בשורה לחולי סוכרת: פיתוח ישראלי יחזה את רמות הסוכר בדם - עד ארבע שנים קדימה

רבים מאיתנו מוצאים את עצמנו מתלבטים מול עוגה שצצה במטבחון במשרד – אך עבור חולי סוכרת זאת שאלה מסוג אחר לגמרי. כשצריך לנטר את רמות הסוכר בדם, זה לא דבר של מה בכך. כעת, מודל חדש של בינה מלאכותית מסוגל לחזות כיצד אותה עוגת תפוזים תמימה תשפיע על הגוף.

חוקרים ממכון ויצמן למדע, חברת הסטארט-אפ Pheno.AI וקבוצת המחקר של אנבידיה (NVIDIA) בישראל, הובילו את פיתוחו של GluFormer – מודל בסיס שמסוגל לחזות את רמות הסוכר העתידיות של מטופלים, כמו גם מדדי בריאות אחרים, בהסתמך על נתוני סוכר של המטופל מהעבר.

לדברי החוקרים, לכלי בינה מלאכותית כמו GluFormer יש פוטנציאל עתידי לעזור למאות מיליוני אנשיםהמתמודדים עם סוכרת. כיום, מחלת הסוכרת פוגעת בכ-10% מהאוכלוסייה העולמית, וחוקרים מעריכים כי עד 2050 תוכפל השפעתה והיא תשפיע עלי חייהם של יותר מ-1.3 מיליארד בני אדם ברחבי העולם. מדובר במחלה הנמנית בין עשר הסיבות המובילות בעולם לתמותה, והיא גורמת לסיבוכים משמעותיים בקרב חולים רבים כגון פגיעה בכליות, פגיעה בראייה ובעיות לב.

כמו ChatGPT

הטכנולוגיה שמאחורי Gluformer פועלת באותה ארכיטקטורה כמו מודלי שפה גדולים דוגמת ChatGPT - רק שבמקרה זה התוצר הוא רמות סוכר, לעומת טקסט ב-GPT. המודל אומן על ניטור מדדי סוכר של יותר מ-10,000 משתתפי מחקר שאינם חולי סוכרת במשך 14 ימים, עם נתונים שנאספו כל 15 דקות באמצעות מכשיר ניטור לביש - והצליח לחזות דפוסים של רמות סוכר. בסך הכל, אומן המודל על 10 מיליון נתוני רמת סוכר.

מחקרים מצאו כי מידע הנאסף ממערכות קבועות לניטור גלוקוז, יכול לסייע באבחון מהיר יותר של חולים עם טרום-סוכרת או סוכרת. לפי החוקרים, יכולות ה-AI של GluFormer מסוגלות לשפר את יכולת האבחון הזו, ולעזור למטפלים ולמטופלים לזהות אנומליות, לחזות תוצאות של ניסויים קליניים, ולחזות מדדים רפואיים ובריאותיים עד לארבע שנים מראש.

לדבריהם, תחזיות מדויקות של רמות הסוכר העתידיות עבור מטופלים בקבוצות סיכון לפתח סוכרת, עשויות לאפשר לרופאים ולמטופלים לאמץ אסטרטגיות טיפול מונע מוקדם יותר. בנוסף, יהיה אפשר לחזות תגובה לתרופות וטיפולים במסגרת ניסויים קליניים, ולחזות מדדים כארבע שנים מראש. כתוצאה מכך ניתן יהיה גם להפחית את ההשפעות הכלכליות של התמודדות עם סוכרת - שעשויים להגיע גלובלית ל-כ-2.5 טריליון דולר ב-2030.

תזונה מותאמת אישית

החוקרים מסבירים כי לאחר הזנת המודל עם מידע הקשור בתזונת המטופל, ניתן לחזות כיצד רמות הסוכר שלו יגיבו למזונות ספציפיים ולשינויים בתזונה - מה שיכול לדבריהם לאפשר תזונה מותאמת אישית ברמת דיוק גבוהה. מעבר לרמות הסוכר, GluFormer יכול לחזות ערכים רפואיים כולל רקמת שומן - מדד לכמות השומן בגוף סביב איברים כמו הכבד והלבלב; לחץ דם סיסטולי, הקשור לסיכון לסוכרת; ומדד דום נשימה - מדידה לדום נשימה בשינה, הקשור לסוכרת מסוג 2.

"מצאנו שארכיטקטורת הבינה המלאכותית "טרנספורמר", שפותחה עבור רצפי טקסט ארוכים, יכולה לקחת רצף של בדיקות רפואיות ולחזות את תוצאות הבדיקה הבאה. בכך, המודל לומד על האופן שבו המדדים האבחנתיים מתפתחים לאורך זמן", אמר פרופ' גל צ'צ'יק, דירקטור בכיר ב-NVIDIA ומנהל מרכז מחקר הבינה המלאכותית של אנבידיה בישראל.

"שני גורמים חשובים התכנסו יחדיו בו-זמנית כדי לאפשר את המחקר שעשינו: הבשלה של טכנולוגיות בינה מלאכותית יוצרת המונעת באמצעות אנבידיה, לצד איסוף נתוני בריאות בקנה מידה גדול על ידי מכון ויצמן", אמר המחבר המוביל של המחקר גיא לוצקר, חוקר בינה מלאכותית באנבידיה ודוקטורנט במכון ויצמן. "זה שם אותנו בעמדה ייחודית להפיק ולחלץ תובנות רפואיות חשובות מתוך המדדים הרפואיים".