Scribe v3 Live Medical ayuda a los agentes conversacionales a captar correctamente los detalles clínicos
- Escrito por
- John Durovsik
- Publicado
EscucharEscucha este artículo
Un agente de voz actúa según lo que escucha durante una llamada en directo. Cuando un paciente dice que toma sitagliptina para la diabetes, el agente puede añadirla a su lista de medicación para que el profesional sanitario la revise. Pero es fácil entender mal los nombres de medicamentos. En nuestras pruebas, vimos que un modelo de voz transcribía sitagliptina como citalopram, un antidepresivo. Para muchas personas, estas llamadas son el primer paso para contactar con su equipo asistencial, y un agente solo puede ayudar si las escucha correctamente.
Hoy, ElevenLabs lanza Scribe v3 Live Medical, que incorpora la transcripción médica a las llamadas en directo. Se basa en Scribe v3 Live, nuestro modelo más reciente de Voz a Texto en Tiempo Real, y está optimizado para lenguaje clínico. Ya está disponible en ElevenAgents.
Por qué las llamadas en directo necesitan transcripción médica
ElevenLabs ya ofrece transcripción médica para audio grabado, como dictados y grabaciones de consultas. Sin embargo, gran parte de lo que desarrollan los equipos sanitarios funciona en tiempo real: desde la gestión de citas y las líneas de información médica hasta las comprobaciones de elegibilidad por teléfono y el seguimiento de reclamaciones. Esas llamadas no pueden esperar a que termine una grabación.
Los nombres y las dosis de medicamentos rara vez aparecen en el habla cotidiana, por lo que es más probable que un modelo generalista en tiempo real se equivoque con ellos. Scribe v3 Live Medical es nuestra primera solución de transcripción médica creada para agentes, que lleva el enfoque clínico de Scribe v2 Medical a las conversaciones en tiempo real. En nuestras pruebas con PriMock57, un conjunto público de consultas médicas simuladas en directo, Scribe v3 Live Medical cometió menos errores que cualquier otro modelo médico que evaluamos.
Llamadas en las que importan los detalles clínicos
Scribe v3 Live Medical está diseñado para llamadas de pacientes, afiliados y profesionales sanitarios en las que los detalles son clínicos, como un medicamento en la admisión, un procedimiento en una autorización previa o un síntoma en una llamada de seguimiento. Muchos agentes sanitarios también gestionan llamadas sin detalles clínicos, como reprogramar una cita o preguntar por el horario de consulta. Scribe v3 Live Medical mejora la precisión en los detalles clínicos y mantiene su precisión en el habla cotidiana, para que los equipos puedan usarlo en todas las llamadas.
Herramientas para conversaciones clínicas
Carga hasta 10.000 términos personalizados
Los equipos sanitarios pueden añadir hasta 10.000 términos propios, y Scribe v3 Live Medical solo recurre a la lista cuando parece que quien llama dice uno de ellos. Esto permite que un sistema sanitario regional cargue los nombres de todos los profesionales y centros de sus ubicaciones, o que una empresa farmacéutica cargue toda su cartera por marca y nombre genérico. Con una lista de términos personalizados cargada, Scribe v3 Live Medical cometió hasta un 48 % menos de errores en términos médicos en nuestras pruebas.
Espera a que quien llama termine
Quienes llaman suelen leer un ID de afiliado o una fecha de nacimiento por partes, haciendo pausas entre grupos de dígitos mientras los buscan en una tarjeta. Un agente que interpreta cada pausa como el final de un turno interviene a mitad del número, y la persona tiene que empezar de nuevo. Scribe v3 Live Medical reconoce cuándo un número aún no ha terminado, por lo que el agente espera el resto antes de responder.
Sigue a los pacientes entre idiomas
Los pacientes y cuidadores pueden cambiar de idioma a mitad de llamada, por ejemplo, para describir un síntoma con más facilidad en su lengua materna. Scribe v3 Live Medical admite más de 90 idiomas y sigue esos cambios, para que el habla en un segundo idioma se transcriba en lugar de omitirse.
