Az Anima platform OpenAI-modelleket használva hozza össze a betegek kéréseit, klinikai dokumentumokat és a következő lépéseket egyetlen munkafolyamatba, hogy a klinikai csapatok gyorsabban és hatékonyabban reagálhassanak. A cég célja személyre szabott egészségügy biztosítása azzal az alapelvvel, hogy a gondoskodásnak a szükségletet kell követnie.
Hol és mekkora a skála?
Az Anima Nagy‑Britanniában indult; jelenleg több mint 1 000 klinikán szolgál ki mintegy 14 millió beteget, és havi szinten több mint 800 000 esetet dolgoz fel. A szolgáltatást az Egyesült Államokba, Ausztráliába és más piacokra is kiterjesztik.
Miért OpenAI?
Shun Pang, az Anima vezérigazgatója és társalapítója elmondta, hogy az OpenAI‑t választották a kritikus munkaterhelésekhez a modellek intelligenciája, „intelligencia/dollár” mutatója és az in‑context learning által biztosított steerability miatt. A cég állítása szerint a dokumentumfeldolgozó munkafolyamatokban GPT‑6 modelleket, hívásokhoz pedig GPT‑Live rendszert alkalmaznak.
Shun saját klinikai tapasztalatai is motiválták a fejlesztést: korábban olyan esetet látott, amikor egy rendellenes lelet hat hónapon át egy sorban maradt, és ez súlyos következményekkel járhatott. Ez alapján alakította ki azt a meggyőződését, hogy a rendszer problémája nem a gyógyszerészet, hanem az információáramlás.
Andi: AI recepciós és ügyfelvétel telefonon
Anima AI recepciósa, Andi, GPT‑Live alapú. A páciensek telefonon írhatják le tüneteiket Andinak; az Anima saját policy motorja determinisztikus, klinikailag jóváhagyott ügyfelvételi folyamatokon vezeti keresztül a beszélgetést. A GPT‑5.4 mini kiválasztja a megfelelő kérdőívet, és a kitöltött anamnézis strukturált esetként jelenik meg a klinikai irányítópulton.
A céges mérések szerint azoknál a klinikáknál, amelyek Andit használják, a telefonos várakozási idők 40–50 percről körülbelül 10 percre csökkentek, ami legalább 75%-os csökkenést jelent. Betegek körében végzett felmérésükben a válaszadók 86%-a mondta, hogy újra használná Andit. Shun kiemelte, hogy a legidősebb korosztályok (80–90 évesek) is kifejezetten elégedettek: „Végtelenül türelmes és nagyon udvarias.”
Dokumentumfeldolgozás GPT‑6-tal
Az Anima Documents terméke GPT‑6 modelleket használ a beérkező klinikai dokumentumok, például küldő, címzett, dokumentumtípus és eseménydátumok kinyerésére. Egy többlépcsős csővezeték párosítja a dokumentumokat a megfelelő pácienssel, azonosítja a klinikai kódokat, és javaslatot tesz a következő lépésre, amit a klinikai személyzet felülvizsgálhat.
A klinikai kódolás (például SNOMED) különösen nehéz feladat: Michael Skupien, az Anima mérnöki vezetője szerint körülbelül 800 000 lehetséges SNOMED kód létezik, és ugyan csak egy töredékük használatos rendszeresen, a különböző gyakorlatok mégis eltérő döntéseket hoznak a kódok alkalmazásáról.
Ahelyett, hogy minden egyes ügyfélnél rendszerszintű konfigurációt vagy külön modellek finomhangolását kérnék, az Anima in‑context learninggel igazítja a modell döntéseit az egyes gyakorlatokhoz — eznél a megközelítésnél következetes utasításkövetésre képes modellekre van szükség.
Az Anima szerint a korábban óránként körülbelül 15 dokumentumot feldolgozó praxisok most tipikusan 30–45 dokumentum/óra sebességgel dolgoznak; a legjobban teljesítők 45–60/óra között vannak. Shun szerint néhány klinika több mint 100 000 dokumentumos felhalmozódást tudott napokon belül ledolgozni Anima bevezetése után, így fontos frissítések és gyógyszeres módosítások nem hevernek hónapokig a sorban.
Scribe: konzultációk lejegyzése és követőüzenetek
Az Anima Scribe terméke GPT‑5.6 Luna modellt használva alakítja át a konzultációs átírásokat strukturált klinikai jegyzetekké, majd ugyanazt a klinikai kontextust felhasználva vázlatolja a beutalóleveleket és a betegek számára szóló követőüzeneteket.
