她是 OpenAI CMO，也是癌癥患者｜OpenAI 內部分享

OpenAI 辦了一場內部分享，主題是 ChatGPT Health 和 OpenAI for Healthcare

三位嘉賓，都是 OpenAI 的高管：

• ? Kate Rouch ，OpenAI CMO，此前在 Coinbase 主導了超級碗彈跳二維碼廣告，在 Meta 待了十年

• ? Nate Gross ，OpenAI 健康副總裁，醫學博士，Doximity 和 Rock Health 聯合創始人

• ? James Hairston ，OpenAI 創新政策總監，負責健康、設備和機器人領域，此前在 Meta 領導 VR/AR 政策團隊十年

Kate 站在臺上，講的第一件事，便是是自己過去一年的乳腺癌診療經歷

Kate Rouch，OpenAI CMO

她說自己有很棒的醫生，但分布在太多專科。有大量復雜的臨床文獻和臨床決策，她需要有人用她能理解的水平解釋清楚

她用 ChatGPT 做了這些事：

理解臨床文獻
問 ChatGPT 某篇論文的樣本量是多少，統計顯著性適不適用于她的特定乳腺癌亞型。她說這是「更高級的用法」，需要理解的不只是乳腺癌，還有具體亞型的研究現狀

處理保險理賠
理賠被拒，讓 ChatGPT 幫她重寫申請，最終獲批。她說診斷中的很多壓力來自行政方面：理賠被拒、不理解保障內容

跟孩子溝通
她有三歲和六歲的孩子。問 ChatGPT「如何用適合三歲孩子的方式談論癌癥」，有什么書可以參考

準備專科就診
幫她優先排列要問各位專家的最重要問題。她說與專科醫生的時間很寶貴，必須確保問出最重要的問題

理解治療副作用
某個癥狀是不是正在接受的治療的副作用？人們通常怎么緩解這些癥狀？

Kate 在 UCSF 接受治療，那里和 OpenAI 在同一條街上。她所有的醫生都知道她在用 ChatGPT，會一起討論她查到的東西、醫生的看法

她說這讓她「感到更知情、更有信心，理解自己一路上做出的決定」

插入個題外話：聽了她的分享，我莫名想到了牢A的「斬殺線」理論，也莫名想到了絕命毒師中的老白

每天 4000 萬人

Nate Gross 給了一組數據：

每周使用 ChatGPT 的 8 億人中，四分之一會提交健康相關問題 相當于每天約 4000 萬人

還有一個數據：九分之七的對話，發生在醫生下班后

Nate 說大量醫療行為發生在就診之外。預約前后的問題、遲遲才到的檢查結果、圍繞診療的各種文書和后勤工作。人們已經在用 ChatGPT 來準備、翻譯、總結、核對這些環節中的信息

1 月初各家都在發醫療產品。OpenAI 1 月 7 日發 ChatGPT Health，Anthropic 1 月 11 日發 Claude for Healthcare，相隔四天

