Sức khỏe màu sắc

Sức khỏe màu sắc (mở trong cửa sổ mới) đang hợp tác với OpenAI để tiên phong trong một phương pháp mới nhằm đẩy nhanh khả năng tiếp cận điều trị của bệnh nhân ung thư. Ứng dụng đồng lái mới của họ sử dụng GPT-4o để xác định các chẩn đoán còn thiếu và tạo ra các kế hoạch làm việc phù hợp, cho phép các nhà cung cấp dịch vụ chăm sóc sức khỏe đưa ra quyết định dựa trên bằng chứng về việc sàng lọc và điều trị ung thư. 

Color đã nỗ lực cải thiện khả năng tiếp cận dịch vụ chăm sóc sức khỏe trong một thập kỷ, phục vụ hơn 7 triệu bệnh nhân kể từ khi thành lập. Năm 2023, họ đã hợp tác với Hiệp hội Ung thư Hoa Kỳ để giúp các nhà tuyển dụng và các chương trình bảo hiểm y tế kiểm soát ung thư—nguyên nhân gây tử vong phổ biến thứ hai tại Hoa Kỳ và là động lực chính thúc đẩy chi phí chăm sóc sức khỏe của người Mỹ.

Xem thêm: mua tài khoản ChatGTP Plus chính hãng giá rẻ ưu đãi đặc biệt trong ngày hôm nay

Color Health sử dụng API của OpenAI để tích hợp dữ liệu y tế của bệnh nhân với kiến ​​thức lâm sàng. Kết quả là một ứng dụng đồng lái tạo ra các kế hoạch điều trị toàn diện, tùy chỉnh để các nhà cung cấp xem xét và sử dụng trong việc chăm sóc bệnh nhân của họ. 

Othman Laraki, Giám đốc điều hành của Color Health cho biết: "Tầm nhìn của Color là cung cấp kiến ​​thức chuyên môn về ung thư tại thời điểm có thể tác động lớn nhất đến quyết định chăm sóc sức khỏe của bệnh nhân". 

"Là một công ty chăm sóc sức khỏe, công nghệ cải thiện khả năng tiếp cận và công bằng phải song hành với công nghệ hỗ trợ sự an toàn và quyền riêng tư của bệnh nhân. Các tiêu chuẩn bảo vệ dữ liệu tuân thủ HIPAA của OpenAI là yếu tố then chốt."

Đầu ra của ứng dụng đồng lái được bác sĩ lâm sàng phân tích ở mọi bước và nếu cần, sẽ được sửa đổi trước khi trình bày cho bệnh nhân. Ứng dụng hoạt động như sau:

+ Nó trích xuất, xử lý và chuẩn hóa thông tin bệnh nhân, chẳng hạn như tiền sử gia đình và các yếu tố rủi ro cá nhân, cùng với các hướng dẫn lâm sàng và dữ liệu từ các nguồn đáng tin cậy. Nhóm Color đặc biệt ấn tượng với khả năng trích xuất và chuẩn hóa thông tin bị chôn vùi trong các trang thông tin có cấu trúc và diễn đạt không nhất quán, thường ở các định dạng khác nhau, chẳng hạn như PDF hoặc ghi chú lâm sàng của GPT-4o. 

+ Sử dụng dữ liệu này, nó trả lời các câu hỏi chính như "Bệnh nhân nên thực hiện sàng lọc nào?" để xác định chẩn đoán còn thiếu và tạo ra một kế hoạch sàng lọc được cá nhân hóa. Nó cũng tạo ra các tài liệu cần thiết để hoàn thành bất kỳ công việc chẩn đoán nào, chẳng hạn như các tài liệu về nhu cầu y tế và các ủy quyền trước của bảo hiểm.

+ Bác sĩ lâm sàng trong vòng lặp đánh giá đầu ra, bao gồm thông tin nguồn. Bác sĩ lâm sàng có thể chỉnh sửa đầu ra của người điều khiển phụ, điều này cũng giúp tinh chỉnh các lần lặp lại trong tương lai.

+ Khi bác sĩ lâm sàng hài lòng với kết quả, họ có thể thêm thông tin vào phác đồ điều trị hiện tại của bệnh nhân.

