Color Health

Color Health⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) OpenAI ਨਾਲ ਮਿਲਕੇ ਕੈਂਸਰ ਮਰੀਜ਼ਾਂ ਦੀ ਇਲਾਜ ਤੱਕ ਪਹੁੰਚ ਤੇਜ਼ ਕਰਨ ਦਾ ਨਵਾਂ ਤਰੀਕਾ ਤਿਆਰ ਕਰ ਰਹੀ ਹੈ। ਉਹਨਾਂ ਦੀ ਨਵੀਂ ਕੋਪਾਇਲਟ ਐਪਲੀਕੇਸ਼ਨ GPT‑4o ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਗੁੰਮ ਨਿਦਾਨਕਾਰੀ ਜਾਣਕਾਰੀ ਪਛਾਣਦੀ ਹੈ ਅਤੇ ਅਨੁਕੂਲਿਤ ਵਰਕਅੱਪ ਯੋਜਨਾਵਾਂ ਬਣਾਉਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਹੈਲਥਕੇਅਰ ਪ੍ਰਦਾਤਾ ਕੈਂਸਰ ਸਕ੍ਰੀਨਿੰਗ ਅਤੇ ਇਲਾਜ ਬਾਰੇ ਸਬੂਤ-ਆਧਾਰਿਤ ਫ਼ੈਸਲੇ ਲੈ ਸਕਦੇ ਹਨ. 

Color ਪਿਛਲੇ ਇੱਕ ਦਹਾਕੇ ਤੋਂ ਹੈਲਥਕੇਅਰ ਤੱਕ ਪਹੁੰਚ ਸੁਧਾਰਣ 'ਤੇ ਕੰਮ ਕਰ ਰਹੀ ਹੈ ਅਤੇ ਸਥਾਪਨਾ ਤੋਂ ਬਾਅਦ 7 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਮਰੀਜ਼ਾਂ ਦੀ ਸੇਵਾ ਕਰ ਚੁੱਕੀ ਹੈ। 2023 ਵਿੱਚ, ਉਹਨਾਂ ਨੇ American Cancer Society ਨਾਲ ਭਾਈਚਾਰਾ ਕੀਤਾ ਤਾਂ ਜੋ ਨਿਯੋਗਤਾਵਾਂ ਅਤੇ ਹੈਲਥ ਪਲਾਨਾਂ ਨੂੰ ਕੈਂਸਰ 'ਤੇ ਕਾਬੂ ਪਾਉਣ ਵਿੱਚ ਮਦਦ ਮਿਲੇ—ਜੋ ਸੰਯੁਕਤ ਰਾਜ ਵਿੱਚ ਮੌਤ ਦਾ ਦੂਜਾ ਸਭ ਤੋਂ ਆਮ ਕਾਰਨ ਹੈ ਅਤੇ ਅਮਰੀਕੀ ਹੈਲਥਕੇਅਰ ਲਾਗਤਾਂ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਕਾਰਕ ਹੈ.

Color Health ਮਰੀਜ਼ਾਂ ਦੇ ਮੈਡੀਕਲ ਡਾਟਾ ਨੂੰ ਕਲੀਨਿਕਲ ਜਾਣਕਾਰੀ ਨਾਲ ਜੋੜਣ ਲਈ OpenAI ਦੇ APIs ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਸ ਦਾ ਨਤੀਜਾ ਇੱਕ ਕੋਪਾਇਲਟ ਐਪਲੀਕੇਸ਼ਨ ਹੈ ਜੋ ਪ੍ਰਦਾਤਾਵਾਂ ਲਈ ਸਮੀਖਿਆ ਕਰਨ ਅਤੇ ਮਰੀਜ਼ ਦੀ ਦੇਖਭਾਲ ਵਿੱਚ ਵਰਤਣ ਵਾਸਤੇ ਅਨੁਕੂਲਿਤ, ਵਿਸਤ੍ਰਿਤ ਇਲਾਜ ਯੋਜਨਾਵਾਂ ਬਣਾਂਦਾ ਹੈ. 

