דברה דיסנזו, יבמ. ``משתפים פעולה`` / צילום: אלכס אלמן
מחשב-העל של IBM נקרא ווטסון (Watson) אבל ייתכן שהשם שרלוק מתאים לו יותר. הבלש שרלוק הולמס הצליח לספק תשובות לשאלות בעוד שתפקידו של ווטסון, אלמנטרי, היה לשאול. המערכת ווטסון, אשר ניצבת כיום בחוד החנית של תחום הבינה המלאכותית ביבמ, לא קיבלה את שמה מעוזרו הנאמן של הולמס אלא מהמנכ"ל הראשון של החברה, תומס ג'יי ווטסון.
זה התחיל בתור תרגיל מחשבתי - האם מחשב יכול להבין שפה טבעית ברמה כזאת שתאפשר לו להשתתף בשעשועון הטלוויזיה ג'פרדי, שבו השאלות מנוסחות בכוונה באופן מבלבל. בשנת 2011 הצליחה המכונה הלומדת - כבר לא מדובר במחשב בודד אלא ב'ענן' של מחשבים - לנצח בג'פרדי והפכה לאחד הנכסים החשובים של יבמ. ב-2013 החליטה החברה למקד את היכולות האלה בתחום הבריאות. שנה מאוחר יותר הושקעו כמיליארד דולר בהקמת יחידת ווטסון שמעסיקה כיום 7,000 עובדים.
דברה דיסנזו מנהלת את חטיבת הבריאות (הלת') של ווטסון. "החטיבה הוקמה לאחר שהתחלנו להבין מהן טכנולוגיות קוגניטיביות (למידת מכונה) ומה אפשר לעשות איתן", היא אומרת בראיון שנערך בעקבות כנס IATI Biomed 2017. "במקביל להתפתחות של הטכנולוגיות, סימנה יבמ את תחום הבריאות כאחד האתגרים המובילים של העתיד. השילוב ביניהם החל כשהבנו שלמידת מכונה יכולה להועיל מאוד לקריאה של תמונות הדמיה".
בתחילת הדרך התמקדה החברה באבחון הגידולים בשד וברדיולוגיה. "החוקרים של IBM בחיפה הובילו את התחום הזה. נדרש זמן לא קצר ללמד את המחשב לקרוא את התמונות, בדיוק כמו ללמד אדם", אומרת דיסנזו.
ווטסטון מסוגל כאמור להבין גם שפה טבעית. "את הטכנולוגיה הזו יישמנו לקריאת רשומות רפואיות, מאמרים רפואיים ובניית פרוטוקול טיפול ובהמשך שילבנו בין יכולות עיבוד השפה לבין יכולות של פענוח תמונה. ב-2015 הוחלט להפוך את הפעילות הזו לחטיבה נפרדת, שכרגע מבוססת על 65 טכנולוגיות של למידת מכונה בתחומים שונים. המידע שעליו פועלות כל התוכנות הללו הוא מגוון וכולל מידע גנומי, מאמרים מדעיים, רשומות רפואיות, תמונות כמובן ועוד מאגרים".
- במה אתם מתמקדים?
דיסנזו: "אנחנו מרוכזים בחמישה תחומים - לעזור לרדיולוג לקרוא תמונה, לעזור לאונקולוג לבחור תרופה, לעזור לממשלות להבין את הצרכים של הציבור בנוגע לבריאות והזדקנות, לעזור לחברות פיתוח תרופות לסנן את התרופות היעילות מן הלא יעילות מהר יותר ולגלות במהירות רבה יותר אם תרופה גורמת לתופעות לוואי. התחום החמישי הוא לעבור מרפואה כללית לרפואה מותאמת אישית".
- ולשם כך ביצעתם לאחרונה מספר רכישות גדולות.
"המוטו העיקרי של יבמ כיום וגם של ווטסון הלת', הוא שאנחנו לא יכולים לעשות את זה בעצמנו, וכל מהלך שאנחנו עושים צריך להתבצע בשיתוף פעולה. אנחנו משתפים פעולה עם חברות המכשור הרפואי מדטרוניק וג'ונסון אנד ג'ונסון. רכשנו ארבע חברות בתחום המידע הרפואי ב-4 מיליארד דולר במשך שנה. אחת מהן היא חברה בתחום אגירת תמונות ההדמיה בשם Merge Healthcare. חברה שמעוניינת לפתח מכונה לומדת בתחום עיבוד התמונה, זקוקה להמון המון תמונות כבר בשלב הלימוד, ול-Merge היו הן את התמונות והן את יכולות האגירה שלהן. המכונה שלנו ניתחה עד היום 6 מיליון תמונות הדמיה בתהליך הלימוד שלה, שנמשך כבר כעשור. כיום התוצאות שלנו טובות יותר מאשר התוצאה הממוצעת של רדיולוג, כולל בימים שבהם הוא מוסח או עייף".
- נשמע שסטארט-אפ שרוצה לעסוק בתחום הראיה הממוחשבת ברפואה נמצא בנחיתות כאן.
"דרוש הרבה מאוד מידע כדי ליצור מערכת לומדת איכותית. היתרון הוא שהמכונה לא שוכחת את מה שהיא למדה".
