Mô hình AI

Việc đánh giá hồ sơ bệnh án của bệnh nhân là một nút thắt lớn trong việc đưa bệnh nhân vào thử nghiệm lâm sàng có thể cung cấp phương án điều trị tốt nhất có thể. Các nhà cung cấp dịch vụ y tế hiếm khi có thời gian để tìm kiếm trong các thử nghiệm lâm sàng, hiểu chi tiết về thử nghiệm đang diễn ra, sau đó ghép nối và đánh giá bệnh nhân. Kết quả là hầu hết các thử nghiệm lâm sàng đều do những bệnh nhân ở gần nơi thử nghiệm đang diễn ra thực hiện, tạo ra sự thiên vị trong quá trình lựa chọn và ngăn cản nhiều bệnh nhân tiếp cận dịch vụ chăm sóc mang tính đột phá có thể cứu sống họ. 

Để giải quyết vấn đề này, Paradigm đã triển khai và tối ưu hóa các mô hình ML và NLP theo phương pháp hay nhất truyền thống, dành riêng cho lĩnh vực chăm sóc sức khỏe để trích xuất và diễn giải dữ liệu hồ sơ y tế. Các mô hình này được đào tạo và đánh giá trên các tập dữ liệu vàng do các bác sĩ lâm sàng chuyên gia tuyển chọn. Tuy nhiên, cách tiếp cận này chậm và tốn kém.

Vì các mô hình truyền thống chỉ hoạt động tốt một phần nên các bác sĩ lâm sàng phải xem xét thủ công đầu ra của mô hình để xác minh rằng các tiêu chuẩn chất lượng đã được đáp ứng.

Paradigm tin rằng LLM, với khả năng tóm tắt văn bản phi cấu trúc, có thể phù hợp tuyệt vời với trường hợp sử dụng của họ và thay thế phương pháp xây dựng các mô hình ML một lần. Họ đã khám phá hai con đường tiềm năng: tích hợp với LLM tùy chỉnh được đào tạo về các trường hợp sử dụng y tế hoặc tích hợp với GPT-4 thông qua API của OpenAI. 

Paradigm tin rằng họ sẽ cần một mô hình y tế chuyên biệt để có được kết quả tốt. Họ đã "sốc" khi thấy GPT-4 vượt trội hơn một nhóm chuyên gia được đào tạo bài bản về các nhiệm vụ đánh giá dữ liệu phức tạp. 

Cuối cùng, họ chọn OpenAI vì một số lý do: 

+ Độ chính xác: Paradigm đã chạy các đánh giá nghiêm ngặt trên các tập dữ liệu vàng do chuyên gia quản lý của họ. GPT-4 chính xác hơn ít nhất 10% so với các mô hình ML hiện đại trên một số liệu độ chính xác/thu hồi kết hợp. Trong một số trường hợp, họ đã thấy những cải tiến "không thể tin được". Hirsch cho biết: "Độ chính xác của OpenAI tốt hơn so với việc triển khai và tối ưu hóa hiện tại của chúng tôi đối với các mô hình được đào tạo bởi chuyên gia theo phương pháp hay nhất trong ngành và đôi khi còn tốt hơn cả các bác sĩ lâm sàng được đào tạo của chúng tôi". "Thông tin càng phức tạp và thông tin càng ở nhiều nơi khác nhau thì GPT-4 càng tốt".  

+ Dễ sử dụng: “Về mặt sản phẩm, mọi thứ đều dễ dàng. API dễ sử dụng và dễ tích hợp vào ngăn xếp của chúng tôi.” Nhóm cũng đánh giá cao việc hỗ trợ của OpenAI bao gồm tài liệu API chất lượng cao: “So với việc làm việc với các tổ chức khác, chúng tôi có thể tự chủ hơn với OpenAI.”

+ Nhập liệu đa phương thức và cửa sổ ngữ cảnh dài: Cả hai tính năng đều quan trọng đối với dữ liệu hồ sơ y tế.

