2016年刊于美國醫學期刊Annals of Internal Medicine上的一項研究表明，與以往相比，醫生在患者身上花費的時間有所減少，僅占工作日的27%。

造成這一現象的罪魁禍首是電子病歷記錄。醫生們發現他們越來越離不開電腦，已然變成高級“數據輸入員”。

即使和患者同處一室，醫生也僅用52%的時間與患者交流。但該研究也有另一個發現：使用某種文件支持應用（例如醫療記錄助手或聽寫服務），醫生能花更多時間與患者進行直接交流。

初創公司LexiconAI正在致力于使用由GPU驅動的AI技術助力解決這一問題。

位于硅谷的LexiconAI公司聯合創始人兼CEO Matt Rubashkin表示：“現在需要一種更好的方式來優化醫療系統。我們要解決的問題是如何幫助醫生，讓他們真正專注于重要的事情上。”

重獲被浪費的時間

Rubashkin和LexiconAI的聯合創始人兼CTO Ian Plosker在此前就已投身于數字健康領域，他們真切地了解有多少時間被浪費在了文檔編制上。

他們希望利用聲音和語音識別來改變醫療數據的采集方式。他們專注研究利用深度學習，在不打斷醫患溝通的前提下，順暢地捕獲醫療信息。其開發的移動應用LexiconMD能夠記錄非結構化的語音，并輸出結構化的數據。

該應用能夠記錄醫生和患者之間的對話，將音頻流傳送到LexiconAI基于云計算的引擎，隨后僅在500毫秒內輸出記錄文本，以及字詞組合建議。

該應用集成了諸多電子病歷記錄系統，并能將返回的數據自動填入正確字段中。Rubashkin表示LexiconMD的準確度高達94%。（對于還未與LexiconMD集成的系統，醫生仍可以使用語音識別功能，將返回的數據手動地插入正確字段中。）

“用戶在與LexiconMD交互時，就好像與真人在進行交流。”Rubashkin 說道，“用戶無須使用特定詞匯去適應它。因為我們的目標是讓LexiconMD適應人類，并向人類學習。”

LexiconAI最初主要關注于老年人護理市場，為此它基于老年保健供應商使用的語言，基于特定數據集創建了許多模型。它與頂尖的長期護理電子病歷記錄系統 PointClickCare緊密集成。

Rubashkin發現，老年人護理機構Juniper Communities目前正在使用LexiconMD， 來減少護理人員編制文檔的耗時，并提高文檔編制的質量，進而節省了大筆費用。

GPU發揮關鍵作用

NVIDIA GPU以兩種方式在LexiconAI產品中發揮重要作用。首先，公司使用一組NVIDIA Tesla GPU加速器在Google云端平臺中運行服務，進而實現語音識別分析的快速周轉和電子病歷記錄系統的自動填寫。

公司也在其辦公室內使用GPU加速，實現了無需啟動更多計算實例即可進行實驗。另外還通過CUDA、cuDNN和TensorFlow，使用GPU做深度學習實驗。

Rubashkin表示：“如果沒有GPU，我們可能要花上很多年才能達到現在這個水平。”

目前，LexiconAI才成立一年，Rubashkin 就看到了無數機遇，因為這家公司的技術能夠幫助各種專業人員處理繁雜的文檔編制工作。LexiconAI正在為法律領域開發應用，并將很快投入使用。

同時，這家公司還希望能夠提供更多即時服務，為專業人員給予幫助。例如，Rubashkin表示，LexiconMD搭載AI技術的平臺可以幫助醫生查找信息，進行醫療決策，這就好比在航行期間，電子警報和實時信息顯示能夠為飛行員提供巨大幫助。

他表示：“目前其他市場上有許多可以借鑒的地方，比如’增強智能’可以大大提高生產力和安全性。”