כיצד תחום ה-AI ישנה את הביקור הבא שלכם אצל הרופא?

אתם רגילים להתקל בטכנולוגיות הללו יותר ברמה של מילות באזז, אבל הן יכולות לשנות וממש את אחד התחומים המהותיים בחיינו

doctor

קרדיט צלם\תמונה: Adam Berry, Getty Images Israel

מאת ד״ר יוני גולדוסר ואלעד וולך

האתגרים העומדים בפני עולם הרפואה שטכנולוגיות בריאות דיגיטלית יכול לעזור לפתור נופלות באופן כללי לשתי קטגוריות: מֶרכָּזִיוּת חולה, ומודלי טיפול חדשים.

מרכזיות החולה מתייחסת לשינוי תפיסה לגבי איך רופאים חושבים על המטופלים ועל הטיפול בהם. משמעות הדבר היא ראשית התמקדות בשמירת הבריאות, ולא בטיפול בחולי: גם טיפול מונע טוב יותר, וגם אבחון וטיפול מהירים וטובים יותר. שנית, מדובר בטיפול רפואי אישי, הרואה בחולים לא כמקשה אחת, אלא פרטים שעשויים להגיב בצורה שונה לחלוטין לטיפול.

מודלים חדשים להנגשת טיפול מונעים על ידי חוסר היכולת להמשיך לתמוך במודלים הנוכחיים בתחום הבריאות. הכלכלות המערביות מגיעות לקצה יכולתן להשקיע משאבים בתחום הבריאות, מה שאומר שאנחנו צריכים לעשות יותר עם פחות. ספציפית, הלחץ הגובר על רופאים ואחיות – המשאב הנדיר ביותר שלנו – הוא תוצאה של שני גורמים: ההזדקנות של דור ה”בומרס” ושטף המידע במערכות הבריאות המודרניות. ראשית, תופעת הבומרס, שהם לא רק אוכלוסייה מבוגרת וחולה יותר, אלא גם זו שכוללת אלפי רופאים ואחיות הפורשים לגמלאות, מחמירה את המחסור באנשי מקצוע רפואיים. שנית, צוותים רפואיים מוצפים כיום במידע חדש על מחלות ושיטות טיפול מומלצות, נתונים קליניים ומשימות לניהול נתונים. צוותים אלו זקוקים נואשות לכלים כדי לעזור להם להתמקד בתחום התמקצעותם ולהפחית את העומס עליהם, כדי שיוכלו לספק לחולים את הטיפול הטוב יותר.

Medicus ex machina – האם בינה מלאכותית היא הישועה?

מערכות מבוססות בינה מלאכותית (AI) יכולות לעזור לפתור את בעיית מרכזיות החולה על ידי כריית תובנות מהררי נתוני מטופלים באופן שלא ניתן היה לעשות עד כה; ועל ידי ביצוע של חלק גדל והולך של עבודה קלינית ולא קלינית על-ידי מחשבים. מידת ההתקדמות של שילוב מערכות AI בקליניקה משתנה בין תחומים רפואיים, ומונעת על ידי האיזון בין הכוח הדוחף של ההתפתחויות החדשות בטכנולוגיית AI, מצד אחד; ומצד שני, התנגדות המשתמשים (רופא / ביה”ח, ובמידה מסוימת, המבטח) והרגולטור עקב או שמרנות, שנאת סיכון, או שניהם.

ההתנגדות לאימוץ טכנולוגיות AI היא ראשית בשל חסמי האימוץ הגבוהים המאטים בעצם את אימוצה של כל טכנולוגיה חדשה בתחום הרפואי. מחסומים אלה הם גם חסמים לא פורמליים, שמוצבים על ידי הממסד הרפואי וגם כאלה שרגולטורים (בעיקר ה-FDA) מציבים כדי למנוע אימוץ טכנולוגיות המסכנות חולים ללא צורך.

אנו צופים שמערכות מבוססות AI תשולבנה בתחום הבריאות בשלושה שלבים.

טכנולוגיית AI מסייעת

בקצה של מה יכול להיחשב AI, אנו מוצאים מערכות פשוטות יחסית, המבוססת על חוקים. דוגמה קלאסית היא גיליון Excel. במערכות כאלה, התפיסה, החלטה, וצעדי פעולה הם חיצוניים למערכת ומבוצעים על ידי המשתמשים. המודל לא משתנה בתגובה לביצועים, אלא אם המתכנת משנה את הכללים באופן ידני.

