采访Subash Gandyer,Regent Ai Lead,ConvertationHealth Inc

会话健康 是一家为全球制药和生命科学公司提供对话的AI平台。

我们感谢 Semash Gandyer. 参加 会话AI采访系列 并分享几个AI智能之家,包括:

  1. 他作为高级AI领先的责任。
  2. 对话AI如何在医疗保健部门杠杆化。
  3. 帮助他在他的数据科学事业以及驱动器中的资源,并激励他在数据科学中工作。

1.你的背景是什么以及你是如何参与的对话健康的?

我在计算机视觉和图像处理中有一个大师,分别具有超过10年的机器学习和深度学习经验。我开始了我的职业生涯,作为帮助大学生学习数学,计算机科学和机器学习的导师。我喜欢教学,我成为印度领先大学工程学院的助理教授。

然后,我参与了几种ML初创公司作为AI / ML顾问,并慢慢转变为全职从业者。我采取了各种角色,如机器学习开发商,深度学习工程师和数据科学家。我正在建立推荐发动机,产品情绪分析仪,脑电电脑接口应用来命名几个。

几年前搬到加拿大后,我开始担任医疗保健空间的数据科学家,为编码处方,排放票据和临床文本的医生提供NLP解析器。今年12月,我加入了对话了,因为我最爱的三个重要元素:AI,Healthcare和Chatbots。对话休眠SaaS平台可以确切地说–医疗保健公司的智能聊天聊天,以便快速有效地融入会话时代。

2.您作为AI高级AI领先的职责是什么?

对谈话河流的职责跨越这五倍。首先,我的优先事项是通过分析回退和创建可扩展的NLU模块来提高对话休眠BOT的任何查询的响应率。

其次,我的主要焦点是监督我们的客户机器人,以确保通过开发和将最先进的算法发展到我们的解决方案中的最高级别。

第三,我自动化对话写作的手动强烈内部过程,从而减少了几周到几天的上市时间。我还调查,研究和实验现有文献,了解识别最佳解决方案的具体问题。最后但并非最不重要的是,我向我们的NLU团队转移并转移了对我们的最佳实践的最佳实践,以开发出于手头问题的最佳解决方案。

3.谁是对话期的客户,以及如何使用AI和数据科学来为他们创造价值?

对话营业的客户是全球主要的制药和生命科学公司。我们的一些客户包括Bayer,Merck,Lilly,Astrazeneca等。我们的客户在3个大陆的7个国家跨越。

对话期是全球生命科学行业的基于云的对话AI平台。其谈话管理平台为销售权力&营销,医务和临床试验解决方案,帮助这些公司从事医疗保健专业人士,患者和消费者,通过文本,语音和数字人体。

我们推出了2.5年前,已经与16家全球制药和生命科学公司合作。

4.您帮助您的客户使用BOTS自动化的流程& Conversational AI?

会话AI允许客户通过个性化和按需相互作用来扩展对话,以便他们的客户,无论是患者还是医疗保健专业人员。我们的虚拟助手的实施能够在整个业务中利用共同的NLP和机器学习模型,这些业务推动出卓越的用户体验和准确性,并提供成本降低。例如,Chatbot可以减少呼叫中心所需的实时代理的数量,同时增加与客户的频率和质量。

我们以患者为中心的机器人可以根据自己的术语到达患者,回答他们的健康问题并提供支持24/7。此外,我们的机器人可以通过提供消息和智障的信息,在他们的医疗保健旅程中与患者发起关键谈话。患者现在可以提出关键的情感问题,以至于他们没有感到舒服地询问。我们最近为美国哮喘和过敏基金会创造了一个聊天基础,为患者,消费者和照顾者以及保险导航的个性化支持。

我们还为医生,护士和护理人员等医疗专业人士制定了HCP助理,以获得特定药品相关产品的知识并获得最新的临床更新。该机器人提供有关适应症,​​副作用,药物相互作用,给药,疗效和其他相关医疗的信息。

我们在原型/开发阶段拥有其他有趣的聊天聊天。

6.业务/行业的域名知识有多重要’作为数据科学家,你是如何获得的?

