Color Health

Color Health⁠(se abre en una nueva ventana) trabaja con OpenAI para liderar una nueva forma de acelerar el acceso al tratamiento para los pacientes con cáncer. Su nueva aplicación de copiloto utiliza GPT‑4o para identificar diagnósticos faltantes y crear planes de evaluación personalizados, lo que permite a los proveedores de atención médica tomar decisiones basadas en evidencia sobre la detección y tratamiento del cáncer. 

Color ha trabajado para mejorar el acceso a la salud durante una década, atendiendo a más de siete millones de pacientes desde su fundación. En 2023, se asociaron con la American Cancer Society para ayudar a los empleadores y planes de salud a asumir el control del cáncer. Esta afección es la segunda causa de muerte más frecuente en Estados Unidos y el impulsor principal de los costos de atención médica del país.

Color Health utiliza las API de OpenAI para integrar los datos médicos del paciente con los conocimientos clínicos. El resultado es una aplicación de copiloto que genera planes de tratamiento integrales personalizados para que los proveedores revisen y utilicen en la atención de sus pacientes. 

“La visión de Color es hacer accesibles los conocimientos sobre cáncer en el momento y lugar en que pueden tener el mayor impacto en las decisiones de atención médica de un paciente”, afirmó Othman Laraki, director general de Color Health. 

Laraki también señaló: “Como una empresa de atención médica, la tecnología que mejora el acceso y equidad tiene que ir de la mano con la tecnología que respalda la seguridad y privacidad de los pacientes. Los estándares de protección de datos conformes con la HIPAA de OpenAI son clave”.

En cada paso, un médico clínico analiza los datos de salida de la aplicación de copiloto y, de ser necesario, los modifica antes de presentarlos al paciente. Funciona de la siguiente manera:

1. La aplicación extrae, procesa y normaliza la información del paciente, tales como los antecedentes familiares y los factores individuales de riesgo, junto con los lineamientos clínicos y datos de fuentes confiables. El equipo de Color se sorprendió particularmente por la capacidad de GPT‑4o de extraer y normalizar la información que estaba oculta entre páginas con información estructurada y redactada de manera inconsistente, a menudo en formatos diferentes, como en PDF o notas clínicas. 
2. Al usar estos datos, se responden preguntas clave, por ejemplo, “¿Qué exámenes debería realizar el paciente?” para identificar los diagnósticos faltantes y generar un plan de detección personalizado. También genera la documentación necesaria para completar cualquier evaluación diagnóstica, como documentos de necesidad médica y preautorizaciones de seguros.
3. El médico involucrado en el proceso evalúa los datos de salida, los cuales incluyen información sobre la fuente. El médico puede editar los resultados del copiloto, lo que ayuda también a perfeccionar las iteraciones futuras.
4. Una vez que el médico involucrado está satisfecho con el resultado, puede añadir la información al plan de tratamiento existente del paciente.

La detección, el diagnóstico y el tratamiento del cáncer son sumamente complejos y requieren mucho tiempo. Además, cada retraso hace una diferencia: los pacientes cuyos tratamientos se retrasan tan solo cuatro semanas se enfrentan a un riesgo de mortalidad entre 6 % y 13 % más alto⁠(se abre en una nueva ventana).

Las necesidades de detección también suelen ser altamente individualizadas. Por ejemplo, más de un tercio de los pacientes de Color requieren de métodos de detección más temprana y diferentes basados en factores de riesgo individuales que no son abordados por los lineamientos estándar. “He sido testigo de las complejidades de desarrollar planes de detección de cáncer personalizados para mis pacientes de alto riesgo” ―declaró el Dr. Keegan Duchicela, un médico de atención primaria en Color―. Los lineamientos están en constante evolución y los factores de riesgo individuales no siempre son claros de inmediato”. 

Más allá de la detección, las evaluaciones de diagnóstico generan más retos. Documentar y llevar a cabo las evaluaciones de diagnóstico de un solo paciente puede tomar semanas, con la mayoría de los pacientes presentándose a su primera cita en Oncología sin una evaluación completa. “Hoy en día, existen brechas reales en la atención oncológica dependiendo del lugar donde un paciente recibe su diagnóstico inicial ―afirmó la Dra. Allison Kurian, profesora en la Escuela de Medicina de Stanford University y oncóloga clínicamente activa―. Muchos de mis pacientes necesitan semanas para completar todos los exámenes y evaluaciones necesarias para brindar el tratamiento apropiado. En este periodo se pierde tiempo valioso y se impone una carga administrativa adicional a los médicos”.

