תשכחו ממערכת הבריאות שהכרתם –
הבינה המלאכותית כותבת פרוטוקול חדש

מהפכת הבינה המלאכותית הגנרטיבית משנה את פני מערכת הבריאות: מתיעוד קליני, דרך ניהול מערכות ובתי חולים חכמים ועד לאבחון רפואי. היא לא עוצרת בלוגיסטיקה: היא כבר עוברת מבחני הסמכה, מאבחנת מחלות, ולעיתים מציגה ביצועים טובים מאלה של רופאים.

"אנחנו בערך שלוש שנים לתוך מהפכת הבינה המלאכותית הגנרטיבית, וכבר השינויים במערכת הבריאות הם דרמטיים, אומר ברונו לביא,  VP of Healthבמטריקס, "להערכתי בעוד כמה שנים, שום דבר במערכת הבריאות לא יראה אותו דבר, המערכות משתנות, פתרונות AI נכנסים לכל רובד, מהאבחון הקליני, דרך תהליכים תפעוליים וכלכליים ועד ביצוע פרוצדורות רפואיות בפועל , אבל לא פחות חשוב, גם אנחנו, בני האדם, משתנים, רופאים, אנשי צוות, מטופלים, כולנו לומדים לפעול בעולם חדש."

רגולציה רודפת טכנולוגיה

ואכן, קצב השינויים הוא מהיר מאוד. ארגוני בריאות ברחבי העולם מאמצים פתרונות AI לשיפור איכות הטיפול, הורדת עלויות והפחתת עומסים. ובמקביל רגולטורים מנסים להדביק את הקצב. ארגון הבריאות העולמי פרסם קווים מנחים לשימוש ב-LLM's, האיחוד האירופי החיל את ה-AI Act, בניסיון ראשון מסוגו להסדיר את תחום ה-AI באופן מקיף, ולהבטיח פיתוח והפצת AI באופן אחראי, אמין ובטוח, וה-FDA מקדם תבניות לניהול מחזור חיים של מכשור רפואי מבוסס AI. בישראל, הממשלה אישרה תוכנית לאומית לבינה מלאכותית כבר ב‑2023  ובמהלך 2024 יצאה לדרך הפעימה השנייה שלה, הכוללת השקעות ממשלתיות ביישומי AI גם בתחומי הבריאות.

אבל גלגלי הרגולציה זזים לאט, והטכנולוגיה כבר מכתיבה שינויים בשטח. "צריך להשתמש ב-AI ברפואה רק בחוכמה ותחת בקרה קפדנית", הצחקתם!", כתב באיקס (=טוויטר) פרופ' עידו וולף, מנהל המערך האונקולוגי באיכילוב וראש בית הספר לרפואה באוניברסיטת תל אביב, "ומי יעצור מתמחה שיכניס באמצע הלילה נתונים של חולה לצ'ט ויפעל לפי ההמלצות שיקבל? ומי ימנע מהחולה להכניס הכל לצ'ט, ואז להגיע לרופא עם רשימת דרישות מפורטת?"

תיעוד קליני חכם – פחות בירוקרטיה, פחות שחיקה, יותר יעילות קלינית

מערכות מבוססות GenAI כבר נכנסות לעולם הרפואה ומשנות תהליכים מבפנים. רופאים נעזרים היום בכלים אוטומטיים שמסכמים ביקורים, יוצרים מכתבי שחרור רפואיים, ומתרגמים בין שפת המטופל לשפה רפואית מקצועית. התוצאה: פחות עומס בירוקרטי, פחות שחיקה בקרב הצוותים, ושיפור בזמינות הטיפול.

אחת הדוגמאות לכך היא כלי שפותח על ידי מטריקס DnA עבור קופת חולים לאומית. "המערכת שפיתחנו מנתחת סיכומי ביקור שמועברים מבתי החולים, ומבצעת בקרת מסמכים אוטומטית באמצעות GenAI, מסביר אסף טימור, מנכ"ל מטריקס DnA, "קחו לדוגמה טופס 17. כאשר מטופל עובר הליך בבית החולים, הוא מצויד בטופס 17, שמאושר מראש או בדיעבד על ידי קופת החולים. ברגע שהעביר את הטופס לבית החולים, מבחינתו נושא התשלום נסגר. אך עבור הקופה, העבודה רק מתחילה. ללא ממשק מסודר מול בתי החולים, צוותי בקרה, הכוללים רופאים ומתמחים, נדרשים לעבור על כל סט מסמכים שמוגש, ולהשוות בין המידע הרפואי שהעביר בית החולים לבין דרישת התשלום שהעביר בית החולים. התהליך הידני הזה גוזל זמן יקר של רופאים ושוחק את הצוות הרפואי. הפתרון,  שפותח על ידינו, יודע לזהות אם החיוב תקין או לא, ומספק הסבר ברור ומנומק, מה שמאפשר טיפול מהיר בטעויות וזירוז תהליך הערעור במידת הצורך, כמו גם איתור כספים שאחרת היו נופלים בין הכיסאות. הוא חוסך לקופה מיליוני שקלים בשנה."

