Abridgeの内側：1億回の診察を聴くAI — Abridge の Janie Lee & Chai Asawa

The first and most important thing is context is everything as Tai alluded to. 最初にして最も重要なことは、コンテキストがすべてだということです。Taiが触れていたように。 And I also think about how do we go from being reactive alerting to really proactive intelligence at the point at which it matters most. それに加えて、リアクティブなアラートから、本当に重要な瞬間に機能するプロアクティブなインテリジェンスへ、どう移行していくかを考えています。 One thing we like to say is we want our product to feel like air conditioning. 私たちがよく言うのは、プロダクトはエアコンのようであってほしいということです。 It should be in the background just making things better. バックグラウンドで静かに物事をよくしてくれる存在であるべきです。 And maybe if and if there is something that has great clinical risk and we're acutely aware that intervening now and not later is incredibly important, we should decide to act. そして、臨床的リスクが高く、今介入することが後回しにするより重要だとはっきり分かる場合にのみ、行動すべきだと判断するべきです。 Before we get into today's episode, I just have a small message for listeners. 今日のエピソードに入る前に、リスナーの皆さんに少しだけお伝えしたいことがあります。 Thank you. ありがとうございます。 We would not be able to bring you the AI engineering, science, and entertainment content that you so clearly want if you didn't choose to also click in and tune into our content. 皆さんがコンテンツを視聴し続けてくれなければ、AIエンジニアリング・科学・エンタメのコンテンツをお届けすることはできません。 We've been approached by sponsors on an almost daily basis. スポンサーからは毎日のようにお声がけをいただいています。 But fortunately, enough of you actually subscribe to us to keep all this sustainable without ads and we want to keep it that way. でも幸いなことに、十分な数の皆さんがサブスクライブしてくださっているので、広告なしでも持続可能な状態を保てています。このままでいきたいと思っています。 But I just have one favor to ask all of you. ただ、一つだけお願いがあります。 The single most powerful, completely free thing you can do is to click that subscribe button. 無料でできる最も強力なことは、サブスクライブボタンをクリックすることです。 It's the only thing I'll ever ask of you. お願いするのはそれだけです。 And it means absolutely everything to me and my team that works so hard to bring the Inspace to you each and every week. 毎週Latent Spaceをお届けするために懸命に働く私とチームにとって、それは本当に大きな意味を持ちます。 If you do it, I promise you we'll never stop working to make the show even better. サブスクライブしてくれれば、番組をさらに良くするための努力を絶対に止めません。 Now, let's get into it. では、始めましょう。 Okay, this is a special crossover late in space unsupervised learning pod. さて、これはLatent SpaceとUnsupervised Learningのスペシャルコラボエピソードです。 Very, very excited to do this, you know, once a year at this point. もう年に一度のことになってきましたが、毎回とても楽しみにしています。 We get together and this is a fun occasion to get to do it on. 一緒に集まれて、こういう機会に収録できるのは嬉しいですね。 Uh we I really wanted to talk to a bridge. 私たちはAbridgeについて話したかったのですが、 Uh but I felt very underqualified because it's healthcare is not something we cover very intensely and it just so happens that points are big big investors and supporters of uh bridge. ヘルスケアは私たちがあまり深く取り上げないテーマで、自分には専門知識が足りないと感じていました。ちょうど良いことに、RedpointはAbridgeの大きな投資家でありサポーターです。 So そういうわけで anytime you want to have a portfolio company on on your podcast so please by all means. ポートフォリオ企業をポッドキャストに呼びたいときはいつでも声をかけてください。 So we introduce our guests um Chai and Janie welcome to the pod. ゲストのChaiさんとJanieさんをご紹介します。ポッドキャストへようこそ。 Thanks for having us. お招きいただきありがとうございます。 We're excited to be here. 来られて嬉しいです。 Thank you. ありがとうございます。 Yeah. そうですね。 So for for listeners リスナーの皆さんに向けて、 uh what do you guys do just to situate you guys in the in the company? お二人が会社でどんな役割を担っているか、少し教えていただけますか？ Uh Bridge is a clinical intelligence layer for health systems. AbridgeはEHRシステムのための臨床インテリジェンスレイヤーです。 We really started with documentation and building for clinicians. 私たちは最初、ドキュメンテーションと臨床医向けのプロダクト開発からスタートしました。 And we think that, you know, as we think about reducing the burden that clinicians have, they're spending 10 to 20 hours a week on documentation. 臨床医の負担軽減を考えると、彼らはドキュメンテーションに週10〜20時間を費やしています。 There's a massive doctor shortage in the country. 国内では医師不足が深刻な問題になっています。 We also think that conversations between patients and clinicians are probably the most important workflow in healthcare. 患者と臨床医の会話は、おそらくヘルスケアの中で最も重要なワークフローだと考えています。 It's obviously where care is given and received, but if you think about the 20% of our GDP that goes towards healthcare, almost everything is a derivative of that conversation, whether it's the claim, the payment, the actual diagnosis given the treatment. 当然そこでケアが与えられ受け取られますが、GDPの20%を占めるヘルスケアにおいて、請求、支払い、実際の診断や治療まで、ほぼすべてがその会話の派生物です。 