Ennek eredményeként az orvosoknak kevesebbet kell gépelniük a vizit alatt, így több figyelmet fordíthatnak a betegre. Az Anima szerint konzultációs jegyzetek, amelyek korábban percekig tartottak, most másodpercek alatt készülnek előellenőrzésre; beutalólevelek, amelyek 5–15 percet igényeltek, szintén percek alatt vázolhatók a konzultáció és a betegrekord alapján.
Shun hozzáteszi: „A betegek a konzultáció után rövid időn belül egyértelmű követőüzeneteket kapnak, ami csökkenti a szorongást és javítja az emlékezést. Gyakran halljuk, hogy az orvosok most időben fejezik be a napot, ahelyett, hogy este 8–9‑ig dolgoznának.”
Milyen hatása van mindennek?
Az Anima szerint a platform eseteinek többsége 24 órán belül lezárul; a medián esetmegoldási idő nagyjából 3,5 óra. Shun szerint a megoldás „rendkívül kritikus” a betegek és a klinikák számára, és a cég munkája ma körülbelül 14 millió brit betegre van hatással OpenAI‑modellek támogatásával.
Az Anima célja, hogy a mai kapacitásnöveléssel és munkafolyamat‑automatizálással teret adjon az ellátócsapatoknak a gondoskodás bővítésére, valamint lehetőséget teremtsen új szolgáltatások és munkafolyamatok kiépítésére a jövőben.
body_en:
Anima expands clinic capacity with OpenAI models
Anima integrates patient requests, clinical documents and follow‑up tasks into a single platform that uses OpenAI models to help clinic teams respond faster. The company’s stated goal is personalized healthcare driven by need.
Scale and deployment
Anima launched in the United Kingdom and now serves more than 1,000 clinics and about 14 million patients, processing over 800,000 cases per month. The company is expanding into the United States, Australia and other markets.
Why OpenAI?
Shun Pang, Anima’s CEO and co‑founder, says the company selected OpenAI after benchmarking closed‑source and open‑source alternatives because of the models’ intelligence, intelligence‑per‑dollar and steerability via in‑context learning. The company uses GPT‑6 in its document pipelines and GPT‑Live for calls.
Pang’s clinical training influenced the product: he witnessed a case in which abnormal test results sat in a queue for six months, motivating him to tackle information flow rather than medical knowledge alone.
Andi: AI receptionist for phone intake
Anima’s AI receptionist Andi runs on GPT‑Live. Patients describe symptoms by phone while Anima’s proprietary policy engine guides the conversation through deterministic, clinically approved intake workflows. GPT‑5.4 mini selects the right questionnaire and the completed history appears as a structured case in the clinic dashboard.
According to Anima’s measurements, clinics using Andi have reduced phone wait times from 40–50 minutes to about 10 minutes — at least a 75% reduction. In patient surveys, 86% said they would use Andi again. Pang noted that people in their 80s and 90s were among the happiest users: “It’s infinitely patient and very polite.”
Documents: extracting and routing clinical paperwork with GPT‑6
Anima Documents uses GPT‑6 models to extract sender, recipient, document type and event dates from incoming clinical documents. A multi‑stage pipeline then matches each document to the correct patient, suggests clinical codes and proposes the next action for staff review.
Clinical coding was one of the more challenging problems. Michael Skupien, Engineering Lead at Anima, points out there are around 800,000 possible SNOMED codes; only a fraction are used regularly and different practices make different coding choices.
Rather than ask each clinic to configure the system or fine‑tune separate models per customer, Anima adapts model decisions to each practice via in‑context learning. This approach requires models that follow instructions consistently.
Anima reports that practices which previously processed about 15 documents per hour now typically handle 30–45 documents per hour, while top performers process 45–60 per hour. Pang says some clinics have cleared backlogs of more than 100,000 documents within days of adopting Anima, ensuring medication changes and updates reach clinicians promptly instead of languishing in queues for months.
Scribe: turning consultations into notes and follow‑ups
Anima’s Scribe product uses GPT‑5.6 Luna to convert consultation transcripts into structured clinical notes and then reuse that context to draft referral letters and patient follow‑up messages.
The result is that clinicians can spend more of the appointment listening rather than typing. Anima says consultation notes that once took several minutes to write are now drafted in seconds for clinician review, and referral letters that previously required 5–15 minutes can be drafted within seconds based on the consultation and patient record.
Pang says: “Patients receive clear follow‑up messages shortly after the consultation, reducing anxiety and improving recall. We often hear that doctors now finish their day on time instead of working until 8 or 9 p.m.”
Impact and outlook
Anima reports most cases on its platform are resolved within 24 hours, with a median resolution time of approximately 3.5 hours. Pang describes the platform as mission‑critical for the patients and clinics it supports across roughly 14 million UK patients using OpenAI models.
By automating intake, document processing and note drafting, Anima says it gives care teams more capacity today and helps build pathways and services for the future.
