Problemet var ikke mangel på teknologi, men maskinenes manglende evne til å lytte. Standardverktøy for talegjenkjenning, utviklet i vestlige laboratorier, forstod sjelden de distinkte aksentene til nigerianske leger. For en radiolog betydde dette at hver observasjon måtte skrives ned for hånd, for så å bli arkivert i et system som slet med å holde tritt med pasientstrømmen. Tobi Olatunji, selv utdannet lege, innså at han måtte bygge en bro mellom den lokale dialekten og den digitale arkiveringen.
Gjennom selskapet Intron Health samlet han inn over 3 millioner lydopptak fra helsearbeidere i 15 afrikanske land. Han lærte algoritmen å kjenne igjen navnene på medisiner som er vanlige i regionen, og diagnoser som Lassa-feber, som ofte er fraværende i globale ordbøker. Resultatet er en maskin som filtrerer bort støyen fra sykehusets vifter og fanger opp legens stemme med kirurgisk presisjon.
Ved University College Hospital dikterer nå legene sine funn direkte inn i systemet. Der en pasient før måtte vente i to døgn på en radiologibeskrivelse, foreligger resultatet nå nesten umiddelbart. Den tause ventetiden i sykehusets venteværelser er forkortet, ikke gjennom store politiske reformer, men gjennom en leges beslutning om å lære en datamaskin å forstå menneskene han arbeider sammen med.