האם אפשר יהיה לדעת מראש מתי מחלת הלב של מטופל צפויה להחמיר? האם מערכת ממוחשבת תוכל לזהות שחולה אינו מקבל את הטיפול התרופתי המתאים לו, גם אם הגיע לבית החולים בגלל בעיה אחרת לגמרי? בקבוצת העבודה הייעודית לבינה מלאכותית בקרדיולוגיה בילינסון, מנסים להפוך שאלות כאלה לכלים קליניים.
הקבוצה, המשלבת קרדיולוגים ומדעני נתונים, מתמקדת בבעיות שעולות מהעבודה הרפואית היומיומית ובוחנת כיצד ניתן לפתור אותן באמצעות בינה מלאכותית. ד"ר אדי איטלמן, רופא במערך הקרדיולוגי וחוקר בינה מלאכותית בבילינסון, מרכז רפואי רבין מקבוצת כללית, מספר כי מדובר בקבוצה ייחודית בהיקף פעילותה בישראל.
אלא שברפואה, בניגוד לתחומים שבהם אפשר לאמץ במהירות טכנולוגיה חדשה, רף ההוכחה גבוה במיוחד. "קודם כול, כל דבר שאנחנו עושים, אנחנו רוצים לוודא שהוא בטוח ושהוא נכון", אומר ד"ר איטלמן. "לא מספיק שאלגוריתם יודע לזהות דפוס או להציג ביצועים מרשימים; הוא צריך להוכיח שהוא עובד גם בעולם האמיתי – ובסופו של דבר מועיל למטופל".
לחזות הידרדרות לפני שהיא מתרחשת
אחד הפרויקטים המרכזיים של הקבוצה עוסק בהיצרות המסתם האאורטלי, הממוקם בין הלב לאבי העורקים. המחלה עלולה להתקדם עם השנים עד לשלב שבו נדרשת התערבות באמצעות צנתור או ניתוח. הבעיה היא שבעוד שהרופאים יודעים כיצד לטפל בהיצרות קשה, קשה הרבה יותר לחזות את קצב התקדמות המחלה אצל מי שאובחנה אצלו היצרות קלה או בינונית.
"אנחנו לא יודעים להגיד כמה זמן ייקח למטופל לעבור מהיצרות קלה להיצרות קשה", אומר ד"ר איטלמן. "זה לא דבר ליניארי, וכל אחד מתקדם בקצב קצת שונה".
כדי להתמודד עם חוסר הוודאות פיתחו בבילינסון מודל המבוסס על בדיקות אקו לב, שנועד לחזות מתי המחלה צפויה להגיע לשלב הקשה. המודל נבדק תחילה בקרב מטופלים בבילינסון ובהמשך גם במרכז רפואי גדול נוסף בישראל, כדי לבחון אם הוא שומר על ביצועיו גם באוכלוסיית מטופלים אחרת.
זהו מבחן משמעותי במיוחד בבינה מלאכותית רפואית: מודל שמציג תוצאות טובות בבית החולים שבו פותח לא בהכרח ישמור על אותה רמת ביצועים במקום אחר. כעת נערכים החוקרים לבדיקת המודל בחמישה מרכזים רפואיים באירופה – שלב שיבחן אותו באוכלוסיות נוספות ומחוץ לישראל.
אבל גם תחזית מדויקת אינה מספיקה. ד"ר איטלמן מדגיש כי אלגוריתם רפואי צריך להימדד גם במספר התראות השווא שהוא מייצר. מערכת רגישה מדי עלולה לשלוח מטופלים לבדיקות מיותרות, להעמיס על מערכת הבריאות ולייצר חרדה שלא לצורך. "כל טכנולוגיה צריכה לראות את המטופל בקצה. המטרה היא לזהות את ההידרדרות בזמן, בלי לשלוח מטופלים לבדיקות חוזרות שאין בהן צורך".
כשהאלגוריתם מזהה טיפול חסר
פרויקט נוסף שנמצא בפיתוח מתמקד בחולי אי ספיקת לב. כיום קיימים טיפולים תרופתיים שהוכחו כמאריכי חיים ומשפרי איכות חיים, אולם בפועל לא כל המטופלים מקבלים את מלוא הטיפול המומלץ, ולעיתים התרופות אינן ניתנות במינונים המתאימים.
הקבוצה מפתחת אלגוריתם שיסרוק את התיקים הרפואיים של מטופלים המאובחנים עם אי ספיקת לב, או שקיים חשד כי הם סובלים ממנה, וישווה את הטיפול שהם מקבלים להנחיות הרפואיות המקובלות. כאשר יתגלה פער, המערכת תוכל להפנות אליו את תשומת לבו של הרופא. "יכול להיות שהוא לא מקבל את התרופה מסיבה מוצדקת, אבל הרבה פעמים הוא לא מקבל אותה מסיבה שהיא לאו דווקא מוצדקת", מסביר ד"ר איטלמן.
היתרון הוא שהמערכת אינה צריכה לחכות לביקור ייעודי אצל הקרדיולוג. מטופל עם אי ספיקת לב שאושפז, למשל, בעקבות שבר, עשוי להיות מזוהה על ידי המערכת כמי שהטיפול הקרדיולוגי שלו דורש בחינה מחודשת. כך יכולה הבינה המלאכותית להפוך מידע שכבר קיים בתיק הרפואי להזדמנות להתערבות. לדברי ד"ר איטלמן, האלגוריתם מציג ביצועים ראשוניים טובים ונמצא כעת בשלבי הטמעה.
מדימות רפואי ועד המטופל שמגיע מוכן
אחד התחומים שבהם ד"ר איטלמן צופה לבינה המלאכותית השפעה משמעותית הוא הדימות הרפואי. פענוח בדיקות כולל פעולות טכניות וחזרתיות שחלקן מתאימות במיוחד לאוטומציה. במקביל, מערכות AI עשויות לסייע באיסוף מידע מבדיקות וממסמכים שונים, בארגונו ובהצגתו לרופא באופן שיקל על קבלת החלטות.
אבל השינוי כבר אינו מתרחש רק בצד של הרופאים. יותר ויותר מטופלים מגיעים למרפאה אחרי שהעלו תוצאות בדיקות למודלי שפה דוגמת ChatGPT קראו על מחלתם ובדקו אילו אפשרויות טיפול קיימות.
בעיני ד"ר איטלמן, כאשר השימוש נעשה בצורה מושכלת, זו יכולה להיות התפתחות חיובית. מטופל שמבין טוב יותר את מצבו ומגיע מוכן לשיחה עשוי להיות שותף פעיל יותר בקבלת החלטות הנוגעות לבריאותו.
עם זאת, הפער בין היכולות המרשימות של המודלים לבין מומחיות רפואית עדיין קיים. במחקר שערכו החוקרים, שבו הושוו ביצועי ChatGPT לאלה של רופאים בתחום מומי הלב המולדים, המודל בגרסה שנבדקה הציג ביצועים נמוכים מאלה של המומחים. המחקר פורסם ב־2024, ומאז, מדגיש ד"ר איטלמן, הטכנולוגיה המשיכה להתפתח במהירות.
המבחן האמיתי: מה מרוויח המטופל
לצד קצב הפיתוח המואץ, ד"ר איטלמן סבור שהרפואה עדיין זקוקה ליותר הוכחות באשר לתועלת הקלינית של בינה מלאכותית. מחקר שמראה שמערכת יודעת לזהות מחלה או לנבא סיכון הוא רק שלב בדרך. השאלה החשובה יותר היא האם השימוש בה מוביל לאבחון מוקדם יותר, לטיפול נכון יותר ולתוצאות רפואיות טובות יותר. "אנחנו רצים קדימה עם טכנולוגיה, אבל תמיד זוכרים שהטכנולוגיה נועדה לשרת את המטופל", הוא אומר.
בעוד חמש שנים, הוא מעריך, הבינה המלאכותית עשויה כבר לקחת על עצמה חלק גדול יותר מהעבודה שמקיפה את המפגש הרפואי: לאסוף את ההיסטוריה של המטופל, לרכז מידע ממסמכים שונים, לסייע בפענוח ראשוני של בדיקות הדמיה ואק"ג ואולי גם לתת מענה ראשוני לשאלות באמצעות צ'אטבוטים.
דווקא ככל שהמערכות יידעו לעשות יותר, הוא סבור, יתחדד מה שקשה להעביר אליהן: המפגש עצמו. "זה הרגע שבו אתה יושב עם מטופל, מסתכל לו בעיניים ומנסה להבין באמת מה הבעיה ומה מפריע לו, מה הרצונות שלו ומה הצרכים שלו ואיפה אתה יכול לעזור לו".
גם בחדר הצנתורים, ביחידות האשפוז ובטיפול הנמרץ ימשיכו הרופאים לקבל החלטות ולבצע פעולות רפואיות. הבינה המלאכותית עשויה לספק להם יותר מידע, לזהות דברים שנעלמו מן העין ולהוריד מהם חלק מהעבודה הטכנית – אבל לא לשאת במקומם באחריות.
"הבינה המלאכותית לעולם לא תחליף את הידיים של הרופא ואת המוח האנושי ברגע האמת", מסכם ד"ר איטלמן. "גם לא את השיחה והחמלה בזמן המפגש עם המטופל".
בשיתוף בילינסון