ניהול קליני ואפידמיולוגי, תפעול מערכות ובתי חולים חכמים

לדברי ברונו לביא, אחד התחומים שבהם GenAI כבר מוכיח את עצמו הוא ניהול קליני ואפידמיולוגי במערכות בריאות ובתי חולים. "אלגוריתמים מאפשרים תזמון מיטבי של ניתוחים ובדיקות, הקצאת מיטות, תיעדוף משאבים וניהול כוח אדם בהתאם לעומסים בזמן אמת. כך למשל, מערכת מבוססת בינה מלאכותית יכולה לזהות התפרצות עונתית של מחלות נשימה ולכוון מראש את חלוקת כוח האדם, או לקצר זמני המתנה בחדרי המיון על ידי ניתוח רציף של נתוני מטופלים בזמן אמת. בארה"ב עושים שימוש במערכות בינה מלאכותית לניהול מיטבי של חדרי מיון, מה שמאפשר לקצר זמני המתנה בעשרות אחוזים. באנגליה, בחלק מבתי החולים של שירות הבריאות הציבורי (NHS) החלו לבחון פתרונות מבוססי AI לחיזוי ביקושים עונתיים, כדי להיערך מבעוד מועד עם צוותים וציוד מתאים."

תחום נוסף שבו מהפכת הבינה המלאכותית מובילה לשינוי משמעותי הוא נושא תפעול בתי החולים, לרבות תחומי ההנדסה ולוגיסטיקה", אומר ברונו לביא, "בתי חולים מתמודדים ביום יום עם אתגרים עצומים אשר לא תמיד עומדים ביחס ישיר עם הקצאת המשאבים והכלים הנדרשים לניהול התפעול. בשנים האחרונות, החלו להופיע יכולות ומערכות אשר ביכולתן לטפל באופן יעיל יותר בתהליכי התפעול, לבצע בקרה בזמן אמת, לנהל ציוד חכם, לטפל בניקיון ולהתייעל מבחינה אנרגטית. עולם ה-AI החל להשפיע באופן ישיר על נושאים תפעוליים מיוחדים כמו אלימות כלפי צוות או אפילו פח"ע (=פיגוע חבלני עוין).

טכנולוגיית ה-Video Analytics  מאפשרת לנתח בזמן אמת תכני וידאו, לזהות דפוסים וחריגות ולהפיק תובנות מעשיות. אם בעבר נעשה בה שימוש בעיקר בהקשרים קליניים כמו ניטור תנועות גוף לשיקום או זיהוי נפילות של מטופלים, כיום היא תופסת מקום מרכזי גם בניהול התפעול של בתי חולים. היא  מסייעת בניטור עומסים בחדרי מיון, בשיפור הבטיחות של הצוותים באמצעות זיהוי סיכונים בזמן אמת ובבקרה על ניצול יעיל של משאבים כגון חדרי ניתוח וציוד רפואי".

הבינה המלאכותית לובשת חלוק: לא רק תפעול, גם אבחון וטיפול

המהפכה לא עוצרת בלוגיסטיקה. מחקר, שבוצע בישראל, הראה כי ChatGPT עבר בהצלחה מבחני הסמכה לרפואה, ואף הציג ביצועים טובים יותר מרוב המתמחים בתחומי הרפואה הפנימית והפסיכיאטריה. במחקר אחר, שנערך במוקד לרפואה דחופה בארה"ב נמצא כי בינה מלאכותית הצליחה לאבחן ולהציע המלצות טיפול מדויקות יותר משל רופאים, במצבים שכיחים כמו זיהומים בדרכי הנשימה או השתן. המשמעות היא שכבר היום בינה מלאכותית מסוגלת לבצע חלק מעבודת הרופא בדיוק רב יותר ובמהירות גבוהה יותר, ולמעשה היא משנה את מקצוע הרפואה באופן דרמטי.

