AI ועתיד השירותים הרפואיים

שני עולמות, המתועש והמתפתח, מול תמורות דמוגרפיות חסרות תקדים. שיעורי הילודה הגיעו למינימום בחלק מהמדינות הגדולות בעולם, בעוד מיליארדי עובדים מתכוננים לפרוש לגמלאות.

חוקרים ומדיניות מחקריים החלו, לאורך שני העשורים האחרונים, לחפש דרכים להתמודד עם עלויות הבריאות הגוברות של אוכלוסיות מזדקנות. ברחבי העולם, AI הפך לפתרון המועדף.

לא רק שבינה מלאכותית מאפשרת אוטומציה של משימות בסיסיות, מה שמוריד את הצורך בהתערבות אנושית יקרה במקרים רבים, אלא שניתן להשתמש בה כדי לתת למטופלים תחושה רבה יותר של פרטיות ודיסקרטיות. בנוסף, הודות ללמידת מכונה, יישומים שמוטמעים היום יכולים לשפר את עצמם עם הזמן ולהסתגל לאתגרים חדשים שעלולים לצוץ בעתיד.

מאמר זה דן בכמה יישומים אפשריים של טכנולוגיות AI/ML בתחום הבריאות. אף אחד מהנושאים המתוארים להלן אינו נמצא הרחק בעתיד, וככל הנראה יהיה חלק משוק הבינה המלאכותית הרפואית, שצפוי לגדול ל-44.5 מיליארד דולר בגודל עד 2026.

פיתוח תרופות מזורז

בכל שנה, תעשיית התרופות מוציאה כמעט 100 מיליארד דולר על מחקר ופיתוח. רבים מהעלויות הכרוכות בתהליך זה יכולים להפחת דרך יישום כלים לניתוח נתונים גדולים, כולל רשתות נוירונים, על מסדי נתונים המסווגים את המבנים המולקולריים של רכיבים תרופתיים אפשריים.

אסטרטגיה זו הראתה הבטחה במיוחד במצבים בהם הזמן הוא בעל חשיבות, כגון במהלך מגיפות. ב-2015, במהלך ההתפרצות של אבולה במזרח אפריקה, אוניברסיטת טורונטו השתמשה ב-AI כדי לעבד במהירות מסד נתונים של תרכיבים תרופתיים. גילוי טיפול שהיה דורש חודשים או אפילו שנים של ניתוח הושג בפחות מיום.

כפי שדווח היטב, ניתוח AI גם היה חיוני לפיתוח חיסונים וטיפולים נגד COVID-19 במהלך שנה וחצי האחרונה. כאשר מופיעים זנים חדשים של הנגיף, טכנולוגיה זהה ממשיכה להיות מיושמת.

תיעוד רפואי אוטומטי

עם רוב הרשומות הקליניות ובתי החולים שכבר אחסנו בפורמט דיגיטלי, EHR (‘רשומות בריאות אלקטרוניות’) ממלאות תפקיד חשוב בבריאות. בעוד שטכנולוגיה זו הפכה את הגישה לרשומות מטופלים לקלה, מהירה ובסופו של דבר זולה יותר, הדיגיטציה הפועלת של תיעוד רפואי יכולה להוות נטל משמעותי עבור ספקי שירותי בריאות שמחסרים זמן.

טכנולוגיית עיבוד שפה טבעית (NLP) קיימת כיום, אשר יכולה לזרז מספר רב של תהליכים הקשורים לאיסוף ואחסון נתונים רפואיים. בעוד שתוכנות הכרה ודיקטה קולית אינן חדשות ברפואה, הצעות נעשות כעת ליישום אלגוריתמים של בינה מלאכותית שיתעדו וינתחו את כלל האינטראקציות של מקצועות בריאות עם מטופלים.

