Color Health17.06.2024 04:15

Color Health⁠ сотрудничает с OpenAI, чтобы открыть новый путь к ускорению доступа онкологических больных к лечению. Новое приложение-второй пилот (copilot) компании использует GPT‑4o для выявления пропущенных диагностических процедур и составления индивидуальных планов обследования, позволяя медицинским работникам принимать обоснованные решения в отношении скрининга и лечения рака. 

Color занимается улучшением доступности медицинской помощи уже на протяжении десятилетия, обслужив с момента своего основания более 7 миллионов пациентов. В 2023 году компания заключила партнерское соглашение с Американским онкологическим обществом (American Cancer Society), чтобы помочь работодателям и планам медицинского страхования взять под контроль онкологические заболевания — вторую по частоте причину смерти в США и главный фактор роста расходов на американское здравоохранение.

Второй пилот от Color помогает клиницистам составлять индивидуальные и комплексные планы начала противоопухолевой терапии

Color Health использует API OpenAI для интеграции медицинских данных пациентов с клиническими знаниями. Результатом стало приложение-второй пилот, которое создает индивидуальные, комплексные планы лечения для врачей, чтобы те могли изучить их и использовать в уходе за пациентами.

«Видение Color заключается в том, чтобы сделать экспертные знания в области онкологии доступными в то время и в том месте, где они могут оказать наибольшее влияние на медицинские решения пациента», — говорит Отман Лараки (Othman Laraki), генеральный директор Color Health. 

«Как медицинская компания, мы считаем, что технологии, повышающие доступность и равенство, должны идти рука об руку с технологиями, поддерживающими безопасность и конфиденциальность пациентов. Стандарты защиты данных OpenAI, соответствующие требованиям HIPAA, имеют здесь ключевое значение».

Результаты работы приложения-второго пилота анализируются клиницистом на каждом этапе и при необходимости дорабатываются перед представлением пациенту. Процесс выглядит следующим образом:

1. Система извлекает, обрабатывает и нормализует информацию о пациенте (такую как семейный анамнез и индивидуальные факторы риска), а также клинические рекомендации и данные из проверенных источников. Команда Color была особенно впечатлена способностью GPT‑4o извлекать и нормализуть информацию, которая была скрыта среди страниц разрозненно структурированных и сформулированных данных, часто в разных форматах, например в PDF-файлах или клинических заметках. 
2. Используя эти данные, система отвечает на ключевые вопросы, например: «Какие скрининговые исследования должен пройти пациент?», чтобы выявить недостающие диагностические данные и составить персональный план скрининга. Она также создает документацию, необходимую для прохождения любых диагностических процедур, такую как документы о медицинской необходимости и предварительные разрешения страховых компаний.
3. Врач, контролирующий процесс (clinician-in-the-loop), оценивает результат, включая исходную информацию. Клиницист может вносить изменения в результаты работы второго пилота, что также помогает совершенствовать последующие итерации модели.
4. Как только врач остается доволен результатом, он может добавить эту информацию в существующий план лечения пациента.

Пропущенные скрининги и задержка лечения рака влияют на исходы для пациентов

Скрининг, диагностика и лечение рака — процессы неизменно сложные и трудоемкие. И каждая задержка имеет значение: пациенты, чье лечение задерживается всего на четыре недели, сталкиваются с на 6–13% более высоким риском смертности⁠.

Потребности в скрининге также часто носят крайне индивидуальный характер. Например, более трети пациентов Color нуждаются в более ранних или иных методах скрининга, основанных на индивидуальных факторах риска, которые не охвачены стандартными рекомендациями. «Я воочию убедился в сложностях разработки персонализированных планов скрининга рака для моих пациентов из групп высокого риска», — говорит д-р Киган Дучисела (Keegan Duchicela), врач первичной медико-санитарной помощи в Color. «Рекомендации постоянно меняются, а индивидуальные факторы риска не всегда очевидны сразу». 

Помимо скрининга, дополнительные трудности создают диагностические обследования. Документирование и проведение диагностического обследования одного пациента может занять недели, причем большинство больных попадают на свой первый прием к онкологу без полного набора результатов. «Сегодня в онкологической помощи существуют реальные пробелы в зависимости от того, где пациент получает первичный диагноз», — отмечает д-р Эллисон Куриан (Allison Kurian), профессор Медицинской школы Стэнфордского университета и практикующий онколог. «Многим моим пациентам требуются недели на прохождение всех тестов и оценок, необходимых для назначения правильного лечения, в течение которых теряется драгоценное время и на врачей ложится дополнительная административная нагрузка».

