Color Health

Color Health⁠(отвара се у новом прозору) radi sa OpenAI na uvođenju novog načina za ubrzavanje pristupa lečenju pacijenata obolelih od raka. Njihova nova copilot aplikacija koristi GPT‑4o da identifikuje nedostajuću dijagnostiku i kreira prilagođene planove obrade, omogućavajući pružaocima zdravstvene zaštite da donose odluke zasnovane na dokazima o skriningu i lečenju raka. 

Color već deceniju radi na unapređenju pristupa zdravstvenoj zaštiti i od osnivanja je pružio usluge za više od 7 miliona pacijenata. Godine 2023. udružili su se sa American Cancer Society kako bi pomogli poslodavcima i zdravstvenim planovima da preuzmu kontrolu nad rakom — drugim najčešćim uzrokom smrti u Sjedinjenim Državama i vodećim pokretačem američkih troškova zdravstvene zaštite.

Color Health koristi OpenAI API-je da integriše medicinske podatke pacijenata sa kliničkim znanjem. Rezultat je copilot aplikacija koja kreira prilagođene, sveobuhvatne planove lečenja koje lekari pregledaju i koriste u brizi o pacijentima. 

„Vizija компаније Color je da ekspertizu za rak učini dostupnom u trenutku i na mestu kada može imati najveći uticaj na odluke o zdravstvenoj zaštiti pacijenta“, kaže Othman Laraki, izvršni direktor Color Health. 

„Kao zdravstvena kompanija, tehnologija koja poboljšava pristup i pravičnost mora ići ruku pod ruku sa tehnologijom koja podržava bezbednost i privatnost pacijenata. OpenAI standardi zaštite podataka usklađeni sa HIPAA su ključni.“

Izlaz copilot aplikacije analizira kliničar na svakom koraku i, po potrebi, menja pre nego što bude predstavljen pacijentu. Funkcioniše ovako:

1. Izdvaja, obrađuje i normalizuje informacije o pacijentu, kao što su porodična istorija i individualni faktori rizika, zajedno sa kliničkim smernicama i podacima iz pouzdanih izvora. Color tim je bio posebno impresioniran sposobnošću GPT‑4o da izdvoji i normalizuje informacije koje su bile skrivene na stranicama nedosledno strukturisanih i formulisanih informacija, često u različitim formatima, kao što su PDF-ovi ili kliničke beleške. 
2. Koristeći te podatke, odgovara na ključna pitanja poput: „Koje skrininge pacijent treba da radi?“ kako bi identifikovao nedostajuću dijagnostiku i generisao personalizovan plan skrininga. Takođe generiše dokumentaciju potrebnu za završetak svake dijagnostičke obrade, kao što su dokumenti o medicinskoj opravdanosti i prethodna odobrenja osiguranja.
3. Lekar u petlji procenjuje izlaz, koji uključuje i izvorne informacije. Lekar može da uređuje izlaz copilot-a, što takođe pomaže u unapređenju budućih iteracija.
4. Kada je lekar u petlji zadovoljan rezultatom, može da doda informacije u postojeći plan lečenja pacijenta.

Skrining, dijagnostika i lečenje raka notorno su složeni i oduzimaju mnogo vremena. A svako odlaganje pravi razliku: pacijenti čije se lečenje odloži za samo četiri nedelje suočavaju se sa 6–13% većim rizikom od smrtnosti⁠(отвара се у новом прозору).

Potrebe za skriningom su takođe često veoma individualizovane. Više od trećine Color pacijenata, na primer, zahteva ranije ili drugačije pristupe skriningu na osnovu individualnih faktora rizika koje standardne smernice ne obuhvataju. „Bila sam svedok složenosti izrade personalizovanih planova skrininga za rak za svoje pacijente visokog rizika“, kaže dr Keegan Duchicela, lekar primarne zdravstvene zaštite u kompaniji Color. „Smernice se stalno razvijaju, a individualni faktori rizika nisu uvek odmah jasni.“ 

Pored skrininga, dijagnostičke obrade stvaraju dodatne izazove. Dokumentovanje i sprovođenje dijagnostičke obrade jednog pacijenta može trajati nedeljama, pri čemu većina pacijenata na prvi onkološki pregled dolazi bez kompletne obrade. „Danas postoje stvarne praznine u onkološkoj nezi u zavisnosti od toga gde pacijent dobije početnu dijagnozu“, kaže dr Allison Kurian, profesorka na Medicinskom fakultetu Univerziteta Stanford i aktivna klinička onkološkinja. „Mnogim mojim pacijentima potrebne su nedelje da završe sve testove i procene neophodne za odgovarajuće lečenje, tokom kojih se gubi dragoceno vreme i nameće dodatno administrativno opterećenje kliničarima.“