יישום אחד המוצע לטכנולוגיה זו הוא להשתמש ב-AI ולמידת מכונה כדי לעבד סרטונים המוקלטים באמצעות מצלמות שיילבשו על ידי רופאים. למעשה, זה היה דומה מאוד למצלמות גוף שלובשים רבים משוטרים היום. מידע שנאסף בסרטונים הללו יכול להיות ממופה במהירות ולהתלכד עם נתונים רפואיים אחרים לניתוח נוסף.

אבחון עצמי

בחלקים מסוימים של העולם, מרפאות ובתי חולים הם מעטים ורחוקים. באחרים, לקחת הפסקה מיום עמוס כדי לראות רופא לבדיקות שגרה עשויה להיראות כהשתרכות מיותרת. לאנשים החיים באזורים אלו, מצבים חמורים לעיתים קרובות אינם מגלים עצמם עד שזה מאוחר מדי.

במזל, אפילו במיקומים הנידחים ביותר, רוב האנשים היום כבר מחזיקים בכלי אבחון אבחוני חזק בכיסיהם – הטלפונים החכמים שלהם. איכות התמונות שצולמו באמצעות מכשירים אלו משתפרת כל שנה, בעוד שהטכנולוגיה הופכת לזולה יותר לייצור. התמונות שצולמו באמצעות המכשירים הללו בהחלט כשרות לניתוח על ידי אלגוריתמים של AI.

כבר, רופאים באזורים ללא גישה להדמיה קלינית איכותית החלו להשתמש בתמונות שצולמו בטלפונים הניידים שלהם כדי לנתח את מטופליהם. בעובדה, טלפונים חכמים עם תוכנה המונעת על ידי למידת מכונה משמשים כבר לאבחון סרטן העור ומלנומה עם שיעורי דיוק גבוהים כמו 90%. יש אפליקציות צרכניות על השוק שיכולות לאפשר למשתמשים רגילים לגלות שינויים בעורם.

טכנולוגיה דומה מופעלת גם באופתלמולוגיה. אלגוריתמים פותחו ואושרו על ידי FDA האמריקאי לגלות רטינופתיה בחולי סוכרת דרך ניתוח תמונות.

טלרפואה מופעלת על ידי צ’אטבוט

לכולם יש דברים שהם מעדיפים לשמור בפרטיות, ובשביל רבים, בריאות היא אחד מהם. זהירות היא בהחלט מובנת כאשר מדובר בדיון בנושאים רפואיים עם עמיתים וחברים, אך עבור חלק מהאנשים, אפילו תקשורת עם מקצועות בריאות יכולה להיראות מאתגרת.

צ’אטבוטים עשויים להציע פתרון עבור סוגים אלו של מטופלים. הטכנולוגיה, אשר כבר נמצאת בשימוש פעיל בטלרפואה לתזמון מועדים, תיקון מרשמים וטריאז’, נחקרת באופן פעיל כדרך ליצור קשר עם אנשים שזקוקים לייעוץ בנושאי בריאות עצמית.

בעובדה, חוקרים בממלכה המאוחדת מצאו כי צ’אטבוטים יהיו הבחירה המועדפת עבור מטופלים המתמודדים עם מצבי בריאות מתביישים יותר, כגון מחלות מין. עם עוד אנונימיות, מטופלים יהיו יותר מוכנים לבקש עזרה בנושאים שעלולים להוביל לדאגות גדולות יותר בעתיד, אם לא יטופלו.

מסקנה

מקרי השימוש ב-AI בבריאות המתוארים במאמר זה מייצגים רק דוגמה קטנה מאוד ממה שעשוי להיות אפשרי. בכניסה לעשור הבא של פיתוח Medtech, אנו בטוחים לגלות המון חידושים מהפכניים, חלקם אנחנו רק יכולים לתאר היום.

המפתח, אז, הוא היכולת להפוך תיאוריה למציאות. בDaiger, אנו מתמחים בהפיכת רעיונות תיאורטיים הקשורים ל-AI ולמידת מכונה לפתרונות מעשיים שמוסיפים ערך לעסקים. אנא צרו קשר או בקרו באתר שלנו כדי ללמוד יותר על שירותינו.