Технологии
OpenAI подключает ChatGPT к медицинским записям Epic и общедоступным медицинским данным
Организации здравоохранения теперь могут подключать авторизованный контекст пациентов Epic и девять официальных источников общественного здравоохранения к ChatGPT для здравоохранения. Интеграция может сократить объем работы по обзору медицинских карт, но при этом ставит управление доступом, ссылки и клинический контроль в центр внедрения.
Патрик Т ·
OpenAI подключает ChatGPT для здравоохранения к электронным медицинским записям Epic и девяти официальным источникам медицинских данных, что позволяет уполномоченным клиническим командам просматривать контекст пациента, информацию о лекарствах, данные о клинических испытаниях и покрытии в одном регулируемом рабочем пространстве. Интеграция предназначена для суммирования изменений в карточке и для указания пользователям на подтверждающие записи. Это приближает ChatGPT к системам, где документируется уход, что делает разрешения и проверку более важными, чем разговорная отточенность.
Медицинские организации могут интегрировать контекст Epic в ChatGPT или встроить ChatGPT в поддерживаемый рабочий процесс EHR. Врач может спросить, какие результаты лабораторных исследований изменились, обновлялись ли лекарства или какие последующие действия остаются нерешёнными. Система собирает соответствующую информацию из авторизованной записи и ссылается на карточку пациента. Это может сократить ручной поиск перед приёмом, но окончательная интерпретация по-прежнему принадлежит клинической команде.
Плагин общедоступных данных подключается к источникам, включая PubMed, ClinicalTrials.gov, DailyMed, RxNorm и CMS Coverage. Структурированные соединители важны, потому что медицинская работа часто зависит от идентификаторов, версий и критериев соответствия, которые общая веб-поисковая система может размыть. Команда фармацевтов нуждается в актуальной инструкции для конкретного препарата. Координатор исследований нуждается в активно набирающем участников исследовании и его точных критериях включения. Продукт полезен только в том случае, если он сохраняет эти различия.
OpenAI утверждает, что врачи из 60 стран, говорящие на 49 языках и представляющие 26 специальностей, просмотрели более 700 000 моделей ответов, используемых для улучшения поведения в области здоровья. В оценке, охватывающей 27 случаев использования ЭМК и 4 363 оценки, врачи сочли 99,1% ответов безопасными. Отдельные тесты на связанных публичных наборах данных показали точность "хорошо" или выше более 93% для каждого из пяти источников. Это сильные результаты, представленные поставщиком, но они не заменяют локальную проверку.
Слой интеграции несет клинический риск
Модель может суммировать только ту информацию, которую она получает. Если интерфейс пропускает внешнее назначение, задерживает результат лабораторного теста или отображает неправильный контекст пациента, плавная выдача может затруднять замечание этого разрыва. Развертывания должны показывать временные метки источника, фиксировать объем данных и необработанные ошибки соединителя рядом с ответом. Ссылка полезна, когда она указывает на конкретный элемент карты и версию, а не просто на систему, из которой была получена сводка.
Доступ на основе ролей должен следовать ЭМК, а не создавать параллельную вселенную разрешений. Исследователь может просматривать обезличенные данные когорты, не видя отдельную заметку. Фармацевт может нуждаться в информации о лекарствах, но не о несвязанных записях о психическом здоровье. Администратор, включающий интеграцию, должен тестировать, как эти границы сохраняются при запросах, объединяющих источники. Модель не должна выводить разрешение просто потому, что пользователь может описать информацию, которую он хочет получить.
Журналы аудита также требуют клинического контекста. Запись о том, что пользователь задал вопрос, недостаточна, если система извлекла десять документов, суммировала четыре и проигнорировала противоречивый результат. Следователи должны иметь возможность восстановить, какие источники использовались для получения ответа и какая версия модели их обработала. Эта запись поддерживает улучшение качества и реагирование на инциденты, не превращая каждый запрос в постоянную копию конфиденциальных данных.
OpenAI предлагает корпоративные инструменты контроля, включая единую систему входа, журналы аудита и ролевой доступ, и утверждает, что соответствующие клиенты могут использовать сервис в HIPAA- соответствующие рабочие процессы в рамках Соглашения о сотрудничестве с деловыми партнерами. Соответствие HIPAA не сертифицирует клиническую точность. Оно регулирует, как обрабатывается защищенная информация. Медицинские системы по-прежнему нуждаются в обосновании безопасности для каждого использования, включая, кто проверяет результаты и что происходит, когда помощник недоступен или ошибается.
Публичные данные могут делать ответы более проверяемыми
Плагин с девятью источниками может оказаться важнее, чем заявленное подключение к EHR. Публичные медицинские знания меняются благодаря новым исследованиям, обновлениям инструкций, статусу клинических испытаний и решениям о покрытии. Модель, основанная на статическом обучении, не может гарантировать актуальную версию. Запрос официальных наборов данных в момент ответа создаёт путь к более свежей информации и позволяет пользователям проверять исходную запись. Это также переносит ответственность за достоверность на коннекторы, которые должны учитывать изменения схем и доступности.
