Inside Abridge: de AI die luistert bij 100 miljoen doktersbezoeken — Janie Lee & Chai Asawa van Abridge

The first and most important thing is context is everything as Tai alluded to. Het eerste en belangrijkste is dat context alles is, zoals Chai al aanstipte. 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. En ik denk ook na over hoe we van reactieve meldingen overgaan naar echt proactieve intelligentie op het moment dat het er het meest toe doet. One thing we like to say is we want our product to feel like air conditioning. Wat we graag zeggen, is dat we willen dat ons product aanvoelt als airconditioning. It should be in the background just making things better. Het moet op de achtergrond actief zijn en dingen gewoon beter maken. 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. En misschien, als er iets is met een groot klinisch risico en we ons er scherp van bewust zijn dat ingrijpen nu en niet later ontzettend belangrijk is, moeten we beslissen om te handelen. Before we get into today's episode, I just have a small message for listeners. Voordat we ingaan op de aflevering van vandaag, heb ik een kleine boodschap voor de luisteraars. Thank you. Bedankt. 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. We zouden jullie de AI-engineering-, wetenschap- en entertainmentcontent die jullie duidelijk willen niet kunnen brengen als jullie er niet voor kozen om ook in te klikken en onze content te bekijken. We've been approached by sponsors on an almost daily basis. We worden bijna dagelijks benaderd door sponsors. But fortunately, enough of you actually subscribe to us to keep all this sustainable without ads and we want to keep it that way. Maar gelukkig abonneren genoeg van jullie zich op ons om dit allemaal vol te houden zonder advertenties, en dat willen we zo houden. But I just have one favor to ask all of you. Maar ik heb één verzoek aan jullie allemaal. The single most powerful, completely free thing you can do is to click that subscribe button. Het krachtigste wat je kunt doen, volledig gratis, is op die abonneerknop klikken. It's the only thing I'll ever ask of you. Het is het enige wat ik ooit van jullie zal vragen. And it means absolutely everything to me and my team that works so hard to bring the Inspace to you each and every week. En het betekent absoluut alles voor mij en mijn team, dat zo hard werkt om Latent Space elke week bij jullie te brengen. If you do it, I promise you we'll never stop working to make the show even better. Als jullie dat doen, beloof ik dat we nooit zullen stoppen met werken om de show nog beter te maken. Now, let's get into it. Nu gaan we van start. Okay, this is a special crossover late in space unsupervised learning pod. Oké, dit is een speciale crossover aflevering van Latent Space en Unsupervised Learning. Very, very excited to do this, you know, once a year at this point. Heel, heel blij dat we dit doen, weet je, nu eens per jaar. We get together and this is a fun occasion to get to do it on. We komen samen en dit is een leuke gelegenheid om het op te doen. Uh we I really wanted to talk to a bridge. Ik wilde echt met Abridge praten. 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. Maar ik voelde me erg onzeker, want gezondheidszorg is niet iets wat we heel intensief behandelen, en het zo uitkomt dat Redpoint een grote investeerder en supporter is van Abridge. So Dus anytime you want to have a portfolio company on on your podcast so please by all means. wanneer je een portfoliobedrijf op je podcast wilt hebben, ga je gang. So we introduce our guests um Chai and Janie welcome to the pod. We stellen onze gasten voor: Chai en Janie, welkom bij de pod. Thanks for having us. Bedankt voor de uitnodiging. We're excited to be here. We zijn blij hier te zijn. Thank you. Dank jullie. Yeah. Ja. So for for listeners Dus voor de luisteraars uh what do you guys do just to situate you guys in the in the company? wat doen jullie precies, om jullie te situeren binnen het bedrijf? Uh Bridge is a clinical intelligence layer for health systems. Abridge is een klinische intelligentielaag voor zorgsystemen. We really started with documentation and building for clinicians. We zijn echt begonnen met documentatie en het bouwen voor clinici. 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. We denken dat als we nadenken over het verminderen van de last voor clinici, zij 10 tot 20 uur per week bezig zijn met documentatie. There's a massive doctor shortage in the country. Er is een enorm artsentekort in het land. We also think that conversations between patients and clinicians are probably the most important workflow in healthcare. We denken ook dat gesprekken tussen patiënten en clinici waarschijnlijk de belangrijkste workflow in de gezondheidszorg zijn. 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. Het is uiteraard waar zorg wordt gegeven en ontvangen, maar als je bedenkt dat 20% van ons bbp naar gezondheidszorg gaat, is bijna alles een afgeleide van dat gesprek, of het nu de claim, de betaling, de daadwerkelijke diagnose of de behandeling is. 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. We zijn begonnen met het gesprek om de last voor artsen bij documentatie te verminderen, maar we zijn echt enthousiast over de weg vooruit als we deze bredere klinische intelligentielaag worden. I'm Chai. Ik ben Chai. I work on clinical decision support at ABridge. Ik werk aan clinical decision support bij Abridge. And so I think as Jenny said that we have this we're uniquely situated where we started off with the clinical note. Ik denk, zoals Janie al zei, dat we uniek gepositioneerd zijn doordat we begonnen zijn met de klinische notitie. 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. Waar ik echt enthousiast over ben, en waarnaar we uitbreiden, is: wat zijn alle dingen die je kunt doen vóór, tijdens en na het gesprek als je toegang hebt tot alle context over patiënten, richtlijnen van verzekeraars, medische literatuur, en dat bij elkaar brengt om te laten zien hoe gezondheidszorg er fundamenteel anders uit zou kunnen zien. Yeah. Ja. And that's like the context engine that you guys have. En dat is als de context-engine die jullie hebben. Is that what it's called? Heet het zo? Okay. Oké. Uh so historically as I understand it company started in 2018. Historisch gezien, voor zover ik begrijp, is het bedrijf opgericht in 2018. 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? Veel mensen kennen de AI-spraaknotities-vormfactor, waarbij artsen zoiets zeggen als: stemt u ermee in dat er een opname wordt gemaakt? It replaces handwriting and what have you. Het vervangt handschrift en dergelijke. 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. Maar het lijkt erop dat er de laatste tijd een grote transitie heeft plaatsgevonden bij het bedrijf. Vertel me over die bredere transitie. Yeah. Ja. So from a transition perspective, we really think about our journey Vanuit het perspectief van de transitie denken we echt na over onze reis: 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 hoe kunnen we... de eerste fase was: hoe helpen we tijd te besparen, en dat is waar een groot deel van het originele product om draaide. which like by the way one of the interesting stats on your landing page was like people spend doctors spend like time after hours. wat trouwens een interessante statistiek op jullie landingspagina was: artsen besteden tijd na werktijd. They call it pajama time. Ze noemen het pyjamatijd. Okay. Oké. Why is that pajama time? Waarom heet het pyjamatijd? Uh doctors after work in their pajamas at home or just writing and catching up on their notes every day. Artsen schrijven na het werk thuis in hun pyjama bij en halen hun notities in elke dag. And you know, I think some of our favorite customer love stories. En ik denk dat sommige van onze favoriete succesverhalen van klanten... We have a Slack channel called Love Stories. We hebben een Slack-kanaal genaamd Love Stories. We have clinicians telling us a bridge has helped us, you know, from retiring early. We hebben clinici die ons vertellen dat Abridge hen geholpen heeft om vroeg pensioen te vermijden. We're now finally able to go home and eat dinner with our kids for the first time and We kunnen nu eindelijk naar huis gaan en voor het eerst samen met onze kinderen eten, en save their marriage and some. sommigen redden hun huwelijk zelfs. Yeah. Ja. One of your quotes was like we're not divorcing anymore. Een van jullie quotes was zoiets als: we scheiden niet meer. Like why? Waarom? Like Zoals cuz they're working too much, I guess. omdat ze te veel werken, denk ik. Yeah. Ja. 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. Maar in termen van waar we naartoe gaan en waarnaar we uitbreiden, denken we echt na over onze tweede en derde fase: hoe helpen we zorgsystemen geld te besparen en meer geld te verdienen. Health systems are operating with, you know, record low operating margins. Zorgsystemen opereren met, weet je, historisch lage operationele marges. It's getting harder and harder to serve patients. Het wordt steeds moeilijker om patiënten te bedienen. And they have regulatory, some tailwinds, but also a lot of headwinds coming their way. En ze hebben regelgevende tegenwind, maar ook veel tegenwind die op hen afkomt. And we think AI is ripe for helping on the saving and make more money piece. En we denken dat AI rijp is om te helpen op het vlak van besparen en meer geld verdienen. And then ultimately, how do we help save lives? En hoe kunnen we uiteindelijk levens redden? 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. Het feit dat onze software en ons product miljoenen keren per week wordt geopend, voor, tijdens en na een patiëntenbezoek, geeft ons enorme kansen met producten zoals clinical decision support, wat Chai aan het bouwen is, maar ook veel andere dingen, om daadwerkelijk patiëntresultaten te verbeteren in waarschijnlijk een van de belangrijkste workflows en problemen die we nu kunnen aanpakken. 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 Ik denk dat één ding interessant is: Chai, jij bent uiteraard overgestapt naar Abridge vanuit Glean. Clinical decision support, wat voor onze luisteraars in de context van een bezoek neerkomt op het helpen van een arts om de juiste zorg te bepalen, is in veel opzichten een zoekprobleem: je gaat door veel verschillende databronnen heen, heel analoog aan je vorige rol als een van de eerste engineers bij Glean. Ik weet zeker dat veel luisteraars benieuwd zijn wat er vergelijkbaar is aan het problemenset waar je nu mee bezig bent, en wat er anders aanvoelt nu je in de gezondheidszorg werkt. Yeah. Ja. Um, very similar. Heel vergelijkbaar. 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. Ik denk dat als je een stap teruggaat, er bij elke golf heel veel soortgelijke patronen zijn die zich herhalen in verschillende producten. A lot of social networking products look the same. Veel socialenetwerken zien er hetzelfde uit. A lot of like crowd-based products look the same. Veel op community gebaseerde producten zien er hetzelfde uit. 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. En ik denk dat we dat ook in het agenten-tijdperk zien bij veel bedrijven, uiteraard ook in Redpoints portfolio. 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. En het kernpunt bij beide bedrijven is dat je geweldige modellen hebt, maar context is allesbepalend en context is wat ze echt aan het werk zet. 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. Ik zie in veel opzichten grote overeenkomsten; dit is als een op gezondheidszorg gerichte versie van Glean, maar ik denk dat de verschillen echt interessant zijn. A couple things that come to mind. Een paar dingen die me te binnen schieten. 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. Allereerst is de nauwkeurigheid waarmee we te werk gaan in onze setting, en het neerwaartse risico is hier in de gezondheidszorg extreem hoog. It can actually be fatal in some cases. Het kan in sommige gevallen zelfs fataal zijn. You prescribe something that the patient is allergic to for example. Je schrijft bijvoorbeeld iets voor waar de patiënt allergisch voor is. Whereas at Glean it's like oh you got the question wrong. Bij Glean was het dan zoiets als: je hebt de vraag verkeerd beantwoord. it wasn't the end of the world in most most cases. Dat was in de meeste gevallen niet het einde van de wereld. And so what does that mean? Wat betekent dat dan? That shapes our evaluation strategy, both offline evaluation, progressive roll out, and there's a lot more we could kind of go into there. Dat bepaalt onze evaluatiestrategie, zowel offline evaluatie als progressieve uitrol, en er is veel meer waar we op in kunnen gaan. Second thing that comes to mind is like vertical versus horizontal. Het tweede wat me te binnen schiet, is verticaal versus horizontaal. 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. In beide gevallen is er een grote variatie, maar Glean is een veel meer horizontaal bedrijf met een variatie aan persona's en bedrijven waarmee je werkt. Um we also have a variance of uh personas, different types of specialties, different hospital systems, but the variance is a little more narrow. Wij hebben ook een variatie aan persona's: verschillende specialismen, verschillende zorgsystemen, maar de variatie is iets smaller. 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. Vanuit productperspectief kun je daardoor veel meer focussen, zeker als je met een rijpende technologie werkt en nieuwe producten bouwt die nog nooit bestaan hebben. 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. Het stelt je in staat om specifiek te worden, veel gemakkelijker te richten op bepaalde problemen, en zeker in de gezondheidszorg waar zoveel problemen werden opgelost met arbeid en processen, is dat eigenlijk enorm rijp voor AI om verder te helpen verbeteren en mogelijk te maken. 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. En dan het laatste wat ik echt interessant vind: Abridge specifiek, vergeleken met veel andere bedrijven in het AI-tijdperk, is de modaliteit waarmee we begonnen zijn. We're we're ambient and we're always listening in the background. We zijn ambient en we luisteren altijd op de achtergrond. And I think many more AI products will go that way, but it's actually how we started. En ik denk dat veel meer AI-producten die kant op zullen gaan, maar het is eigenlijk hoe we begonnen zijn.