碎片化整合

Nate 說醫療系統是碎片化的、孤立的

部分原因是診療服務、商業模式、保險、監管環境各自演化的結果。部分原因是專業化帶來的權衡，高級診療需要不同地方的不同專家

但最終，這些孤島造成了知識斷層和診療挑戰

你的檢驗結果在這里，病歷在那里，可穿戴設備的數據在另一個地方。互不連通，患者成了整個系統的集成層

ChatGPT Health 做的事情是打破這些孤島

同步病歷

通過 b.well 連接 220 萬美國醫療機構和 320 個健康計劃。用戶可以選擇同步分散在不同系統中的病歷，這些系統今天互不連通

接入可穿戴設備

Apple Health、Peloton、MyFitnessPal、Function Health。Nate 說大多數醫生沒有時間或界面來輕松查看這些數據

個性化回答

搜索引擎每次都「失憶」，不知道你是 25 歲還是 75 歲。ChatGPT 的查詢會基于用戶選擇分享的個人背景

Nate 舉了個例子：去餐廳拍一張菜單照片，問 ChatGPT「我今晚點餐應該注意什么」

它會基于你的檢驗數據和健康目標給建議

他說 ChatGPT 是向「個人超級助手」邁出的又一步，能用信息和工具支持用戶實現生活各方面的目標

目前 ChatGPT Health 是 waitlist 階段

臨床端

OpenAI for Healthcare 給醫院和臨床醫生用

首發合作伙伴 8 家，覆蓋不同診療場景：

• ? 兒童醫院：波士頓兒童醫院、Stanford Medicine Children's Health

• ? 學術醫療中心：UCSF

• ? 專科醫院：紀念斯隆-凱特琳癌癥中心

• ? 大型醫療服務系統：HCA Healthcare、Cedars-Sinai

Nate 自己是醫生，他說臨床醫生可以用它做三件事：

基于證據的綜合分析

回答植根于真實醫學來源，包括同行評審研究、公共衛生指南、臨床指南。帶引用鏈接，可以驗證標題、發表日期、期刊，點擊閱讀原文。AI 成為你仍可深入核實的合作伙伴

與機構政策對齊

美國各地診療實踐不同。通過 SharePoint 集成，回答可以反映該醫院批準的政策、診療路徑和治療方案，讓團隊遵循同一套規范

加速文檔工作

出院摘要、患者須知、臨床信件、轉診信、事先授權支持。還可以將患者材料調整為易讀、翻譯后的版本

臨床端邏輯

Nate 說醫院最大的瓶頸是時間

臨床醫生沒有足夠時間閱讀所有內容、解釋清楚、跟上信息洪流。AI 做初步的繁重工作，綜合知識、起草、翻譯復雜信息

還有一個瓶頸是碎片化。診療越來越分散在不同專家、不同場所、不同 IT 系統之間，這些系統互不連通。AI 擅長匯集這些信號，病歷、影像報告、檢驗結果、床位問題、可穿戴設備，呈現一個連貫的故事

還有一個現實：醫院領導知道臨床醫生已經在用 ChatGPT 了

Nate 說需求是真實的，假裝不知道只會制造行政和 IT 風險

機會在于把這種使用以安全、可審計、透明、符合機構政策的方式納入企業

250 名醫生參與訓練

安全性方面，OpenAI 和超過 250 名醫生合作改進模型處理健康問題的方式

訓練內容包括：何時提出追問、如何表達不確定性、何時引導用戶尋求專業診療

他們做了 HealthBench 評估。評分項包括：事實準確性、是否包含關鍵考量、是否遺漏重要風險。Nate 說這給了一個非常現實的信號，展示模型在真實醫療工作流中的表現，而非選擇題式的考試評估

外部基準方面，OpenAI 的模型在 GPDVal 的所有健康職業領域優于行業專家

ChatGPT for Healthcare 發布前經歷了 9 輪醫生主導的紅隊測試，歷時 5 個月

安全性投入

Nate 說目標不是追求完美，是構建在高風險場景中始終表現得深思熟慮、保守、透明的系統

Q&A 環節

分享會后半段是觀眾問答，有幾個有價值的問題

關于 EMR 集成

UCLA 兒科醫學院的 Sharam Yazdani 問是否有計劃直接集成到 Epic 等 EMR 系統

Nate 說技術已經有了，現在是部署挑戰。科技行業和醫療行業長期以來像油和水，解決方案往往不完全契合工作流。他們和早期合作伙伴一起決定：在什么時刻，EMR 集成最有價值？

可能是開車上班時討論患者名單。可能是整合一個從遠方轉診來的、有大量分散數據點的患者

關于情感支持

有人問 AI 在情感上可以扮演什么角色，邊界在哪里

Kate 說這個產品專注于身體健康。對于困難健康狀況中的情感支持，會引導用戶到產品之外的支持資源

但她認為診斷中的很多壓力來自行政方面：保險理賠被拒、不理解保障內容。把產品定位在「幫我理解發生了什么、幫我準備就診、幫我理解保障」這些事情上，實際上是減輕患者壓力的核心

關于十年后的未來

有人問這次發布作為信號，預示十年后會怎樣

Kate 說很難理解變化的速度。ChatGPT 本身才發布三年。如果想十年后，當然要腳踏實地，但全球數以百萬計的人有可能獲得變革性的結果

Nate 說醫學一直是一套積木。ChatGPT Health 中構建的東西來自數十年的工作：兩黨政府團體為患者數據訪問權所做的努力、數據交換標準、各種支撐 AI 和幫助翻譯內容的底層技術

他希望這將成為又一塊積木。醫療領域有太多挑戰，沒辦法在一年內宣布任務完成，可能十年也不行

一年后的成功

James 問了一個問題：
一年后來說，成功會是什么樣子？

Nate 說，對消費者，成功是「感覺不那么孤獨、不那么不知所措，有一個可信賴的地方來理清事情，準備與臨床醫生的對話，理解自己的診療過程」

對臨床醫生，成功是「解脫」。更少時間損失在行政工作上，更有信心自己在基于正確的證據工作，減少倦怠，有更多時間陪孩子

對企業合作伙伴，成功是「信任」。知道 AI 的使用是安全的、可審計的、與臨床判斷保持一致的

Kate 說，幫助人們理解涌來的健康信息，把信息轉化為更好的結果

她在臺上的最后一句話：

產品團隊做得很出色，確保使用這項技術的人的聲音被納入 我的聲音是其中之一，但還有很多很多聲音