Scribe v3 Live Medical hjälper konversationsagenter att få kliniska detaljer rätt
- Skriven av
- John Durovsik
- Publicerad
LyssnaLyssna på den här artikeln
En röstagent agerar utifrån vad den hör under ett livesamtal. När en patient säger att hen tar sitagliptin mot diabetes kan agenten lägga till det i läkemedelslistan som vårdpersonalen får granska. Men läkemedelsnamn är lätta att höra fel. I våra tester såg vi en talmodell transkribera sitagliptin som citalopram, ett antidepressivt läkemedel. För många är de här samtalen det första steget till att komma i kontakt med sitt vårdteam, och en agent kan bara hjälpa om den hör rätt.
I dag lanserar ElevenLabs Scribe v3 Live Medical, som ger medicinsk transkribering för livesamtal. Den bygger på Scribe v3 Live, vår senaste Speech to Text-modell för realtid, och är optimerad för kliniskt språk. Den finns nu i ElevenAgents.
Varför livesamtal behöver medicinsk transkribering
ElevenLabs erbjuder redan medicinsk transkribering för inspelat ljud, som diktering och inspelningar av vårdbesök. Men mycket av det vårdteam bygger körs i realtid, från bokning och linjer för medicinsk information till behörighetskontroller per telefon och uppföljning av ersättningsanspråk. De samtalen kan inte vänta på att en inspelning ska ta slut.
Läkemedelsnamn och doser förekommer sällan i vardagligt tal, så det är ord som en generell realtidsmodell oftare kan uppfatta fel. Scribe v3 Live Medical är vår första medicinska transkribering byggd för agenter och för in det kliniska fokuset från Scribe v2 Medical i realtidskonversationer. I våra tester på PriMock57, en offentlig samling simulerade läkarbesök i realtid, gjorde Scribe v3 Live Medical färre fel än någon annan medicinsk modell vi utvärderade.
Samtal där kliniska detaljer spelar roll
Scribe v3 Live Medical är utformad för samtal med patienter, medlemmar och vårdgivare där detaljerna är kliniska, till exempel ett läkemedel vid inskrivning, ett ingrepp i en förhandsgodkännandeprocess eller ett symtom i ett uppföljningssamtal. Många vårdagenter hanterar också samtal helt utan kliniska detaljer, som att boka om en tid eller fråga om öppettider. Scribe v3 Live Medical förbättrar träffsäkerheten för kliniska detaljer och behåller sin träffsäkerhet för vardagligt tal, så team kan använda den i alla samtal.
Verktyg för kliniska samtal
Lägg in upp till 10 000 egna termer
Vårdteam kan lägga till upp till 10 000 egna termer, och Scribe v3 Live Medical använder listan bara när den som ringer verkar säga någon av dem. Det räcker för att ett regionalt vårdsystem ska kunna lägga in namn på alla vårdgivare och kliniker på sina platser, eller för att ett läkemedelsföretag ska kunna lägga in hela sin portfölj med varumärkes- och generiska namn. Med en lista över egna termer inläst gjorde Scribe v3 Live Medical upp till 48 % färre fel på medicinska termer i våra tester.
Vänta tills den som ringer har talat klart
Den som ringer läser ofta upp ett medlems-ID eller födelsedatum i delar och pausar mellan siffergrupper medan hen letar efter dem på ett kort. En agent som tolkar varje paus som slutet på en tur avbryter mitt i numret, och den som ringer måste börja om. Scribe v3 Live Medical känner igen när ett nummer inte är färdigt ännu, så agenten väntar på resten innan den svarar.
Följ patienter mellan språk
Patienter och vårdgivare kan byta språk mitt i samtalet, till exempel för att lättare beskriva ett symtom på sitt förstaspråk. Scribe v3 Live Medical har stöd för fler än 90 språk och följer dessa byten, så tal på ett andra språk transkriberas i stället för att utelämnas.