Việc sàng lọc, chẩn đoán và điều trị ung thư vốn rất phức tạp và tốn thời gian. Và mỗi sự chậm trễ đều tạo nên sự khác biệt: những bệnh nhân bị chậm trễ điều trị chỉ bốn tuần sẽ phải đối mặt với nguy cơ tử vong cao hơn 6–13% (mở trong cửa sổ mới).

Nhu cầu sàng lọc cũng thường được cá nhân hóa cao. Ví dụ, hơn một phần ba bệnh nhân của Color cần các phương pháp sàng lọc khác nhau, sớm hơn dựa trên các yếu tố rủi ro cá nhân không được đề cập trong các hướng dẫn chuẩn. "Tôi đã chứng kiến ​​sự phức tạp của việc phát triển các kế hoạch sàng lọc ung thư được cá nhân hóa cho các bệnh nhân có nguy cơ cao của mình", Tiến sĩ Keegan Duchicela, bác sĩ chăm sóc chính tại Color cho biết. "Các hướng dẫn liên tục thay đổi và các yếu tố rủi ro cá nhân không phải lúc nào cũng rõ ràng ngay lập tức". 

Ngoài việc sàng lọc, các xét nghiệm chẩn đoán còn tạo ra nhiều thách thức hơn. Việc ghi chép và thực hiện xét nghiệm chẩn đoán cho một bệnh nhân có thể mất nhiều tuần, với phần lớn bệnh nhân đến cuộc hẹn khám ung thư đầu tiên mà không có xét nghiệm đầy đủ. Tiến sĩ Allison Kurian, giáo sư tại Trường Y khoa Đại học Stanford và là bác sĩ ung thư đang hoạt động lâm sàng cho biết: "Ngày nay, có những khoảng cách thực sự trong việc chăm sóc ung thư dựa trên nơi bệnh nhân được chẩn đoán ban đầu". "Nhiều bệnh nhân của tôi cần nhiều tuần để hoàn thành tất cả các xét nghiệm và đánh giá cần thiết để cung cấp phương pháp điều trị phù hợp, trong thời gian đó, thời gian quý báu bị lãng phí và gánh nặng hành chính tăng thêm cho các bác sĩ lâm sàng".

Color bắt đầu làm việc với OpenAI vào năm 2023, với mục tiêu sử dụng AI để cải thiện việc chăm sóc bệnh nhân ung thư và công bằng về sức khỏe. Với những thách thức trong việc sàng lọc, chẩn đoán và điều trị ung thư, Color đang tìm kiếm một giải pháp có thể:

+ Giải thích dữ liệu bệnh nhân có định dạng không nhất quán

+ Phân tích các hướng dẫn chăm sóc sức khỏe dày đặc

+ Bảo vệ quyền riêng tư dữ liệu bệnh nhân

+ Hỗ trợ thiết kế quy trình làm việc của bác sĩ lâm sàng để đảm bảo an toàn cho bệnh nhân

+ Tích hợp với hồ sơ sức khỏe điện tử (EHR) và các hệ thống bệnh viện cốt lõi

Trong quá trình khám phá ban đầu, Color đã thiết lập phương pháp tiếp cận của họ để thử nghiệm nhanh, bao gồm thử nghiệm hiệu suất của GPT-4 và GPT-4o trong các tác vụ phức tạp như trích xuất thông tin từ PDF hướng dẫn lâm sàng để chẩn đoán ung thư. Các PDF này thường là hàng trăm trang sơ đồ phức tạp phác thảo các lộ trình chăm sóc dựa trên công việc chẩn đoán. Cùng nhau, OpenAI và Color đã phát triển một phương pháp yêu cầu tài khoản Chat GPT-4 Vision mô tả ảnh chụp màn hình của các sơ đồ này, phương pháp hiệu quả nhất trong việc duy trì độ chính xác của đầu ra.

OpenAI cũng đã giúp hướng dẫn nhóm Color tạo nguyên mẫu quy trình làm việc lâm sàng bằng giao diện ChatGPT tiêu chuẩn và tạo các trường hợp mẫu bằng GPT tùy chỉnh – thu thập bằng chứng khái niệm hiệu quả trước khi cam kết nguồn lực kỹ thuật mở rộng.

