תוצאת חיפוש

המהפכה התעשייתית הרביעית מביאה לשינוי בכל הנוגע למידע ועיבודו על ידי בינה מלאכותית. לשינוי זה צפויות השלכות מכוננות על שירותי הרפואה והבריאות הקיימים, ועל מקצוע הרפואה עצמו. המאמר סוקר מספר שינויים המתרחשים במקביל, ואת השפעותיהם החזויות. לדוגמה, מעבר למידע עתק: מעבר מרפואה המבוססת על כמויות מידע יחסית קטנות, שהמוח האנושי יכול לעבד, למידע עתק (Big Data); מעבר זה נובע מההתווספות שכבות מידע חדשות, דוגמת מידע אורכי, OMICS, מידע מהרשתות החברתיות ומהאינטרנט, מידע סביבתי, מידע קולי ועוד. שכבות אלה מצטרפות למקורות הוותיקים (אנמנזה, בדיקה גופנית, בדיקות מעבדה ודימות).

המעבר לחיזוי רפואי: בעוד שההתמקדות כיום היא במידע אבחנתי, שנועד לזהות את מחלתו של המטופל, ניתן לראות מעבר לאיסוף מידע פרדיקטיבי, שיחזה את רמת הסיכון של המטופל לפיתוח מחלות מסוימות בעתיד.

המעבר למערכות בינה מלאכותית: לנוכח היקפי המידע העצומים אור כמויות המידע שעימם צריך הצוות הרפואי להתמודד, אלגוריתמים של בינה מלאכותית נדרשים לניתוח המידע ולהפקת תובנות שיסייעו לרופאים בעבודתם.

הירידה בעלויות הפקת וניתוח המידע: בעוד שכיום נדרשת השקעה כבדה בתשתיות לאיסוף המידע ולניתוחו, העלויות אמורות לרדת דרמטית בשנים הקרובות.

המטופל שותף באיסוף המידע: חלק גדול מהמידע ייאסף על-ידי החולה עצמו והמחשוב הלביש שהוא נושא. כפועל יוצא של כל אלה המידע, שבעבר היה מצוי במלואו בבעלות גורמי הבריאות, יעבור לבעלות מספר גורמים, לרבות החולה.

שינויים אלו מציבים סיכונים ואתגרים, לדוגמה העדר קישוריות בין מקורות המידע, או סוגיית הבעלות על המידע, סוגיות אבטחה קשות, וכמות האתגר בתרגום המידע לידע ותובנות מעשיות שיתמכו בקבלת ההחלטות הרפואיות.

קצב ואיכות ההטמעה נגזרים משני כוחות הפוכים: ההתפתחויות הטכנולוגיות מחד גיסא, וחסמי המערכות מאידך גיסא. התנגדויות יכולות להגיע מצד המשתמשים – רופאים, בתי חולים ומבטחים. ההתנגדויות נובעות לרוב משיקולי תקציב, מרצון להגן על המטופלים מסיכונים, מהצפה בפניות, משמרנות ומשנאת סיכון. בנוסף קיימים חסמים רגולטוריים של ה-FDA וגופים מקבילים. רפואת העתיד מציבה אתגרי מדיניות ורגולציה גדולים. על הרגולטור להיערך בחכמה אך במהירות לשינויים הדרמטיים, תוך שמירה על בטיחות המטופל.

הקדמה: השימוש בנתוני עתק (ביג דאטה) נמצא בשלבים הראשוניים של חדירתו לעולם הרפואה. מחקר של נתוני עתק מאפשר ניתוח (אנליזה) היקפים גדולים מאוד של נתונים כדי למצוא בהם חוקיות סטטיסטית וקלינית. אבחנת סרטן הכרכשת מוחמצת במקרים רבים עקב העובדה שאנשים רבים מעל גיל 50 שנים נמנעים מביצוע בדיקת הסקירה של דם סמוי.

מטרות ושיטות: במכון המחקר של מכבי פותחה שיטה לזיהוי מקרים אלה על ידי ניתוח של נתוני עתק של ירידת רמות ההמוגלובין והמטוקריט, עדיין בתחום הערכים הנורמאליים, שנים לפני הזיהוי הקליני. שיטה זו (הקולונסקור) נמצאה מדויקת ויעילה בזיהוי מוקדם של סרטן הכרכשת בחולים שהחמיצו את בדיקת הדם הסמוי בצואה.

מפרשת החולה: בפרשת החולה במאמרנו מדווח על גבר בן 70 שנים שאובחן בסרטן הכרכשת, לאחר שהחמיץ את כל בדיקות הסקירה לדם סמוי בצואה. עיון בתיקו גילה שרמות ההמוגלובין שלו ירדו במשך שלוש שנים שקדמו לאבחנה, אם כי נותרו בתחום הנורמה. שימוש בנתוני עתק עם מספר גדול של חולים עם סרטן הכרכשת במכבי ובבריטניה הביא ליצירת ואישוש אלגוריתם שיכול לגלות סיכון לסרטן הכרכשת לפי ספירות הדם שנעשו שנים לפני האבחנה הקלינית.

דיון וסיכום: שימוש באלגוריתמים סטטיסטיים מתוחכמים המסוגלים "ללמוד" כמויות אדירות וסוגים שונים של נתונים בשיטות לימוד מכונה (machine learning). העושר העצום של מאגרי המידע הרפואיים הדיגיטליים בישראל בשילוב עם חוקרים העוסקים בפיתוח אלגוריתמים מורכבים מעמידים את ישראל בחזית המחקר העולמית. כבר כיום, מיושם הקולונסקור במכבי לניבוי סרטן הכרכשת המסייע באיתור מוקדם של חולים בעלי פוטנציאל מוגבר לממצאים ממאירים. בשנתיים הראשונות להפעלתו ברמת רופא המשפחה זוהו מעל לחמישים מקרי סרטן הכרכשת בעקבות הקולונסקור, יותר מאשר בבדיקת דם סמוי בצואה.

קצב השינוי המהיר ברפואה של היום איננו דומה לשום דבר שלמדנו להכיר בחמישים השנים האחרונות. גיוס טכנולוגיות מהפכניות לפיתוח שיטות אבחנה וטיפול, לצד רתימת המחשב לאיסוף ופיענוח כמויות עתק של ממצאים, מביאים לפתחו של הרופא המטפל דרכים חדשות להיטיב ולשפר את מצבו של המטופל. מכבי שירותי בריאות חרתה על דגלה מחויבות ופתיחות לחדשנות, ומכון המחקר והחדשנות של מכבי-קהאן עומד בחזית המחקר והכנסת חדשנות לתהליך העשייה הרפואית.

גיליון זה של "הרפואה" מוקדש לחדשנות האופיינית למכבי. מתוך מבחר רחב של אפשרויות, בחרנו בדוגמאות שמדגימות את מאפייניה של תרבות החדשנות שפורחת במכבי שירותי בריאות.