfájással. Az orvos MRI-t ír fel. A klasszikus változatban négy héttel később felhívja a recepció: az Aetna nem hagyta jóvá a vizsgálatot, mert a kaliforniai protokoll hat kritériumot vár, és nem mindegyik teljesült. Kezdődik elölről az egész. Az Abridge-zsel a háttérben pedig más történik. A modell tudja, hogy Sean Aetnán van, ismeri a protokollt, a kontextusból négy kritériumot már igazoltnak lát. Még két kérdés van hátra, ezeket az AI csendben átküldi az orvosnak a vizit alatt: kérdezzen rá a gyógytornára és a hat hetes panasz-küszöbre. Ha mindkettő rendben, az MRI engedélye perceken belül megvan. A négyhetes biztosítási packázásból tizenöt perces vizit lett.

A cég egyik vezetője, aki egyébként korábban a Glean nevű vállalati keresőmotor egyik első mérnöke volt, a következő mondatot szokta ismételni: a modell jó, viszont a kontextus a király. Magyarul a frontier-modellek képesek a feladat nehéz felére, hiszen erre nőttek fel, de az igazi munka az, hogy a páciens saját kórtörténete, a biztosító protokollja, a kórház útmutatója és a klinikus szokásai mind egy térben legyenek, abban a pillanatban, amikor az orvos kérdez. Ez nem AI-probléma, hanem rendszer-probléma. Pontosan ezért volt az Abridge-nek hat évre szüksége, hogy a látszólag triviális vizit-jegyzettől eljusson idáig.

A másik vezetőjük, aki egyúttal a termékstratégia gazdája, egy különös metaforát szokott elsütni. Azt szeretné, hogy az AI a rendelőben olyan legyen, mint a légkondi. Mindig a háttérben, észrevétlenül, csak attól érzed jobban magad, hogy ott van. És csak akkor szóljon, amikor tényleg muszáj. Ennek persze megvan a maga súlyos klinikai oka: az egészségügyben a riasztások több mint kilencven százalékát az orvosok már ignorálják. Klasszikus alert fatigue, ahogy a szakma hívja. A megoldás nem egy újabb felugró ablak, hanem proaktív kontextus-előkészítés a vizit előtt, és nagyon ritka, valóban súlyú beavatkozás a vizit alatt.

Magyar nézőpontból mindebből a beszélgetés a hangulati része talán a legfontosabb. Az Abridge ugyanis nem azt mondja, hogy az AI megírja helyettünk a klinikai jegyzetet. Azt mondja, hogy a klinikai jegyzet körüli mocsár, a biztosítási packázás, az otthoni pizsamás esti gépelés, az egyórányi telefonálás egy MRI-engedélyért – mindez az, amit kiszervezhetünk a gépnek. Az orvos visszakapja az időt, amit a beteggel kellene töltenie. Ráadásul azt a logikát, ami az Egyesült Államokban a kórház-rendszereken működik, lefordítva ott motoszkál minden középvezetőben, aki Pesten reggel a saját inboxára néz, és tudja, hogy a feladatok két felére tudná osztani. Az egyik fele rutin, súrlódás, papír-tologatás. A másik a gondolkodás, a döntés, a beszélgetés. Az Abridge a legkonzervatívabb iparágban mutatja meg, hol húzódik a vonal. És hogy ha valaki ezt a vonalat türelmesen, hat éven át rajzolja, a végén nem a technológia változik. A munkának az értelme változik.