כך הבינה המלאכותית מסייעת למחקרים בעולם הבריאות

"נדרש שיהיה מודל עסקי ליישומם בעולם ה-'אמיתי' של מחקרים אודות בינה מלאכותית בתחום הבריאות הדיגיטלית. בסופו של יום, על אף שיש בעולם זה הרבה באזזז סביב הבינה המלאכותית, עדיין אין הרבה יישומים שלה בבתי החולים, משום שהמודל העסקי שהיא מביאה אתה עדיין לא פוצח בצורה טובה. על בכירי המערכת להקדיש לזה מחשבה", כך אמר ד"ר יונתן סביר מהפקולטה לרפואה על שם רפפורט בטכניון.

ד"ר סביר דיבר בפאנל שנערך כחלק מכנס הבריאות הדיגיטלית השנתי של אנשים ומחשבים, ושעסק בבינה מלאכותית בעולם הבריאות הדיגיטלית. הכנס התקיים באחרונה באולם האירועים לאגו בראשון לציון, בהשתתפות מאות מומחים ואנשי מקצוע בתחום. מנחת הפאנל הייתה עדי זמיר, מנהלת שותפות aMoon-Roche, ומנחה הכנס כולו – יהודה קונפורטס, העורך הראשי של אנשים ומחשבים.

זיהוי ביומרקרים

בפאנל הוצגו מחקרים ופיתוחים שונים, שפותחו במוסדות מחקר (ובחברה מסחרית אחת) בעולם הבריאות הדיגיטלית והביו מדיקל. ד"ר סביר סיפר על מחקרים שהוא וצוותו עורכים. לדבריו, "אנחנו משתמשים בבינה מלאכותית כדי לזהות טוב יותר ביומרקרים (חומרים ביולוגיים שיכולים להעיד על קיומן של מחלות שונות אצל המטופלים – י"ה). למשל, ניתן לבצע באמצעותה ניתוח יעיל יותר של חתך. השלב הבא הוא לזהות ביומרקרים חדשים, קשים למדידה, כגון טמפרטורה או קצב נשימה, ולמצוא התפלגות חום בכל הגוף".

"המישור השני שבו אנחנו משתמשים ב-AI – מישור הרבה יותר מאתגר – הוא לקשור את הביומרקרים להחלטה קלינית", אמר. ד"ר סביר נתן שתי דוגמאות כדי להמחיש את דבריו: "הדוגמה הראשונה היא פתולוגיה דיגיטלית. התחום עבר מהפכה משמעותית בשנים האחרונות עם הביג דאטה. יש כיום מגוון אדיר של כלים דיגיטליים בתחום הזה, אבל לקשור את הנתונים להחלטה קלינית זה הרבה יותר מורכב, כי הרבה תרופות חדשות מגיעות עם קומפניין דיאגנוסטיק (מבחן שנועד על מנת להתאים בין המטופל לתרופה – י"ה) משלהן. ההחלטה האם לתת למטופל תרופה מסוימת או לא היא גם נגזרת מהממצאים של חברת התרופות. הדוגמה השנייה היא בתחום אבחון המצב בהפריה מלאכותית. כיום, התהליך הזה מבוצע בצורה ידנית לחלוטין. אנחנו, בטכניון, מפתחים כלי AI שיכולים לאבחן את המצב בצורה אוטומטית, אבל לא להחליט האם להחזיר את הביציות לאישה או לא – זה עדיין רחוק".

מידול התנהגות אנושית בעולם הבריאות

פרופ' ארז שמואלי, חבר סגל אקדמי בכיר במחלקה להנדסת תעשייה וראש מעבדת ביג דאטה באוניברסיטת תל אביב, אמר כי "רוב המחקר שצוותי ואני מבצעים עוסק במידול התנהגות אנושית ובניסיון לחזק אותה בעזרת מידע מהעולם האמיתי. בשנים האחרונות אנחנו מתעסקים בעיקר בעולם הבריאות. לפני ארבע שנים הקמנו פרויקט על מנת לזהות נדבקים במחלות נשימתיות, כגון שפעת וקורונה. רופא המשפחה רואה את המטופל לזמן קצר מאוד, ולא סתם הרבה מההחלטות שלו שגויות. המערכת שלנו משלבת מידע מהרבה מאוד מקורות – על המחלה ועל החולה, כולל נתונים פיזיולוגיים והתנהגותיים שלו. היא התחילה עם ניסוי קליני בהשתתפות 4,000 איש. אספנו מידע על המטופלים וביקשנו מהם לענות בכל יום על שאלון. כמו כן, אספנו מידע פיזיולוגי משעונים חכמים, למשל על הרגלי השינה של המטופלים".