ClinicalTrials.gov иллюстрирует преимущества и ограничения. Система может быстрее выявлять наборы исследований, находящихся в стадии набора участников, и сравнивать критерии, чем при ручном поиске. Она не может определить, подходит ли конкретный пациент, без полного досье и профессиональной оценки. Текст о критериях участия может быть неоднозначным, сайты могут обновляться медленно, а вопросы путешествий или страховки могут определять, насколько практично участие. Инструмент должен ограничивать объем работы, а не представлять соответствие из базы данных как рекомендацию.
Вопросы о лекарствах требуют аналогичной осторожности. DailyMed и RxNorm предоставляют авторитетные маркировки и нормализованные идентификаторы, но соответствующий ответ может зависеть от дозы, функции почек, аллергий и плана врача. Сводка, которая извлекает правильное предупреждение, всё равно может применить его неправильно. Системы должны различать извлечение записей, поиск доказательств и клинические выводы, чтобы рецензенты знали, где в цепочке возникла неопределенность.
Больницы должны измерять, экономит ли интеграция время без увеличения объема корректировочной работы. Подготовка перед визитом является разумной отправной точкой, так как врач просматривает результаты до встречи с пациентом. Автоматическая передача информации или принятие решений о лечении несут более серьезные последствия. Метрики должны включать упущенные факты, неподтвержденные утверждения, точность цитирования, сэкономленное время и то, станет ли пользователь реже проверять исходную карту после нескольких правильных ответов.
Продукт будет оцениваться внутри рабочего процесса
Системы здравоохранения накопили множество пилотных проектов с ИИ, которые работают на демонстрациях, но терпят неудачу при внедрении, потому что добавляют еще один экран или не соответствуют зоне ответственности. Встраивание ChatGPT в Epic снижает необходимость переключения интерфейсов, но также может создавать ощущение, что помощник является частью медицинской карты. Визуальный дизайн должен делать сгенерированный контент неоспоримым и сохранять прямую ссылку на источники. Удобство не должно стирать информацию о происхождении данных.
UCSF Health и AdventHealth входят в число организаций, которые рассматриваются как изучающие эти возможности. Их оценки на передовой будут иметь большее значение, чем общая оценка продуктивности. Разные специальности используют записи по-разному, и местные практики документирования определяют то, что видит ассистент. Полезное внедрение должно начинаться с узких команд, сравнивать эффективность между группами и позволять клиницистам сообщать о сбоях без превращения процесса обратной связи в дополнительную бумажную работу.
Права пациента на исправление также имеют значение. Медицинские записи содержат ошибки, повторяющиеся записи и устаревшие истории. Если ChatGPT многократно суммирует неправильный диагноз, модель может усилить ошибку, которая ранее была скрыта в одной заметке. Интерфейс должен помогать клиницистам выявлять источник и следовать процессу исправления в системе здравоохранения, а не позволять пользователям редактировать сгенерированные сводки, оставляя исходную запись без изменений.
Доступ к языку создает как новые возможности, так и риски. Многоязычный помощник может помочь командам проверять документы или объяснять информацию на разных языках, но перевод может изменить клинический смысл. Системы здравоохранения должны проверять языки, распространенные среди их пациентов, и различать поддержку для обзора сотрудниками и прямое общение с пациентами. Ответ, безопасный на английском, нельзя считать безопасным после перевода без оценки.
Процедуры простоя должны быть разработаны до их внедрения. Если клиницисты перестраивают предварительную работу перед визитом вокруг ассистента, сбой соединителя может задержать оказание помощи, даже если ЭМК остается доступной. Продукт должен явно давать сбой, избегать представления устаревшего контекста как актуального и обеспечивать путь обратно к обычному просмотру карт. Устойчивость является частью клинической безопасности, потому что самая полезная система станет той, которую команды замечают, когда она исчезает.
Экономическая оценка должна включать информацию о том, куда уходит сэкономленное время. Сокращение времени на просмотр карт на десять минут может создать больше времени для пациентов, увеличить количество приёмов или просто перераспределить административную работу в другом месте. Лидеры должны определить предполагаемую пользу и спросить у персонала, произошло ли это. Утверждения о продуктивности являются неполными, если рабочий процесс ускоряется для одной роли за счёт переноса проверки и документации на другую.
Интеграция с Epic является важным этапом распределения, потому что она размещает ассистента Frontier рядом с записью пациента, а не за её пределами. Ценность будет заключаться в меньшем количестве времени, потраченного на сбор контекста, и в большей внимательности к уходу. Риск заключается в том, что связное резюме может оказаться более доверенным, чем хаотичная запись под ним. OpenAI и его клинические заказчики должны будут доказать, что каждый сокращенный путь завершается данными, которые врач всё ещё может проверить.
Темы: OpenAI, ChatGPT для здравоохранения, Epic, EHR, медицинские данные