Cómo evaluamos Scribe v3 Live Medical
Probamos Scribe v3 Live Medical frente a modelos de Voz a Texto en Tiempo Real de proveedores líderes, incluidos modelos médicos especializados y modelos de uso general, todos con las mismas grabaciones. Usamos dos benchmarks públicos de conversaciones entre médicos y pacientes, comparamos Scribe v3 Live Medical con Scribe v3 Live en habla médica y cotidiana, y probamos términos médicos en inglés, francés y alemán. Los resultados están en inglés, salvo que se indique lo contrario.
Informamos de la tasa de error por palabra (WER), la proporción de palabras transcritas incorrectamente, y del WER semántico, que solo cuenta los errores que cambian el significado. El WER semántico considera equivalentes «20 mg» y «veinte miligramos», por lo que sus puntuaciones son más bajas que las del WER.
Nota: Estos resultados proceden de pruebas internas de ElevenLabs con proveedores seleccionados en modo de tiempo real, con cada modelo en su mejor configuración disponible. No incluyen todos los modelos disponibles.
Consultas de atención primaria (PriMock57)
PriMock57 incluye 57 simulaciones de consultas de atención primaria en directo, de unos 9 minutos cada una, entre profesionales clínicos y actores que interpretan a pacientes. Las conversaciones no tenían guion por ninguna de las dos partes. Los actores trabajaban con fichas de casos que abarcaban síntomas, historial médico y medicación actual, y los profesionales llevaban a cabo cada consulta como lo harían en una consulta real. Las llamadas se realizaron mediante software de telemedicina, con los profesionales en portátiles y los pacientes en teléfonos móviles, en un entorno de oficina con ruido de fondo.
Usamos este benchmark porque reúne lo que dificulta la transcripción de las llamadas de pacientes: conversaciones espontáneas de ida y vuelta, audio telefónico con ruido de fondo y muchos detalles clínicos. Scribe v3 Live Medical obtuvo el WER más bajo de los modelos médicos que probamos (12,8 %), con un 17 % menos de errores que el siguiente modelo más cercano.

Entrevistas a pacientes (Fareez OSCE)
Fareez OSCE reúne 272 entrevistas a pacientes grabadas con el formato que usan las facultades de Medicina para evaluar habilidades clínicas: el Examen Clínico Objetivo Estructurado (OSCE). En cada una, un médico residente o estudiante de Medicina de cursos avanzados pregunta a alguien que interpreta al paciente sobre sus síntomas e historial. Puesto que otro equipo lo grabó en otro país, el conjunto muestra si los resultados se mantienen con nuevos hablantes, configuraciones de grabación y condiciones. Scribe v3 Live Medical obtuvo el WER semántico más bajo de los modelos médicos que probamos (0,6 %).

Comparación con Scribe v3 Live
Eka Medical ASR contiene más de 3.600 grabaciones en inglés de médicos y estudiantes de Medicina, centradas en términos médicos y nombres comerciales de medicamentos. Scribe v3 Live Medical cometió un 4,7 % menos de errores en Eka Medical ASR que Scribe v3 Live (11 % frente a 11,54 % de WER semántico).
Modelo
Eka Medical ASR (WER semántico)
Scribe v3 Live Medical
11%
Scribe v3 Live
11.54%
Habla cotidiana (Common Voice y FLEURS)
Common Voice es el conjunto de frases leídas en voz alta por voluntarios de Mozilla, y FLEURS es el conjunto de Google de frases cortas no clínicas leídas en más de 100 idiomas. Evaluamos ambos en sus conjuntos en inglés para asegurarnos de que los equipos que usan Scribe v3 Live Medical no pierdan precisión en el habla cotidiana. Incluso una frase que menciona un medicamento está formada principalmente por palabras cotidianas, por lo que un modelo médico debe acertar en ambas.
Scribe v3 Live Medical ofrece un rendimiento similar al de Scribe v3 Live en ambos casos.