+ Tuân thủ quy định và bảo mật: “Điều thực sự thuyết phục chúng tôi hợp tác với OpenAI là cách tiếp cận nghiêm túc của bạn trong việc hỗ trợ tuân thủ quy định, bao gồm hỗ trợ nhu cầu tuân thủ HIPAA của chúng tôi. Vì chúng tôi phục vụ các nhà cung cấp dịch vụ chăm sóc sức khỏe và bệnh nhân của họ, nên việc tuân thủ quy định là yêu cầu không thể thương lượng đối với chúng tôi.”

Trích xuất các thành phần dữ liệu mới trong vài ngày, không phải vài tháng: tài khoản Chat GPT-4 đã đảo ngược cách Paradigm nghĩ về cơ sở hạ tầng cốt lõi của họ, thay thế hoàn toàn quy trình xây dựng từng mô hình ML cho từng thành phần dữ liệu riêng lẻ. Điều này đã đẩy nhanh đáng kể lộ trình của Paradigm, cho phép họ nhanh chóng mở rộng sang các đối tác nhà cung cấp mới và các loại thử nghiệm. 

Giảm 90% thời gian của bác sĩ lâm sàng chuyên môn cần thiết để xác thực mô hình: Paradigm ước tính rằng họ chỉ cần 1/10 dữ liệu để đánh giá đầu ra của GPT-4, so với các mô hình ML chuyên biệt trước đây. 

Tăng 10% độ chính xác: Với dữ liệu chính xác hơn trước đây—thậm chí vượt trội hơn các chuyên gia trong nhiều trường hợp—GPT-4 đã giảm nhu cầu can thiệp của chuyên gia vào kết quả mô hình. Các bác sĩ và y tá tại Paradigm và các đối tác cung cấp dịch vụ chăm sóc sức khỏe của họ có thể dành nhiều thời gian hơn cho việc chăm sóc bệnh nhân, thay vì đọc tài liệu. 

Tiếp cận công bằng hơn với các thử nghiệm: Trong khi họ vẫn đang chứng minh điều này, Paradigm tin rằng GPT-4 có thể sàng lọc chính xác hơn những bệnh nhân chưa được phục vụ cho các thử nghiệm. Những bệnh nhân này có xu hướng có ít dữ liệu có cấu trúc hơn trong hồ sơ y tế của họ và nhiều dữ liệu không có cấu trúc hơn (ví dụ: ghi chú), mà GPT-4 rất giỏi trong việc trích xuất và diễn giải.

Nhìn về tương lai, Paradigm rất hào hứng về cách họ có thể tận dụng khả năng hiểu ngôn ngữ tự nhiên của GPT-4 để giảm bớt gánh nặng cho các bác sĩ lâm sàng. Thay vì phải viết mã để phân tích dữ liệu, các nhóm lâm sàng có thể đối thoại với ChatGPT về dữ liệu của bệnh nhân, để hiểu về điều kiện đủ để tham gia thử nghiệm, thông tin còn thiếu và các bước tiếp theo.

Paradigm rất phấn khích về cách họ có thể tiếp tục tăng tỷ lệ sàng lọc bệnh nhân. Với GPT-4, nền tảng của họ có khả năng đánh giá hàng trăm bệnh nhân mỗi phút . So sánh điều này với một điều phối viên nghiên cứu y tá thông thường, người có thể đánh giá thủ công khoảng 50 bệnh nhân mỗi ngày . Những lợi ích về hiệu quả này có thể dẫn đến một thế giới mà bệnh nhân có thể tiếp cận tốt hơn nhiều với các thử nghiệm lâm sàng, bác sĩ và y tá có thể dành nhiều thời gian hơn cho việc chăm sóc bệnh nhân và ít thời gian hơn cho việc ghi chép, và các liệu pháp cứu sống mới được đưa ra thị trường sớm hơn.