בשנים האחרונות אנחנו רואים יותר ויותר שימושים מעשיים בבינה מלאכותית בבריאות: מסיוע לרופאים בהחלטות טיפול, דרך קיצור זמני אבחון, ועד עוזרים דיגיטליים שמסייעים למטופלים להבין בדיקות. ככל שהיישומים מתרחבים, כך מתברר שהחסם המרכזי כבר לא היכולת של המודלים, אלא היכולת שלנו להזרים אליהם מידע רפואי נכון, מובנה ואחיד.
דמיינו רגע מצב פשוט: אתם נכנסים ל-ChatGPT ושואלים "איזה שאלות כדאי לי לשאול את הקרדיולוג?" או "מה המשמעות של תוצאת בדיקת הדם שלי?" עכשיו דמיינו שהוא לא עונה לכם תשובה כללית מהאינטרנט, אלא מתייחס לתיק הרפואי האישי שלכם, למחלות הרקע, לתרופות, לבדיקות האחרונות ועוד. בדיוק לשם הולכים יישומי הבינה המלאכותית האישיים: פחות חיפוש מידע מפוזר, יותר עזרה אמיתית שמבוססת על הנתונים שלכם.
זו הסיבה שההשקה של יכולות Health ב-ChatGPT לפני כשבועיים מסמנת שינוי גדול: בינה מלאכותית כבר לא נשארת רק בתוך בתי חולים וקופות חולים, אלא מתחילה להיכנס גם לחיים של כל אחד מאיתנו, ככלי שמסייע להבין, ולנהל בריאות בצורה חכמה יותר.
אבל כדי שכל זה יעבוד באמת, יש תנאי אחד בסיסי: שהמידע הרפואי יהיה נגיש, מסודר, ומחובר. בארה״ב זה מתאפשר, כי לפני כשנתיים נכנסה לתוקף רגולציה שמאפשרת ניוד מידע רפואי וחיבור לאפליקציות דרך התיק הרפואי האישי. בישראל אנחנו עדיין בדרך לשם.
וכשמידע רפואי באמת זמין ומחובר גם לצוותי הרפואה - פתאום אפשר לראות איך זה מתרגם לשיפור אמיתי בטיפול: בשירותי בריאות כללית פועלת היום מערכת בשם AI PRO היא מסתכלת על המידע הרפואי שכבר קיים בתיק, ומציעה לרופאת המשפחה המלצות טיפול: להפנות לבדיקות, לשלוח לייעוץ מומחה, או לשנות טיפול תרופתי. זה לא מדע בדיוני, אלא מערכת שמייצרת בכל חודש עשרות אלפי המלצות חדשות, והרופאה היא זו שמאשרת אותן. בעיניי, זו גם דוגמה מצוינת לאיזון נכון מול החשש הציבורי מבינה מלאכותית: המערכת יכולה להציע, אבל המטפל האנושי הוא זה שמכיר את המטופל, מנהל את התיק, ובוחר מה מתאים.
ועדיין, החוויה של מטופלים בישראל מוכרת מדי: מגיעים למומחה או למיון עם קלסר. סיכומי אשפוז. דיסק של הדמיה. ואז במקום שהמפגש יתחיל בטיפול, הוא מתחיל ב"רגע, איפה הבדיקה האחרונה?" "מתי התחלת את התרופה?" גם הצוותים הרפואיים, העמוסים ממילא, משקיעים זמן יקר באיסוף מידע - במקום ברפואה.
הבעיה היא לא שאין מידע. יש המון. הבעיה היא שהוא מפוזר, לא אחיד, ולעיתים קרובות "נעול" בתוך מערכות שונות. גם כשהוא כבר עובר, הוא לא תמיד עובר כמידע מובנה שאפשר לעבוד איתו. אותו מצב רפואי יכול להופיע בשם אחר, בקידוד אחר, או פשוט להופיע רק כ-PDF. גם בתוך אותו ארגון, ובטח בין ארגוני בריאות שונים, אותו נתון רפואי, כמו אבחנה או בדיקה, יכול להופיע בשם או בקוד אחר, וכשמעבירים מידע בין כמה נותני שירות נוצרים כפילויות ועיוותים שמבלבלים גם בינה מלאכותית ומקשים עליה לדייק.
כדי שכל זה יעבוד באמת, יש תנאי אחד בסיסי: שהמידע הרפואי יהיה נגיש, מסודר, ומחובר. בארה״ב זה מתאפשר, כי לפני כשנתיים נכנסה לתוקף רגולציה שמאפשרת ניוד מידע רפואי וחיבור לאפליקציות דרך התיק הרפואי האישי. בישראל אנחנו עדיין בדרך לשם
לנייד את המידע
כאן נכנס חוק ניוד מידע רפואי בישראל: הוא נועד לאפשר למטופלים לנייד מידע בין גופים, ובמקביל לקדם מידע רפואי סטנדרטי לפי תקן בינלאומי בשם FHIR. זה אולי נשמע טכני, אבל המשמעות פשוטה: במקום שכל ארגון ידבר "דיאלקט" משלו - כולם משתמשים באותה שפה. וכשחוק ניוד מידע ימומש במלואו, והמידע ינוהל בצורה סטנדרטית בכל ארגוני הבריאות, גם פתרונות הבינה המלאכותית יהפכו לזולים יותר להטמעה, אמינים יותר, וקלים יותר להרחבה בין מערכות.
מהניסיון שלנו בליווי ארגוני בריאות ביישום החוק, אנחנו רואים שארגוני בריאות רוצים ליישם את החוק, אבל צריכים להפוך מידע ישן, לא אחיד ומפוזר למידע נקי וסטנדרטי שאפשר לשתף ולהפעיל עליו כלים חכמים. אנחנו משלבים מוצר טכנולוגי וייעוץ, ועוזרים לבנות גם אסטרטגיית דאטה - כי בלי תשתית נכונה, אי אפשר להגיע לרפואה חכמה.
הבינה המלאכותית כבר כאן והיא יכולה להפוך את הרפואה ליעילה, מדויקת ונגישה יותר. אבל כדי שהיא תעבוד באמת, היא חייבת להישען על מידע שעובר איתנו, ולא על קלסרים וקבצי PDF. כשזה יקרה, נוכל סוף סוף לעשות את המעבר הגדול: מרפואה שמגיבה למחלה לרפואה פרואקטיבית, פרסונלית ומונעת, שמנהלת בריאות ואורח חיים לאורך זמן.
הכותבת היא מנכ"ל ושותפה ב-Outburn LTD
טעינו? נתקן! אם מצאתם טעות בכתבה, נשמח שתשתפו אותנו