And we've started with a conversation to reduce the burden for doctors on documentation, but we're really excited about the path ahead as we become this broader clinical intelligence layer. 私たちは医師のドキュメンテーション負担軽減から始めましたが、より広い臨床インテリジェンスレイヤーへと進化していくこれからの道のりがとても楽しみです。 I'm Chai. Chaiと申します。 I work on clinical decision support at ABridge. AbridgeでClinical Decision Supportを担当しています。 And so I think as Jenny said that we have this we're uniquely situated where we started off with the clinical note. Janeyが言ったように、私たちはクリニカルノートから始めたという独自のポジションにいます。 What I'm really excited about and where we're expanding towards is what are all the things you can do before the conversation during the conversation and after the conversation if you did have access to all the context about patients pair guidelines medical literature and put that together and to serve you know what how healthcare could look fundamentally different. 私が本当に楽しみにしているのは、患者コンテキスト、ペイヤーのガイドライン、医学文献にアクセスできる状態で、会話の前、会話中、会話後にできることを組み合わせたとき、ヘルスケアが根本的にどう変わるかという部分です。 Yeah. そうですね。 And that's like the context engine that you guys have. それがあなたたちの言うコンテキストエンジンということですね。 Is that what it's called? そういう呼び方なんですか？ Okay. なるほど。 Uh so historically as I understand it company started in 2018. 私の理解では、会社は2018年に創業されましたね。 Uh a lot of people would be familiar with like the AI voice notes form factor that that doctors would be like well do you consent to be being recorded? 多くの方はAI音声メモという形式を知っているかと思います。医師が「録音に同意しますか？」と聞くような。 It replaces handwriting and what have you. 手書きなどの作業を置き換えるものです。 Uh but I it it sounds like more recently there's been a big transition in the company or just tell me about like the the broader transition. 最近、会社の中で大きな転換があったようですが、その変化について教えていただけますか？ Yeah. そうですね。 So from a transition perspective, we really think about our journey 移行という観点から見ると、私たちは自分たちの歩みをこう捉えています。 as how do we, you know, first chapter was first act was how do we help save time and that's where a lot of that original product was 最初の章、最初の幕は、時間を節約するにはどうすれば良いかということで、最初のプロダクトの多くはそこに集中していました。 which like by the way one of the interesting stats on your landing page was like people spend doctors spend like time after hours. ちなみに御社のランディングページにあった統計で興味深かったのが、医師が時間外に費やしている時間の話でしたが。 They call it pajama time. パジャマタイムと呼ぶんです。 Okay. なるほど。 Why is that pajama time? なぜパジャマタイムというんですか？ Uh doctors after work in their pajamas at home or just writing and catching up on their notes every day. 医師が退勤後、家でパジャマを着ながらノートを書いたり追いつくために毎日費やしている時間のことです。 And you know, I think some of our favorite customer love stories. お客様から聞いた中で特に嬉しいエピソードがあります。 We have a Slack channel called Love Stories. Love Storiesという社内Slackチャンネルがあります。 We have clinicians telling us a bridge has helped us, you know, from retiring early. 臨床医からAbridgeのおかげで早期退職しなくて済んだという声が届いています。 We're now finally able to go home and eat dinner with our kids for the first time and ようやく家に帰って子供たちと夕食を食べられるようになったと言ってくれています。 save their marriage and some. 離婚を回避できたという声もあります。 Yeah. そうですね。 One of your quotes was like we're not divorcing anymore. 「もう離婚しなくて済む」という言葉もありましたね。 Like why? なぜかというと？ Like えっと cuz they're working too much, I guess. 働きすぎていたからでしょうね。 Yeah. そうですね。 But um in terms of where we're going and where we're expanding, we really think about our second and third acts around how do we help health systems save and make more money. これからどこへ向かい、どう拡大するかというと、第2幕、第3幕はヘルスシステムのコスト削減と収益改善をいかに支援するかだと考えています。 Health systems are operating with, you know, record low operating margins. ヘルスシステムは過去最低水準の営業利益率で運営されています。 It's getting harder and harder to serve patients. 患者へのサービス提供がどんどん難しくなっています。 And they have regulatory, some tailwinds, but also a lot of headwinds coming their way. 規制面では追い風もありますが、多くの逆風も押し寄せています。 And we think AI is ripe for helping on the saving and make more money piece. コスト削減と収益改善においてAIが力を発揮できる時期が来たと思っています。 And then ultimately, how do we help save lives? 最終的には、命を救うことにどう貢献するか。 The fact that our software and our product is open millions of times a week before, during, and after a patient walks in the room um gives us massive opportunity with products like clinical decision support, what Chai is building, but so many others to actually improve patient outcomes and probably one of the most important workflows and and problems to be going after right now. 私たちのソフトウェアは週に何百万回も患者が入室する前・中・後に起動されています。