Color Health

Color Health⁠(se abre en una ventana nueva) se ha asociado con OpenAI para dirigir un método pionero que agiliza el acceso al tratamiento oncológico para los pacientes de cáncer. Su nueva aplicación emplea ChatGPT‑4o para identificar cuándo falta un diagnóstico y diseñar un programa personalizado. Esto permite a los profesionales sanitarios tomar decisiones basadas en la evidencia con respecto a la detección y el tratamiento del cáncer. 

Desde hace más de diez años, Color Health trabaja para mejorar el acceso a la atención médica de más 7 millones de pacientes. En 2023 se asoció con la American Cancer Society para ayudar a las empresa y los seguros médicos a coger las riendas del cáncer, la segunda causa de muerte en Estados Unidos y el principal responsable de los costes en atención sanitaria del país.

Color Health usa las API de OpenAI para fusionar la historia clínica del paciente con los conocimientos médicos. El resultado es la aplicación Cancer Copilot, capaz de definir planes de tratamiento exhaustivos y personalizados. Los profesionales sanitarios solo tienen que revisarlos y aplicarlos en sus propios pacientes. 

«La visión de Color Health es democratizar los conocimientos sobre el cáncer en el momento en el que puedan influir más en las decisiones de tratamiento de un paciente», explica Othman Laraki, CEO de Color Health. 

«Como proveedor de servicios sanitarios, la tecnología que mejora el acceso y la equidad tiene que ir de la mano de una tecnología que vele por la seguridad y la privacidad de la información del paciente. Los estándares en materia de protección de datos que aplica OpenAI, y que cumplen la ley HIPAA, han sido clave».

Los resultados que arroja la aplicación Cancer Copilot son analizados por un médico en cada etapa del proceso y, en caso necesario, se modifican antes de presentarlos ante un paciente. El proceso funciona como sigue:

1. La aplicación extrae, procesa y adapta el formato de la información del paciente, como el historial clínico y los factores de riesgo individuales, junto con los protocolos clínicos y datos de fuentes fiables. El equipo de Color quedó especialmente impresionado con la capacidad de GPT‑4o de extraer y estructurar la información que queda enterrada entre páginas y más páginas de información inconexa, con una redacción y estructura complejas, a menudo en formatos distintos, como PDF o anotaciones médicas. 
2. A partir de estos datos, es capaz de responder a preguntas del tipo: «¿A qué pruebas debería someterse el paciente?» con el fin de identificar las pruebas que le faltan y definir un plan de detección personalizado. También genera la documentación necesaria para llevar a cabo las pruebas diagnósticas, como la justificación de las pruebas diagnósticas y las preautorizaciones de los seguros.
3. El médico implicado analiza los resultados, que contienen información sobre la fuente. A continuación, si lo estima conveniente, puede editar dicha información, lo cual también ayuda a perfeccionar las iteraciones futuras.
4. En cuanto el médico implicado está satisfecho con el resultado, puede incorporar la información al plan de tratamiento actual del paciente.

La detección, el diagnóstico y el tratamiento del cáncer conforman un proceso sumamente lento y complejo. Y cada retraso tiene sus efectos: los pacientes cuyo tratamiento se demora cuatro semanas presentan un riesgo de mortalidad entre un 6 % y un 13 % más alto⁠(se abre en una ventana nueva).

Además, algunos programas de detección tienen que ser muy individualizados. Por ejemplo, más de un tercio de los pacientes de Color precisan programas de detección temprana alternativos, basados en factores de riesgo individuales que no están contemplados en los protocolos estándar. «Conozco de primera mano la complejidad que entraña desarrollar planes de detección de cáncer personalizados para mis pacientes de alto riesgo», admite el doctor Keegan Duchicela, médico de atención primaria de Color. «Los protocolos cambian constantemente y los factores de riesgo individual no siempre son fáciles de identificar». 

Además de las dificultades en la etapa de detección, el diagnóstico comporta sus propios retos. Documentar y llevar a cabo un plan diagnóstico para un único paciente puede llevar semanas, y muchos de los pacientes llegan a su primera visita con el oncólogo sin tener todas las pruebas hechas. «Hoy en día, existen brechas reales en la atención oncológica en función del lugar donde el paciente ha recibido el diagnóstico inicial», asegura la Dra. Allison Kurian, profesora de la facultad de medicina de la Universidad de Stanford y oncóloga en activo. «Muchos de mis pacientes tardan semanas en hacerse todas las pruebas y evaluaciones necesarias para acceder al tratamiento adecuado. Estamos perdiendo un tiempo muy valioso y sobrecargando a los médicos con burocracia».

