📢 转载信息
原文作者：Tanner Jones, Anuj Jauhari, Jonathan Woods, and Nauman Zulfiqar
在事务量大的医疗联络中心，每一次患者对话都具有临床和运营上的重要意义，因此准确的实时转录对于自动化工作流程至关重要。准确、即时的转录能够实现智能自动化，同时不牺牲清晰度和护理质量，从而使团队能够自动化电子病历（EMR）记录匹配、简化工作流程并消除手动数据输入。通过移除常规流程步骤，工作人员可以完全专注于患者对话，从而改善体验和结果。随着医疗系统寻求在效率与同理心之间取得平衡，实时转录已成为大规模提供响应式、高质量护理的一项关键能力。
Switchboard, MD 是一家由医生领导的 AI 和数据科学公司，其使命是优先考虑医疗中的人际连接。其服务可提高患者参与度和治疗效果，同时减少低效率和职业倦怠。通过设计和部署具有临床相关性的解决方案，Switchboard, MD 帮助提供者和运营人员更有效地协作，为患者和工作人员提供出色的体验。其关键解决方案之一是利用 AI 语音自动化、实时病历匹配和建议的后续步骤来简化联络中心，这已显著减少了队列时间和呼叫放弃率。
Switchboard 每月处理超过 20,000 通电话，致力于帮助医疗服务提供者大规模地提供及时、个性化的沟通。其 AI 平台已帮助诊所和医疗系统减少呼叫队列时间、提高患者参与度和简化联络中心运营。使用 Switchboard 的客户看到了以下成果：
- 队列时间减少 75%
- 呼叫放弃率降低 59%
尽管取得了这些早期成功，Switchboard 仍面临一个关键挑战：他们现有的转录方法在保持临床工作流程所需的准确性的同时，无法实现经济高效的规模化。成本和词错误率 (WER) 不仅仅是运营指标——它们是实现自动化规模化和扩大 Switchboard 影响范围以覆盖更多患者互动的关键推动因素。
在本文中，我们将探讨 Switchboard, MD 在临床环境中扩大转录准确性和成本效益时面临的具体挑战，他们选择正确转录解决方案的评估过程，以及他们使用 Amazon Connect 和 Amazon Kinesis Video Streams 实施的技术架构。本文将详细介绍所取得的令人印象深刻的结果，并演示他们如何利用这一基础来实现 EMR 匹配自动化，让医疗人员有更多时间专注于患者护理。最后，我们将探讨对医疗 AI 自动化的更广泛影响，以及其他组织如何使用 Amazon Bedrock 实施类似的解决方案。
为联络中心自动化选择准确、可扩展且具有成本效益的转录模型
Switchboard, MD 需要一种能够在可持续的成本下提供高准确性的转录解决方案。在临床环境中，转录准确性至关重要，因为错误可能会损害 EMR 记录匹配、影响推荐的治疗方案并破坏自动化工作流程。同时，每周支持数千通电话的扩展需求意味着不能忽视推理成本。
Switchboard 最初探索了多种途径，包括评估在本地托管的 Open AI 的 Whisper 模型等开源模型。但这些选项带来了权衡——无论是在性能、成本还是集成复杂性方面。
经过测试，团队确定 Amazon Nova Sonic 提供了支持其医疗用例所需的转录质量和效率的正确组合。该模型在实时呼叫音频上表现可靠，即使在嘈杂或多变的环境中也是如此。它实现了：
- 转录成本降低 80%–90%
- 在 Switchboard 的专有评估数据集上词错误率 (WER) 为 4%
- 与他们对实时处理的需求相符的低延迟输出
同样重要的是，Nova Sonic 与 Switchboard 现有的架构平稳集成，最大限度地减少了工程投入并加快了部署。有了这个基础，团队减少了手动转录步骤，并将准确、实时的自动化扩展到了数千次患者互动中。
“我们的愿景是通过消除阻碍有意义互动的管理障碍，恢复医疗中的人际连接。Nova Sonic 为我们提供了实时转录所需的快速性和准确性——这样我们的客户就可以专注于真正重要的事情：患者对话。通过将转录成本降低 80%–90%，它也使得实时自动化在大规模下变得可持续。”
– Dr. Blake Anderson, 创始人、首席执行官兼首席技术官, Switchboard, MD
架构与实施