“Color ਦਾ ਵਿਜ਼ਨ ਕੈਂਸਰ ਵਿਸ਼ੇਸ਼ਗਿਆਤਾ ਨੂੰ ਉਸ ਮੌਕੇ ਅਤੇ ਸਮੇਂ ਉੱਤੇ ਪਹੁੰਚਯੋਗ ਬਣਾਉਣਾ ਹੈ ਜਦੋਂ ਇਹ ਮਰੀਜ਼ ਦੇ ਸਿਹਤ ਸੰਬੰਧੀ ਫ਼ੈਸਲਿਆਂ ਉੱਤੇ ਸਭ ਤੋਂ ਵੱਡਾ ਅਸਰ ਪਾ ਸਕੇ,” Color Health ਦੇ CEO ਓਥਮਾਨ ਲਾਰਾਕੀ ਕਹਿੰਦੇ ਹਨ. 

“ਇੱਕ ਹੈਲਥਕੇਅਰ ਕੰਪਨੀ ਹੋਣ ਦੇ ਨਾਤੇ, ਪਹੁੰਚ ਅਤੇ ਸਮਾਨਤਾ ਨੂੰ ਸੁਧਾਰਣ ਵਾਲੀ ਤਕਨਾਲੋਜੀ ਦਾ ਮਰੀਜ਼ ਸੁਰੱਖਿਆ ਅਤੇ ਪਰਦੇਦਾਰੀ ਦਾ ਸਮਰਥਨ ਕਰਨ ਵਾਲੀ ਤਕਨਾਲੋਜੀ ਨਾਲ ਇਕੱਠੇ ਚੱਲਣਾ ਲਾਜ਼ਮੀ ਹੈ। OpenAI ਦੇ HIPAA-ਅਨੁਕੂਲ ਡਾਟਾ ਸੁਰੱਖਿਆ ਮਿਆਰ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹਨ.”

ਕੋਪਾਇਲਟ ਐਪਲੀਕੇਸ਼ਨ ਦੇ ਆਉਟਪੁੱਟ ਦਾ ਹਰ ਪੜਾਅ 'ਤੇ ਇੱਕ ਕਲੀਨੀਸ਼ੀਅਨ ਦੁਆਰਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਲੋੜ ਪੈਣ 'ਤੇ ਮਰੀਜ਼ ਅੱਗੇ ਪੇਸ਼ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਇਸ ਵਿੱਚ ਸੋਧ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦਾ ਹੈ:

