基因检测公司 Color Health 正在使用 OpenAI 最新的、价格较低的大型语言模型，为医生提供治疗前检查的专业知识，从而可以加快癌症筛查诊断的事先授权请求，并让患者更快地接受治疗。
该公司还与加州大学旧金山分校合作，研究癌症副驾驶工具如何在发现早期预警信号、看似不协调的危险信号以及其他可能深深分散在电子健康记录和其他患者信息中的相关细节方面发挥作用。
为何重要
该公司表示，虽然不同类型癌症的决策因素各不相同，但该技术的试验可帮助服务提供商在五分钟内分析患者记录。
Color Health 联合创始人兼首席执行官奥斯曼·拉拉基 (Othman Laraki) 在一份报告中表示：“初级保健医生往往没有时间，有时甚至没有专业知识，无法根据风险调整人们的筛查指南。” 华尔街日报 报告 周一。
加州大学旧金山分校海伦迪勒家庭综合癌症中心正在通过将其与癌症患者图表的回顾性分析进行比较，测试 Color 的 copilot 在癌症治疗前诊断检查中的应用。
尽管这项研究还处于早期阶段，但据 Color 发言人称，如果人工智能最终能够通过连接各个点来减少癌症治疗的等待时间，那么这对患者护理来说将是一个胜利。
在颜色中 公告 周一，拉拉基表示，公司设计该工具是为了解决肿瘤学专业知识的供应缺口，以便为确诊恶性肿瘤的患者决定治疗前的检查。
他解释说，目标是为初级保健医生和其他临床医生提供一种人工智能服务，可以确定需要进行哪些测试来指导患者的癌症治疗，而无需等到患者去看肿瘤科医生后再安排治疗前诊断并启动事先授权程序。
“这样，当患者第一次见到肿瘤医生时，她就有更高的机会准备好开始治疗，我们希望，可以节省数周的宝贵时间。”
拉拉基还强调了临床医生在使用该工具时的决策作用。
他说：“我们工作背后最重要的设计决策之一是，这些工具从一开始就建立在人机交互模型的基础上。”
该公司表示，它将首先与癌症项目中的个人分享第一个测试用例的结果——该用例的重点是自动分析一个人的背景风险因素，然后应用调整其筛查计划的指南——然后让初级保健医生有机会审查这些信息。
Color 估计，到今年年底，使用癌症副驾驶的医生将为超过 200,000 个患者案例生成 AI 个性化护理计划。
大趋势
在专注于开发帮助医生改善癌症患者治疗结果的工具之前，Color 于 2015 年推出了患者主动检测模式。该测试专注于已知会增加个人癌症风险的基因，例如乳腺癌、卵巢癌和胰腺癌的 BRCA1 和 BRCA2。
使用人工智能进行新的决策支持服务，使 PCP 能够更快地让癌症患者接受治疗，这是医疗保健人工智能的一个新兴领域，其中自动化医生笔记记录和减轻临床管理负担已成为主流 LLM 用例的大多数。
然而，将机器学习应用于健康数据是一项 重大机遇 增强个人和人群的健康状况。
奥尔巴尼大学流行病学和生物统计学系助理教授王鑫表示，人工智能可能在疾病管理中发挥重要作用。
他告诉《商业内幕》杂志：“通过长期分析患者数据，人工智能算法可以预测个体患者的风险，提出个性化的治疗方案，甚至提醒医疗保健提供者注意并发症的早期迹象。” 医疗保健 IT 新闻 在一月。
“这种积极主动的方法可以带来更早的干预、更好的疾病管理，并最终改善健康结果。”
记录在案
OpenAI 首席运营官 Brad Lightcap 在接受采访时表示：“我们认为人工智能技术与语言模型是完美契合的。” 华尔街日报 故事。“它们可以为临床医生提供更多工具来了解医疗记录、了解数据、了解实验室和诊断。”
Andrea Fox 是医疗保健 IT 新闻的高级编辑。
电子邮件： [email protected]
医疗保健 IT 新闻是 HIMSS 媒体出版物。
HIMSS 医疗保健人工智能论坛计划于 9 月 5 日至 6 日在波士顿举行。 了解详细信息并注册。
1719108377
2024-06-18 13:36:42