Color je počeo da radi sa OpenAI 2023. godine, sa ciljem da koristi AI za unapređenje nege pacijenata obolelih od raka i jednakosti u zdravstvu. Imajući u vidu izazove skrininga, dijagnostike i lečenja raka, Color je tražio rešenje koje može da:

• Tumači nedosledno formatirane podatke o pacijentima
• Analizira obimne zdravstvene smernice
• Štiti privatnost podataka pacijenata
• Podrži dizajn toka rada sa lekarom u petlji radi bezbednosti pacijenata
• Se integriše sa elektronskim zdravstvenim kartonima (EHR) i ključnim bolničkim sistemima

Tokom početnog istraživanja, Color je postavio pristup za brzo eksperimentisanje, uključujući testiranje performansi GPT‑4 i GPT‑4o u složenim zadacima kao što je izdvajanje informacija iz PDF-ova kliničkih smernica za dijagnostiku raka. Ti PDF-ovi često imaju stotine strana složenih dijagrama koji prikazuju puteve nege na osnovu dijagnostičke obrade. OpenAI i Color su zajedno razvili metod postavljanja zahteva GPT‑4 Vision da opisuje snimke ekrana tih dijagrama koji je bio najefikasniji za očuvanje tačnosti izlaza.

OpenAI je takođe pomogao Color timu da izradi prototip kliničkih tokova rada koristeći standardni ChatGPT interfejs i generiše primere slučajeva pomoću prilagođenog GPT‑a — čime su dobili efikasne proof of concept rezultate pre nego što su uložili velike inženjerske resurse.

Uz stručne smernice OpenAI, moćne modele i standarde zaštite podataka usklađene sa HIPAA, Color je mogao da se fokusira na raščlanjivanje složenog medicinskog donošenja odluka, usavršavanje instrukcija i dizajniranje tokova rada sa lekarom u petlji kako bi stvorio početnu verziju copilot-a.

Na primer, inženjeri OpenAI usmerili su Color da koristi retrieval-augmented generation (RAG) umesto finog podešavanja modela kako bi povećao kvalitet izlaza i preradio kliničku dokumentaciju radi lakše obrade u ChatGPT. Na kraju, nakon eksperimentisanja, Color je izabrao OpenAI kao dobavljača AI rešenja, sa GPT‑4o u središtu svoje najsavremenije copilot aplikacije.

Da bi izmerio uticaj ovog alata, Color sarađuje sa University of California, San Francisco Helen Diller Family Comprehensive Cancer Center (UCSF HDFCCC). Za početnu implementaciju, Color i UCSF će sprovesti retrospektivnu evaluaciju, nakon čega sledi ciljano uvođenje. Na osnovu evaluacije, postoji potencijal da se copilot integriše u kliničke tokove rada za sve nove slučajeve raka u UCSF-u. 

„UCSF je lider u primeni najsavremenije tehnologije za unapređenje nege pacijenata“, kaže dr Alan Ashworth, PhD, FRS, predsednik UCSF HDFCCC. „Pacijenti često dolaze primarnim onkolozima sa nepotpunim dijagnostičkim obradama, a vreme potrebno da se te obrade objedine i tačno utvrdi njihov završetak sprečava pružaoce zdravstvene zaštite da rade na najvišem nivou svojih ovlašćenja. Zanimaju nas alati koji mogu da poboljšaju efikasnost i tačnost pripreme kartona pre posete i izbegnu skupa kašnjenja u započinjanju lečenja pacijenata obolelih od raka u UCSF-u.“ 

Dr Karen Knudsen, izvršna direktorka American Cancer Society, slaže se. „Ideja kombinovanja AI tehnologija sa digitalno omogućenim kliničkim tokovima rada kako bi se taj proces ubrzao bila bi pozitivan napredak za sve uključene strane - pacijenta i njegove kliničare, kao i platioca koji pokriva troškove lečenja.“

Color primenjuje odmeren pristup u uvođenju copilot-a i započeo je početnu fazu za svoje kliničare, primenjujući alat na ograničen broj slučajeva. Ovi slučajevi prolaze kroz više slojeva obezbeđenja kvaliteta:

• Pružaoci zdravstvene zaštite koji koriste copilot mogu da identifikuju 4x više nedostajućih laboratorijskih nalaza, snimanja ili rezultata biopsije i patologije od onih bez copilot-a.
• Uz copilot, kliničarima je u proseku potrebno 5 minuta da analiziraju kartone pacijenata i identifikuju nedostatke. Bez copilot-a, podaci su fragmentisani i mogu dovesti do višenedeljnog kašnjenja.

Tokom druge polovine 2024. godine, Color namerava da koristi copilot aplikaciju za pružanje AI-generisanih personalizovanih planova nege, uz nadzor lekara, za više od 200.000 pacijenata.