1. ਇਹ ਮਰੀਜ਼ ਜਾਣਕਾਰੀ, ਜਿਵੇਂ ਪਰਿਵਾਰਕ ਇਤਿਹਾਸ ਅਤੇ ਵਿਅਕਤੀਗਤ ਖਤਰਾ-ਕਾਰਕ, ਨਾਲ ਹੀ ਕਲੀਨਿਕਲ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਅਤੇ ਭਰੋਸੇਯੋਗ ਸਰੋਤਾਂ ਤੋਂ ਡਾਟਾ ਨੂੰ ਕੱਢਦਾ, ਪ੍ਰੋਸੈਸ ਕਰਦਾ ਅਤੇ ਨਾਰਮਲਾਈਜ਼ ਕਰਦਾ ਹੈ। Color ਟੀਮ ਖਾਸ ਤੌਰ 'ਤੇ GPT‑4o ਦੀ ਉਸ ਸਮਰੱਥਾ ਤੋਂ ਪ੍ਰਭਾਵਿਤ ਸੀ ਜਿਸ ਨਾਲ ਉਹ ਅਸੰਗਤ ਢਾਂਚੇ ਅਤੇ ਭਾਸ਼ਾ ਵਾਲੀ ਜਾਣਕਾਰੀ ਦੇ ਸਫ਼ਿਆਂ ਵਿੱਚ ਦੱਬੀ ਹੋਈ ਜਾਣਕਾਰੀ ਨੂੰ, ਅਕਸਰ ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ ਜਿਵੇਂ PDFs ਜਾਂ ਕਲੀਨਿਕਲ ਨੋਟਸ ਵਿੱਚੋਂ, ਕੱਢ ਅਤੇ ਨਾਰਮਲਾਈਜ਼ ਕਰ ਸਕਦਾ ਸੀ. 
2. ਇਸ ਡਾਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਇਹ “ਮਰੀਜ਼ ਨੂੰ ਕਿਹੜੀਆਂ ਸਕ੍ਰੀਨਿੰਗ ਕਰਵਾਉਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ?” ਵਰਗੇ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਜਵਾਬ ਦਿੰਦਾ ਹੈ ਤਾਂ ਜੋ ਗੁੰਮ ਨਿਦਾਨਕਾਰੀ ਚੀਜ਼ਾਂ ਦੀ ਪਛਾਣ ਹੋ ਸਕੇ ਅਤੇ ਨਿੱਜੀਕਰਤ ਸਕ੍ਰੀਨਿੰਗ ਯੋਜਨਾ ਤਿਆਰ ਕੀਤੀ ਜਾ ਸਕੇ। ਇਹ ਕਿਸੇ ਵੀ ਨਿਦਾਨਕਾਰੀ ਵਰਕਅੱਪ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਵੀ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ medical necessity documents ਅਤੇ insurance pre-authorizations.
3. clinician-in-the-loop ਆਉਟਪੁੱਟ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਸਰੋਤ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਕਲੀਨੀਸ਼ੀਅਨ ਕੋਪਾਇਲਟ ਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰ ਸਕਦਾ ਹੈ, ਜੋ ਅਗਲੀਆਂ ਵਰਜਨਾਂ ਨੂੰ ਸੁਧਾਰਣ ਵਿੱਚ ਵੀ ਮਦਦ ਕਰਦਾ ਹੈ.
4. ਜਦੋਂ clinician-in-the-loop ਨਤੀਜੇ ਨਾਲ ਸੰਤੁਸ਼ਟ ਹੋ ਜਾਂਦਾ ਹੈ, ਉਹ ਇਹ ਜਾਣਕਾਰੀ ਮਰੀਜ਼ ਦੀ ਮੌਜੂਦਾ ਇਲਾਜ ਯੋਜਨਾ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰ ਸਕਦਾ ਹੈ.

ਕੈਂਸਰ ਲਈ ਸਕ੍ਰੀਨਿੰਗ, ਨਿਦਾਨ ਅਤੇ ਇਲਾਜ ਮਸ਼ਹੂਰ ਤੌਰ 'ਤੇ ਜਟਿਲ ਅਤੇ ਸਮੇਂ-ਖਪਤ ਹਨ। ਅਤੇ ਹਰ ਦੇਰੀ ਮਹੱਤਵ ਰੱਖਦੀ ਹੈ: ਜਿਨ੍ਹਾਂ ਮਰੀਜ਼ਾਂ ਦੇ ਇਲਾਜ ਵਿੱਚ ਸਿਰਫ਼ ਚਾਰ ਹਫ਼ਤਿਆਂ ਦੀ ਦੇਰੀ ਹੁੰਦੀ ਹੈ, ਉਹਨਾਂ ਨੂੰ ਮੌਤ ਦੇ 6–13% ਵੱਧ ਖਤਰੇ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ.