Создание быстрого и безопасного прототипа с помощью OpenAI

Компания Color начала сотрудничество с OpenAI в 2023 году с целью использования ИИ для улучшения ухода за онкологическими больными и обеспечения равенства в сфере здравоохранения. Учитывая трудности скрининга, диагностики и лечения рака, в Color искали решение, которое могло бы:

• Интерпретировать несогласованно отформатированные данные пациентов
• Анализировать сложные и объемные медицинские рекомендации
• Защищать конфиденциальность данных пациентов
• Поддерживать проектирование рабочих процессов с участием человека-врача (clinician-in-the-loop) для обеспечения безопасности пациентов
• Интегрироваться с электронными медицинскими картами (ЭМК) и основными больничными системами

На этапе предварительного изучения компания Color настроила свой подход для быстрой реализации экспериментов, включая тестирование производительности GPT‑4 и GPT‑4o в таких сложных задачах, как извлечение информации из PDF-файлов с клиническими рекомендациями по диагностике рака. Эти PDF-файлы часто представляют собой сотни страниц сложных схем, определяющих пути ухода на основе диагностических исследований. Совместно специалисты OpenAI и Color разработали метод обращения к GPT‑4 Vision с просьбой описывать скриншоты этих схем, что оказалось наиболее эффективным для поддержания точности результатов.

OpenAI также помогла команде Color спрототипировать клинические рабочие процессы с использованием стандартного интерфейса ChatGPT и сгенерировать примеры кейсов с помощью кастомной GPT, получив эффективные доказательства концепции (proof of concept) до выделения масштабных инженерных ресурсов.

Благодаря экспертным консультациям OpenAI, мощным моделям и стандартам защиты данных, соответствующим требованиям HIPAA, компания Color смогла сосредоточиться на деконструкции сложного процесса принятия медицинских решений, доработке промптов и проектировании рабочих процессов с участием клиницистов для создания первой версии второго пилота.

Например, инженеры OpenAI посоветовали Color использовать генерацию с дополненным извлечением (RAG) вместо дообучения моделей, чтобы повысить качество результатов и переписать клиническую документацию для более удобной обработки с помощью ChatGPT. В конечном итоге, после экспериментов, Color выбрала OpenAI в качестве своего поставщика ИИ-решений, положив GPT‑4o в основу своего передового приложения-второго пилота.

Сокращение времени до начала лечения онкологических больных

Чтобы измерить влияние этого инструмента, Color сотрудничает с Семейным комплексным онкологическим центром Хелен Диллер при Калифорнийском университете в Сан-Франциско (UCSF HDFCCC). На этапе первоначального внедрения Color и UCSF проведут ретроспективную оценку, за которой последует целевое развертывание. По результатам оценки существует потенциал интеграции второго пилота в клинические рабочие процессы для всех новых случаев онкологических заболеваний в UCSF. 

«UCSF является лидером в внедрении передовых технологий для улучшения ухода за пациентами», — говорит д-р Алан Эшворт (Alan Ashworth), доктор философии, член Лондонского королевского общества, президент UCSF HDFCCC. «Пациенты часто приходят к первичным онкологам с неполными результатами диагностических обследований, и время, уходящее на сбор и точное определение полноты этих обследований, мешает врачам работать на пределе своих лицензионных возможностей. Мы заинтересованы в инструментах, которые могут повысить эффективность и точность составления графиков перед визитом и предотвратить дорогостоящие задержки начала лечения онкологических больных в UCSF».

Д-р Карен Кнудсен (Karen Knudsen), генеральный директор Американского онкологического общества, согласна с этим: «Идея объединения технологий искусственного интеллекта с поддерживаемыми цифровыми технологиями клиническими рабочими процессами для ускорения этого процесса стала бы позитивным шагом вперед для всех вовлеченных сторон — пациента и его лечащих врачей, а также плательщика, покрывающего стоимость лечения».

Color придерживается взвешенного подхода к внедрению второго пилота и начала первоначальный поэтапный ввод инструмента для собственных клиницистов, применяя его к ограниченному числу случаев. Эти кейсы проходят несколько уровней контроля качества:

• Медицинские работники, использующие второго пилота, способны выявлятьв 4 раза больше пропущенных анализов лабораторных исследований, результатов визуализации, биопсии или патоморфологии по сравнению с теми, кто обходится без него.
• С использованием второго пилота клиницистам требуется в среднем5 минут на анализ медицинских карт пациентов и выявление пробелов. Без второго пилота данные разрознены, что может привести к неделям задержки.

Во второй половине 2024 года Color планирует использовать приложение-второго пилота для предоставления персонализированных планов ухода, сгенерированных ИИ при врачебном надзоре, более чем для 200 000 пациентов.