OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента

OpenAI 16 ноября представила применение GPT-6 Astra и GPT-6 Luna в американском здравоохранении: модели работают как компьютерные агенты и вручную, мышью и клавиатурой, заполняют формы в клиническом софте и на страховых порталах. По данным компании, GPT-6 Luna выполняет административную задачу примерно за 8,5 цента. Доступ открыт через API, ChatGPT for Healthcare и ChatGPT for Clinicians.
Зачем агенту кликать, если есть API
В американской медицине данные лежат в разных системах, и многие из них не имеют нормальных программных интерфейсов. Врач назначает МРТ, нужные сведения есть в электронной карте, но сотрудник вручную переносит их на портал страховой, чтобы получить предварительное разрешение. Агенты OpenAI обходят отсутствие API: они работают с готовым интерфейсом так, как это делает человек. Сами computer-use агенты появились в Agents API в конце сентября, теперь компания показала, что с ними делают в клиниках.
В демо на синтетических данных пациент пишет врачу о боли в пояснице. Агент просматривает записи о визитах, курс физиотерапии и прошлые снимки, готовит направление на МРТ, запись о визите и ответ пациенту. Затем по тем же данным собирает заявку на предварительную авторизацию на портале страховой. Ничего не уходит само: черновики проверяют врач и сотрудник, отвечающий за авторизации.
Что показали цифры
GPT-6 Astra проверяли на задачах из входящих сообщений электронной карты. Врачи-рецензенты признали 99% из 325 задач клинически безопасными, а в 93% из 646 оценок назвали подготовительную работу очень или крайне полезной. Обратная сторона этой статистики: 1% - это около трех задач, где ошибка или пропуск потенциально могли навредить пациенту. Поэтому, на наш взгляд, человеческая проверка здесь остается обязательной.
Для административных сценариев (авторизации, апелляции, заказ медоборудования) OpenAI ссылается на бенчмарк HealthAdminBench, который сделали исследователи из Стэнфорда. Astra набрала 94,3% возможных баллов, Luna - 91,8%. Обе модели запускали на максимальном уровне рассуждений. Разница в цене большая: по данным OpenAI, Luna стоит 8,5 цента за задачу, то есть на 98% дешевле Astra. Цену Astra за задачу компания в анонсе не называет. Отставание Luna в 2,5 процентного пункта при такой экономии выглядит выгодной сделкой для потоковой рутины. Но баллы по рубрике - не доля полностью решенных задач, и на реальных порталах со своими глюками результат может отличаться.
Кто участвует
OpenAI называет партнерами Abridge, Ambience, Cigna Healthcare и CVS Health. CVS Health использует возможности компьютерных агентов OpenAI для направлений и консультаций специалистов в нескольких системах. По описанию OpenAI, один агент за выходные разобрал накопленный за месяцы хвост исходящих документов, другой ежедневно проводит по системным шагам десятки тысяч консультаций. CVS выложила архитектуру на GitHub под названием Agent Kit.
У страховщика Cigna Healthcare модели объединяют данные пациента из более чем 10 разрозненных систем. Abridge разрабатывает агентов для планирования выписки. Ambience показала защитный механизм: если запись пациента неясна, агент останавливается и спрашивает врача. Стартап Assort запускает через Codex оформление направлений в системах, где API не позволяют сделать последний шаг.
Приватность и ограничения
Агенты работают прямо в электронных картах, поэтому главный риск - утечки и лишний доступ. OpenAI заявляет, что не обучает базовые модели на данных организаций. Клиники могут настроить роли, подтверждения, список доступных агенту записей и действий, а также вести журналы аудита, чтобы выстроить процессы, соответствующие HIPAA. Предложение рассчитано на американский рынок и его требования к защите данных.
Наш взгляд
Медицинская бюрократия - почти идеальная мишень для таких агентов: много однотипных форм, понятные правила, дорогой труд сотрудников. Цена в 8,5 цента за задачу - повод для клиник пересчитать, во что обходится ручная рутина. Остается вопрос, что будет с обратной стороной. Если страховые начнут отвечать своими агентами, заявки и отказы побегут между машинами, а люди будут вмешиваться только в спорных случаях. Пока все показанное опирается на данные самой OpenAI и ее партнеров, независимых проверок на живых системах в анонсе нет.
Источники
Похожие новости
NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300
В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.
OpenAI предоставила НАТО и агентствам ЕС доступ к Daybreak для кибербезопасности
OpenAI выдала НАТО и кибер-агентствам Европы доступ к моделям Daybreak. НАТО расходует до 300 млрд токенов в месяц, а ENISA нашла с их помощью четыре уязвимости.
OpenAI даст организациям бесплатный классификатор CSAM и введет в ChatGPT блокировку на 24 часа
OpenAI 16 ноября представила классификатор материалов сексуального насилия над детьми, предупреждения в ChatGPT, гайд для разработчиков и инструменты для полиции. Классификатор помечает на 48% меньше изображений.