Color Health se asoció con OpenAI en 2023 con el objetivo de usar la IA para mejorar la atención de los pacientes oncológicos y democratizar el acceso a la sanidad. Para afrontar los problemas asociados con la detección, el diagnóstico y el tratamiento, Color necesitaba una solución capaz de:

• Interpretar la información del paciente repartida en multitud de formatos.
• Analizar los densos protocolos de la práctica asistencial.
• Proteger la privacidad de los datos del paciente.
• Ayudar a diseñar el flujo de trabajo del médico implicado para garantizar la seguridad del paciente.
• Integrarse con las historias clínicas electrónicas y los sistemas propios del hospital.

Durante la evaluación inicial, Color se decantó por la experimentación rápida, e incluyó la prueba del rendimiento de GPT‑4 y GPT‑4o en tareas complejas, como la extracción de información de PDF de protocolos clínicos para el diagnóstico de cáncer. Dichos PDF contienen cientos de páginas repletas de diagramas complejos que definen las pautas de tratamiento en función de los resultados diagnósticos. OpenAI y Color desarrollaron conjuntamente un método para pedir a GPT‑4 Vision que describiera las capturas de pantalla de estos diagramas de la forma más eficaz para preservar la precisión de los resultados.

OpenAI también ha ayudado al equipo de Color a definir los prototipos de procesos clínicos empleando la interfaz estándar ChatGPT, así como a generar casos de muestra con un GPT personalizado. Todo ello les ha permitido obtener pruebas de concepto eficaces antes de invertir grandes recursos en ingeniería.

Gracias a la orientación experta de OpenAI, a los potentes modelos y a los estándares de protección de datos conformes a la ley HIPAA, Color pudo centrarse en desglosar el proceso de toma de decisiones médicas complejas, perfeccionar las instrucciones y definir los flujos de trabajo del médico implicado para crear la versión inicial de Cancer Copilot.

Por ejemplo, los ingenieros de OpenAI recomendaron a Color apostar por la generación aumentada por recuperación (RAG) en lugar de por refinar el modelo para mejorar la calidad de los resultados y reescribir la documentación clínica. De esta forma, ChatGPT podría procesarla mejor. Finalmente, tras la fase de experimentación, Color eligió OpenAI como proveedor de soluciones de IA, y adoptó GPT‑4o como eje de su innovadora aplicación Cancer Copilot.

Para evaluar los efectos de esta herramienta, Color se ha asociado con el Helen Diller Family Comprehensive Cancer Center de la Universidad de California San Francisco (UCSF HDFCCC). Color y UCSF conducirán una evaluación retrospectiva de la implementación inicial, seguida de una implementación dirigida. A partir de los resultados de la evaluación, verán si hay potencial para integrar Cancer Copilot en los procesos clínicos de los nuevos casos de cáncer de USCF. 

«USCF es pionero en implantar la tecnología más puntera para mejorar la atención de los pacientes», asegura el doctor Alan Ashworth, miembro de la Royal Society y presidente de UCSF HDFCCC. «A menudo, los pacientes acuden a oncología sin tener todas las pruebas diagnósticas hechas, y el tiempo que tardamos en comprobar cuáles faltan impide a los profesionales sanitarios rendir al máximo de sus capacidades. Necesitamos herramientas que mejoren la eficiencia y la precisión de las historias clínicas previas a esa primera visita y evitar retrasos graves en el inicio de los tratamientos de los pacientes de cáncer de USCF». 

Dr. Karen Knudsen, CEO de la American Cancer Society, coincide con esta afirmación. «La idea de combinar tecnologías de IA con flujos de trabajo clínicos digitalizados para acelerar ese proceso sería un avance muy positivo para todas las partes implicadas, el paciente y sus médicos, así como la aseguradora que cubre los costes del tratamiento».

Color está desplegando Cancer Copilot con mucha cautela, y ha puesto en marcha una fase de implementación inicial con sus propios médicos, aplicando la herramienta a un número limitado de casos. Estos casos están sujetos a varios controles de calidad:

• Los profesionales sanitarios que usan Cancer Copilot son capaces de identificar cuatro veces más los resultados de análisis, ecografías, radiografías o biopsias y pruebas analíticas que faltan que sin la aplicación.
• Gracias a Cancer Copilot, los médicos tardan de media 5 minutos en analizar las historias clínicas e identificar esas carencias. Sin Cancer Copilot, la información queda fragmentada y puede comportar hasta dos semanas de retraso.

En la segunda mitad de 2024, Color tiene previsto usar la aplicación para generar programas de atención personalizada asistida por IA, con supervisión médica, para más de 200 000 pacientes.