Så utvärderade vi Scribe v3 Live Medical
Vi testade Scribe v3 Live Medical mot Speech to Text-modeller i realtid från ledande leverantörer, inklusive specialiserade medicinska modeller och modeller för allmänna ändamål, alla på samma inspelningar. Vi använde två offentliga riktmärken med samtal mellan läkare och patienter, jämförde Scribe v3 Live Medical med Scribe v3 Live på medicinskt och vardagligt tal samt testade medicinska termer på engelska, franska och tyska. Resultaten är på engelska om inget annat anges.
Vi redovisar felandel per ord (WER), alltså andelen ord som transkriberats fel, och semantisk WER, som bara räknar fel som ändrar betydelsen. Semantisk WER räknar ”20 mg” och ”tjugo milligram” som en träff, så resultaten är lägre än för WER.
Obs: Resultaten kommer från ElevenLabs interna tester av utvalda leverantörer i realtidsläge, med varje modell i sin bästa tillgängliga konfiguration. De omfattar inte alla tillgängliga modeller.
Primärvårdskonsultationer (PriMock57)
PriMock57 omfattar 57 simulerade primärvårdskonsultationer i realtid, cirka 9 minuter vardera, mellan kliniker och skådespelare som spelar patienter. Samtalen var improviserade från båda håll. Skådespelarna arbetade utifrån fallkort med symtom, sjukdomshistoria och aktuella läkemedel, och klinikerna genomförde varje konsultation som om den vore verklig. Samtalen genomfördes via programvara för telemedicin, med kliniker vid bärbara datorer och patienter på mobiltelefoner, i en kontorsmiljö med bakgrundsljud.
Vi använde detta riktmärke eftersom det innehåller det som gör patientsamtal svåra att transkribera: improviserade samtal fram och tillbaka, telefonljud med bakgrundsbrus och tät klinisk information. Scribe v3 Live Medical hade lägst WER av de medicinska modeller vi testade (12,8 %), med 17 % färre fel än den näst bästa.

Patientintervjuer (Fareez OSCE)
Fareez OSCE består av 272 inspelade patientintervjuer i det format som medicinska utbildningar använder för att testa kliniska färdigheter, Objective Structured Clinical Examination (OSCE). I varje intervju frågar en ST-läkare eller avancerad läkarstudent någon som spelar patienten om symtom och sjukdomshistoria. Eftersom en annan grupp spelade in materialet i ett annat land visar samlingen om resultaten håller för nya talare, inspelningsupplägg och förhållanden. Scribe v3 Live Medical hade lägst semantisk WER av de medicinska modeller vi testade (0,6 %).

Jämfört med Scribe v3 Live
Eka Medical ASR innehåller fler än 3 600 engelska inspelningar från läkare och läkarstudenter, med fokus på medicinska termer och läkemedelsnamn som varumärken. Scribe v3 Live Medical gjorde 4,7 % färre fel på Eka Medical ASR än Scribe v3 Live (11 % jämfört med 11,54 % semantisk WER).
Modell
Eka Medical ASR (semantisk WER)
Scribe v3 Live Medical
11%
Scribe v3 Live
11.54%
Vardagligt tal (Common Voice och FLEURS)
Common Voice är Mozillas samling av meningar som lästs upp av volontärer, och FLEURS är Googles samling av korta, icke-kliniska meningar som lästs på fler än 100 språk. Vi utvärderade båda på deras engelska data för att säkerställa att team som använder Scribe v3 Live Medical inte förlorar träffsäkerhet för vardagligt tal. Även en mening som nämner ett läkemedel består till största delen av vardagliga ord, så en medicinsk modell måste få båda rätt.
Scribe v3 Live Medical presterar ungefär lika bra som Scribe v3 Live på båda.

