Uniwersytety
Na styku badań, edukacji i praktyki klinicznej koncentrujemy się na sposobie oceny technologii. Uwzględniamy zarówno pytania naukowe, jak i potrzeby codziennego użytkowania.
Strony informacyjne, rejestracja, logowanie i przewodnik są dostępne po polsku. Obsługa języków w przestrzeni klinicznej, raportach AI i rozpoznawaniu mowy jest określana oddzielnie.
RAI Health powstało w 2021 roku w Tallinnie w Estonii. Rozwijamy i wykorzystujemy sztuczną inteligencję oraz technologie cyfrowe, aby wspierać lepszą opiekę zdrowotną.

Historia RAI Health rozpoczęła się w Tallinnie w 2021 roku. Od początku naszym celem jest rozwijanie technologii wokół potrzeb lekarzy, placówek medycznych i ich pacjentów, zgodnie z podejściem do odpowiedzialnej AI.
Łącznie rozpatrujemy obrazowanie, dokumentację kliniczną, dostęp do informacji i cyfrowe procesy pracy. Chcemy pomagać w docieraniu właściwych informacji do właściwych osób, wspierać wiedzę specjalistów i współpracę między organizacjami.
Postęp oceniamy nie tylko przez możliwości techniczne modelu, lecz także przez jego miejsce w codziennej opiece. W centrum rozwoju stawiamy zrozumiałe użytkowanie, rzetelną ocenę i jasny podział odpowiedzialności.
Rozwiązania RAI Health są wykorzystywane w wielu uniwersytetach, szpitalach i firmach telemedycznych. Organizacje pracują różnie, ale łączy je potrzeba technologii medycznych skupionych na człowieku.
Na styku badań, edukacji i praktyki klinicznej koncentrujemy się na sposobie oceny technologii. Uwzględniamy zarówno pytania naukowe, jak i potrzeby codziennego użytkowania.
Obrazy, raporty i systemy instytucjonalne traktujemy jako części jednego procesu. Sposób pracy lekarzy oraz odpowiedzialność placówek wpływają na projektowanie rozwiązań.
W opiece zdalnej istotne są dostęp do informacji, dokumentacja i ciągłość współpracy między zespołami. Rozwijamy technologię z uwzględnieniem tych potrzeb.
Odpowiedzialna sztuczna inteligencja — Responsible AI — oznacza dla nas pytanie o to, komu służy technologia, z jakich informacji korzysta i w jakich granicach działa. Łącznie rozpatrujemy dobro pacjenta, ocenę lekarza i odpowiedzialność organizacji.
Płynna i przekonująca odpowiedź nie musi być poprawna. Nasze zasady rozwoju obejmują więc nie tylko szybkość i wygodę, lecz także możliwość sprawdzenia, zakwestionowania i poprawienia wyniku.
Wsparcie AI powinno umożliwiać lekarzowi ocenę wyniku z użyciem własnej wiedzy. Widoczne rozróżnienie szkicu, sugestii i zatwierdzonego raportu, możliwość korekty oraz pozostawienie ostatecznej decyzji odpowiedzialnemu profesjonaliście to nasze zasady projektowe.
Dla każdego rozwiązania pytamy, jaką potrzebę ma zaspokajać i kiedy nie powinno być używane. Wyniki z jednego środowiska nie stanowią wystarczającego dowodu dla innego. Rozwój produktu i walidację kliniczną traktujemy jako odrębne działania.
Użytkownik powinien rozumieć, z jakich informacji korzystała AI i do czego nie miała dostępu. Uwidocznienie brakującego kontekstu, unikanie pozornej pewności i zrozumiałe opisanie ograniczeń są częścią naszego podejścia.
Projektując funkcję, rozpatrujemy cel użycia danych, dostęp do nich i czas przechowywania. Obrazy, dźwięk i tekst raportów mają różne potrzeby. Dążymy do zrozumiałych wyborów dotyczących dostępu, przechowywania i usuwania.
Uwzględniamy różnice językowe, procesy kliniczne i grupy pacjentów. Zamiast polegać na jednej średniej, należy badać działanie w różnych warunkach. Tłumaczenie interfejsu i walidacja klinicznego modelu w danym języku to osobne zadania.
Odpowiedzialna AI nie jest jednorazową kontrolą. Informacje zwrotne, analiza błędów, ocena zmian i ewentualne ograniczenie funkcji należą do naszego podejścia. Bezpieczeństwo i użyteczność wymagają ponownej uwagi wraz z rozwojem produktu.
Wartość pomysłu oceniamy razem ze sposobem jego użycia. Naszym rozwojem kierują cztery pytania.
Jaki problem rozwiązujemy? Kto wykorzysta wynik, jakie dane są niezbędne i kto ponosi odpowiedzialność?
Które błędy są istotne? Jakie ograniczenia zbadać przy brakujących informacjach, różnych językach i środowiskach pracy?
Jakie etapy przeglądu, objaśnienia i granice są potrzebne? Czy użytkownik rozumie, co zatwierdza?
Co pokazują uwagi użytkowników i zmiany produktu? Czy potrzebna jest ponowna ocena lub ograniczenie użycia?
Tekst wygenerowany przez AI może być szkicem do oceny przez lekarza. Zatwierdzony raport powstaje po przeglądzie przez uprawnionego profesjonalistę i zgodnie z procesem placówki. Nasze podejście zakłada możliwość rozróżnienia tych etapów przez użytkownika.
Brakujące obrazy, ograniczony kontekst kliniczny lub niewyraźne nagranie mogą ograniczać ocenę. Naszym celem projektowym jest pokazanie braków i umożliwienie kontroli. Oceny wybranych obrazów nie należy przedstawiać jako przeglądu całego badania.
Rozwój, pilotaż i walidacja konkretnego zastosowania to różne etapy. Dostępność, zakres kliniczny i wymagane oceny zależą od produktu i środowiska. Ta strona opisuje podejście firmy, a nie wspólne dopuszczenie kliniczne lub certyfikację wszystkich produktów.
Sam dobry model nie tworzy dobrego procesu opieki. Istotne są dobór danych, uprawnienia dostępu, szkolenie użytkowników, prezentacja wyników i obsługa błędów. Dlatego rozpatrujemy AI razem z interfejsem, procesem i odpowiedzialnością człowieka.
Porozmawiajmy o potrzebach Państwa uniwersytetu, szpitala lub usługi telemedycznej. Poznaj nasze rozwiązania i rozwijane produkty.