ਸਕ੍ਰੀਨਿੰਗ ਦੀਆਂ ਲੋੜਾਂ ਵੀ ਅਕਸਰ ਬਹੁਤ ਵਿਅਕਤੀਗਤ ਹੁੰਦੀਆਂ ਹਨ। ਉਦਾਹਰਨ ਵਜੋਂ, Color ਦੇ ਇੱਕ ਤਿਹਾਈ ਤੋਂ ਵੱਧ ਮਰੀਜ਼ਾਂ ਲਈ ਮਿਆਰੀ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਨਾ ਕੀਤੇ ਗਏ ਵਿਅਕਤੀਗਤ ਖਤਰਾ-ਕਾਰਕਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਹੋਰ ਜਲਦੀ ਜਾਂ ਵੱਖਰੀਆਂ ਸਕ੍ਰੀਨਿੰਗ ਪੱਧਤੀਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। “ਮੈਂ ਆਪਣੇ ਉੱਚ-ਖਤਰੇ ਵਾਲੇ ਮਰੀਜ਼ਾਂ ਲਈ ਨਿੱਜੀਕਰਤ ਕੈਂਸਰ ਸਕ੍ਰੀਨਿੰਗ ਯੋਜਨਾਵਾਂ ਤਿਆਰ ਕਰਨ ਦੀਆਂ ਜਟਿਲਤਾਵਾਂ ਨੂੰ ਦੇਖਿਆ ਹੈ,” Color ਦੇ ਪ੍ਰਾਇਮਰੀ ਕੇਅਰ ਡਾਕਟਰ ਡਾ. ਕੀਗਨ ਡੁਚੀਸੇਲਾ ਕਹਿੰਦੇ ਹਨ। “ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਲਗਾਤਾਰ ਬਦਲ ਰਹੇ ਹਨ, ਅਤੇ ਵਿਅਕਤੀਗਤ ਖਤਰਾ-ਕਾਰਕ ਹਮੇਸ਼ਾਂ ਤੁਰੰਤ ਸਪਸ਼ਟ ਨਹੀਂ ਹੁੰਦੇ.” 

ਸਕ੍ਰੀਨਿੰਗ ਤੋਂ ਇਲਾਵਾ, ਨਿਦਾਨਕਾਰੀ ਜਾਂਚਾਂ ਹੋਰ ਚੁਣੌਤੀਆਂ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ। ਇੱਕ ਹੀ ਮਰੀਜ਼ ਦੀ ਨਿਦਾਨਕਾਰੀ ਜਾਂਚ ਨੂੰ ਦਸਤਾਵੇਜ਼ਬੱਧ ਕਰਨ ਅਤੇ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਹਫ਼ਤੇ ਲੱਗ ਸਕਦੇ ਹਨ, ਅਤੇ ਜ਼ਿਆਦਾਤਰ ਮਰੀਜ਼ ਆਪਣੀ ਪਹਿਲੀ ਓਂਕੋਲੋਜੀ ਮੁਲਾਕਾਤ 'ਤੇ ਪੂਰੀ ਜਾਂਚ ਤੋਂ ਬਿਨਾਂ ਪਹੁੰਚਦੇ ਹਨ। “ਅੱਜ, ਮਰੀਜ਼ ਨੂੰ ਸ਼ੁਰੂਆਤੀ ਨਿਦਾਨ ਕਿੱਥੇ ਮਿਲਦਾ ਹੈ, ਇਸ ਆਧਾਰ 'ਤੇ ਓਂਕੋਲੋਜੀ ਕੇਅਰ ਵਿੱਚ ਅਸਲ ਖਾਮੀਆਂ ਹਨ,” ਸਟੈਨਫੋਰਡ ਯੂਨੀਵਰਸਿਟੀ ਸਕੂਲ ਆਫ ਮੈਡੀਸਿਨ ਦੀ ਪ੍ਰੋਫੈਸਰ ਅਤੇ ਕਲੀਨਿਕਲੀ ਸਰਗਰਮ ਓਂਕੋਲੋਜਿਸਟ ਡਾ. ਐਲਿਸਨ ਕੁਰਿਅਨ ਕਹਿੰਦੀ ਹਨ। “ਮੇਰੇ ਬਹੁਤ ਸਾਰੇ ਮਰੀਜ਼ਾਂ ਨੂੰ ਉਚਿਤ ਇਲਾਜ ਦੇਣ ਲਈ ਲੋੜੀਂਦੇ ਸਾਰੇ ਟੈਸਟ ਅਤੇ ਮੁਲਾਂਕਣ ਪੂਰੇ ਕਰਨ ਵਿੱਚ ਹਫ਼ਤੇ ਲੱਗ ਜਾਂਦੇ ਹਨ, ਜਿਸ ਦੌਰਾਨ ਕੀਮਤੀ ਸਮਾਂ ਖੋ ਜਾਂਦਾ ਹੈ ਅਤੇ ਕਲੀਨੀਸ਼ੀਅਨਾਂ 'ਤੇ ਵਾਧੂ ਪ੍ਰਸ਼ਾਸਕੀ ਬੋਝ ਪੈਂਦਾ ਹੈ.”

