RECONHECIMENTO DE VOZ

  • 267 views
Uploaded on

 

More in: Technology
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
267
On Slideshare
0
From Embeds
0
Number of Embeds
2

Actions

Shares
Downloads
21
Comments
0
Likes
1

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. RICARDO SANTORO E LUCIANO OLIVEIRA | ABRIL 2014 RECONHECIMENTO DE VOZ
  • 2. Criar soluções para a gestão de hospitais brasileiros, colaborando para que obtenham redução de custos e aumentem a eficiência de seus processos e governança. Aproveitar o conhecimento de cada um para que problemas como a falta de padronização em procedimentos e carência tecnológica sejam minimizados. Foco em desenvolver um conjunto de soluções que será oferecido ao mercado. ALIANÇA ESTRATÉGICA EM SAÚDE
  • 3. DESAFIOS PARA IMPLEMENTAÇÃO DE RECONHECIMENTO DE VOZ Reduzir tempo gasto na digitação do prontuário Melhorar a entrada de dados de prescrições Remover transcrições e erros de português Facilitar a adoção do uso e treinamento no sistema de Prontuário Eletrônico
  • 4. CASE ALBERT EINSTEIN: USO DE TECNOLOGIA DE RECONHECIMENTO DE VOZ NO PROCESSO DE DESCRIÇÃO DA EVOLUÇÃO DA ENFERMAGEM
  • 5. OBJETIVO DO PROJETO Implementar uma solução de reconhecimento de voz que permita: Reduzir tempo gasto no processo de evolução da enfermagem Reduzir quantidade de erros de Português Testar a tecnologia para uso em outros processos (descrição cirúrgica, evolução médica etc) Facilitar a adoção do uso e treinamento no sistema de Prontuário Eletrônico
  • 6. AMBIENTE EM QUE A SOLUÇÃO FOI INCORPORADA • Uso da tecnologia de reconhecimento de voz pela equipe de Radiologistas • Existência de prontuário eletrônico baseado na solução TrakCare da empresa Intersystems • Estações de trabalho (desktops e notebooks)5.150 • FTE (Full-Time Equivalent)11.332 • Médicos1.012 • Enfermeiros1.151 • Internações587
  • 7. BUSINESS CASE DO PROJETO Quantidade de profissionais de Enfermagem nas áreas envolvidas = 587 Total de horas trabalhadas = 105.660 h Estimativa do tempo atual redigindo a evolução (5%) = 5.283 h Estimativa de redução do tempo para redigir a evolução (42%) = 2.166 h Redução estimada de Head Count = 12 Saving anual estimado = R$ 1.212.190,00 VPL R$ 422.000,00 TIR 36% aa Payback 27 meses Período de análise 60 meses
  • 8. ARQUITETURA TÉCNICA DA SOLUÇÃO
  • 9. OUTRAS INFORMAÇÕES RELEVANTES Áreas envolvidas: • Clínica Médica Cirúrgica • Pacientes Graves • Materno – Infantil Projeto piloto apontou índice de conversão superior a 90%, com a funcionalidade de self- learning este índice irá melhorar. A solução é sensível ao timbre de voz masculino e feminino, foi necessário processos específicos de criação do vocabulário nos dois cenários. Um resultado positivo não esperado é que com a facilidade de conversão de voz para texto, a equipe da enfermagem está produzindo relatórios mais completos.
  • 10. DESAFIOS ENCONTRADOS • Uso do microfone comum na ilha de enfermagem não se mostrou adequado devido ao barulho de diversas interações entre a equipe assistencial • Vocabulário existente para a Radiologia não atingiu índice de conversão Voz  Texto adequado para Enfermagem • Inexistência de vocabulário específico para Enfermagem em Português • Campo texto para evolução de enfermagem na solução TrakCare não estava preparado para receber o texto no formato gerado pela solução da Nuance • Performance (tempo de conversão) inicial da solução não foi adequada
  • 11. PRÓXIMOS PASSOS Roll-out da solução para todas as ilhas de enfermagem Estimado 2 meses Aprimorar o vocabulário existente para melhor índice de conversão Avaliação da solução para uso no centro cirúrgico Integração da solução com o produto Cerner Millenniun
  • 12. DEMONSTRAÇÃO
  • 13. PRÓXIMOS PASSOS Concluir desenvolvimento funcionalidade Aprimorar o vocabulário existente para melhor índice de conversão Reconhecimento de entidades mencionadas – gera maior fluidez para reconhecimento de voz na operação do Prontuário Eletrônico
  • 14. CONCLUSÃO Reduzir tempo gasto na digitação do prontuário Melhorar a entrada de dados de prescrições Remover transcrições e erros de português Facilitar a adoção do uso e treinamento no sistema de Prontuário Eletrônico
  • 15. Obrigado ;) Ricardo Santoro CIO Hospital Israelita Albert Einstein Luciano de Oliveira & Eduardo Teixeira Segmento Saùde – INOVAÇÃO