これはClinical Decision Supportのような機能、Chaiが開発しているもの含め、患者アウトカムを改善する巨大な機会であり、今まさに取り組むべき最重要ワークフローの一つだと考えています。 I mean I think one thing that's that's interesting chai is obviously you came over to a bridge from glee and I think about clinical decision support uh which is you know for our listeners is basically you know in the context of a visit helping a doctor figure out the right type of care it's really a search problem in many ways right of of going through lots of different data sources very analogous to your previous role as as as one of the uh earliest engineers over at Glean um I'm sure a lot of our listeners are curious what's uh similar about the problem set you're going after now and what feels different uh now that you're you're in healthcare ChaiはGleanからAbridgeに来たわけですが、Clinical Decision Support、つまり診察の場面で医師が適切なケアを判断するのを支援する機能は、多くのデータソースを横断するという意味で検索問題に近いですよね。以前のGleanでの最初期のエンジニアとしての役割と非常にアナロジーが取れると思います。似ている部分と違う部分、特にヘルスケアに入って変わったと感じる点を教えていただけますか？ Yeah. そうですね。 Um, very similar. とても似ています。 And I I think taking a step back, I think with every wave, there's a lot of like very similar patterns that happen across different products. 少し引いて考えると、どの波にも様々なプロダクト間で非常に似たパターンが見られると思います。 A lot of social networking products look the same. ソーシャルネットワークのプロダクトは似た形になりますし、 A lot of like crowd-based products look the same. クラウドソーシング系のプロダクトも似た構造になりがちです。 And I think we're seeing that's very similar in the agent era with many companies, of course, in Redpoint's portfolio and so forth. エージェント時代においても、Redpointのポートフォリオ企業を含め、多くの会社で同様のパターンが見えています。 Um, and the key insight between both companies is that like you have amazing models, but like context is king and context is what actually puts them to work. 両社に共通する重要な洞察は、素晴らしいモデルはあっても、コンテキストこそが王様であり、モデルを機能させるのはコンテキストだということです。 Um so I see in a lot of ways a lot of similarities and like this is a healthcare coded version of clean but I think the differences are really interesting. 多くの面でGleanとの類似点が見えます。ヘルスケア特化版のGleanとも言えますが、違いの部分がまた面白い。 A couple things that come to mind. いくつか思い浮かぶことがあります。 First and foremost uh like the rigor at which in which in in the setting we are in um the downside risk is extremely high here in healthcare. まず何より、私たちがいる環境における厳格さという点で、ヘルスケアではダウンサイドリスクが非常に高いです。 It can actually be fatal in some cases. 実際に命に関わるケースもあります。 You prescribe something that the patient is allergic to for example. 例えば、患者がアレルギーを持つものを処方してしまうといったことです。 Whereas at Glean it's like oh you got the question wrong. Gleanでは質問の回答が間違えていても、 it wasn't the end of the world in most most cases. ほとんどの場合は大事には至りませんでした。 And so what does that mean? それはどういう意味かというと、 That shapes our evaluation strategy, both offline evaluation, progressive roll out, and there's a lot more we could kind of go into there. オフライン評価やプログレッシブロールアウトなど、評価戦略全体に影響します。もっと深く話せることもあります。 Second thing that comes to mind is like vertical versus horizontal. もう一つ思い浮かぶのは、垂直対水平という軸です。 Um, in both cases, there's there's a large variance, but when Glean is it's a much more horizontal company, there's a variance of personas, companies that you're working with. どちらも大きなばらつきがありますが、Gleanはより水平的な会社で、ペルソナや企業の種類も多様でした。 Um we also have a variance of uh personas, different types of specialties, different hospital systems, but the variance is a little more narrow. 私たちも専門科や病院システムなど様々なペルソナのばらつきはありますが、もう少し範囲が絞られています。 So from a product perspective, you're able to focus far more, especially when you have a maturing technology and you're building new products that never existed before. だからプロダクト視点では、特に技術が成熟し、これまで存在しなかった新しいプロダクトを作っていく中で、より集中しやすくなります。 It lets you go specific uh go after them much more easily and especially in healthcare where so many problems have were solved with labor and process that's actually extremely ripe for AI to keep helping augment and enable. 特定の課題に深く入り込みやすくなりますし、特にヘルスケアでは多くの問題が人手やプロセスで解決されてきたため、AIが補助・支援しやすい領域が豊富にあります。 Um, and then the final thing that I think that's really interesting, Bridge specifically compared to many other companies in the AI area is the modality we started with. 最後にもう一点、AIの時代における多くの他社と比べてAbridgeが特に興味深いのは、私たちが最初に選んだモダリティです。 We're we're ambient and we're always listening in the background. 私たちはアンビエントで、常にバックグラウンドで聴いています。 And I think many more AI products will go that way, but it's actually how we started. 多くのAIプロダクトが同じ方向に向かうと思いますが、私たちは最初からそのアプローチでした。