Color ਨੇ 2023 ਵਿੱਚ OpenAI ਨਾਲ ਕੰਮ ਸ਼ੁਰੂ ਕੀਤਾ, ਜਿਸ ਦਾ ਮਕਸਦ AI ਦੀ ਮਦਦ ਨਾਲ ਕੈਂਸਰ ਮਰੀਜ਼ ਸੰਭਾਲ ਅਤੇ ਸਿਹਤ ਸਮਾਨਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨਾ ਸੀ। ਕੈਂਸਰ ਸਕ੍ਰੀਨਿੰਗ, ਨਿਦਾਨ ਅਤੇ ਇਲਾਜ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦਿਆਂ, Color ਇੱਕ ਐਸੇ ਹੱਲ ਦੀ ਖੋਜ ਕਰ ਰਿਹਾ ਸੀ ਜੋ:

• ਅਸੰਗਤ ਢੰਗ ਨਾਲ ਫਾਰਮੈਟ ਕੀਤੇ ਮਰੀਜ਼ ਡਾਟਾ ਦੀ ਵਿਆਖਿਆ ਕਰ ਸਕੇ
• ਗੰਭੀਰ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਹੈਲਥਕੇਅਰ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕੇ
• ਮਰੀਜ਼ ਡਾਟਾ ਦੀ ਪਰਦੇਦਾਰੀ ਦੀ ਰੱਖਿਆ ਕਰ ਸਕੇ
• ਮਰੀਜ਼ ਸੁਰੱਖਿਆ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ clinician-in-the-loop ਵਰਕਫਲੋ ਡਿਜ਼ਾਇਨ ਦਾ ਸਮਰਥਨ ਕਰ ਸਕੇ
• ਇਲੈਕਟ੍ਰਾਨਿਕ ਹੈਲਥ ਰਿਕਾਰਡਜ਼ (EHRs) ਅਤੇ ਮੁੱਖ ਹਸਪਤਾਲ ਸਿਸਟਮਾਂ ਨਾਲ ਇੰਟੀਗ੍ਰੇਟ ਹੋ ਸਕੇ

ਸ਼ੁਰੂਆਤੀ ਖੋਜ ਦੌਰਾਨ, Color ਨੇ ਤੇਜ਼ ਪ੍ਰਯੋਗ ਲਈ ਆਪਣਾ ਤਰੀਕਾ ਤਿਆਰ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਕੈਂਸਰ ਨਿਦਾਨ ਲਈ ਕਲੀਨਿਕਲ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦੇ PDFs ਵਿਚੋਂ ਜਾਣਕਾਰੀ ਕੱਢਣ ਵਰਗੇ ਜਟਿਲ ਕੰਮਾਂ ਵਿੱਚ GPT‑4 ਅਤੇ GPT‑4o ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਜਾਂਚ ਸ਼ਾਮਲ ਸੀ। ਇਹ PDFs ਅਕਸਰ ਸੈਂਕੜਿਆਂ ਸਫ਼ਿਆਂ ਦੇ ਜਟਿਲ ਡਾਇਗ੍ਰਾਮ ਹੁੰਦੇ ਹਨ ਜੋ ਨਿਦਾਨਕਾਰੀ ਜਾਂਚ ਦੇ ਆਧਾਰ 'ਤੇ ਦੇਖਭਾਲ ਦੇ ਰਸਤੇ ਦਰਸਾਉਂਦੇ ਹਨ। ਮਿਲ ਕੇ, OpenAI ਅਤੇ Color ਨੇ GPT‑4 Vision ਨੂੰ ਇਨ੍ਹਾਂ ਡਾਇਗ੍ਰਾਮਾਂ ਦੇ ਸਕ੍ਰੀਨਸ਼ਾਟ ਵਰਣਨ ਕਰਨ ਲਈ ਪ੍ਰਸ਼ਨ ਪੁੱਛਣ ਦਾ ਇੱਕ ਐਸਾ ਤਰੀਕਾ ਵਿਕਸਿਤ ਕੀਤਾ ਜੋ ਆਉਟਪੁੱਟ ਦੀ ਸਹੀਤਾ ਬਣਾਈ ਰੱਖਣ ਵਿੱਚ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸੀ.