Color empezó a trabajar con OpenAI en 2023, con el objetivo de emplear la IA para mejorar la atención de pacientes oncológicos y la equidad en el sector salud. Tomando en cuenta los retos de la detección, diagnóstico y tratamiento del cáncer, Color buscaba una solución que pudiera:

• Interpretar datos de pacientes con un formato inconsistente.
• Analizar los densos lineamientos de atención médica.
• Proteger la privacidad de datos de los pacientes.
• Apoyar el diseño del flujo de trabajo del médico involucrado para garantizar la seguridad del paciente.
• Integrarse con los expedientes clínicos electrónicos (ECE) y los sistemas hospitalarios principales.

Durante la exploración inicial, Color estableció su enfoque para la experimentación rápida, incluyendo la prueba del rendimiento de GPT‑4 y GPT‑4o en tareas complejas, como la extracción de información de PDF de lineamientos clínicos para el diagnóstico de cáncer. A menudo, estos PDF tienen cientos de páginas de diagramas complicados que describen las rutas de atención con base en las evaluaciones de diagnóstico. Juntos, OpenAI y Color, desarrollaron un método para pedir a GPT‑4 Vision que describiera capturas de pantalla de estos diagramas que resultó ser el más efectivo para mantener la precisión de los resultados.

OpenAI también guio al equipo de Color para diseñar flujos de trabajo clínicos usando la interfaz estándar de ChatGPT y generando casos muestra mediante un transformador generativo preentrenado (GPT) personalizado, obteniendo pruebas de concepto efectivas antes de comprometer recursos extensivos en ingeniería.

Con la orientación experta, modelos poderosos y estándares de protección de datos conformes con la Ley de Portabilidad y Responsabilidad de Seguros Médicos (HIPAA) de OpenAI, Color pudo concentrarse en deconstruir la toma de decisiones médicas complejas, ajustar los datos de entrada y diseñar flujos de trabajo del médico involucrado para crear la versión inicial del copiloto.

Por ejemplo, los ingenieros de OpenAI asesoraron a Color a utilizar la generación aumentada por recuperación (RAG) en lugar de un ajuste fino del modelo para aumentar la calidad de los resultados y reescribir la documentación clínica para facilitar su procesamiento por ChatGPT. Finalmente, después de la experimentación, Color eligió a OpenAI como su proveedor de soluciones de IA, con GPT‑4o al centro de su innovadora aplicación de copiloto.

Para medir el impacto de esta herramienta, Color está formando una alianza con el centro oncológico Helen Diller Family Comprehensive Cancer Center (HDFCCC) de la University of California, San Francisco (UCSF). Para la implementación inicial, Color y UCSF conducirán una evaluación retrospectiva, seguida de un despliegue dirigido. Con base en la evaluación, existe la posibilidad de integrar al copiloto en los flujos de trabajo clínicos para todos los nuevos casos de cáncer en UCSF. 

“UCSF es líder en la implementación de tecnología de vanguardia para mejorar la atención de los pacientes ―declaró el Dr. Alan Ashworth, PhD, FRS, presidente del HDFCCC de UCSF―. A menudo los pacientes acuden a los oncólogos primarios con evaluaciones de diagnóstico incompletas. El tiempo que toma reunir e identificar con precisión la realización de dichas evaluaciones impide que los proveedores trabajen al máximo de sus capacidades. Estamos interesados en herramientas que puedan mejorar la eficiencia y precisión de los registros previos a la consulta y que eviten retrasos costosos en el inicio del tratamiento para pacientes con cáncer en UCSF”. 

Dr. Karen Knudsen, directora general de la American Cancer Society está de acuerdo: “La idea de combinar tecnologías de IA con flujos de trabajo clínicos habilitados digitalmente para acelerar ese proceso sería un avance positivo para todas las partes involucradas, el paciente y sus médicos, así como el responsable del costo del tratamiento”.

Color adopta un enfoque cauteloso en el despliegue del copiloto y ha iniciado una fase de implementación inicial para sus propios médicos, en el que aplica la herramienta en un número limitado de casos. Estos casos reciben varios niveles de aseguramiento de calidad:

• Los proveedores de atención médica que utilizan el copiloto son capaces de identificar cuatro veces más resultados de análisis, imágenes o biopsias y patología faltantes que aquellos sin el copiloto.
• Con el uso del copiloto, los médicos tardan en promedio cinco minutos en analizar los expedientes de los pacientes e identificar las brechas. Sin el copiloto, los datos están fragmentados y puede resultar en semanas de retraso.

Durante la segunda mitad de 2024, Color planea utilizar la aplicación de copiloto para ofrecer planes de atención personalizados generados por IA, con supervisión médica, a más de 200,000 pacientes.