近日，总部位于巴黎的初创公司Nabla宣布，他们开发的AI临床记录助手Nabla Copilpt已经完成了2400万美元的B轮融资，由Cathay Innovation领投，ZEBOX Ventures参与。仅仅在几个月前，Nabla刚与美国医疗巨头凯撒医疗集团（Kaiser Permanente，KP）旗下的凯撒医生集团（Permanente Medical Group）签署了全面战略合作伙伴关系。

Nabla最初由Alexandre Lebrun、Delphine Groll和Martin Raison创立。Lebrun是Nabla的现任首席执行官。他曾是语音交互解决方案服务商Wit.ai的首席执行官，该公司后来被Facebook收购，他随后成为Facebook AI研究院FAIR的工程主管。

Nabla Copilot是一款由人工智能驱动的临床记录助手，能够从患者咨询中生成临床记录，实时转录对话，并更新电子病历。通过 AI 驱动的医疗编码识别和与电子健康记录系统的无缝整合，Nabla Copilot每年处理超过300万次会诊。Nabla的先进语音转文本技术，结合通用语言技能和专业医学词汇，使其在准确性和熟练性方面独具优势。

1. 语音转文字技术：Nabla使用语音转文字技术记录咨询过程中的对话，适用于面对面或远程医疗咨询。这一功能允许详细记录整个咨询过程，包括有关病史和就诊原因等问题。

2. 生成医疗报告：咨询结束后，Nabla利用经过医疗数据和健康相关对话提炼的大型语言模型生成全面的医疗报告。报告包括咨询总结、处方和后续预约随访信息，可根据医生的偏好进行定制。

3. 定制和SOAP笔记集成：Nabla允许医生根据需要定制临床报告，使笔记更简洁或详细。此外，它还能按照美国广泛使用的主观、客观、评估和计划（SOAP）格式生成笔记。

4. 准确性和有效性：Nabla即使在拥挤的环境中，或是运行在较远的笔记本电脑上，也能生成准确的转录和可用的报告，展示了其在真实医疗环境中的潜力。

5. 在医疗过程中的角色：Nabla Copilot旨在协助而非替代医生。医生保留对患者护理的最终决策权，可以在将Nabla的报告整合到电子健康记录（EHR）之前进行编辑。

6. 为医生节省时间：通过协助处理行政任务，Nabla让医生能够更多地专注于患者护理，强调了医疗保健中的人性化元素。

目前，Nabla Copilot有三种收费模式，覆盖不同用户群体：

1. 免费版：针对所有用户群体，每月享受30次问诊；

2. 进阶版：针对临床医生和小诊所，每月119美元，不限制问诊量；

3. 企业版：针对医院和远程医疗公司，不同客户不同定价；可进行自定义集成和使用个性化机器学习模型。

Alexandre Lebrun表示，Nabla的愿景与自动驾驶汽车中自动化的逐步演进相一致。目前，产品还处于二级阶段，不过很快将进入三级阶段，提供临床保证支持。未来将迈入四级阶段，即临床决策支持，但需要FDA的批准。公司的长期目标是构建自己的大语言模型，根据医学和医疗中的特定语言和需求定制，为Copilot提供动力。

尽管Nabla总部设在法国，但它的主要用户群在美国，特别是在与凯撒医生集团形成战略合作伙伴关系后。Nabla不仅仅是一个原型，而是成千上万的医生正在每天积极使用的临床效率工具。

Nabla Copilot通过电子邮件访问，并且支持英语、西班牙语和法语三种语言。在新一轮融资的加持下，Nabla Copilot将推出更多语言选项，继续扩大其在美国的影响力，持续构建“最直观、最可靠的环境人工智能”，以在整个临床范围内为医疗从业人员提供支持，直到提供医疗决策支持。

Lebrun表示，随着时间的推移，Nabla可能有助于在缺乏医疗资源的地区提供更自主的医疗服务。Lebrun看到AI在诊断中的潜力，使医生能够更加专注于同理心、手术程序和关键决策。

Nabla的隐私模型

Nabla的应用和技术架构展示了其对处理敏感医疗数据的严格态度和创新方法。

1. 平台可用性：Nabla目前可作为Web应用程序或Google Chrome扩展使用，便于医生在不同的工作环境中接入和使用。

2. 数据处理与存储：Nabla专注于数据处理而非数据存储。咨询结束后，音频文件被丢弃，而会话转录内容则存储在医生已经使用的电子健康记录（EHR）系统中。这样做有助于保护患者隐私，只在医生和患者同意的情况下才在服务器上存储音频或医疗笔记。

3. 高级语音转文字技术：Nabla使用由Microsoft Azure提供的标准语音转文字API和基于开源Whisper模型改进的自有语音转文字模型相结合的方法。这种经过精细调整的模型能够更准确地处理医疗数据，如药物名称和医疗条件。

4. 文本的伪匿名处理：为了保护患者的隐私，转录的文本首先进行伪匿名处理，将可识别的个人信息替换为变量。

5. 大型语言模型的应用：Nabla使用了GPT-3和GPT-4作为其主要的大型语言模型。由于Nabla是OpenAI的企业客户，它可以保证不在这些咨询中存储数据和训练其大型语言模型。

6. 对Llama 2模型的调整：Nabla还在尝试对Llama 2进行精细化调整，展示了其对更具专业性和精准度的模型的追求。

7. 去伪匿名化和本地存储：处理完的文本会去除伪匿名处理，医生可以在本地Web浏览器存储文件中查看这些笔记。笔记还可以导出到EHR系统中。

8. 纠正转录错误的可能性：医生可以在得到患者同意的情况下，与Nabla共享医疗笔记，以便用于纠正转录错误。鉴于Nabla每年处理超过300万次咨询且支持三种语言，该系统很可能会基于真实世界的数据得到迅速改进。

Nabla的成功融资和其在AI医疗领域的创新实践，预示着它在医疗科技行业中的潜力和影响力。随着AI技术在医疗领域的不断发展和应用，Nabla的这一成就可能标志着医疗行政实践和患者护理效率的转型性变革。