Switchboard 的架构使用 Amazon Connect 从患者和座席处捕获实时音频。Switchboard 通过 Amazon Kinesis Video Streams 处理音频流，该服务负责实时媒体转换，然后将数据路由到容器化的 AWS Lambda 函数。Switchboard 的 Lambda 函数使用 BedrockRuntimeClient 的 InvokeModelWithBidirectionalStream API 与 Amazon Nova Sonic 建立双向流式连接。这种新颖的架构为每个对话参与者创建单独的转录流，Switchboard 将这些流重新组合以创建完整的转录记录。整个处理管道运行在无服务器环境中，提供了可扩展的操作，旨在处理数千个并发呼叫，同时利用 Nova Sonic 的实时语音转文本功能进行即时转录处理。
Nova Sonic 集成：实时语音处理
利用 Amazon Nova Sonic 的先进音频流和处理能力，Switchboard 开发并构建了分离和重新组合说话者流和文本的功能。这使得 Amazon Nova Sonic 对于 Switchboard 的医疗应用特别有效，在这些应用中，准确的转录和说话者识别至关重要。
Amazon Nova Sonic 提供可配置的设置，可以针对不同的医疗用例进行优化，并具有根据特定需求优先考虑转录或语音生成的灵活性。一项关键的成本优化功能是调整语音输出令牌的能力——组织可以在主要专注于转录时设置较低的令牌值，从而在保持高准确性的同时实现显著的成本节省。这种多功能性和成本灵活性使 Amazon Nova Sonic 成为像 Switchboard 这样的医疗组织实施语音启用解决方案的宝贵工具。
为何选择无服务器：医疗创新的战略优势
Switchboard 选择使用 Amazon Connect、Amazon Kinesis Video Streams 和容器化 Lambda 函数的 无服务器 架构，这是一个战略决定，旨在最大限度地提高运营效率，同时最大限度地减少基础设施开销。无服务器方法消除了配置、管理和监控底层基础设施的需要，因此 Switchboard 的工程团队可以专注于开发临床自动化功能，而不是服务器管理。这种架构为关键的医疗通信提供了内置的容错能力和高可用性，而无需 Switchboard 团队进行大量配置。
Switchboard 的事件驱动架构如图所示，它能够从处理几十个并发呼叫扩展到数千个，AWS 在幕后自动管理容量分配。按使用付费的计费模式有助于 Switchboard 只为呼叫处理期间使用的计算资源付费，从而在消除低使用量期间服务器过度配置的风险的同时优化了成本。
结论
Switchboard, MD 实施 Amazon Nova Sonic 的案例证明了正确的转录技术如何改变医疗运营。通过在保持临床级准确性的同时实现 80%–90% 的成本削减，他们为在整个医疗行业扩展由 AI 驱动的患者互动奠定了可持续的基础。
通过在 Amazon Bedrock 的基础上进行构建，Switchboard 现在拥有了在更多用例和提供者网络中扩展自动化的灵活性。他们的成功例证了医疗创新者如何结合准确性、速度和效率来改变护理团队与患者的联系方式——一次对话接着一次对话。
在 Amazon Bedrock 控制台中开始使用 Amazon Nova。在 Amazon Nova 产品页面 了解有关 Amazon Nova 模型的更多信息。
关于作者
Tanner Jones 是 AWS 企业支持部的一名技术客户经理，他帮助客户在 AWS 上浏览和优化其生产应用程序。他专注于帮助客户开发集成 AI 代理的应用程序，特别关注构建安全的多个代理系统。
Anuj Jauhari 是 AWS 的高级产品营销经理，他帮助客户利用基于 Amazon Nova 模型的生成式 AI 解决方案进行创新并推动业务影响。
Jonathan Woods 是位于纳什维尔的 AWS 解决方案架构师，目前与 SMB 客户合作。他热衷于以相关的方式向企业传达 AWS 技术，使客户易于进行创新。在工作之余，他努力跟上他三个孩子的步伐。
Nauman Zulfiqar 是一位常驻纽约的高级客户经理，为 SMB 客户提供服务。他热衷于建立和维护牢固的客户关系，了解他们的业务挑战，并在 AWS 内部充当客户的主要业务倡导者。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区