OpenAI ਨੇ Color ਟੀਮ ਨੂੰ ਮਿਆਰੀ ChatGPT ਇੰਟਰਫੇਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਲੀਨਿਕਲ ਵਰਕਫਲੋਜ਼ ਦੇ ਪ੍ਰੋਟੋਟਾਈਪ ਬਣਾਉਣ ਅਤੇ ਇੱਕ ਕਸਟਮ GPT ਨਾਲ ਨਮੂਨਾ ਕੇਸ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਵੀ ਮਦਦ ਕੀਤੀ—ਜਿਸ ਨਾਲ ਵੱਡੇ ਇੰਜੀਨੀਅਰਿੰਗ ਸਰੋਤਾਂ ਨੂੰ ਸਮਰਪਿਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪ੍ਰੂਫ ਆਫ ਕਾਂਸੈਪਟ ਮਿਲੇ.

OpenAI ਦੀ ਵਿਸ਼ੇਸ਼ਗਿਆ ਮਾਰਗਦਰਸ਼ਨ, ਸ਼ਕਤੀਸ਼ਾਲੀ ਮਾਡਲਾਂ ਅਤੇ HIPAA-ਅਨੁਕੂਲ ਡਾਟਾ ਸੁਰੱਖਿਆ ਮਿਆਰਾਂ ਨਾਲ, Color ਸ਼ੁਰੂਆਤੀ ਕੋਪਾਇਲਟ ਵਰਜਨ ਬਣਾਉਣ ਲਈ ਜਟਿਲ ਮੈਡੀਕਲ ਫ਼ੈਸਲਾ-ਲੈਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਖੋਲ੍ਹਣ, ਪ੍ਰੌੰਪਟਾਂ ਨੂੰ ਨਿਖਾਰਨ ਅਤੇ clinician-in-the-loop ਵਰਕਫਲੋਜ਼ ਡਿਜ਼ਾਇਨ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਿਤ ਕਰ ਸਕਿਆ।

ਉਦਾਹਰਨ ਵਜੋਂ, OpenAI ਦੇ ਇੰਜੀਨੀਅਰਾਂ ਨੇ Color ਨੂੰ ਆਉਟਪੁੱਟ ਗੁਣਵੱਤਾ ਵਧਾਉਣ ਲਈ model fine-tuning ਦੀ ਥਾਂ retrieval-augmented generation (RAG) ਵਰਤਣ ਅਤੇ ChatGPT ਵੱਲੋਂ ਆਸਾਨ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਕਲੀਨਿਕਲ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਨੂੰ ਮੁੜ ਲਿਖਣ ਲਈ ਮਾਰਗਦਰਸ਼ਨ ਦਿੱਤਾ। ਆਖ਼ਿਰਕਾਰ, ਪ੍ਰਯੋਗ ਕਰਨ ਤੋਂ ਬਾਅਦ, Color ਨੇ OpenAI ਨੂੰ ਆਪਣੇ AI ਹੱਲ ਪ੍ਰਦਾਤਾ ਵਜੋਂ ਚੁਣਿਆ, ਜਿਸ ਦੀ ਅਧੁਨਿਕ ਕੋਪਾਇਲਟ ਐਪਲੀਕੇਸ਼ਨ ਦੇ ਕੇਂਦਰ ਵਿੱਚ GPT‑4o ਹੈ.