Với sự hướng dẫn chuyên môn của OpenAI, các mô hình mạnh mẽ và các tiêu chuẩn bảo vệ dữ liệu tuân thủ HIPAA, Color đã có thể tập trung vào việc phân tích quá trình ra quyết định y khoa phức tạp, tinh chỉnh lời nhắc và thiết kế quy trình làm việc của bác sĩ lâm sàng để tạo ra phiên bản đầu tiên của copilot.

Ví dụ, các kỹ sư của OpenAI đã hướng dẫn Color sử dụng retrieval-augmented generation (RAG) thay vì tinh chỉnh mô hình để tăng chất lượng đầu ra và viết lại tài liệu lâm sàng để ChatGPT xử lý dễ dàng hơn. Cuối cùng, sau khi thử nghiệm, Color đã chọn OpenAI làm nhà cung cấp giải pháp AI của mình, với GPT-4o là cốt lõi của ứng dụng copilot tiên tiến của mình.

Để đo lường tác động của công cụ này, Color đang hợp tác với Trung tâm Ung thư Toàn diện Gia đình Helen Diller (UCSF HDFCCC) của Đại học California, San Francisco. Đối với lần triển khai ban đầu, Color và UCSF sẽ tiến hành đánh giá hồi cứu, sau đó là triển khai có mục tiêu. Dựa trên đánh giá, có tiềm năng tích hợp chương trình đồng thí điểm vào quy trình làm việc lâm sàng cho tất cả các trường hợp ung thư mới tại UCSF. 

“UCSF là đơn vị tiên phong trong việc triển khai công nghệ tiên tiến để cải thiện việc chăm sóc bệnh nhân”, Tiến sĩ Alan Ashworth, Tiến sĩ, FRS, Chủ tịch của UCSF HDFCCC cho biết. “Bệnh nhân thường đến gặp bác sĩ ung thư chính với các xét nghiệm chẩn đoán chưa hoàn chỉnh và thời gian cần thiết để đối chiếu và xác định chính xác việc hoàn thành các xét nghiệm đó khiến các nhà cung cấp không thể làm việc hết khả năng của mình. Chúng tôi quan tâm đến các công cụ có thể cải thiện hiệu quả và độ chính xác của việc lập biểu đồ trước khi khám và tránh sự chậm trễ tốn kém trong việc bắt đầu điều trị cho bệnh nhân ung thư tại UCSF”. 

Tiến sĩ Karen Knudsen, Tổng giám đốc điều hành của Hiệp hội Ung thư Hoa Kỳ, đồng ý. “Ý tưởng kết hợp công nghệ AI với quy trình làm việc lâm sàng được hỗ trợ kỹ thuật số để đẩy nhanh quá trình đó sẽ là một bước tiến tích cực cho tất cả các bên liên quan - bệnh nhân và bác sĩ lâm sàng của họ, cũng như bên thanh toán chi phí điều trị.”

Color đang áp dụng một cách tiếp cận có cân nhắc khi triển khai chương trình đồng lái và đã bắt đầu giai đoạn triển khai ban đầu cho các bác sĩ lâm sàng của riêng mình, áp dụng công cụ này cho một số trường hợp hạn chế. Các trường hợp này nhận được nhiều lớp đảm bảo chất lượng:

+ Các nhà cung cấp dịch vụ chăm sóc sức khỏe sử dụng thiết bị phụ trợ có thể xác định được nhiều hơn 4 lần kết quả xét nghiệm, hình ảnh, sinh thiết và bệnh lý bị thiếu so với những nhà cung cấp dịch vụ không có thiết bị phụ trợ.

+ Sử dụng copilot, trung bình mất 5 phút để các bác sĩ lâm sàng phân tích hồ sơ bệnh nhân và xác định các khoảng trống. Nếu không có copilot, dữ liệu sẽ bị phân mảnh và có thể dẫn đến chậm trễ trong nhiều tuần.

Trong nửa cuối năm 2024, Color có ý định sử dụng ứng dụng copilot để cung cấp các kế hoạch chăm sóc cá nhân do AI tạo ra, với sự giám sát của bác sĩ, cho hơn 200.000 bệnh nhân.