"כיום", ציין, "המודל מסוגל לזהות בצורה טובה באיזו מחלה המטופל נדבק. יתרה מזאת, הוא מסוגל לזהות, בסבירות גבוהה, שהאדם נדבק בקורונה יום לפני שהוא מאובחן כחיובי, בשיעור גבוה".

מימין: ד"ר יונתן סביר, הטכניון; פרופ' ארז שמואלי, אוניברסיטת תל אביב; ד"ר נדב רפפורט, הטכניון; וטובי כרמון, ג'ובאן. צילום: ניב קנטור

"תוך כדי המחקר גילינו עוד דברים שהמודל יכול לגלות", ציין פרופ' שמואלי. "כך, בתקופת הקורונה ביצענו את הניסוי הגדול ביותר בחיסונים ואבחנו כיצד האוכלוסייה הושפעה מהסגרים שהיו. כמו כן, ראינו את ההשפעות הבריאותיות על הציבור בתקופת שומר החומות ואת החזרה המהירה לשגרה, ממש באותו היום שבו המבצע נגמר. בגמר המונדיאל ראינו בבירור איך המדדים השונים משתנים אצל גברים כתוצאה מהצפייה במשחק. המדדים הגיעו לשיא בבעיטות העונשין – וחזרו לשגרה מיד כשהן נגמרו. בקרב הנשים לא חל שינוי".

פרויקט כנר"ת

ד"ר נדב רפפורט הוא חוקר באוניברסיטת בן גוריון ומוביל פרויקט כנר"ת בחטיבת בתי החולים הממשלתיים במשרד הבריאות. במסגרת פרויקט כנר"ת (ר"ת כריית נתונים לתובנות רפואיות) משרד הבריאות כורה דאטה מבתי החולים הממשלתיים, לטובת מחקר באקדמיה, לשימושן של חברות סטארט-אפ ולצרכים נוספים. הוא אמר כי "הנתונים שמתקבלים ממערכת כנר"ת הם מכרה זהב. המערכת יודעת לשלוף את הנתונים, לטייב ולהתמים אותם, להעלות אותם לענן כדי לא להעמיס על התשתיות של בתי החולים ולהנגישם".

"העלאת הנתונים לענן היא אתגר מבחינתנו, משום שזה דורש לעבור ועדת ענן", ציין ד"ר רפפורט. "היה צריך להקים ועדות כאלה, כי הן לא היו בבתי החולים הממשלתיים. זה גרר ביצוע תהליכים נוספים ובקיצור, לא מעט ביורוקרטיה".

"המערכת מספקת לבתי החולים את הנתונים ואת התשתית שמאפשרת להשתמש בהם", הוסיף. "הנתונים יכולים לעזור לבתי החולים ולמערכת הבריאות בכלל על מנת לשפר את השירות למטופלים".

"איפה המטופל פוגש את הבינה המלאכותית?", שאל ד"ר רפפורט והשיב: "המטופל מצביע ברגליים כשיש פרסונליזציה, כשהוא מקבל טיפול שמותאם לו אישית – והבינה המלאכותית מסייעת בכך מאוד".

זיהוי פוליפים במעי הגס דרך צילום הלשון

טובי כרמון, סמנכ"לית התפעול של חברת הביו-טק ג'ובאן, סיפרה על המערכת שהחברה פיתחה, שמזהה פוליפים במעי הגס דרך צילום הלשון של המטופל. "המערכת מאפשרת לראות האם יש פוליפים והאם צריך לעשות קולונוסקופיה", אמרה. הכוונה היא לפוליפים לא סרטניים, אבל שיש סיכוי שהם יהפכו להיות כאלה.

כרמון ציינה כי "לצורך פיתוח המערכת התבססנו על מחקר שנעשה באירלנד, שמצא קשר חד משמעי בין חיידקים בלשון להימצאות הפוליפים. בזכות ה-AI אנחנו יודעים לזהות את החתימה הספקטרלית ולזהות האם יש או אין פוליפים. המחקר התבצע במרכזים רפואיים, בקרב מעל 13 אלף מטופלים. הכנסנו את המידע הרפואי שלהם והרצנו על הנתונים את הלימוד העמוק ואת ה-AI. התוצאה היא שהמערכת יודעת להגיד, בהסתברות מסוימת, האם יש פוליפים לא סרטניים במעי הגס של המטופל".

לדבריה, בניגוד לבדיקות סקר, המערכת של ג'ובאן יודעת לזהות את הפוליפים עוד לפני שהם נכנסים למערכת הדם של המטופל.