המהפכה התעשייתית הרביעית: השימוש ההולך וגובר בדטה וב-AI, גם בבריאות

"אחת השאלות הגדולות שאנחנו צריכים לשאול אותנו, במיוחד לאור השנה שעברנו, היא כיצד לקחת מידע דו-ממדי ולהפוך אותו לתמונה תלת-ממדית; כיצד להפוך אותו למשהו שמאפשר לנו ללמוד יותר ולקבל החלטות טובות יותר במסגרת מסע ההמרה שעוברים כיום ארגונים; כיצד מקשרים בסופו של דבר את העסקים לטכנולוגיה ויוצרים את אותו משהו שנותן ערך", כך אמר מני צרפתי, מנהל ארכיטקטורת פתרונות אזורי ברד האט בשבוע שעבר, בוובינר IT Digital Health – After COVID-19.

את הכנס, שהופק בידי מחלק האירועים של קבוצת אנשים ומחשבים, הנחה העורך הראשי יהודה קונפורטס, והוא משך אליו מאות אנשי מקצוע. בדומה לשאר הדיונים בהם התייחסו לתחום הבריאות הדיגיטלית בעידן בו מגיפת הקורונה הייתה בשיאה, וגם כעת שאנחנו במצב טוב בהרבה, צרפתי הציג את הפלטפורמה שמציעה רד האט ליישום בינה מלאכותית ולימוד מכונה להאצת שירותי הבריאות.

"עד לפני שלוש-ארבע שנים כולנו דיברנו על תוכנה, תוכנה ועוד תוכנה, שהיא מנצחת את העולם. אז הנה הגיע המהפכה התעשייתית הרביעית, וכבר ברור לכולנו שהיא בעצם השימוש ההולך וגובר בדטה ובבינה מלאכותית. חווינו את זה בשנה וחצי האחרונות בצורה הרבה יותר עוצמתית. בסופו של דבר את הידע, התובנות ואת השכל אנחנו מקבלים מהדטה. בנייה נכונה שלו, וניצול נכון של מה שהוא מציע, יובילו בסופו של דבר לתוצאות שאנחנו רוצים", תיאר צרפתי את מצב שוק הבריאות הדיגיטלי בפרט, ואת המחשוב המודרני בכלל.

לקצר זיהוי תופעות בריאותיות ולהציל חיים

הוא הביא כסיפור לקוח פרויקט שביצעה רד האט עבור רשת בתי החולים HCA Healthcare, ממובילות ספקי הרפואה בארצות הברית עם למעלה מ-180 בתי חולים ועם למעלה מ-30 מיליון מפגשים בשנה עם פציינטים, ב-21 ממדינות ארצות הברית, ועם אתרים גם בבריטניה.

"מדובר בפרויקט ששמו SPOT שמטרתו לנתח פעילויות סביב הטיפול בספסיס (אלח דם). למעשה כל דקה שמזהים אותו מוקדם מעלה את הסיכוי להציל חיים. בפרויקט הזה, שה-HCA הובילו, ואנחנו הענקנו את הסיוע הטכנולוגי, הצליחו לקצר את זיהוי הבעיה בחמש שעות, ואתם יכולים להבין כמה אנשים נותרו בחיים בעקבות הדבר הזה. ומדובר בהיבט רפואי בו סכנת המוות גדולה בעד 7% עבור כל שעה שהטיפול נדחה", הוא סיפר.

צרפתי הסביר שמעבר למוות יכול ספסיס לגרום למחלות שונות מסביב, כמו גם להוצאות גדולות למטופל ולגוף המטפל.

בינה מלאכותית ולמידת מכונה על בסיס נתונים. הקדמה ברפואה. אילוסטרציה: BigStock צילום: BigStock

"לתת לצוות הרפואי יכולת לקבל את ההחלטות בזמן אמת ככל האפשר"

"אז מה ניסינו להשיג? מערכת שתעזור למטפלים באופן אוטומטי עם תובנות, עם נתונים שאפשר ללמוד. אני יכול ללמד את המערכות כדי לגרום להן להביא עבורי תוצרים יותר טובים. המטרה אינה להפוך את הצוותים הרפואיים לטכנולוגיים, אני לא צריך אותם כאנשי מחשבים, אלא אני צריך לעזור להם לקבל את ההחלטות היותר טובות ונכונות. ויותר מכך – אני רוצה לתת לצוות הרפואי את היכולת לקבל את ההחלטות בזמן אמת ככל האפשר, ולא משנה היכן הם נמצאים בתוך הסיטואציה".

הוא גם אמר בנוסף שהיה ברור שזה חייב להיות פתרון שאפשר לנייד. "צריכים לפרוס אותו בהרבה מאוד בתי חולים, ובעולם, שבו מדברים כעת על רפואה מרחוק, אז כן, בהחלט גם לאפשר שימוש מהפריפריה וממקומות מרוחקים. כן, היה ברור שכל שנצבור יותר מידע, ככל שנשלב יותר מחקרים ונתוני משוב, כך נוכל להגיע למודלים יותר מדויקים שעוזרים עוד ליותר להצלת החיים", הוא טען.

"קפיצה אדירה באחוז האיתור"

בסופו של דבר התבנית של הפתרון המוצע התבססה על מחשוב ענן, כדי שניתן יהיה להפוך אותו לזמין מכל מקום ובכל מקום, שזה יהיה פתרון שידע לגדול באופן עצמאי, שגם יכיל תהליכי שיפור אוטומטיים, ובהתאם למתודולוגיה של רד האט, שיהיה מבוסס על תקני תוכנה פתוחים, גם בגלל הסיבה שעובדים על מחקרים משותפים, שהמידע מהם צריך להיות זמין לכולם. כן הוקנתה חשיבות להיבט של אבטחת המידע, כולל שמירה על פרטיות, כי מדובר בנתונים סופר-רגישים, וכן שאפשר יהיה לתפעל את הפתרון באופן פשוט עם עמידה בתקנים רפואיים.

"זה הוביל לקפיצה אדירה באחוז האיתור, מכמה אחוזים בודדים אל יותר מ-92%, עם בזבוז פחות זמן מיותר של הצוות הרפואי, שיכול היה להקדיש אותו לטיפול במקום לביצוע הערכות ומחקרים שאת זה המכונות יכולות לעשות. יודיעים יותר טוב מה הולך לקרות, ולומדים היכן להשקיע את המשאבים בצורה נכונה. וכאמור, זוכים בעוד חמש שעות לטיפול יותר טוב בלקוח עם תוצר מאוד משמעותי של בריאות הפציינט וגם בריאות המערכת", הוא סיכם.