AI מסייעת כוללת גם מערכות מורכבות יותר הדורשות רמות גבוהות יותר של הפשטה, למשל, מערכת המזהה סוגי פרחים בתמונות דיגיטליות. ברפואה, מכשיר שיכול לעשות אבחונים פשוטים המבוססים על סדרה של בדיקות מעבדה הוא דוגמה טובה של AI מסייע. הסטארט-אפ הישראלי MeMed בונה מכשיר אבחון פשוט הקובע אם חולה סובל מזיהום חיידקים או ויראלי. המטרה היא להדריך טיפול טוב יותר ולצמצם את התפתחות החיידקים MDR.

מערכות AI אוגמנטטיביות

מערכות אוגמנטטיביות מעצימות את המודלים המופשטים שהן מבוססות עליהן (במקרים מסוימים, בדרכים שהן לפעמים תעלומה אפילו למי שתכנן את המערכת). מערכות אלה עשויות לקחת חלק בתהליך קבלת החלטות, ובמקרים אלה, הן מכונות מכשירי אבחון. זאת להבדיל ממערכות תומכות החלטה, שאינן טוענות שהן מאבחנות מחלה אלא רק מספקות מידע מעבד למאבחן. עם זאת, בכל מקרה הן שומרים את “האדם בלולאה” (Human in the Loop): משתמש אנושי הוא זה שבסופו של דבר אחראי לתרגום ההחלטה לפעולה. כמובן, המשתמש יכול לעקוף את המלצת המערכת. מָשׁוֹב לגבי התיקונים שעורכים המשתמשים מוזן חזרה לתוך מחזורים עתידיים של למידה. לפיכך, המודל משתפר ללא הרף. רוב מערכות AI מבוססות-תמונה/הדמייה נופלות לקטגוריה זו. Aidoc למשל, משתמשת ב-AI כדי להעצים את יכולתו של הרדיולוג לפענח מקרים בצורה יעילה יותר ועם פחות טעויות. הפתרון של Aidoc מזהה חריגות בסריקות CT, ובכך מסייע לרדיולוג להתמקד באזורים החשובים ביותר.

lab

מערכות AI אוטונומיות

מערכות אוטונומיות מנסות “לסגור את הלולאה” ולהוציא את בני האדם ממחזור הלימוד של המערכת. לעתים קרובות מערכות כאלה משלבות פונקציות החישה והפעולה. כתוצאה מכך, המכונה יכולה לפעול באופן עצמאי, וללמוד מן הטעויות שלה (וגם טעויות של מכונות אחרות). מכונית אוטונומית היא דוגמה לכך. ברפואה, הרובוטים הדיגיטליים, כמו אלה המוצעים על ידי Woebot ו-Babylon Health מתעתדות להחליף רופאים ואחיות, לפחות במצבים מסוימים.

היכן אנחנו עומדים היום?

אנחנו עכשיו רק מתחלים לראות יישומים מבוססי עיבוד שפה (natural language processing, NLP) מוצלחים ראשונים. יישומי AI אלה מפגרים אחרי האחרים בעיקר בגלל מורכבותה של השפה האנושית. דוגמאות טובות כוללות את צ’אטבוטים שמנסים לקחת חלק בשלל השיחות המתקיימות בין החולה ורופאיו.
עיבוד נתונים מתוך רשומות רפואיות אלקטרוניות (EHR) ומחקרים גנומיים היו יעדים מוקדמים עבור יישומי ביג דאטה. יישומים מתחומים אלה מסתמכים על טכניקות AI, אשר יכולות לכרות תובנות מתוך הררי נתונים, ומגלים דפוסים שיהיו בלתי נראים למשתמש האנושי. יישומים אלו קלים יותר לניתוח בשיטות AI בין השאר בזכות זמינותם של נתונים מובנים.

