Sensi.AI dan Flint Capital berbicara tentang pengembangan dan penerapan solusi AI dalam perawatan kesehatan

Memantau pasien dari jarak jauh tanpa melanggar privasi mereka adalah tugas yang menantang. Tetapi salah satu pendiri percaya bahwa dia telah memecahkan kodenya.

Pada episode TechCrunch Live baru-baru ini, acara mingguan TC yang dirancang untuk membantu para pendiri membangun bisnis yang didukung usaha yang lebih baik, Romi Gubes, CEO Sensi.AI, berbicara tentang bagaimana dia membangun perusahaan yang menggunakan perangkat lunak AI berbasis audio untuk mendeteksi dan memprediksi anomali yang dapat berdampak pada kesehatan mereka yang menerima perawatan di rumah.

Romi, seorang insinyur perangkat lunak dengan pelatihan yang bekerja di perusahaan Fortune 500 termasuk Cisco, Dell dan Vonage, mengatakan bahwa dia terinspirasi untuk menemukan Sensi.AI setelah episode pelecehan di pusat penitipan anak putrinya.

“Itu adalah salah satu hal dalam hidup yang benar-benar mengubah hidup Anda,” katanya. “Dan saya ingin memanfaatkan latar belakang teknologi saya untuk membantu orang-orang yang rentan itu agar aman di lingkungan perawatan apa pun.”

Hal itu membuatnya beralih ke kekurangan besar-besaran profesional perawatan internal di AS, serta efek yang dapat ditimbulkan oleh “penuaan di tempat” tanpa dukungan infrastruktur yang tepat.

“Seperti yang Anda ketahui, seiring berjalannya waktu, semakin banyak orang dewasa yang lebih tua dan semakin sedikit orang yang lebih muda yang berpotensi merawat mereka,” kata Romi. “Segera, saya mengerti seberapa besar rasa sakit di industri perawatan lansia.”

Kredit Gambar: Sensi.AI

Sensi.AI, didirikan pada tahun 2018, tumbuh cukup cepat, saat ini berkembang menjadi 70 karyawan di dua negara — AS dan Israel — dan pelanggan di 37 negara bagian yang melayani ribuan orang. Sepanjang jalan, Sensi.AI mengumpulkan $25 juta dari investor termasuk Sergey Gribov, mitra umum di Flint Capital dan anggota dewan di Sensi.AI, yang bergabung dalam diskusi TC Live.

Didukung oleh pandemi, pasar solusi pemantauan perawatan jarak jauh cukup besar. Jadi bagaimana Sensi.AI bisa menonjol dari yang lain? Romi mengaitkannya dengan teknologi terdiferensiasi perusahaan, yang menggunakan kombinasi AI dan pemantauan audio untuk mendeteksi peristiwa penting di dalam dan sekitar lingkungan pasien.

Sensi.AI menghabiskan waktu bertahun-tahun mengumpulkan data dari lapangan untuk melatih sistem AI-nya. Hingga saat ini, perusahaan telah menangkap lebih dari 10 juta interaksi pengasuh dari puluhan ribu orang di seluruh AS, klaim Romi.

“Misalnya, kami tahu untuk mendeteksi jika pengasuh memiliki masalah khusus dengan transisi orang dewasa yang lebih tua dari tempat tidur ke kursi, di mana ini sebenarnya merupakan faktor risiko yang sangat besar bagi mereka berdua,” jelasnya. “Kami lebih fokus pada lapisan pencegahan agar benar-benar memungkinkan para profesional untuk bertindak sebelum sesuatu terjadi.”

Tetapi bagaimana dengan privasi — baik privasi pasien maupun perawat?

Romi menunjukkan bahwa Sensi.AI tidak menggunakan kamera untuk pemantauan, tidak seperti beberapa pesaingnya. Selain itu, sistem ini sesuai dengan HIPAA — tagihan privasi rekam medis utama di AS — dan menganonimkan data sehingga data audio tidak terikat dengan individu mana pun yang dipantau.

Itu juga berkontribusi pada kesuksesan pendanaan Sensi.AI, menurut Gribov. Tapi pandemi bisa dibilang memainkan peran yang lebih besar.

“Saat pandemi melanda, banyak pengasuh yang tidak bisa ke rumah lansia dan benar-benar melayani mereka, dan lansia tinggal di rumah sendiri,” kata Romi. “Dan di sinilah kebutuhan akan solusi seperti Sensi menjadi sangat, sangat jelas.”

Kredit Gambar: Sensi.AI

Orang mungkin berasumsi bahwa ambisi besar Sensi.AI adalah mengganti seluruh pekerja perawatan. Tapi Romi menegaskan bahwa bukan itu masalahnya. Faktanya, dia pikir itu tidak layak dari sudut pandang teknis – dan tidak akan terjadi di masa mendatang. Sebaliknya, dia berharap Sensi.AI dapat tumbuh menjadi alat perawatan yang dapat digunakan oleh dokter — dan bahkan orang tua dari orang dewasa yang lebih tua — untuk melacak apa yang terjadi di rumah pasien yang rentan.

“Kita bisa membuat pekerjaan mereka jauh lebih efisien, dan membuat mereka membuat keputusan yang lebih baik,” kata Romi.