"ה-Big Data ולימוד המכונה מסייעים לשפר את אורח החיים של חולים"

"טכנולוגיות ה-Big Data ולימוד המכונה עוזרות לנצל את המידע היום יומי שנדגם מהחולה בסביבתו הטבעית, היכן שעד היום הרופא, החוקר וחברת התרופות לא ראו נתונים אודותיו. מדידה רצופה מחוץ לכותלי המוסד הרפואי, בעזרת מכשור נגיש וזמין, מאפשרת לספק למיליוני חולים שימוש במידע היום יומי שלהם על מנת לשפר את אורח חייהם ולתת להם אפשרות להתמודדות טובה יותר עם מחלתם", כך אמר אסף עראקי, ארכיטקט ניתוח Big Data באינטל (Intel).

הוא אמר את הדברים בראיון לאנשים ומחשבים, שנערך במסגרת יום הבינה המלאכותית (ה-AI Day) של החברה, שנערך באחרונה בסן פרנסיסקו. לדבריו, "הרופאים רואים מידע סובייקטיבי יומיומי ויכולים לבצע שינויים בטיפול התרופתי, והחוקרים מקבלים כמות עצומה של מידע שמאפשרת להם לבצע פריצות דרך במחקר לגילוי תרופות".

עראקי, שעבד במשך 12 שנים באינטל ישראל, נשלח באחרונה על ידי החברה לרילוקיישן למטה שלה בעמק הסיליקון. הוא בעל 10 שנות ניסיון בלימוד מכונה ומערכות מבוזרות.

מה עשית באינטל לפני הרילוקיישן?
"הייתי חלק מקבוצת Advanced Analytics באינטל ישראל. לאחר שהייתי מוביל טכני, התחלתי לעבוד עם האקדמיה, וב-2012 השתתפתי בהקמת מרכז מחקר של אינטל באוניברסיטה העברית ובטכניון לאינטליגנציה חישובית. המרכז קיבל מימון של שלושה מיליון דולר לשנה, למשך חמש שנים. החוקרים התמקדו בלימוד מכונה, Big Data וארכיטקטורות מחשבים מתקדמות, בתקווה שעבודתם תוביל לפיתוח יישומים טכנולוגיים בתחומים שונים.

בנוסף, עבדתי עם אינטל קפיטל (Intel Capital), זרוע ההון-סיכון של החברה. באחרונה קיבלתי הצעה לעבור לעמק הסיליקון ולנהל את מחקר ה-Big Data ולימוד המכונה, עבור מחלקת הדטה סנטרים של אינטל".

מה עושה קבוצת ה-Advanced Analytics באינטל ישראל?
"הקבוצה מונה קרוב ל-150 מהנדסים ובראשה עומד איתי יוגב. היא הוקמה ב-2009, ומתמחה בפתרון אתגרים עסקיים וייעול תהליכים עבור אינטל העולמית, בתחומים שונים ומגוונים. הקבוצה גם פונה החוצה ומספקת פתרונות לגורמים חיצוניים בתעשיות שונות, כמו הבריאות.

בראייה פנימה, הקבוצה מוצאת דרכים לגידול בהכנסות של אינטל ולחסכון בעלויות, מייעלת תהליכי תכנון ויצור שבבים ומייצרת פתרונות לסוכני מכירות, לשיפור אלגוריתמים וכו׳… מכיוון שהיא כוללת מומחים בהנדסת תוכנה ובהבנה של תהליכים עסקיים, הקבוצה מצליחה לתרום רבות לאינטל העולמית".

תן לי דוגמה לפרויקט בולט שביצעה הקבוצה.
"אנדי גרוב, מנכ״ל אינטל בשנות ה-80'-90', חלה בפרקינסון בשנת 2000 ומאז קיווה למצוא דרכים טכנולוגיות לשיפור איכות החיים של החולים במחלה. הוא שאל ב-2013 את דיאן בריאנט, סגנית נשיאה בכירה ומנהלת קבוצת הדטה סנטר באינטל, מי בחברה יכול לעזור לו במשימתו. היא הפנתה אותו לאיתי יוגב והוא הזמין אותו לפגישה בעמק הסיליקון. גרוב קיווה שקבוצתו של יוגב תוכל למצוא דרכים לשיפור ההתמודדות עם המחלה דרך תובנות שיסיקו מאיסוף וניתוח Big Data.

לאחר שפגש את גרוב, יוגב וצוות המהנדסים שלו החלו ללמוד את התחום. הם גילו שמעט מאוד מידע נאסף מהחולים בזמן שגרה. לכן, הקבוצה החליטה לחלק לחולים שעונים חכמים לבישים, שיספקו מידע על תנועתם 24/7. המידע נאסף ונשמר בענן, וזמין לקבוצה ולמתעניינים אחרים, וכמובן לחולה ולרופא.

בעקבות הטכנולוגיה שפיתחה הקבוצה, אינטל הכריזה ב-2014 על שיתוף פעולה עם קרן הפרקינסון של מייקל ג׳יי פוקס, לשיפור המחקר והטיפול במחלה באמצעות ביצוע מחקר מקיף בשלבים, שיתבסס על המידע הרב החדש שנאסף מהחולים וניתוח הנתונים על גבי הפלטפורמה שנבנתה על ידי צוות המהנדסים הישראלים.

המחקר מתנהל כבר יותר משנה ומשתמש במידע שנאסף מיותר מ-1,000 חולים מרחבי העולם. המערכת יודעת לזהות את רמת הפעילות של המשתמשים, וכן לזהות ולמדוד רעד והפרעות בשינה. הנתונים האלה ואחרים עוזרים לחולה ולרופאיו לאזן אותו בחיי היום יום שלו.

הקבוצה עובדת כל הזמן על הגדלת מספר החולים המחוברים למערכת והוספת יכולות חדשות. באחרונה הוכרז על שיתוף פעולה נוסף של אינטל, הפעם עם טבע, למחקר דומה על מחלת ההנטינגטון, באמצעות אותה פלטפורמת הקוד הפתוח של אינטל שפותחה לחקר הפרקינסון (הכוונה היא ל-TAP – Trusted Analytics Platform)".

באילו עוד תחומים הקבוצה פעילה?
"אנחנו משלבים בין Big Data ללימוד מכונה ומייצרים עבור אינטל יתרון תחרותי בשווי של מאות מיליוני דולרים בשנה, בכל מוקדי הפעילות העסקית של החברה: פיתוח שבבים, ייצור, ושיווק ומכירות. בנוסף, אנחנו משתמשים בידע שנצבר כדי לפתח מוצרי תוכנה שאינטל משווקת בתחום ה-Deep Learning".

לאן הולך עולם ניתוח ה-Big Data?
"Big Data ולמידת מכונה הם כלים שאפשר להשתמש בהם בכל תחום בחיים – החל ממכירות וכספים וכלה בבריאות וחינוך, על מנת לשפר את חיינו כבני אדם, לטייב את יכולות הלמידה והבריאות האנושית. כמות הדטה גדלה ומתווספים לנו סוגי מידע במבנה חדש ובגדלים חדשים, כגון מידע מחיישנים ומידע גנומי. כמויות המידע העצומות מחייבות אותנו לשיטות חדשות לעיבוד מידע, כמו למידה על המידע תוך כדי זרימתו, שימוש באלגוריתמים כגון רשתות נוירונים עמוקות ושיפור ביצועי האלגוריתמים על ידי שיפור התוכנה והחומרה.

החיבור בין למידת מכונה ו-Big Data הוא המאפשר את פריצת הדרך בעולמות החדשים כגון בריאות, רכבים אוטונומיים וחינוך. אפשר להשתמש באחד בלי השני ועדיין להגיע לתוצאות יפות. אלא שהשילוב בין השניים גם מעלה את סיבוכיות הפתרון ומצריך אנשים שיש להם ידע בשתי הדיסציפלינות. אנחנו, באינטל ישראל, תומכים כבר שנים רבות בקידום שני התחומים באוניברסיטאות בישראל, באמצעות מרכזי המחקר שהקמנו באוניברסיטה העברית ובטכניון, מעבדות Big Data שתרמנו וקורסים שמהנדסים שלנו מלמדים באוניברסיטאות בתל אביב, באר שבע וחיפה".

הכותב הינו שליח אנשים ומחשבים לאירוע.