אור לוסטיג, סמנכ"ל פיתוח עסקי במטריקס מדיקה, מספר: "לאחרונה פיתחנו במטריקס מדיקה כלי לאבחון מוקדם של סרטן עבור הסטארטאפ Genesis medical. מדובר בפלטפורמת בינה מלאכותית, המאפשרת ללמוד ולחקות את הלוגיקה והאינטואיציה של רופא מומחה, וכך לזהות סרטן בשלבים המוקדמים ביותר ברמות אמינות ודיוק חסרי תקדים. המוצר הראשון של החברה, G4Lungs, מיועד לסריקת סרטן ריאות, הסרטן הקטלני ביותר והשני בשכיחותו. בניסוי קליני, הוא הציג תוצאות יוצאות דופן: דיוק של  97%.

בזכות הצלחה זו, המוצר נכנס לפיילוט מסחרי המשתלב במלואו במערכת PACS, במסגרת פרויקט אסטרטגי עם הארגון המוביל בעולם בתחום סרטן הריאות, בפריסה של 11 מדינות באירופה.  החברה מפתחת, בנוסף, מוצר לזיהוי מוקדם של סרטן הערמונית, שמטרתו להפחית משמעותית ביופסיות מיותרות, כחלק מהחזון להקים פלטפורמה רחבת היקף לאבחון מוקדם של כלל סוגי הסרטן."

רפואה מונעת ומותאמת אישית

אחת הבשורות הגדולות של בינה מלאכותית בבריאות, עבור המטופלים, היא רפואה מונעת ומותאמת אישית. בישראל, קופות החולים מנצלות מאגרי מידע קליניים היסטוריים בהיקף חסר תקדים כדי לזהות חולים בסיכון עוד לפני הופעת התסמינים. לדוגמה, מכון KSM של מכבי פרסם מחקרים חדשניים שהדגימו יכולת לזהות התפתחות של מחלת הצליאק שנים מראש באמצעות מודלים של למידת מכונה. גם בעולם, גישת הרפואה המונעת מתחזקת. בארצות הברית, Kaiser Permanente עושה שימוש באלגוריתמים לזיהוי מוקדם של סיכון לאירועים קרדיווסקולריים ואובדנות, תוך הצלבות של נתוני מעבדה, רישומים פסיכיאטריים והרגלי בריאות. בבריטניה, מערכת הבריאות הציבורית NHS הטמיעה מודלים מבוססי AI לחיזוי סיבוכים בלידה, וזיהוי מוקדם של מטופלים בסיכון לפתח דמנציה.

המשותף ליוזמות אלו הוא השילוב בין יכולות ניבוי מתקדמות לבין פרסונליזציה של הטיפול, כך שהרפואה לא רק מגיבה למחלה, אלא מקדימה אותה ומשתנה בהתאם לפרופיל האישי של המטופל – מהפכה שיכולה להציל חיים, לחסוך משאבים ולשפר את איכות החיים של מיליוני אנשים.

אתגרים וחסמים: בין חדשנות לאחריות

הטמעת מערכות בינה מלאכותית במערכת הבריאות מלווה בשורה של אתגרי יסוד המחייבים התמודדות רגולטורית, קלינית ואתית. אחד האתגרים המרכזיים הוא איכות הנתונים וההטיות הטבועות בהם. מאגרי מידע רפואיים משקפים לעיתים קרובות הטיה היסטורית, חברתית או מגדרית, מה שעלול להביא לכך שמודלים ישעתקו ואף יחריפו פערים קיימים. אתגר נוסף נוגע ל-explainability ולאמון הקליני. רופאים נדרשים להבין מתי ואיך ניתן להסתמך על המלצת מערכת AI במיוחד כשמדובר בהחלטות הרות גורל. מסמכי ההנחיה של ה-FDA האמריקאי והאיחוד האירופי מדגישים את חשיבות שילוב אדם בתהליך קבלת ההחלטות, ואת הצורך במעקב מתמשך לאחר ההטמעה. לצד זאת, סוגיות של data privacy ו-secondary use of data ממשיכות לעורר דאגה ציבורית. כך למשל, בבריטניה דווח על צ'אטבוטים לא-מוסדרים שפעלו בשירותי בריאות ורווחה, תוך שימוש בנתונים רגישים, ללא פיקוח מספק.

בינה מלאכותית גנרטיבית אינה רק משדרגת את מערכת הבריאות, היא משנה את הפרדיגמה כולה. מתובנות בדיעבד המבוססות על נתונים היסטוריים, אנו עוברים לעידן של סיוע בזמן אמת לרופאים, לצוותים תפעוליים ובעיקר למטופלים. ישראל, המשלבת תשתיות מידע רפואי לאורך עשורים, מוסדות חדשנות מובילים ורוח יזמית, ניצבת בעמדה ייחודית להפוך לזירה גלובלית ליישום אחראי ופורץ דרך של GenAI בבריאות.