אבחון מבוסס דימות קיבל דחיפה ענקית הודות לזינוק בטכניקות ה-Deep Learning. מבנים כגון רשתות קונבולציה (CNN), אפשרו למכונות לבצע אבחנות מבוססות דימות בשיעורי דיוק הדומים לאלה של רדיולוגים, אם כי ביישומים צרים בינתיים (למשל, MedyMatch בזיהוי שבץ מתמונות CT).
זיהוי דיבור הוא יישום ברמת הפשטה נמוכה של AI, שבאופן קצת מפתיע, ממשיך לאתגר את קהילת המתכנתים. עם זאת, כיום, הוא מגיע ליכולות כמעט אנושיות (בתנאים אידיאליים). קרוב לוודאי שבמהלך השנתיים הקרובות זיהוי דיבור יהפוך ליישום אוטומטי לחלוטין, “ללא מגד יד אדם”, המאפשר, למשל, הכתבה חופשית. עבודתם של ענקי טכנולוגיה בתחום זה – בעיקר אפל, גוגל ואמזון – מקרבת את היום הזה במהרה.

אנו צופים כי כל היישומים יגיעו לשלב האוגמנטטיבי, ובסופו של דבר, לשלב האוטונומי. הרפואה היא תחום מורכב שמרגיש קשה לכימות, אבל יותר ויותר יישומים הופכים למבוססי AI כבר היום, ובהינתן מספיק נתונים והתקדמות במחקר ופיתוח, רוב התפקידים המבוצעים על ידי רופאים ואחיות יהיו ניתנים לביצוע על ידי מכונות בעתיד הלא מאוד רחוק. למעשה, אלמנט המפתח המגביל את התפשטות יישומי ה-AI יהיה הבחירה שלנו לשמור על אלמנטים מסוימים של הקליניקה בידיהם של בני אדם. יש לציין כי ככל שהקו בין טכנולוגיות אוגמנטטיביות לאוטונומיות מטשטש, אנו נראה מקור נוסף של התנגדות אליהן: בעוד טכנולוגיות אוגמנטטיביות נועדו להקל על הנטל על הרופאים, טכנולוגיות אוטונומיות יכולות לאיים על פרנסתם, או לפחות לסכן את מעמדם כמקורות האולטימטיביים של ידע במערכת הבריאות. יתר על כן, הם יכולים לגרום להסטה של עבודה (ולכן, הכנסה) מסוג אחד של רופא (למשל, מומחה, או מנתח) לסוג פחות מיומן (למשל, interventionalist, GP, או אפילו אחות). לפיכך, רופאים יכולים להתנגד לאימוץ טכנולוגיות אלה או אפילו למחקר הנדרש לפיתוח שלהן על מנת להגן על פרנסתם.

מה זה אומר עבור משקיעים ויזמים?

יזמים בתחום ה-AI הרפואי מתמודדים עכשיו עם שני אתגרים חדשים. הראשון נובע ממחוסר במודלים עסקיים מוכחים. אמנם ברור כי חברות סטארט-אפ מבוססות AI יוצרות ערך, הנכונות לשלם עבור השירותים שלהם עדיין צריך להיות מוכח בשוק. אנחנו – כמו רוב משקיעים ויזמים בתחום – חשים כי סוגיה זו תיפתר עם הזמן. עם זאת, אנו צופים גם תקופת הסתגלות שיכולה להיות קטלנית לטכנולוגיות חדשות בינתיים.

האתגר השני הוא כיצד סטארטאפ יכול לשמור על יתרון יחסי בתחום שבו טכנולוגיות הליבה עליהן הוא מבוסס עוברות קומודטיזציה (commodotization) בשיעור יוצא דופן. הסביבה המתעצבת היא כזו שבה המשאב הנדיר ביותר הוא כישרון חדשני.

ד”ר יוני גולדוסר הוא משקיע הון סיכון ויזם, אלעד וולך הוא מנכ”ל חברת Aidoc

כתב אורח

אנחנו מארחים מפעם לפעם כותבים טכנולוגים אורחים, המפרסמים כתבות בתחומי התמחות שלהם. במידה ואתם מעוניינים לפרסם פוסט בשמכם, פנו אלינו באמצעות טופס יצירת קשר באתר.

הגב

2 Comments on "כיצד תחום ה-AI ישנה את הביקור הבא שלכם אצל הרופא?"

avatar
Photo and Image Files
 
 
 
Audio and Video Files
 
 
 
Other File Types
 
 
 
Sort by:   newest | oldest | most voted
יהודה רוימי
Guest

אפליקציית גיוס עובדים לעסקים Jobibon עושה לכם את העבודה במחלקת משאבי אנוש. http://www.jobibon.com

יוגה
Guest

כן וגם!

wpDiscuz

תגיות לכתבה: