Color HealthはGPT-4oを活用してがんケアと診断作業を加速
Color HealthはOpenAIと提携し、GPT-4oを搭載したコパイロットアプリケーションを導入しています。このアプリは、欠損している診断項目の特定と個別のワークアッププランの作成を自動化することで、がん患者の治療へのアクセスを加速します。このツールは、治療開始が4週間遅れると死亡リスクが6〜13％上昇するという、がんケアにおける重大な遅延を減らすことを目的としています。
AI駆動のパーソナライズド治療計画
Color Healthのコパイロットは、患者の医療データと臨床知識を統合し、臨床医がレビューできるカスタマイズされた治療計画を生成します。システムは安全性と正確性を保つために、4つのステップからなるワークフローで動作します：
- データ抽出と正規化：システムは患者情報（個々のリスク要因や家族歴など）と臨床ガイドラインを抽出し、正規化します。PDFや臨床ノートに見られる構造が不統一なデータの処理には、特にGPT-4oが使用されます。
- プラン生成：AIは欠損している診断項目を特定し、個別のスクリーニングプランを作成するとともに、保険の事前承認や医療必要性のために必要な文書を生成します。
- 臨床医レビュー：ループ内の臨床医が出力と提供されたソース情報を評価し、必要に応じて結果を編集します。
- 統合：承認されると、臨床医は情報を患者の既存の治療計画に追加します。
技術実装と安全性
ColorはOpenAIのAPIとHIPAA準拠のデータ保護基準を使用して概念実証を開発しました。高い精度と安全性を確保するために、チームは複数の技術的戦略を採用しました：
- RAGをファインチューニングより採用：OpenAIのエンジニアは、出力品質向上のためにモデルのファインチューニングではなく、リトリーバル拡張生成（RAG）を使用することを推奨しました。
- ビジュアル分析：図表を含む複雑な臨床ガイドラインを処理するため、ColorはGPT-4 Visionを使用してそれらの図のスクリーンショットを説明しました。
- 迅速なプロトタイピング：チームは標準のChatGPTインターフェースとカスタムGPTを使用して、フルエンジニアリングリソースを投入する前に臨床ワークフローの検証を行いました。
臨床への影響とパフォーマンス指標
Colorは現在、自社の臨床医向けに限定的なフェーズインでツールを導入中で、カリフォルニア大学サンフランシスコ校ヘレン・ディラー・ファミリー総合がんセンター（UCSF HDFCCC）と提携し、レトロスペクティブ評価とターゲット展開を行っています。
初期のパフォーマンスデータは、顕著な効率向上を示しています：
- 検出率の向上：コパイロットを使用する医療提供者は、ツールを使用しない場合に比べて、欠損している検査、画像診断、または生検・病理結果を4倍多く特定します。
- 分析時間の短縮：臨床医は患者記録を分析し、ギャップを特定するのに平均5分で済みます。一方、断片化されたデータを扱う手作業プロセスでは数週間の遅延が生じることがあります。
Colorは、医師の監督の下、2024年後半までに20万人以上の患者に対してAI生成のパーソナライズドケアプランを提供することを目指しています。