חברות בינה מלאכותיות ישראליות כבר מקבלות אישורי FDA לתוכנות פענוח הדמייה, במרכזי סרטן בארה”ב מחשב לומד מלווה את האונקולוג בניהול המטופלים וגם קופת חולים ישראלית מציעה ‘פענוח’ עצמי על בסיס מערכת לומדת.
כמה אנחנו רחוקים מהחלפת הרופאים במחשבים?
מוקדם יותר בחודש יוני השנה רשמה חברת זברה הישראלית (Zebra Medical Vision) הישג בדמות אישור FDA נוסף לתוכנה מבוססת בינה מלאכותית לפענוח בדיקות דימות. הפעם הצליחה החברה לזכות בהכרה האוליטימטיבית בתוכנה HealthICH, שמפענחת בדיקות CT בשאלת דימום תוך-גולגולתי ומסוגלת לספק התראות אוטומטיות בנושא.
האישור האחרון מצטרף לאישור מוקדם יותר של אותה החברה, מחודש מאי, למוצר HealthPNX שמסוגל להתריע על צילומי חזה ובהם חזה אוויר (pneumothorax).
מטרה קרובה של החברה היא לייצר חבילת מוצרים שתדע לזהות כ-40 ממצאים רדיולוגיים שכיחים כחלק מחבילת מוצר אחת שכבר קיבלה את השם Zebra Medical’s All-in-One (AI1).
החברה הישראלית שנוסדה בשנת 2014 וגייסה כ-50 מיליון דולר, בעיקר מקרן ההשקעות הישראלית aMoon, היא רק אחת מהשחקניות העולמיות ששמות למטרה לייעל את עבודת הרופאים ולשפר את הביטחון שלהם בקבלת החלטות.
עם זאת, קשה שלא לחשוב על היום שבו העזרה של התוכנות תחליף את עבודת הרופאים.
זה בסיסי, ווטסון: על רופא הבינה המלאכותית של IBM
מחשב הבינה המלאכותית של חברת IBM, הווטסון, בנה את מרבית תהילתו סביב השעשועון הידוע Jeopardy, בו הצליח לנצח במה שהוגדר למרבה הבידור כאחד מההישגים הגדולים של הבינה המלאכותית עד שנת 2011.
החל מההישג הזה ניסתה IBM לשלב את ווטסון כמכשיר תומך החלטות במרכזי סרטן מרכזיים בארה”ב. אחד מהמרכזים הראשונים שהשתתף במהלך הוא המרכז הרפואי העצום MD Anderson Cancer Center ביוסטון, טקסס, ארה”ב. אז, המטרה העיקרית של שילוב ווסטון בעבודה הקלינית היה להתמודד עם עומס המידע העצום המוטל על רופאים. אז, ארזו מחדש את היכולות של ווטסון ואף נתנו לו את השם “יועץ מומחה אונקולוגי- Oncology Expert Advisor”.
ההתלהבות מהמערכת הייתה קצרת ימים עבור הנהלת מרכז הסרטן אנדרסון, כאשר בשנת 2017 היא ביטלה את שיתוף הפעולה עם IBM בנושא, לכאורה על רקע כשלונות חוזיים וכלכליים ולא על בסיס ביצועים קליניים. עם זאת, סיום ההתקשרות לא אפשר לבצע הערכה של המדדים הקליניים ולא שפך אור על הצלחת מודל כזה.
כיצד עובד כלי קבלת החלטות אונקולוגי?
למרות שב-IBM מתגאים בכ-230 ארגוני בריאות שמשתפים איתם פעולה בתוכניות הקשורות לווטסון, ניתן לחלק את התרומה שלו ל-3 תחומים עיקריים: התאמה אישית של טיפולים אונקולוגיים על בסיס מידע גנטי של המטופל, התאמה בין ניסויים קליניים למטופלים ואולי המעניין ביותר- ניהול החולה האונקולוגי.
מערכת ה-Watson for Oncology ‘קוראת’ את הספרות הרפואית האדירה שמתפרסמת בעולם באופן שוטף (היקפים שאף רופא לא מסוגל לעבד), ומשלבת את המידע עם הנתונים שמדווחים לה מתיקו של המטופל- כגון תוצאות מעבדה ותלונות של המטופל.
במקרה הדגל של ווטסון האונקולוגי, בשיתוף פעולה עם מרכז הסרטן הבינ”ל Memorial Sloan Kettering Hospital – זה היה אמור לעבוד בדיוק ככה.
בשיתוף הפעולה הזה, ווטסון סוקר את התיקים הרפואיים של המטופלים הצפויים להתקבל אצל הרופא באותו היום, אוסף מהם נתונים כגון היסטוריית תחלואה משפחתית, הערות ממפגשי רופא קודמים ובדיקות מעבדה.
לאחר מכן, מציג ווטסון לרופא סיכום של עיקרי התיק הרפואי, באמצעות עיבוד שפה טבעי NLP.