事实上,对于任何域中的任何数据科学家,具有域的基本知识是必须的。如果您了解域名,您提出的解决方案会非常直观,大部分时间都是最佳的解决方案。拥有对域的专业知识的理解水平很好。特别是,对于医疗保健空间,对生态系统的基本了解绝对是必要的。在对话期间,我们有一个跨职能的数据科学家团队,并在我们的分类团队中与医疗专业人士一起工作,以确保医疗理解,满足细微差别和合规性。

我在观看父母的几年里获得了这个域名知识,两人都是医生,照顾他们的病人。虽然印度医疗生态系统与加拿大医疗保健系统不同,但基本面仍然是相同的。利益攸关方保持不变,包括;患者,HCP,医院,保险公司,政府等。只有这些利益相关者内的内部互动在这些生态系统中的两点都会发生变化。当我搬到加拿大时,我花了一整年了解整个生态系统的内部工作。对话申请现已扩展到全球公司,支持北美,欧洲和亚洲的业务,并且对于数据科学家具有域名专业知识来构建跨越不同生态系统的全球解决方案是绝对必要的。

7.您目前面临的最大挑战是什么?

我从企业和技术的角度面临的主要挑战之一是我们聊天突出的人为级别准确性。众所周知,我们无处可行,因为NLU是如此难以破解的难题。在对话期,我们尽可能接近世界上现有的最先进的聊天。时间,数据和计算是在未来实现这一目标的答案。

其次,从一个域到一个完全新域的训练有素的有意义对话的缩放是一个挑战。例如,如果我们为糖尿病构建机器人,则谈话不完全转移到涉及精神疾病的聊天。意图,实体和其他复杂是非常不同的,包括每位患者或照顾者与机器人相互作用的方式。

对话河流正在通过高效,强大的框架解决这些挑战,包括多级交叉验证,后退探测器,划分基因编制的解决方案等。

8.什么是对话养健’最近12个月的最大成就?

过去12个月的对话健康的一些主要成就是:

16个全球生命科学客户,跨越商业领域,解决现在的解决方案正在全球范围内扩展。

我们最近超过了50队,具有医疗保健,技术和会话设计的跨职能专业知识。我们继续迅速增长以满足越来越多的医疗保健需求。

我们的机器人在市场上成功管理了95%+问题。

9.您认为您认为哪种与会与其相关的技术趋势在未来几年将对您的行业产生最大的影响?

数字人类与角色,能够满足患者和护理人员的需求。

具有同理心的语音助理,使人们能够实现目标。

支持个人沿着个性化旅程的助手。

根据其医学识字水平与患者沟通的助手等等。

10.作为经验丰富的数据科学家,请与读者分享一些帮助您作为数据科学家的最佳资源(它可以是书籍,课程,博客等)

图书

机器学习 – Tom Mitchell

深度学习 – Ian Goodfellow

模式识别和机器学习 – Christopher Bishop

统计学习的要素 –特雷弗,罗伯特和杰罗姆

与Python深入学习 – Francois Chollet

课程

机器学习 –安德鲁(Coursera)

深度学习 –安德鲁(Coursera)

Stanford NLP讲座视频系列

博客/影响者

Andrej Karpataly.

lex弗里德曼

机器学习

谷歌AI博客

伯克利人工智能研究(Bair)博客

开源GitHub存储库

谷歌AI研究

微软AI研究

Facebook AI研究

拥抱脸

11.如何激励您与数据科学和对话AI一起工作?

正如我已经提到的那样,我正在使用计算机视觉域分析图像以及处理它们并产生模型。现在,在文本域的领域中,与图像处理问题相比,我发现这个非结构化的文本域非常具有挑战性。这激发了我推动界限的界限,以了解硬文本问题。这么说,NLP领域在过去几年中得到了改善。

虽然我们在诸如Ner,POS,问题回答,用SOTA算法和技术的分类等应用中进行了较小的成功,但是我们无处可去遵循持有有意义,有趣和同理谈话的人类准确性。这些盛行的挑战激励着我最多找到最佳解决方案。

任务 ai时间杂志 是透过信息
关于人工智能的知识,改变
即将到来的是使用AI技术的新机会
益处人性。

加入AI时间杂志
加入助理编辑

您是否有兴趣分享AI的信息和知识,并与现场中的一些最聪明的思维联系起来?

了解加入作为一个 Associate Editor.

关于AI时间期刊编辑人员

任务 ai时间杂志 是透过信息 关于人工智能的知识,改变 即将到来的是使用AI技术的新机会 benefit humanity.

查看所有帖子由AI时间期刊编辑人员→