OpenAI助力Color Health癌症筛查AI助手测评

Color Health 与 OpenAI 达成深度合作，基于 GPT-4o 模型推出 Cancer Copilot——一款专门辅助医生制定癌症筛查方案、并为确诊患者规划治疗前准备流程的 AI 工具。该产品已投入实际临床使用，并非停留在概念阶段。

Color 成立于 2013 年，早期专注于基因检测领域。约十年前，该公司在遗传性癌症风险评估中率先推出了针对 BRCA1、BRCA2 及另外 17 种癌症相关基因的低成本临床级检测，并创新性地将遗传咨询纳入检测配套服务，这一模式在当时极具前瞻性。

随后，Color 加入美国“All of Us”研究项目，为参与者提供 ACMG 推荐的 59 个基因的数据解读与遗传咨询。该合作使 Color 与更多研究机构及医疗机构建立了联系。COVID-19 大流行期间，其服务模式得到快速推广。目前，Color 的合作网络已覆盖雇主、工会、健康计划及政府机构，致力于通过综合性癌症管理方案有效控制癌症。至今，Color 已累计服务超过 700 万患者。

2023 年，Color 正式与 OpenAI 建立合作关系。双方目标明确：借助前沿 AI 技术切实提升癌症患者的护理质量，并促进健康公平的可及性。

在应用开发层面，Color 聚焦两大方向：一是实现癌症的早期发现，二是高效管理正在接受治疗的患者。

癌症筛查、诊断与治疗流程复杂且耗时长。任何一次筛查遗漏或治疗延迟都会直接恶化患者预后。数据显示，治疗每延迟四周，患者死亡风险便上升 6% 至 13%。

筛查需求的个体差异性极为显著。例如，超过三分之一的 Color 患者因存在标准指南未涵盖的个人风险因素，需要提前或采用不同方法进行筛查。指南持续更新，而个人风险因素常不明确。事实上，绝大多数高风险女性并未遵循基于风险调整的筛查指南，原因包括：患者未及时就诊，或医生因时间有限、缺乏相关知识而未能调整筛查方案。

早期诊断显著优于晚期诊断，这是不争的事实。但确诊后，时间即成为最宝贵的资源。医生在启动治疗前通常需要完成一系列“治疗前检查”，具体检查项目取决于癌症类型、患者病史及个体因素。然而，大多数患者被转诊至肿瘤科后，需要等待数天甚至数周才能见到医生，随后才被告知需进行额外检查以辅助治疗决策。这一过程可能导致数周的无谓延误，肿瘤科医生也常因重复的无效预约而耗费精力，有时甚至不得不在信息不全的情况下做出治疗决定——因为继续等待的风险更高。

基于此，Color Copilot 的两大核心应用场景十分明确。第一，系统自动解析个人背景风险因素，并根据个体情况直接应用最新指南调整筛查方案。第二，将专业临床知识赋能给初级保健医生或肿瘤科医生，协助他们判断治疗决策所需的检查项目。如此一来，患者一旦确诊即可迅速启动后续流程。当患者首次面见肿瘤医生时，其准备开始治疗的概率显著提高——这直接节省了数周的宝贵时间。

Color 通过 OpenAI API 将患者医疗数据与临床知识深度整合。最终，Copilot 应用可生成个性化综合治疗计划，供临床医生在患者护理中直接查阅与应用。

构建此类解决方案挑战重重。系统需解读格式多样的患者数据，解析复杂的医疗指南，同时保护患者隐私，无缝融入临床医生现有工作流，保障患者安全，并与电子健康记录（EHR）及核心医院系统实现集成。

需要强调的是，Copilot 应用的每一环节输出均需经临床医生审核，医生可随时修订，确认准确无误后再向患者展示。此举确保了安全性与专业性。

具体工作流程如下：Copilot 首先提取、处理并标准化患者的家族史、个人风险因素等信息，同时整合来自权威来源的临床指南与数据。在此过程中，GPT-4o 的能力至关重要——许多信息隐藏在结构不一、措辞各异的页面中，如 PDF 或临床笔记。基于这些数据，Copilot 可回答“该患者应接受哪些筛查？”等核心问题，识别遗漏的诊断项，并生成个性化筛查方案。它甚至能自动生成完成诊断检查所需的文件，如医疗必要性说明及保险预授权申请。最后，临床医生评估输出结果，所有源信息均清晰可查，医生可编辑 Copilot 的输出，该反馈还有助于优化后续迭代。一旦医生确认，信息即可直接整合至患者的治疗计划。

Copilot 的试验结果令人瞩目：使用 Copilot 的医疗保健提供者识别出的缺失实验室检查、影像、活检或病理结果是未使用者的四倍。此外，临床医生利用 Copilot 分析患者记录、定位信息缺口平均仅需5 分钟。若无 Copilot，零散的数据常导致数周的延误。

Color Copilot 通过 OpenAI 的 API（应用程序编程接口）运行，这是开发者调用 OpenAI 模型最常用的方式。与多数开发商类似，Color 依据发送和接收的 token 数量向 OpenAI 支付费用。

目前，Color 已在临床医生中启动初步试用，将工具应用于有限数量的病例。在推广策略上，Color 采取极为审慎的态度，在患者护理环境中采用分阶段模型标准，每个实施阶段均进行迭代评估与验证。

根据规划，到 2024 年下半年，Color 计划在医生监督下，借助 Copilot 应用为超过 20 万名患者提供 AI 生成的个性化护理计划。

Color Copilot 是 OpenAI 深入医疗领域的又一战略举措。今年 4 月，OpenAI 刚宣布与 mRNA 疫苗企业Moderna 合作，利用 GPT 等生成式 AI 加速业务流程，例如为临床试验选择最佳剂量。此次切入肿瘤诊疗，OpenAI 为临床医生提供了更强大的工具，以理解并分析医疗记录、指南、实验室数据及诊断信息。未来，AI 或可吸收并分析海量的生活方式数据、临床数据乃至真实世界数据，助力医生更快发现甚至无症状的癌症线索——这正是癌症早筛与预警的核心价值所在。

持续追踪医疗健康领域的 AI 变革，前景令人振奋。

来源：互联网