2016 年一項發表在《內科醫學年鑑》（Annals of Internal Medicine）的研究指出，如今醫師花在患者身上的時間，較過去變得更少，僅佔工作日的 27%。
電子病歷是造成此一情況的主要罪魁禍首。醫生們發現自己使用電腦的時間愈來愈長，自己的主要工作變成在輸入資料。
就算醫師與病患同處一室，也只有 52% 的時間與患者進行互動。不過該項研究還發現了一項反向指標：使用病歷抄寫或聽寫服務等文件支援服務的醫師，反而用更多時間直接跟患者交流。
那正是在發展上有著無限可能之 LexiconAI 所希望，發揮 GPU 人工智慧技術的特長之處。
來自矽谷之新創公司 LexiconAI 的共同創辦人暨執行長 Matt Rubashkin 說：「我們覺得自己可以解決這個問題。的確要有一個更好的方法去運用系統。我們如何給予醫生有更大的權力，讓他們將心力放在重要的事情上？」
重拾浪費掉的時間
Rubashkin 與 LexiconAI 另一位共同創辦人暨技術長 Ian Plosker，過去都曾在數位健康領域工作過，親眼看到醫師們在處理文件上浪費了多少時間。
兩人聯手打算利用人聲及語音辨識技術，重新打造取得醫療資料的方式。他們把注意力放在運用深度學習，在不中斷與患者互動的情況下，讓醫師們更流暢地取得醫療資訊。結果他們開發出 LexiconMD 這款行動應用程式，能接收非結構化的語音內容並整理成結構化的資料。
這款 app 記錄醫師與和病患間的對話，再將音頻內容傳到 LexiconAI 的雲端引擎，在僅500毫秒內便傳回截取到的文字，其中已加入最理想的詞彙建議內容。
這款 app 與多款電子病歷系統進行整合，能自動將回傳的資料填入正確欄位，Rubashkin 表示一開始使用 LexiconMD 便有 94% 的準確性（對於尚未與 LexiconMD 進行整合的系統，醫師仍可使用語音辨識功能，輕鬆以手動方式將傳回的資料填入正確欄位）。
「人們在操作 LexiconMD 之際，就像是與真的人類進行互動，無需配合使用特定字眼，我們的目標是讓 LexiconMD 適應和學習你的使用習慣。」Rubashkin 說。
LexiconAI 最初的應用重點放在高齡者照護市場，因此以高齡者照護服務提供商使用的語言為基礎，運用特定資料集來建立模型，且已與頂尖長期照護電子病歷系統 PointClickCare 密切進行整合。
Rubashkin指出高齡者照護服務提供商 Juniper Communities 在使用 LexiconMD 後，減少護理師整理文件的時間和提高文件品質，省下了大筆成本開支。
GPU 多不勝數
LexiconAI 這款 app 裡採用的 NVIDIA GPU 有兩項顯著特色。一是該公司在 Google 雲端平台裡使用 NVIDIA Tesla GPU 加速器叢集來運行其服務，而能快速處理語音辨識分析及自動填寫電子病歷系統欄位的作業。
該公司還在辦公室內使用 NVIDIA TITAN X GPU 來進行實驗，無需加快處理更多運算實例，還利用 CUDA、cuDNN 及 TensorFlow 這些 GPU 進行深度學習實驗。
「少了 GPU，我們要花上多年時間才能到達目前的成就。」Rubashkin 說。
LexiconAI 才成立一年，Rubashkin 便已見到該公司的技術有著許多機會，能挽救埋首於浩繁文件的醫師們，並且已在努力開發法律領域使用的 app，希望能盡快推出。
該公司還想提供更多即時服務來協助專業人士，像是 Rubashkin 表示 LexiconMD 的人工智慧平台能協助醫師找出資訊並協助制定醫療決策，就跟應用在航空業的方式一樣，電子警報和即時顯示資訊系統對飛行員有著莫大的輔助作用。
他說：「從它處學到的心得，便是擴增智慧技術顯著提高了生產力和安全性。」
LexiconAI 是加入 Inception 計畫的2200多間新創公司之一。這項虛擬加速器計畫提供技術、專業知識和市場支援項目給新創公司。