בשלב הבא הווטסון האמור לשלב את כל המידע שנאסף על החולה ואת כל המידע שנאסף מכ-15 מיליון דפי טקסט רפואיים שהוא סקר ולהמליץ על הטיפול המתאים ביותר לחולה. ווטסון מציג לאונקולוג מספר משטרי טיפול, כאשר כל משטר טיפול מכיל מספר סוגי ושלבי טיפול.
הרופא יכול לסקור עבור כל טיפול את מפרט הטיפול, אורכו, יעילותו במחקרים, התוויות נגד ותופעות הלוואי הנפוצות – הכל בממשק גרפי מרשים, כפי שנראה בסרטוני התדמית של IBM.
האם כלי החלטות אונקולוגי חכם עובד? יש מצב שכן!
קיימת חוסר הסכמה בנוגע ליעילות של ווטסון ככלי תומך קבלת החלטות קליני, בעיקר לאור העדר מחקרים בלתי-תלויים שבחנו את יעילותו.
עם זאת, נמצאה הלימה משמעותית של ההמלצות של ווסטון להמלצות של אונקולוגים בפועל במספר מדינות לרבות בקוריאה, תאילנד, מקסיקו וארה”ב. במקרה אחד, של שימוש בווטסון בצפון קליפורניה, על כ-1000 מטופלים נמצאו תוצאות מרשימות במיוחד.
כאשר ווטסון התבקש לעבור על תוצאות בדיקות גנטיות של מטופלי הסרטן הוא זיהה ב-99% את המוטציות הפוטנציאליות להתערבות תרופתית מותאמת אישית, מהלך שיש לו השפעה משמעותית אפשרית על הפרוגנוזה של המטופל.
מרשימה יותר מעובדה זו היה ההישג של המערכת לזהות כ-300 חולים בעלי מוטציות להתערבות גם כאשר הרופאים לא איתרו את המוטציות האלה.
שאלת הבטיחות – רחוק מאוד משימוש קליני עיוור
אתר התחקירים האמריקני STAT שם את ידו על מסמכים פנימיים של IBM בנוגע לביצועים של ווטסון בשדה האונקולוגי.
על פי המסמכים, כאשר התבקש ווטסון בתרחישים היפוטטיים לבחור משטר תרופתי לחולי סרטן הוא בחר עבורם טיפול מסוכן שהעלה משמעותית את הסיכון לדימום.
זאת ועוד, מכיוון שאחד המאמצים הראשונים והמשמעותיים ביותר של הווטסון הוא מרכז הסרטן הבינ”ל סלואן קטרינג, חלק גדול מעדכוני המערכת מתבססים על הניסיון שנצבר במרכז הסרטן הספציפי הזה, שאינו חולק מאפיינים עם רוב מרכזי הסרטן האחרים שבהם מיושמת המערכת.
על כן, תיתכן שקיימת הטיית בחירה של המערכת לטובת טיפולים שרלוונטיים בסלואן קטרינג, ולא בבית חולים אחר שהטמיע את המערכת.
גם מהלכים תאגידיים מסוימים של IBM רומזים שהמערכת אינה עובדת באופן שציפו לה. כך למשל, דווח על דיונים פנימיים בנוגע לתועלת שבהמשך הפרויקט ועל פיטורים בקרב חלק מהצוותים שעובדים על המוצר.
אפליקציית רופא משפחה: קץ לחיפוש בגוגל
אחד ממשבי הרוח המרעננים ביותר בתחום אפליקציות הבריאות והבריאות הדיגיטאלית הגיע מקופת החולים וחברת ההזנק הישראלית K Health.
המוצר של השתיים, K, הוא יישום נייד שעושה שימוש בעשרות מיליוני מפגשי רופא-מטופל במכבי ובאמצעות עיבוד שפה טבעי הופך אותם לאלגוריתם שמסוגל לספק ‘אבחנה’ לאחר בצוע ראיון רפואי עם המשתמש.
האפליקציה, שזמינה לכל אדם ללא קשר לקופת החולים שלו, מתיימרת לספק ערך מוסף בכמה חזיתות כאשר האחת מהן היא נפגעי החיפוש בגוגל והמידע הזמין ברשתות החברתיות – כלומר, כולנו.
אנשים פשוטים, בלי השכלה רפואית מקיפה, שמחפשים בגוגל ו/או בפייסבוק את התסמינים שלנו ומגיעים לאבחנות שגויות שגוררות לא מעט לחץ, חרדה והוצאות רפואיות עודפות בצורת בירורים וטיפולים מיותרים.
על פי המייסדים האפליקציה לא נועדה לאבחון אך היא אכן יכולה להמליץ בדרכה על פנייה לרופא או על בדיקות מסוימות. כך גם המוצר מצליח להתחמק מהצורך באישור רגולטורי לצורך שיווקו.
