Scribe v2 Medical è ora disponibile per tutti

L'audio clinico è uno dei test più difficili per il riconoscimento vocale accurato. I nomi dei farmaci sono lunghi, rari e facili da confondere (hydroxyzine e hydralazine differiscono per una sola sillaba percepita male). Il vocabolario è fitto, con dosaggi, unità di misura e termini anatomici e patologici che possono susseguirsi rapidamente. Inoltre, la posta in gioco è più alta, perché un errore di trascrizione potrebbe finire nella cartella clinica di un paziente. 

Per questo oggi ElevenLabs rilascia Scribe v2 Medical, il nostro modello Speech to Text ottimizzato per l'audio clinico, ora generalmente disponibile su ElevenAPI. Nelle valutazioni presentate di seguito, ottiene costantemente uno dei tassi di errore per parola (WER) più bassi tra i modelli confrontati e riduce il WER sull'audio clinico di circa il 35% rispetto al nostro modello Scribe v2 di base.

I modelli per uso generico gestiscono bene il parlato quotidiano, ma possono perdere precisione proprio negli ambiti in cui i workflow clinici ne hanno più bisogno. Abbiamo addestrato un fine-tuning medico di Scribe v2 incentrato sui nomi dei farmaci e sulla dettatura clinica, utilizzando benchmark pubblici che chiunque può riprodurre.

Scribe v2 Medical è ottimizzato per i casi d'uso clinici

Dettatura clinica (MedDictate)

MedDictate di Corti testa la trascrizione di note cliniche dettate, che includono nomi di farmaci, dosaggi e unità di misura in rapida successione in inglese, francese e tedesco. Nella nostra valutazione, Scribe v2 Medical registra il WER complessivo più basso tra i modelli testati e un WER inferiore di circa il 35% rispetto a Scribe v2 di base.

*Solo inglese (24 clip) - Deepgram Nova-3 Medical non supporta il francese né il tedesco.

Terminologia medica (MedTerm)

MedTerm è un dataset pubblicato anch'esso da Corti e include un benchmark di terminologia clinica con 600 campioni nelle stesse tre lingue, con i termini medici di ciascun campione annotati. Queste annotazioni consentono di valutare i modelli in base a due dimensioni, oltre al WER dell'intera trascrizione. Il recall dei termini è la percentuale di termini medici annotati che compaiono correttamente nella trascrizione (più alto è meglio). Il Term-WER è il tasso di errore calcolato esclusivamente su tali termini, ignorando il parlato comune circostante (più basso è meglio).

Scribe v2 Medical è in testa a tutti i modelli testati in entrambe le dimensioni e supera ogni altro fornitore in tutte e tre le lingue:

Benchmark di Speech to Text medico di Omi Health

Le prestazioni si confermano anche nei test indipendenti. Omi Health gestisce una classifica pubblica di 30 modelli valutati su 1.513 clip cliniche in inglese (7,2 ore distribuite su 57 consulti) e Scribe v2 Medical ottiene il WER complessivo più basso di tutti i 30 modelli testati (5,88%), oltre a migliorare sostanzialmente l'accuratezza dei dosaggi rispetto a Scribe v2 di base (86,2% contro 79,8%). 

Il benchmark di Omi sarà aggiornato con i risultati di Scribe v2 Medical il 25 settembre; le cifre riportate sopra sono condivise con la loro autorizzazione prima di tale aggiornamento.

Benchmark Eka Medical ASR

Il benchmark Eka Medical ASR contiene 3.619 campioni di audio clinico in inglese — tra nomi isolati di farmaci e patologie, frasi cliniche e conversazioni tra medici e pazienti — con annotazioni per termine e una classifica pubblicata nella scheda del dataset. 

Poiché il dataset pubblicato include modelli meno recenti come Gemini 2.5 Flash e GPT-4o, abbiamo eseguito la valutazione confrontandoli con modelli più recenti. SemWER (WER semantico) valuta se il modello ha riconosciuto il contenuto corretto, indipendentemente dalla formattazione ("mg" e "milligrammi" contano come la stessa risposta), mentre kwWER (WER delle parole chiave) applica lo stesso punteggio solo alle parole chiave mediche annotate.

Eka annota i termini medici in ciascun campione, consentendo di valutare in modo più dettagliato i miglioramenti di Scribe v2 Medical rispetto alla versione di base, considerando esclusivamente i termini medici. Scribe v2 Medical commette il 15% di errori in meno rispetto alla versione di base (9,5% contro 11,1%) e i miglioramenti sono maggiori quando i termini compaiono in frasi cliniche complete (7,5% contro 9,9%).

Un limite evidenziato dagli stessi dati è che le clip isolate di una sola parola, ossia il nome di un farmaco pronunciato senza contesto, restano il caso più difficile per ogni modello in classifica, incluso Scribe v2 Medical. Ha ottenuto un WER del 14,3% sui termini isolati, rispetto al 7,5% quando compaiono in frasi. Senza alcun contesto, una sillaba percepita male può produrre errori memorabili:

• etodolac (un FANS) → "It'll do the luck"
• levomilnacipran (un antidepressivo) → "Leave me alone now, Sephora."
• methdilazine (un antistaminico) → "Let's play our scene."

Un modo per ridurre questi errori è usare il prompting con termini chiave, che ti consente di evidenziare nomi di farmaci o frasi mediche per orientare il modello a trascriverli correttamente.

Clienti in produzione

I clienti utilizzano già Scribe v2 Medical in produzione e riscontrano miglioramenti nell'audio clinico.

"Da quando siamo passati da Deepgram a ElevenLabs Scribe v2 Medical, riscontriamo un'accuratezza molto più elevata nella terminologia clinica e questo ha cambiato il modo di lavorare del team", ha affermato Mendel Erlenwein, CEO e fondatore di CareCo. "Quando i nostri coordinatori si fidano delle trascrizioni, possono dedicare meno tempo alla correzione delle note e più tempo al telefono con i pazienti. I nostri pazienti seguono terapie complesse e la nota letta dal team di assistenza deve essere corretta."

Prestazioni elevate sul parlato generico

Il team ha inoltre verificato che il fine-tuning medico non peggiora le prestazioni in altri ambiti. Su 6.000 campioni di parlato quotidiano non medico derivati da Common Voice, Scribe v2 Medical ottiene, dopo l'arrotondamento, lo stesso risultato di Scribe v2 di base: un WER del 5,3% in entrambi i casi. Con v2 Medical ottieni quindi i vantaggi di un modello medico specializzato, senza rinunciare all'accuratezza in questo benchmark.

Progettato per le informazioni sanitarie protette

Scribe v2 Medical è idoneo all'uso HIPAA per i clienti enterprise con Business Associate Agreement in vigore e Modalità di conservazione zero (ZRM) abilitata.

Con ZRM abilitata per le richieste API Speech to Text, l'input audio e l'output di testo vengono eliminati immediatamente al termine di ogni richiesta. ElevenLabs non conserva né l'uno né l'altro; la tua applicazione riceve la risposta API completa e controlla le modalità di conservazione delle trascrizioni.

Per iniziare

Scribe v2 Medical è disponibile sull'API Speech to Text. Ti basta passare il nuovo ID del modello: scribe_v2_medical

import { ElevenLabsClient } from "@elevenlabs/elevenlabs-js";

const elevenlabs = new ElevenLabsClient({ apiKey: "YOUR_API_KEY" });

const fileData = await fs.promises.readFile("clinical_audio.mp3");

const transcription = await elevenlabs.speechToText.convert({
  file: new Blob([fileData], { type: "audio/mp3" });,
  modelId: "scribe_v2_medical",
});

console.log(transcription.text);

Il modello è disponibile sull'endpoint batch Speech to Text.