Medicinsk träffsäkerhet mellan språk (MED-Term)
Många vårdteam hjälper patienter på fler än ett språk. MED-Term, ett offentligt riktmärke från Corti, är en samling talade kliniska fallbeskrivningar på engelska, franska och tyska, där varje beskrivning bygger på ovanliga och specialiserade medicinska termer. Vi använde den för att kontrollera hur Scribe v3 Live Medical hanterar kliniskt ordförråd utöver engelska. Dess semantiska WER var 2,24 % på engelska, 2,81 % på tyska och 3,24 % på franska.
Språk
Semantisk WER (MED-Term)
Engelska
2.24%
Tyska
2.81%
Franska
3.24%
Låg fördröjning i livesamtal
I ett livesamtal kan en agent inte svara förrän den har transkriptionen, så varje fördröjning i transkriberingen blir en paus som den som ringer hör. Scribe v3 Live transkriberar tal på omkring 150 millisekunder, och i tester matchar Scribe v3 Live Medical den fördröjningen, så dess kliniska fokus medför ingen märkbar extra fördröjning.
Vad vårdteam ser
Team bygger redan agenter med Scribe v3 Live Medical.
”Interaktionsupplevelsen med Eleven v4 Turbo och Scribe v3 Live Medical är fenomenal”, säger Idin Jafari, Director, Digital Strategy & Innovation på Pfizer. ”Agenten låter realistisk och är mer träffsäker när det gäller varumärkes- och generiska namn som förekommer i våra samtal.”
I patientsamtal märks den träffsäkerheten även i det vårdteamet granskar efter samtalet.
”ElevenLabs fortsätter att höja ribban, och det gör att Vintage Labs kan arbeta snabbare. Vår VIA-plattform hanterar samtal före och efter ingrepp för stora akademiska vårdsystem. Med Scribe v3 Live Medical förstår den patienterna bättre: deras läkemedel, ingrepp och namnen på deras läkare”, säger Shantanu Ghorai, grundare och COO på Vintage Labs AI. ”Turtagning väntar tills patienterna har sagt klart sitt födelsedatum innan den svarar, och flerspråkigt läge hänger med när de som ringer byter till spanska. Sjuksköterskor kan nu lita på samtalssammanfattningen utan att spela upp inspelningen igen.”
Vad färre fel innebär för vårdteam
Felfrekvenser är lättare att bedöma i ett verkligt samtal. Ett inskrivningssamtal på 10 minuter omfattar omkring 1 500 ord mellan den som ringer och agenten. Med felfrekvenserna för PriMock57 ovan skulle Scribe v3 Live Medical få omkring 40 fler av dessa ord rätt än den näst bästa medicinska modell vi testade. För ett team som hanterar 1 000 samtal om dagen innebär det omkring 40 000 fler korrekt transkriberade ord varje dag. Alla ord väger inte lika tungt. Ett utelämnat ”eh” är ofarligt. Ett feluppfattat läkemedel gör att fel läkemedel hamnar i en begäran om förnyelse, och en felaktig siffra i ett medlems-ID stoppar en behörighetskontroll. Båda kan leda till ett återuppringningssamtal, att ärendet överlämnas till personal eller att en patient ombeds upprepa sig.
Skydd av hälsoinformation
Vårdagenter hör skyddad hälsoinformation (PHI) i många samtal, inklusive namn, födelsedatum, medlems-ID:n, läkemedel och symtom. Scribe v3 Live Medical är HIPAA-kompatibel för företagskunder som har ett business associate agreement (BAA) på plats och Zero Retention Mode aktiverat.
Scribe v3 Live Medical körs på ElevenAgents, som omfattas av våra efterlevnadsprogram, inklusive SOC 2 Type II, ISO 27001 och PCI DSS Level 1. Patientdata lagras som standard i USA. Företagsteam som behöver lagra data utanför USA kan använda isolerade miljöer i EU, Indien eller Singapore.
Kom igång
Scribe v3 Live Medical finns tillgänglig i dag i ElevenAgents.
Gå till Inställningar > Automatic Speech Recognition och välj den i modellmenyn.
John is on the ElevenAgents growth team, with a focus on the healthcare industry.