ਇਸ ਟੂਲ ਦੇ ਅਸਰ ਨੂੰ ਮਾਪਣ ਲਈ, Color ਯੂਨੀਵਰਸਿਟੀ ਆਫ ਕੈਲੀਫੋਰਨੀਆ, ਸੈਨ ਫ੍ਰਾਂਸਿਸਕੋ Helen Diller Family Comprehensive Cancer Center (UCSF HDFCCC) ਨਾਲ ਭਾਈਚਾਰਾ ਕਰ ਰਿਹਾ ਹੈ। ਸ਼ੁਰੂਆਤੀ ਲਾਗੂਕਰਨ ਲਈ, Color ਅਤੇ UCSF ਪਹਿਲਾਂ ਇੱਕ ਰੈਟਰੋਸਪੈਕਟਿਵ ਮੁਲਾਂਕਣ ਕਰਨਗੇ, ਜਿਸ ਤੋਂ ਬਾਅਦ ਟਾਰਗੇਟ ਕੀਤੀ ਰੋਲਆਉਟ ਹੋਵੇਗੀ। ਮੁਲਾਂਕਣ ਦੇ ਆਧਾਰ 'ਤੇ, UCSF ਵਿੱਚ ਸਾਰੇ ਨਵੇਂ ਕੈਂਸਰ ਕੇਸਾਂ ਲਈ ਕੋਪਾਇਲਟ ਨੂੰ ਕਲੀਨਿਕਲ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਹੈ. 

“UCSF ਮਰੀਜ਼ ਸੰਭਾਲ ਨੂੰ ਸੁਧਾਰਣ ਲਈ ਅਧੁਨਿਕ ਤਕਨਾਲੋਜੀ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਅਗਵਾਈ ਕਰਦਾ ਹੈ,” UCSF HDFCCC ਦੇ ਪ੍ਰਧਾਨ ਡਾ. ਐਲਨ ਐਸ਼ਵਰਥ, PhD, FRS ਕਹਿੰਦੇ ਹਨ। “ਮਰੀਜ਼ ਅਕਸਰ ਅਧੂਰੀ ਨਿਦਾਨਕਾਰੀ ਜਾਂਚਾਂ ਨਾਲ ਪ੍ਰਾਇਮਰੀ ਓਂਕੋਲੋਜਿਸਟਾਂ ਕੋਲ ਆਉਂਦੇ ਹਨ, ਅਤੇ ਉਹ ਜਾਂਚਾਂ ਇਕੱਠੀਆਂ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਦੀ ਪੂਰਤੀ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਪਛਾਣਣ ਵਿੱਚ ਲੱਗਣ ਵਾਲਾ ਸਮਾਂ ਪ੍ਰਦਾਤਾਵਾਂ ਨੂੰ ਆਪਣੇ ਲਾਇਸੈਂਸ ਦੀ ਪੂਰੀ ਸਮਰੱਥਾ 'ਤੇ ਕੰਮ ਕਰਨ ਤੋਂ ਰੋਕਦਾ ਹੈ। ਸਾਨੂੰ ਉਹਨਾਂ ਟੂਲਾਂ ਵਿੱਚ ਦਿਲਚਸਪੀ ਹੈ ਜੋ UCSF ਵਿੱਚ ਕੈਂਸਰ ਮਰੀਜ਼ਾਂ ਲਈ ਮੁਲਾਕਾਤ-ਪਹਿਲਾਂ ਚਾਰਟਿੰਗ ਦੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਸਹੀਤਾ ਵਧਾ ਸਕਣ ਅਤੇ ਇਲਾਜ ਸ਼ੁਰੂ ਕਰਨ ਵਿੱਚ ਮਹਿੰਗੀਆਂ ਦੇਰੀਆਂ ਤੋਂ ਬਚਾ ਸਕਣ.” 

