Heidi entwickelte skalierbare KI für das Gesundheitswesen

Das australische KI-Unternehmen Heidi hat erfolgreich produktionsreife KI-Lösungen im globalen Maßstab für das Gesundheitswesen implementiert. Das Flaggschiffprodukt des Unternehmens, Heidi Scribe, automatisiert mittlerweile einen erheblichen Teil der administrativen Arbeiten, die Klinikern in über 190 Ländern Zeit rauben, und unterstützt rund 2,7 Millionen Patienteninteraktionen pro Woche.

Laut Yu Liu, Mitbegründer und CTO von Heidi, erfordert die Implementierung von KI im Gesundheitswesen einen anderen architektonischen Ansatz als in anderen Sektoren. Während eine geringe Fehlerrate in anderen Bereichen lediglich eine Unannehmlichkeit darstellen mag, kann die gleiche Fehlerrate im Gesundheitswesen ein klinisches Sicherheitsproblem darstellen. Liu betonte, dass die Architektur davon ausgehen muss, dass jede Ausgabe überprüft, auditiert und in der Patientenversorgung verwendet wird.

Datenschutz (Data Residency) und Nachvollziehbarkeit (Auditability) sind für Heidi von entscheidender Bedeutung. Die Einhaltung von Vorschriften wie der DSGVO und HIPAA erfordert die regionale Speicherung von Daten. Heidi erreicht dies durch logisch isolierte Produktionsumgebungen weltweit, die sicherstellen, dass Patientendaten innerhalb ihrer zugewiesenen Gerichtsbarkeit verbleiben. Umfassende Audit-Trails sind von Anfang an integriert, um eine nachträgliche Analyse der Datennutzung und der Ergebnisse zu ermöglichen.

Zur Verwaltung der vielfältigen und sich entwickelnden medizinischen Daten nutzt Heidi die Dokumentendatenbank von MongoDB. Dies bietet die notwendige Flexibilität für sich schnell ändernde KI-Daten, ohne dass die Datenbank ständig neu strukturiert werden muss. Liu hebt hervor, dass die Datenarchitektur entscheidend für die Systemleistung ist und die MongoDB-Plattform die effiziente Verarbeitung verschiedener Datentypen, einschließlich Transkriptionen und klinischer Notizen, ermöglicht. Heidi nutzt außerdem die integrierten Vektor-Suchfunktionen von MongoDB Atlas für die semantische Suche, wodurch separate Vektordatenbanken überflüssig werden.