Nabla为其医生AI助手筹集额外2400万美元，该助手能自动撰写临床笔记

总部位于巴黎的初创公司Nabla刚刚宣布完成了2400万美元的B轮融资，由Cathay Innovation领投，CMA CGM旗下的企业风险投资基金ZEBOX Ventures也参与了投资。这轮融资不久前Nabla就与美国医疗巨头Kaiser Permanente旗下的Permanente Medical Group签署了一项大规模合作伙伴关系。

根据消息来源，Nabla在今天的融资轮后估值达到1.8亿美元。作为这一轮的一部分，该公司还有可能从美国投资者那里筹集到更多资金。

Nabla一直致力于为医生和其他医疗人员开发智能副驾驶。最好的形容方式是它是一个安静的工作伙伴，坐在房间的角落里，为你做笔记并撰写医疗报告。

这家初创公司最初由亚历山大·勒布伦、德尔菲娜·格罗尔和马丁·雷松共同创立。勒布伦是纳布拉（Nabla）的首席执行官，此前曾是人工智能助手初创公司Wit.ai的首席执行官，该公司被Facebook收购。之后，他成为Facebook人工智能研究实验室FAIR的工程主管。

几周前，我观看了一个使用真实医生和假患者模拟背痛的Nabla实时演示。当医师开始咨询时，他们在Nabla的界面上点击开始按钮，然后就可以忘记他们的电脑。

除了体格检查部分之外，一次咨询还包括一个长时间的讨论，涉及到你来这里的原因以及你的病史。咨询结束时，可能还会有医生的建议和开具处方。

Nabla使用语音转文本技术将对话转化为书面记录。它可以用于面对面咨询和远程医疗预约。

患者离开后，医生按下停止按钮。然后，Nabla使用经过医疗数据和与健康相关的对话精细调整过的大型语言模型，识别咨询中的重要数据点，如医疗生命体征、药物名称、病理等。

Nabla在一两分钟内生成一份详尽的医学报告，包括咨询总结、处方和后续预约信。

这些报告可以根据医生的需求定制，使用个性化的格式来记录您的笔记。例如，您可以添加指示，使笔记更简洁或更详细。或者您可以要求生成遵循美国广泛使用的主诉、客观病状、评估和计划（SOAP）笔记模式的笔记。

在我看到的演示中，Nabla的整体效果令我非常惊讶。尽管我们在一个拥挤的房间里，而Nabla只是在离演示展示人员几米远的笔记本电脑上运行，但这个工具能够生成准确的转录和有用的报告。

正如其名称所示，Nabla Copilot并不试图在医疗过程中排除人类。医生仍然可以在报告被归档到他们的电子健康记录系统之前对其进行编辑，并拥有最终决策权。

相反，该公司认为它可以帮助医生节省行政工作时间，以便他们能够更多地专注于患者。

我们所知道的是，我们并不打算试图取代医生。你曾见过一些公司——例如英国的巴比伦——投入了10亿美元尝试制作聊天机器人并迅速自动化，并排除医生的作用。而我们很久之前就决定与Nabla Copilot一起工作，医生是飞行员，我们是他们的助手，”勒布伦说道。

“这有点像自动驾驶车辆的自动化。目前我们还处于二级水平。我们将很快开始进入三级水平，并提供临床保证支持。而四级水平则是临床决策支持，但需要FDA的批准，因为你会做出无法完全解释的决策，”他补充道。

在某种程度上，你甚至可以想象到医疗保健的第五级自主性，这意味着在医疗场所中将去除医生的角色。但是勒布龙在这方面仍非常谨慎。

他说：“对于一些市场中的一些情况，比如在一些无法获得医疗服务的国家，这将是一个相关的事情。” 在长期来看，他认为诊断过程是一个可以通过人工智能解决的“模式匹配问题”。医生将专注于同理心、手术程序和重要决策。

尽管Nabla总部位于法国，但该公司的大部分客户都在美国，这在全国医疗集团推出后就开始了。Nabla并不仅仅是一项正在进行中的工作，它每天都被成千上万的医生积极使用。

Nabla的隐私模型

Nabla目前提供网页应用和谷歌浏览器扩展。该公司深知自己正在处理敏感数据。因此，除非医生和患者都同意，它不会将音频或医疗笔记存储在服务器中。

Nabla专注于数据处理而非数据存储。在咨询后，音频文件被丢弃，转录内容被存储在医生们已经用于病历的电子健康记录系统中。

更加技术性地说，当医生开始录制时，使用一个经过优化的语音转文本API，在实时转录音频。该公司同时使用了微软Azure的现成语音转文本API以及自家的语音转文字模型（基于开源的Whisper模型进行了修改和完善）。

“当你只有普通的语音转文字算法时，它们在医疗数据上可能是好的也可能不好。但是我们有一个经过精细调整的算法。而且，正如你可能已经看到的，一开始文本是非常轻的，然后变得很深。而当文本变得深色时，这意味着我们用自己的模型进行了确认，并使用药物名称或医疗情况进行了修正。”我在演示中听到Nabla ML工程师Grégoire Retourné说道。

首先，文本逐字替换以伪名化，即将个人身份信息替换为变量。伪名化的文本会被一个强大的语言模型进行处理。在过去，Nabla一直使用GPT-3和后来的GPT-4作为其主要的大语言模型。作为企业客户，Nabla可以告诉OpenAI，它不能存储其数据并训练其大语言模型使用这些咨询。

但Nabla也一直在使用经过精细调整的Llama 2版本进行实验。Lebrun说：“在将来，我们设想使用越来越狭窄的模型，而不是通用模型。”

一旦LLM处理了成绩单，Nabla会对输出进行去匿名化。医生可以在本地网页浏览器存储文件中查看备注。备注可以导出到电子健康记录系统中。

然而，医生可以给予他们的批准并要求患者同意与Nabla分享医学记录，以便纠正转录错误。考虑到Nabla正计划每年处理超过300万次咨询，且使用三种语言，Nabla有很大机会通过真实世界的数据来快速改进。