American Cancer Society ਦੀ CEO ਡਾ. Karen Knudsen ਵੀ ਸਹਿਮਤ ਹਨ। “AI ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਡਿਜ਼ਿਟਲ ਸਮਰਥਿਤ ਕਲੀਨਿਕਲ ਵਰਕਫਲੋਜ਼ ਨਾਲ ਜੋੜ ਕੇ ਉਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਤੇਜ਼ ਕਰਨਾ ਸਾਰੇ ਸੰਬੰਧਿਤ ਪੱਖਾਂ ਲਈ ਇਕ ਸਕਾਰਾਤਮਕ ਤਰੱਕੀ ਹੋਵੇਗੀ - ਮਰੀਜ਼ ਅਤੇ ਉਹਨਾਂ ਦੇ ਕਲੀਨੀਸ਼ੀਅਨ, ਨਾਲ ਹੀ ਉਹ ਭੁਗਤਾਨਕਰਤਾ ਜੋ ਇਲਾਜ ਦੀ ਲਾਗਤ ਕਵਰ ਕਰਦਾ ਹੈ.”

Color ਕੋਪਾਇਲਟ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਸੰਤੁਲਿਤ ਤਰੀਕਾ ਅਪਣਾ ਰਿਹਾ ਹੈ ਅਤੇ ਇਸ ਨੇ ਆਪਣੇ ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਲਈ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਵਿੱਚ ਸੀਮਿਤ ਗਿਣਤੀ ਦੇ ਕੇਸਾਂ 'ਤੇ ਟੂਲ ਦੀ ਵਰਤੋਂ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤੀ ਹੈ। ਇਨ੍ਹਾਂ ਕੇਸਾਂ ਵਿੱਚ ਗੁਣਵੱਤਾ ਯਕੀਨੀ ਬਣਾਉਣ ਦੀਆਂ ਕਈ ਪਰਤਾਂ ਹਨ:

• ਕੋਪਾਇਲਟ ਵਰਤਣ ਵਾਲੇ ਹੈਲਥਕੇਅਰ ਪ੍ਰਦਾਤਾ ਇਸ ਤੋਂ ਬਿਨਾਂ ਵਾਲਿਆਂ ਦੇ ਮੁਕਾਬਲੇ ਗੁੰਮ ਲੈਬਜ਼, ਇਮੇਜਿੰਗ, ਜਾਂ ਬਾਇਓਪਸੀ ਅਤੇ ਪੈਥਾਲੋਜੀ ਨਤੀਜੇ 4 ਗੁਣਾ ਵੱਧ ਪਛਾਣ ਸਕਦੇ ਹਨ.
• ਕੋਪਾਇਲਟ ਦੀ ਵਰਤੋਂ ਨਾਲ, ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਨੂੰ ਮਰੀਜ਼ ਰਿਕਾਰਡਜ਼ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਖਾਮੀਆਂ ਪਛਾਣਣ ਵਿੱਚ ਔਸਤਨ 5 ਮਿੰਟ ਲੱਗਦੇ ਹਨ। ਕੋਪਾਇਲਟ ਤੋਂ ਬਿਨਾਂ, ਡਾਟਾ ਟੁਕੜਿਆਂ ਵਿੱਚ ਵੰਡਿਆ ਹੁੰਦਾ ਹੈ ਅਤੇ ਇਸ ਨਾਲ ਹਫ਼ਤਿਆਂ ਦੀ ਦੇਰੀ ਹੋ ਸਕਦੀ ਹੈ.

2024 ਦੇ ਦੂਜੇ ਅੱਧ ਦੌਰਾਨ, Color ਦੀ ਯੋਜਨਾ ਹੈ ਕਿ ਉਹ 200,000 ਤੋਂ ਵੱਧ ਮਰੀਜ਼ਾਂ ਲਈ ਡਾਕਟਰੀ ਨਿਗਰਾਨੀ ਹੇਠ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀਆਂ ਨਿੱਜੀਕਰਤ ਦੇਖਭਾਲ ਯੋਜਨਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਸਤੇ ਕੋਪਾਇਲਟ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰੇ.