"נדרשת מהפכה דיגיטלית מיידית של ארגוני הבריאות"

"נגיף הקורונה שיקף את מגבלות מערכת הבריאות האנלוגית שלנו. אנחנו זקוקים לכך שהמערכת תעבור מהפכה דיגיטלית באופן מיידי, כדי להתמודד עם המשבר הזה. על מנת להמשיך לתפקד, ארגונים ומוסדות השכלה גבוהה עשו מעבר פתאומי לשיחות ועידה בווידיאו ולפתרונות דיגיטליים אחרים, בעוד שמערכת הבריאות עדיין מנהלת את המשבר הזה בעיקר באמצעים ישנים ומסוכנים, כולל ביקורים פיזיים", כך אמרה ד"ר קירה רדינסקי, מייסדת משותפת, יו"רית וסמנכ"לית הטכנולוגיה של הסטארט־אפ דיאגנסוטיק רובוטיקס.

ד"ר רדינסקי דיברה הבוקר (ד') במסגרת שבוע הבינה המלאכותית של המרכז למחקר סייבר בינתחומי על שם בלווטניק בשיתוף המרכז לבינה מלאכותית ומדעי הנתונים באוניברסיטת תל אביב.

דיאגנסוטיק רובוטיקס, שקמה בטכניון, מפתחת מערכות בינה מלאכותית לאוטומציה וחיזוי בעולם הדיאגנוסטיקה הרפואית, על מנת לסייע לרופאים ולמטפלים לקבל החלטות אבחוניות מהירות ומדויקות יותר. על בסיס בינה מלאכותית וניתוח ביג דטה, החברה מנסה לחזות מראש הידרדרות של חולים.

ד"ר רדינסקי בת ה-35 היא מדענית פורצת דרך בתחום הבינה המלאכותית ואחת מ-35 הממציאות והממציאים הצעירים הבולטים בעולם – לפי אוניברסיטת MIT. בעבודת הדוקטורט שלה היא פיתחה מנגנונים לניבוי אירועים, שמתבססים על איסוף מידע מאתרי חדשות ומהרשתות החברתיות, ובין היתר חזתה את התפרצות מגפת הכולרה בקובה ב־2012. כמו כן, היא פיתחה אלגוריתמים שמסוגלים לחזות אירועים עתידיים, כמו מגיפות ומתקפות טרור.

"בקרוב: העומס על בתי החולים בקורונה יהיה העומס ה-'רגיל'"

לדבריה, "אוכלוסיית העולם הולכת ומזדקנת, ובתוך זמן לא רב, העומס שהיה בארגוני הבריאות בעולם בעת הקורונה יהיה העומס ה-'רגיל'. כבר כיום, קרוב לשליש מאוכלוסיית העולם לא זוכה לקבל את הטיפול הרפואי הראוי. זמן ההמתנה בחדר מיון בבית חולים בסין עומד בממוצע על שמונה שעות".

היא ציינה ש-"דיאגנוסטיק רובוטיקס משתמשת ביותר מ-60 מיליארד ביקורים רפואיים היסטוריים לטובת יצירת שכבה אוטומטית, עבור שירותי בריאות דיגיטליים. כך, אנחנו מנסים לענות על אתגרי היצף המידע ועומס הצוותים הרפואיים. במהלך הקורונה כולנו ראינו מה אירע כשנוצר עומס על מערכת הבריאות. כדי לפתור מצבים כאלה, ובכלל, נדרש להגיש לרופאים ולרופאות נתונים חיוניים, שבעזרתם הם יוכלו לקבל את ההחלטות הטובות ביותר. כך ניתן יהיה לשפר את תהליך המיון הראשוני, ה-Triage, שבו נקבע סדר העדיפויות של הטיפול בחולים, בהתבסס על חומרת מצבם".

בית חולים. צילום: BigStock

ד"ר רדינסקי הצביעה על כמה מהקשיים בעת הטיפול בחולים, ועל ניתוח נתונים שונים כמענה לכך. "מצאנו שיש הבדלים משמעותיים בין היקף המטופלים שהתלוננו על כאב בחזה לעומת שיעור המקרים שהרופאים דיווחו על כך. עוד ממצא הוא שבעוד ש-21% מהמטופלים דיווחו על כאב בחזה בצד שמאל, רק 5% מהרופאים עשו זאת. מסתבר שהדרך שבה הצוות הרפואי שואל את המטופלים שאלות משפיעה על הנתונים וגם על אופן הטיפול. לכן, יש להתמקד לא רק באבחנה של הרופאים, אלא בניווט הטיפול לכל אורכו. אנחנו עושים את זה נעשה על ידי איחוד נתונים וניתוח שלהם – והכל תוך בניית ההקשרים הנכונים. כמו כן, שילבנו בין נתונים טקסטואליים לנתוני צפייה", אמרה.

"לימוד המכונה משמר הטיות במקום להעלים אותן"

לדבריה, "אתגרים נוספים טמונים בבניית המודלים לעיבוד שפה טבעית (NLP). כמו כן, יש צורך להתגבר על הטיות שונות – של מגדר, של המדינה שבה נמצאים המטופל ובית החולים, ועוד. גילינו שמערכי לימוד מכונה 'משמרים' את ההטיות, במקום להעלים או לצמצם אותן".

"קיבלנו גישה למיליארדי תיעודים של פגישות רפואיות, במטרה לשפר את הליכי הטיפול בחולים, על בסיס ניתוח שלהם", אמרה ד"ר רדינסקי.

היא ציינה ש-"התחום שופע אתגרים: החל מהעומס המוטל על כל רופא ורופאה, עבור בריבוי המחקרים והמאמרים המקצועיים המתפרסמים, וכלה באתגר שיש בישראל – של 'הבנת' השפה העברית. הכנו כלים שיודעים לתשאל את המטופל, ולצפות כמה הטיפול בו דחוף ואילו בדיקות הוא צריך. כך אפשרנו אוטומציה במערכת הבריאות".

"פיתחנו מערכת לרפואה מניעתית, פרו-אקטיבית, שמתבססת על בסיסי הנתונים של ארגוני הבריאות ועל התמונה ההיסטורית של הטיפולים. המערכות שלנו משלבות מגוון מקורות נתונים בזמן אמת: חיישנים על גופי המטופלים, תוצאות בדיקות מעבדה וניתוח רשומות רפואיות. כך אנחנו מסייעים לארגוני בריאות במימוש מעמיק ומהיר של תהליכי דיגיטציה ואוטומציה, לטובת קבלת החלטות רפואיות עם תעדוף, בהתבסס על נתונים וניתוח שלהם. ניתוח הנתונים עשוי להציל חיים של רבים ולהאריך את החיים של רבים אחרים", הוסיפה ד"ר רדינסקי.