Precisión médica en distintos idiomas (MED-Term)
Muchos equipos sanitarios atienden a pacientes en más de un idioma. MED-Term, un benchmark público de Corti, es un conjunto de descripciones orales de casos clínicos en inglés, francés y alemán, cada una centrada en términos médicos poco frecuentes y especializados. Lo usamos para comprobar cómo maneja Scribe v3 Live Medical el vocabulario clínico más allá del inglés. Su WER semántico fue del 2,24 % en inglés, del 2,81 % en alemán y del 3,24 % en francés.
Idioma
WER semántico (MED-Term)
Inglés
2.24%
Alemán
2.81%
Francés
3.24%
Baja latencia en llamadas en directo
En una llamada en directo, un agente no puede responder hasta tener la transcripción, por lo que cualquier retraso en la transcripción se convierte en una pausa que oyen quienes llaman. Scribe v3 Live transcribe el habla en unos 150 milisegundos y, en las pruebas, Scribe v3 Live Medical iguala esa latencia, por lo que su enfoque clínico no añade ningún retraso perceptible.
Lo que están observando los equipos sanitarios
Los equipos ya están creando agentes con Scribe v3 Live Medical.
«La experiencia de interacción con Eleven v4 Turbo y Scribe v3 Live Medical es excepcional», afirma Idin Jafari, director de Estrategia Digital e Innovación en Pfizer. «El agente suena realista y es más preciso con los nombres comerciales y genéricos que surgen en nuestras conversaciones».
En las llamadas de pacientes, esa precisión se mantiene en lo que los equipos asistenciales revisan después de la llamada.
«ElevenLabs sigue elevando el nivel, y eso permite a Vintage Labs avanzar más rápido. Nuestra plataforma VIA realiza llamadas antes y después de procedimientos para grandes sistemas sanitarios académicos. Con Scribe v3 Live Medical, entiende mejor a los pacientes: sus medicamentos, sus procedimientos, los nombres de sus médicos», afirma Shantanu Ghorai, fundador y COO de Vintage Labs AI. «La detección de turnos espera a que los pacientes terminen de decir su fecha de nacimiento antes de responder, y el modo multilingüe sigue el ritmo cuando quienes llaman cambian al español. Ahora, el personal de enfermería puede confiar en el resumen de la llamada sin volver a escuchar la grabación».
Qué significan menos errores para los equipos sanitarios
Las tasas de error se valoran mejor en una llamada real. Una llamada de admisión de 10 minutos contiene unas 1.500 palabras entre quien llama y el agente. Con las tasas de error de PriMock57 indicadas anteriormente, Scribe v3 Live Medical acertaría unas 40 palabras más que el siguiente mejor modelo médico que probamos. Para un equipo que gestiona 1.000 llamadas al día, eso supone unas 40.000 palabras más transcritas correctamente cada día. No todas las palabras tienen la misma importancia. Omitir un «eh» es inofensivo. Entender mal un medicamento hace que aparezca el fármaco equivocado en una solicitud de renovación, y un dígito incorrecto en un ID de afiliado bloquea una comprobación de elegibilidad. Cualquiera de los dos casos puede acabar en una devolución de llamada, una transferencia al personal o pedir al paciente que se repita.
Protección de la información sanitaria
Los agentes sanitarios escuchan información sanitaria protegida (PHI) en muchas llamadas, incluidos nombres, fechas de nacimiento, ID de afiliado, medicamentos y síntomas. Scribe v3 Live Medical cumple los requisitos de HIPAA para clientes empresariales que tengan un acuerdo de asociado comercial (BAA) y el Modo de retención cero activado.
Scribe v3 Live Medical funciona en ElevenAgents, que está cubierto por nuestros programas de cumplimiento normativo, incluidos SOC 2 Tipo II, ISO 27001 y PCI DSS Nivel 1. Los datos de pacientes se almacenan en Estados Unidos de forma predeterminada. Los equipos empresariales que necesiten almacenarlos fuera de Estados Unidos pueden usar entornos aislados en la UE, India o Singapur.
Cómo empezar
Scribe v3 Live Medical ya está disponible en ElevenAgents.
Ve a Configuración > Reconocimiento automático de voz y selecciónalo en el menú desplegable de modelos.
John is on the ElevenAgents growth team, with a focus on the healthcare industry.