- זה יתרון למכונה על פני הרופא האנושי.
"לעולם לא נחליף את הרופא או הרדיולוג. אנחנו תמיד נהיה עין נוספת. אם רדיולוג מביט ביום על 100 מקרים ביום שבכל מקרה מוצגות לו כ-100 תמונות, הרי שהוא לא יתנגד שנסנן עבורו את התמונות שבוודאות אין בהן כלום ונציג לו רק את התמונות שבהן יש ספק. המכונה לא תתעייף מזה, ולעומת זאת רדיולוג אחרי 9,000 תמונות ריקות, יהיה מאוד שחוק.
"המכונה יכולה להצביע על קשרים בין רשומה רפואית ותמונה, שהרופא לא בהכרח היה שם לב אליהם. ייתכן שהקשר לא מעניין, אבל אנחנו מכוונים אותו לשים לב. אם נניח שרופא-חוקר רוצה לקרוא מאמרים כדי להגיע לתובנות חדשות - בתחום הפרקינסון, למשל, פורסמו אולי מיליון מאמרים. עד שהוא יקרא את האחרון הוא ישכח את הראשון. המכונה יכולה להצביע על קשרים חבויים בין מאמרים ולכוון את הרופא. חייבים כוח חישוב כדי ליצור את זה. המכונה הפיקה 52 אפשרויות לקשרים חדשים בתחום הפרקינסון. הרופאים סיננו אותם וזיהו 15 רעיונות מעניינים".
- מה הערך המוסף של רופאים בשר ודם?
"במקומות שבהם המטופל מתאר לך את מצבו באופן אישי ומסביר לך את העדפותיו. במקומות בהם הוא אינו מתנהג כממוצע. במקומות בהם הוא צריך את האמפתיה. כך למשל, ווטסון מעולה בלאתר עבור חולים לאיזה ניסוי קליני הם מתאימים, אבל כדי להחליט האם להשתתף בניסוי כזה אנחנו זקוקים לשיחה אישית בין המטופל לרופא שלו".
- עד כמה ווטסון מצליח לנתח שפה טבעית?
"אנחנו בוחנים זאת לפי טיב האבחנה הרפואית על פי רשומה רפואית, ובוחנים עד כמה היא תואמת את דעת המומחים. כיום אנחנו מגיעים ל-90% ואף אחד לא בטוח שב-10% שלגביהם אין התאמה, זו דווקא המכונה שטועה. כשבחנו התאמה בין טיפול מומלץ על ידי ווטסון לבין זה של צוות רופאים בבית חולים מוביל לסרטן, ההתאמה הייתה 99%. לפעמים המכונה לא יודעת על שינויים בחקיקה המקומית או לגבי תרופה ניסיונית יותר, אבל לפעמים המכונה יודעת וזה דווקא הרופא שלא יודע. כמו כן, יכול להיות שהרופאים קצת יותר שמרנים לגבי תרופות חדשות".
- אילו שותפויות אתם יכולים להציע לסטארט-אפים?
"אנחנו מעוניינים בהצעות מכל סטארט-אפ שמעריך שיש לו מה לתרום לנו ולהיפך. יש לנו למשל שיתוף פעולה עם חברה בשם ניוטרינו מתחום התזונה, שנעזרת בווטסון כדי להבין מהו התפריט הטוב בעולם. הם הזינו את המערכת במאה אלף מנות ממסעדות יחד עם מזון מן הסופר, ואז הם אומרים לכל משתמש מה לאכול".
- מהם האתגרים שעומדים בפני מכונה לומדת?
"כמויות המידע האדירות. הכמות מכפילה את עצמה כל 73 ימים. ב-2016 ייעצנו ל-5 חולים בתחום האונקולוגיה וב-2016 כבר לעשרת אלפים".
"מדוע בחרנו את טבע? הם בחרו אותנו"
הראיון עם דברה דיסנזו נערך לפני המפולת במניית טבע, אך המחמאות שמרעיפה דה סנטו על השותפה הישראלית המובילה של יבמ, אמורות להיות תקפות שכן בעסקים של החברה, בניגוד למניה, לא חל שינוי מהותי.
"טבע היא השותף השלישי בגודלו שלנו אחרי מדטרוניק וג'ונסון אנד ג'ונסון. אנחנו מנסים להבין יחד איתם מה דרוש כדי להפעיל שירותים מבוססי ענן בתחום הבריאות - מה דרוש מבחינת רגולציה ופרטיות. אחת התוכניות היא לפיתוח משאף אסטמה חכם, שבשילוב עם מידע על מצב הסביבה של המטופל, יכול להראות מה גורם לו להתקף. כל המידע שנאסף בפרויקט הוא של טבע וכל התובנות יהיו שייכות לטבע, אבל ווטסון מחכים כתוצאה מן התהליך, והחוכמה שלו היא שלנו. המטרה היא לפתח משאף שיאמר לך מתי אתה עלול להיכנס להתקף".
- מדוע בחרתם בטבע?
"מדוע בחרנו את טבע? טבע היא אחת מחברות הפארמה המשמעותיות בעולם, והיא אחראית היום ל-50% ממכירות התרופות הגנריות בעולם. אנחנו שמחים שהם בחרו אותנו".
