Helse

Luma Health lanserer ChatGPT-plugin med 59 handlinger for klinikkarbeidsflyter

Lila Rowan
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterLumas plugin lar ChatGPT starte kliniske arbeidsflyter i stedet for bare å svare på…
Vis mer
  • Lumas plugin lar ChatGPT starte kliniske arbeidsflyter i stedet for bare å svare på spørsmål.
  • Hver handling leses fra og skrives tilbake til EHR samtidig som eksisterende tillatelser og regler respekteres.
  • Bred skrivetilgang uten skrivebeskyttede omfang gjør styring og revisjonskontroller til den reelle begrensningen.

Luma Health lanserte en ChatGPT-plugin med 59 handlinger for administrativt arbeid i helsesystemer i en kunngjøring 16. november 2026, og utvidet dermed chatbotens rolle fra å svare på spørsmål til å sette i gang arbeidsflyter ved klinikker.

Luma sier at arbeid som tidligere krevde en rapportforespørsel, et regneark og timevis med telefonsamtaler, kan begynne med én ledetekst. I eksempelet med oppgaver ved dagens slutt identifiseres pasienter som ikke har bekreftet timeavtaler for neste dag, og pasienter med ufullstendige sjekklister. Deretter får de beskjed om å møte 10 minutter tidligere for å fylle ut papirarbeid. I et annet eksempel finner systemet pasienter med ubetalte krav og kommende timeavtaler. Det opprettes en betalingsoppgave for utestående beløp på $100 eller mindre og en oppgave om økonomisk støtte for større beløp.

Klinikkhandlinger utover oppslag

Kategoriene for tilkoblingen omfatter timebestilling og ventelister, oppretting og oppdatering av henvisninger, pasientmeldinger på foretrukne språk, sjekklister for timeavtaler, påmelding til prosedyreforberedelser og fremdriftskontroller, betalinger og oppgaver for ansatte. Hvis en behandler flytter til en annen klinikk, kan en leder be om en liste over behandlerens planlagte pasienter og oppføringer på ventelisten, og deretter tilby tidligere timeavtaler hos en annen behandler for de samme typene timeavtaler.

Luma leser fra og skriver tilbake til den elektroniske pasientjournalen (EPJ), som fortsatt er det autoritative journalsystemet, og hver handling følger helsesystemets eksisterende regler og tilgangstillatelser. David Beam, Lumas visepresident for teknisk leveranse, beskrev dette som «hodeløse» KI-arbeidsflyter: Ledere kan hente data og handle på dem i ChatGPT uten å navigere gjennom flere EPJ-skjermer etter hverandre.

OpenAIs økosystem av programtillegg for helsetjenester

OpenAIs kunngjøring om helsetjenester 16. november 2026 inkluderte Luma blant de mer enn 20 nye programtilleggene som er tilgjengelige i ChatGPT for Healthcare. Tilgang avhenger av innstillingene for arbeidsområdet og av at en administrator aktiverer funksjonen. I et eksempel for en omsorgskoordinator kombineres Lumas liste over ubekreftede timeavtaler for neste dag med TriZettos kontroller av forsikringsberettigelse, slik at det opprettes en ringeliste over punkter som må avklares før hvert besøk.

OpenAI sier at ChatGPT for Healthcare tilbyr kundene en Business Associate Agreement (BAA) for å støtte arbeidsflyter som er i samsvar med HIPAA, og at innhold som deles med produktet, ikke brukes til å trene modeller. For å støtte HIPAA-kompatible arbeidsflyter som involverer beskyttede helseopplysninger (PHI), må organisasjoner bruke kvalifiserte tjenester som omfattes av deres BAA, ta i bruk nødvendige sikkerhets- og oppbevaringsinnstillinger og sørge for at beskyttelsen også gjelder tilkoblede systemer.

Tilgangs- og personvernkontroller

OpenAIs oppføring for Luma Health-pluginen krever en Luma-konto og innlogging via den tilkoblede organisasjonen. Hvilke handlinger som er tilgjengelige, avhenger av den tilkoblede kontoen og serverens verktøysett, mens endringer i timeavtaler og journalopplysninger krever en uttrykkelig handling fra brukeren. Integrasjonen er beregnet på autorisert helsepersonell som håndterer administrative arbeidsflyter for pasienttilgang, og gir ikke råd om diagnostisering eller behandling.

I Lumas dokumentasjon for MCP betegnes serveren for Model Context Protocol som tidlig tilgang. Den eksterne, vertsbaserte løsningen bruker nettleserbasert OAuth-innlogging. Samtykket omfatter de tilgjengelige verktøyene for den innloggede kontoen, også skrivehandlinger, og oppretter verken en skrivebeskyttet rolle eller et snevrere omfang for hvert enkelt verktøy. Standardtilkoblingen for ChatGPT kan bare vise standardverktøysettet, mens arbeidsflytspesifikke verktøy krever ekstra metadata i forespørselen. De to Agent Launchpad-verktøyene viser konfigurerte arbeidsflyter og påmeldinger, men melder ikke selv på pasienter og starter heller ikke arbeidsflyter.

Dokumentasjonen sier at opprettings-, oppdaterings- og avbestillingsoperasjoner bruker den autentiserte kontoens eksisterende Luma API-tillatelser, og at verktøykall loggføres sammen med tidsstempler, ressurs-ID-er og øktkontekst. I svarene erstattes telefonnumre og e-postadresser med tilgjengelighetsmarkører, bare fødselsåret vises, og forsikringsmedlemsnumre og journalnumre fjernes. Pasientnavn oppgis likevel når det er nødvendig for driften. Sladding gjøres etter beste evne, og enkeltkall knyttes til tokener snarere enn navngitte personer. Organisasjoner trenger også egnede kontroller for PHI og en BAA med leverandøren av den store språkmodellen (LLM).

På sin side om KI-styring sier Luma at kundene bestemmer hvilke arbeidsflyter agenter håndterer, hvilke handlinger de kan utføre i EPJ-en, når de kan arbeide, og hvilke informasjonskilder de kan bruke. Agentene stanser og eskalerer saken til ansatte når grensene nås, og respekterer alltid markeringer om at pasienter ikke skal kontaktes. Ansatte kan gjennomgå fullstendige meldingshistorikker, agenthandlinger, oppsummeringer etter samtaler og endringer i agentenes atferd.

For helsesystemer innebærer dette i praksis et samtalebasert grensesnitt for endringer i journalopplysninger og kontakt med pasienter. Hvor nyttig løsningen er, avhenger av kontrollene rundt den: hvilke kontoer som kan utføre handlinger, hvordan uttrykkelig hensikt fastslås, når ansatte overtar, og hvordan hver handling blir kontrollert.

Lila Rowan er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker området hvor kunstig intelligens, helse og mental velvære møtes. Hennes arbeid fokuserer på hvordan AI-drevne verktøy forbedrer diagnostikk, utvider tilgangen til omsorg og støtter mentale helsestjenester på måter som komplementerer - ikke erstatter - menneskelige kliniske eksperter.
Med et medfølende og evidensbasert perspektiv undersøker Lila kliniske studier, implementeringer i praksis og fremvoksende helsesteknologier gjennom et humanistisk perspektiv. Hun er spesielt interessert i AI-applikasjoner som reduserer barrierer for omsorg, forbedrer tidlig oppdagelse og støtter mental velvære samtidig som de respekterer pasientens privatliv, sikkerhet og etiske standarder.
Artikler skrevet av Lila Rowan er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre nøyaktighet, sensitivitet og ansvarlig rapportering om helse- og mentalvelværesteknologier.