בינה מלאכותית/ Shutterstock א.ס.א.פ קריאייטיב
בשנים האחרונות משולבות טכנולוגיות של בינה מלאכותית בעולם הרפואה בקצב מואץ, בהובלת ארה"ב, שמשקיעה סכומי עתק במערכות אנליטיות מתקדמות. עם זאת, לא רואים שיפור מקביל באיכות השירות הרפואי, בעלותו או בתוצרי הטיפול. נהפוך הוא, באופן חסר תקדים, במשך שלוש שנים ברציפות יורדת תוחלת החיים בארה"ב במקביל לאינפלציה בהוצאות הרפואיות. כל תיקי החולים ממוחשבים, נאספים בסיסי הנתונים הגדולים בהיסטוריה, מערכות כמו ווטסון של IBM מפעילות אלגוריתמים פורצי דרך, מזהים סיכונים, אבל אנשים חיים פחות. אנחנו לקראת "אופנת אכזבה" מבינה מלאכותית ברפואה. בישראל יש מספר גדול של חברות הפועלות בתחום זה, ולכן חשוב לזהות מהר את החוליה החסרה כדי לקדם את התעשייה, וכמובן גם את השירות הרפואי.
חיפשנו את החוליה החסרה בניצול ביג-דאטה ברפואה. גילינו שהמערכות מייצרות התראות שווא בקצב בלתי קביל, הגורם להתעלמות מההמלצות - גם מהתראות האמת. ומצד שני, בכחצי מהחולים, יש טיפול עודף. מערכות חכמות מזהות שיש חולים רבים שלא דורשים התערבות, למשל בבית חולים ניתן לתת להם לישון בלי להעיר אותם בלילה. מפתחי המערכות, ברוב המקרים, לא משקיעים בבניית אמון של הצוות בטכנולוגיה ולכן הטכנולוגיה לא יוצרת ערך.
אותו דבר נכון גם בטיפול ביתי. יש לכל צרכן רפואי גישה למגוון של גלאים שמודדים כמעט כל פן גופני ונפשי: הגנום, המיקרוביום, מחזורי שינה, סימנים חיוניים ולחץ (סטרס). אלגוריתמים שמנתחים את התוצאות ומשווים לבסיסי נתונים ענקיים יודעים על סמך זה להנחות צרכנים בבית לשפר את החיים על ידי התאמה אישית מדויקת של ההמלצות בהשוואה לדפוסים. אך מערכות אלה הן בתת-ניצול ולא משיגות שיפור בריאותי מוכח. ברוב המקרים, לא נוצרת מחויבות לפעול על סמך אמון בהמלצות. ההערכה היא שבארה"ב נגרם נזק שנתי של כטריליון דולר כיוון שמטופלים אינם מיישמים את ההמלצות האופטימליות.
נדרש חיבור לבינה האנושית
אף שבעזרת ביג-דאטה חוזים את העתיד, לא מצליחים לשנות אותו, וזה האתגר הגדול. מספר מצומצם מאוד של חברות הצליחו לגרום בעזרת דאטה להצלת חיים וחסכון בעלויות. החברות שהצליחו זיהו שהמפתח להצלחה הוא לא להתמקד בדאטה או באלגוריתמים, אלא בחיבור בין הבינה המלאכותית לבינה האנושית. לגרום לשינוי התנהגות של צוות רפואי וחולים על ידי בניית אמון במערכות וליצור מעגל סגור של איסוף הוכחות לתוצאות חיוביות כדי לחזק את האמון הזה באופן רצוף בכל התערבות.
פריצת הדרך היא בפיתוח כלים אנליטיים שמנתחים לא רק את המחלה או את המצב הבריאותי, אלא את איכות יישום המערכת והממשק האנושי. אחוז גדול מהמאמץ הפיתוחי מכוונן לבניית גשר של אמון בין המערכות לבין הרופאים והחולים. בזמן אמיתי נאספים נתונים על איכות היישום, מהירות התגובה להמלצות, מספר התראות השווא וכל אירוע של הצלחה. במקום שבו יש קושי, מזוהה מרחוק הצורך באופטימיזציה - למשל הורדת התראות שווא - כדי למקסם את היעילות של המערכות. למדנו שתעשיית הביג-דאטה הרפואי צריכה להתמקד יותר בחיבור לאדם המיישם כדי להימנע מדחייה ואכזבה ולהגיע ליעדי שילוב וקבלה מסחריים. גם בבית, כל אחד מאיתנו, כצרכן רפואי, יכול לנצל את החיישנים שמציעים לנו מידע באופן מותאם אישי וחסר תקדים. כמו שטייסים שלומדים לבצע "טיסת מכשירים" דרך הערפל, כך כל אחד מאיתנו יכול לבחור את מכשירי הניווט הרפואי המתאימים לו כדי להימנע מסכנות בריאותיות עתידיות.
הכותב הקים וניהל את חברת ארליסנס. מאמר זה מסכם הרצאת TED שנתן לאחרונה