SAFERS: Speech Analytics for Emergency Response Services

Nødtjenester, som 113 for nødhelsetjenester i Norge, må fungere i vanskelige og tidskritiske situasjoner. Ved en medisinsk nødsituasjon kan det være mange usikre faktorer, og operatøren er ofte nødt til å vurdere en vanskelig og kompleks medisinsk situasjon basert på kun en informasjonskilde, nemlig innringeren, som kan være pasienten selv, en slektning eller annen omsorgsperson. Operatøren må på bakgrunn av denne informasjonen ta beslutninger for hvordan situasjonen best kan håndteres, og eventuelt sende ut medisinske ressurser som lege eller ambulanse. SAFERS-prosjektet har som hovedmål å benytte moderne teknologi innen taleprosessering, språkteknologi og maskinlæring til å forbedre nødtjenestene slik at påliteligheten og effektiviteten kan økes. Mer presist ønsker prosjektet å utvikle teknologi som kan behandle og analysere nødtjenestesamtaler mellom medisinsk personell og innrigere i sanntid. Et slikt system skal: (1) identifisere hva som blir sagt (nøkkelord og viktige fakta) underveis i samtalen. (2) transkribere samtalen i sanntid ved hjelp av talegjenkjenningsteknologi (3) utnytte informasjon fra samtalen, sammen med kontekstfaktorer, til å bestemme viktige parametere, for eksempel hvor tidskritisk situasjonen er. (4) Oppdage potensielle feil og mangler i behandlingen og vurderingene av nødanropet. De teknologiske nyvinningene fra SAFERS-prosjektet vil bistå nødtjenesteoperatorer med sanntidsanalyser og prediksjoner, slikt at de kan ha fullt fokus på medisinske vurderinger og gi riktig assistanse til innringere. Disse nyvinningene vil også tilby et ekstra kontrollnivå ved at anomalier og større avvik fra operasjonelle retningslinjer kan oppdages raskt. Transkriberingsverktøy vil også kunne føre til en enklere og mer strømlinjeformet dokumenteringsprosess for AMK-sentraler.

The SAFERS project will develop a set of innovative tools and techniques for performing real-time analysis of emergency calls. These tools and techniques will build on recent technological advances in speech processing, language technology and machine learning, with the goal of enhancing the quality, efficiency and safety of emergency responses. The project will need to address several important R&D challenges. One major research effort will be the development of a speech recognition system for Norwegian able to transcribe emergency calls with sufficient accuracy. The project will notably investigate how to integrate environmental noise, psychological stress and other emotional factors into the acoustic models of the speech recogniser. Dialogue modelling techniques will be applied to track in real-time the interactions between the caller and the emergency operator and automatically extract important pieces of (medical) information from the dialogues. Finally, the project will apply machine learning techniques to automatically predict relevant variables (such as the situation's urgency level or the most likely geographical position of the caller) on the basis of the information collected during the call, combined with various contextual factors. These predictions will be subsequently exploited to quickly detect potential errors, omissions or deviations from operational guidelines. The SAFERS project brings together an international consortium of leading researchers in the fields of speech recognition, natural language processing, statistical modelling and machine learning. The project's stakeholders (represented by the National Centre on Emergency Communication in Health) will also take an active role in the SAFERS project, both regarding the design of technological solutions that are best suited to the practical needs of emergency response services, and the empirical evaluation of these solutions in real-life scenarios.