זווית מעניינת נוספת שמבקשים להציף מייסדי K היא העובדה שיכול להיות שמדובר בפלטפורמה מחקרית שמשרתת לא רק את המטופל, אלא גם את הרופא כך שפלטפורמת עיבוד השפה של K תוכל לשמש בשלב הבא גם ככלי מחקרי.
כך, היכולת של הכלי להפוך מיליוני רישומים של מפגשי רופא לדו”חות עם פרמטרים מוגדרים תוכל לשמש להפקת מחקרים שמתבססים על כמויות חולים גדולים יותר ממה שבוצעו עד היום.
אנחנו מעצמה בין-לאומית לנתוני בריאות
אחד המשאבים החשובים ביותר הדרושים ללמידת מכונה, שנמצאת בבסיס הבינה המלאכותית, הוא מאגר מידע איכותי. באמצעות שימוש במאגר מידע זה ניתן ‘לאמן’ את המערכת ולשפר את ביצועיה.
אם נחזור לדוגמה הרדיולוגית של זברה, וננסה לפשט מאוד את תהליך למידת המכונה, נוכל להציג אותו כך: המחשב החכם מקבל הדמייה של דימום מוחי למשל, וליד כל הדמייה תוצאה, יש דימום או אין דימום (כפי שנקבע על ידי מומחה אנושי למשל).
‘הזנה’ של המחשב בתמונות רבות תאפשר לו ללמוד לבד מה מוגדר כדימום ומה כהדמייה ללא דימום, כך שלאורך זמן הוא יצליח ללמוד מהו דימום גם אם לא נסביר לו באמצעות פרטמטרים מספריים מהו ‘דימום’.
תהליך כזה יגרום בהדרגה למחשב לקלוע יותר ויותר לדעתו של המומחה עד אשר, באופן תיאורטי, הוא יצליח להשתוות לו או לעקוף אותו.
ישראל היא מכרה זהב למידע הזה, לאור העובדה שמערכת הבריאות הממוחשבת שלנו מכילה מיליוני תיקים רפואיים המתפרסים על פני עשרות שנים.
כל אחת מקופות החולים הגדולות בישראל מחזיקה לבדה במאגרי מידע שיכולים לבדם לספק מידע שיענה על כל צרכי ה-Data של המפתחים.
כמה המידע הזה חשוב ויקר?
בסוף שנת 2017 גוגל הודיעה על הקמת מאגר מידע רפואי של 10,000 בלבד בהשקעה של 100 מיליון דולר בשיתוף עם אוניברסיטת סטנדפורד היוקרתית.
ישראל בדרך למינוף המידע הרפואי שלה לבריאות דיגיטלית
במאמץ להנגיש את האוצר הבלום שהוא הרישום הרפואי בישראל המדינה מבקשת ‘להתמים’ את המידע, כלומר, למחוק ממנו מידע מזהה- וכך לאפשר הנגשה שלו תוך צליחת משוכת אבטחת המידע.
התהליך החל בהתייעצויות ציבוריות כבר ב-2015. כחלק מהחלטת ממשלה 3709 בעניין ‘תוכנית לאומית לקידום תחום הבריאות הדיגיטלית כאמצעי לשיפור הבריאות וכמנוע צמיחה’ ממרץ 2018, מקצה מיזם ‘ישראל דיגיטאלית’ כ-4 מיליון ש”ח בשנה עבור הנגשת הנתונים הרפואיים של ישראל, לרבות הטמעת כללי התממה.
סעיף אחר, שמתמקד יותר בתחום הגנטיקה תחת מיזם הקרוי ‘פסיפס’, מתוקצב בכ-50 מיליון ש”ח בשנה על ידי משרד הבריאות, רשות החדשנות, מיזם ישראל דיגיטאלית, מל”ג/ות”ת ומשרד הביטחון.
תקצוב הפרויקטים השונים בתוכנית זו מתוכנן עד לשנת 2022 לפחות בשלב זה.
החלטתה של המדינה לתקצב את הפרויקטים שעיקרם הנגשת המידע הרפואי בישראל לתעשיות הבריאות הדיגיטלית בעלות של עשרות מיליוני שקלים מדי שנה מהווה הוכחה לפוטנציאל הכלכלי העצום שרואה המדינה במידע הזה כמנוע צמיחה.
צמיחתן של חברות בריאות דיגיטאלית מובילות בישראל היא לא רק עניין של אומת הסטראט-אפ, אלא בעיקר עניין של ישראל כמעצמת מידע רפואי.
בדרכן של חברות ברחבי העולם לייעל את העבודה הרפואית (ובמידה מסוימת, להחליף את תפקיד הרופא) באמצעות בינה מלאכותית, למידת מכונה ופיתוח כלי בריאות דיגיטלית, המידע הרפואי שמחזיקה מדינת ישראל יכול להתברר כנכס היחיד החשוב ביותר שהן צריכות – נכס שיכול לצבור עבור ישראל עוצמות כלכליות גדולות.
