אתה משתמש בגרסה ישנה יותר של הדפדפן. לחווית MSN הטובה ביותר, השתמש ב-גרסה נתמכת.

"בינה מלאכותית בערפל קרב": מודל חדש מזהה מראש חולי קורונה קשים - ומזהיר אותם

סמל של TheMarker TheMarker לפני 3 ימים רוני לינדר
ריסוס חומא מחטא בג'קארטה, אינדונזיה צילום: Tatan Syuflana/אי־פי © סופק על ידי TheMarker ריסוס חומא מחטא בג'קארטה, אינדונזיה צילום: Tatan Syuflana/אי־פי

הבינה המלאכותית בשירות המאבק בקורונה: בימים האחרונים החלו עשרות אלפים מבין מבוטחי כללית לקבל טלפונים מרופאי ורופאות המשפחה שלהם, שבהם הם מתבקשים לשמור ביתר קפדנות על הנחיות הבידוד מכיוון שהם נמצאים בקצה של קבוצת הסיכון להיפגעות ממחלת הקורונה. לא מדובר רק בקשישים ביותר או בסובלים ממחלות רקע מוכרות, אלא באנשים ששמם "קפץ" באופן ספציפי מתוך מחשבי הכללית בהם נמצאים התיקים הרפואיים של 4.6 מיליון מבוטחי הקופה.

המאגר הזה הוא תוצאה של כלי ניבוי מבוסס בינה מלאכותית שפותח באינטנסיביות רבה בתקופה האחרונה במכון כללית למחקר, במטרה לזהות מבוטחים בסיכון הגבוה ביותר, לפנות אליהם ולהעמיק את הבידוד ההגנתי שלהם.

האתגר של הקופה היה לברור את המטופלים בסיכון הגבוה ביותר מבין המטופלים בסיכון: "רק בכללית לבדה ישנם מעל 1.6 מיליון מבוטחים שעונים לאחת מההגדרות של סיכון לקורונה  ולא ניתן לייצר מענה ממוקד לאוכלוסיה כה רחבה, אשר רובה, באמת, אינה בסיכון כה גבוה", מסביר פרופ' רן בליצר, מנהל מערך החדשנות של הכללית ומנהל מכון כללית למחקר. "לכן המשימה שלנו הייתה למצוא דרך להגדיר את קבוצות הסיכון בצורה מדוייקת יותר. ייתכן מאוד שדווקא אדם בן 49 עם היסטוריה של התקף לב וסוכרת הוא דווקא בסיכון גבוה יותר מאשר אדם בן 62 ללא מחלות רקע".

© סופק על ידי TheMarker

כלי ניבוי של מחלות הם לא דבר חדש, אבל במקרה הזה היה לכללית אתגר מיוחד: כדי לאמן מודלים של בינה מלאכותית, המפתחים חייבים דאטה, כלומר מידע גולמי שכולל רשומות, ובמקרה הזה - תיקים רפואיים של חולים בקורונה. אלא שכרגע יש בעולם ובטח שבישראל ידע מועט יחסית על קורונה - מחלה חדשה שמוכרת לעולם בסך הכל פחות משלושה חודשים ושבכל יום שעובר נצבר עליה עוד ועוד ידע.

לפיכך החליטו בכללית לכופף מעט את המודל הקלאסי של ניבוי, וכדי להתגבר על המשוכה, החליט צוות המכון בהובלת ד"ר נעה דגן וד"ר נועם ברדה לבצע ניבוי על מחלה אחרת שפוגעת באותן מערכות בגוף – השפעת העונתית. "באלגוריתם מתוקף ניבוי לשפעת משתמשים בכללית כבר מזה מספר שנים על מנת ליצור פניה יזומה למבוטחים בסיכון גבוה, על מנת לוודא שהם מגיעים לקבל את החיסון השנתי לשפעת", מסבירה דגן. "ולכן הרציונל שלנו היה פשוט: מי שרגיש לתחלואה נשימתית קשה עקב שפעת - סביר שיהיה פגיע גם לתחלואה נשימתית קשה עקב הקורונה".

"לפיכך, לאלגוריתם השפעת הוותיק של כללית בוצעו התאמות כדי להפוך אותו רלוונטי יותר לקורונה, וזאת על סמך הידע שכבר נצבר על המחלה. אבל גם לקחנו שני צעדים קדימה כדי שהמודל לא יתבלבל עם השפעת: ראשית התאמנו את המודל לא רק לחודשי החורף, ושנית הסרנו את הילדים ולא נתנו לו להתאמן על קבוצת הגיל הצעירה. בנוסף, הוספנו לתוצאה שמנסים לחזות גם אשפוז שיגיע עד למצב של שוק ספטי (הלם זיהומי) - כי גם זה דווח בקורונה". 

ד"ר נעם ברדה צילום: שירותי בריאות כללית © סופק על ידי TheMarker ד"ר נעם ברדה צילום: שירותי בריאות כללית

את המאפיינים של הקורונה הוציאו חוקרי הכללית מתוך מאמרים שהתפרסמו בכתבי עת מדעיים וכן מהדו"חות המקוריים (הדאטה בייס) שעליו התבססו המאמרים הללו. 

בעיה מתודולוגית נוספת בה נתקלו החוקרים: "אנחנו יודעים שהעליה בתחלואה עם קבוצות הגיל ממש דרמטית, יותר מאשר בשפעת, ורצינו לגרום למודל להביא את זה לידי ביטוי. אבל אף אחד אף פעם לא עשה ניבוי על משהו שאין עליו דאטה - רשומות פרטניות של חולים", מספרת דגן.

 "לכן היינו צריכים לעשות 'טריקים' מתמטים כדי להזין למודל את המידע המידע האפדימיולוגי שלפיו בממוצע בגילאי 80 ומעלה אפשר לצפות ל- 14% של תמותה למשל. לצורך כך גייסנו שני צוותי חוקרים מהאקדמיה, ממכון ויצמן והטכניון, והם עבדו עד השעות הקטנות של הלילה במשך ימים כדי לנסות ולהביא את המידע למצב שהוא הכי קרוב למציאות. נתנו למודל להתאמן על כל הדאטה שיש בכללית כל המשתנים, מעל עשרת אלפים משתנים. בסופו של דבר אחרי שהמודל עושה את העבודה, יש פלט של אלפי חולים בסיכון מוגבר, והמטרה היא שרופאי המשפחה יפנו אליהם".

נעה דגן © סופק על ידי TheMarker נעה דגן

מה מטרת השיחה?

קודם כל, המטרה היא להגיד לאנשים שבסיכון - תיזהרו ותשתדלו בכלל לא לצאת מהבית ולהימנע ממפגש עם אנשים אחרים. המטרה השנייה היא להסביר להם מה לעשות אם יש להם צורך רפואי בימים האלה, כי אנחנו רואים שאנשים עדיין עובדים במרפאות ואנשים עדיןי מגיעים עבור דברים לא קריטיים - וזה ממש עניין של חיים ומוות. מסבירים להם שיש בדיקות שאפשר לדחות, יש בדיקות שאפשר לעשות בבית, שאפשר לקבל את התרופות הבית וכו'. 

בנוסף, מבוטחי הכללית חולקו לקבוצות סיכון מדורגות: 200 אלף המבוטחים בסיכון הגבוה ביותר יקבלו טלפון אישי מרופאי המשפחה שלהם, והשכבות שמעליהם יקבלו בשלב זה סמסים מפורטים. בנוסף, הריבוד של החולים ישפיע גם על ההחלטה מה לעשות עם מבוטחים שיחלו בקורונה: מבין החולים - אלה שקיבלו 'ציון גבוה' מבחינת דרגת סיכון יאושפזו בבתי החולים ולא במלון או בבית. חולים אחרים שנמצאים בסיכון גבוה אך לא הגבוה ביותר - יקבלו מעקב קפדני יותר כשיהיו במלון או באשפוז ביתי. חטיבת מערכות מידע ודיגיטל של כללית היא האחראית על העברת המידע לרופאים והרופאות.

כולנו יודעים לדקלם את גורמי הסיכון לקורונה: גיל מבוגר, מחלות רקע. עד כמה האלגוריתם הזה נותן ערך מוסף?

דגן: "אם הולכים לפי ההמלצות הרשמיות - יש בכללית מעל מיליון וחצי אנשים בסיכון מוגבר, וההיענות להנחיות עדיין רחוקה מלהיות מושלמת. אם כולם היו נשארים והיו מבינים שאפילו הבדיקה השגרתית לסוכרת מסוכנת - זה דבר אחד. אבל כשאתה מקבל שיחה מרופא המשפחה האישי שלך יש לזה ערך ובעזרת המודל הצלחנו לזהות את הקבוצה שבסיכון הכי הכי גבוה ולהגיע אליה". 

"זה ניסיון לעשות את הכי טוב שאפשר בתנאים של חוסר ודאות", מסכמת דגן. "זו בינה מלאכותית שמופעלת בתוך סוג של ערפל קרב וחוסר ודאות - אבל זה עדיף מלא לעשות כלום. אחרת נישאר בחלוקה מאד פשטנית של קבוצות סיכון".

לדבריה, "גם אם הכל נשמע מאוד הגיוני וברור מבחינת מי נמצא בסיכון, כשעושים אינטגרציה ולוקחים 30-20 משתנים כמו עישון, שימוש בתרופות, מחלות רקע שונות ועוד וכך מגבשים את הרשימה של האנשים שהכי בסיכון - זה משהו שהמוח האנושי מתקשה לעשות והאלגוריתם עושה בצורה הרבה יותר מדויקת".

עוד מ-TheMarker

image beaconimage beaconimage beacon