כך אמר ג’רון טאס, מנכ”ל חטיבת הטיפול הרפואי המקושר, ומידע רפואי בחברת פיליפס * כריס אוקונור, מנהל חטיבת ווטסון IOTביבמ במסגרת פאנל שעסק בהשלכות החברתיות של מהפכת התבונה המלאכותית במסגרת כנס CES-2017
תבונה מלאכותית, CES 2017
- אף ממשלה במדינות המפותחות לא ערוכה למהפכת הרובוטים שתחסל משרות לכל אורך ההירארכיה הארגונית
- “אנשים מוכנים לסבול מוות של 35 אלף איש מכלי רכב נהוגים בידי אדם, אך לא יוכלו לסבול הרוג אחד מרכב רובוטי
רובוטים ישפרו את איכות הטיפול הרפואי, כבר בעתיד הקרוב כך אמר ג’רון טאס, מנכ”ל חטיבת הטיפול הרפואי המקושר, ומידע רפואי בחברת פיליפס וכריס אוקונור, מנהל חטיבת ווטסון IOTבפאנל שעסק בהשלכות החברתיות של מהפכת התבונה המלאכותית במסגרת תערוכת CES-2017 שהתקיימה בתחילת ינואר בלאס וגאס. הנחה דייויד קירקפטריק, מנכ”ל TECHONOMY.
בפרק הקודם, אתמול, דיווחנו לכם על השפעת התבונה המלאכותית על שוק העבודה, אך אותו פאנל עסק גם בנושא אחר שבו הקונצנזוס אופטימי הרבה יותר – ששימוש בתבונה מלאכותית בשירותי הבריאות עשוי לעזור באבחונים, בטיפולים מונעים וגם בטיפולים הרפואיים עצמם ובמגע בין הרופא לחולה.
טאס: “הרפואה היא תחום מורכב ותלוי בגורמים חברתיים, כלכליים, חינוכיים, ביחס שלנו לאנשים שמסביבנו, המצב המנטלי שלנו, ומה טמון ב-DNA שלנו. עד כה טיפלנו בהיבטים ספציפיים של הבריאות במטרה לסייע לרופאים לעכל את המידע הרפואי. יש היום מידע רב על כל חולה אבל כדי שיביא תועלת צריך להסתכל מנקודת מבט הוליסטית.
בנוסף למדדים שנבדקים גם היום: מידע קליני, נתונים פיזיולוגיים כגון לחץ הדם, קצב הלב ורמת הסוכר, המרכיב החשוב ביותר ברפואה הוא ההקשר של מי אתה, ומה נכון עבורך. אפשר יהיה אחר כך לרדת לרזולוציה של בעיות קטנות יותר כמו רדיולוגיה.
“הרדיולוגים משתמשת בזיהוי תבניות. הם מסתכלים על התמונה ומיישמים את הידע שלהם כדי לפענח אותה.
אם מסתכלים על סריקת מוח של חולי טרשת נפוצה, הוא נראה כמו מערכת כוכבים ולכן קשה לזהות את השינויים מבדיקה לבדיקה. גם בתחום הסרטן אנחנו רוצים לכמת את השתנות הגידול על פני זמן. להסתכל על ההדמיה זה לא מספיק. אנחנו רוצים לבחון את מבנה התאים ולבצע פתולוגיה דיגיטלית. מאילו תאים כדי להוציא את הרצף הגנומי. התבונה המלאכותית עוזרת לנו לתת את הטיפול המדויק ביותר.”
“מדובר במשימה מסובכת ועוד לא הזכרתי נתונים נוספים כגון תסמינים, ונתונים שאנחנו יכולים לשלוף ממכשירים לבישים. אנחנו מגיעים למצב שבו איסוף המידע, הוצאת התובנות ממנו ולהכניסם להקשר, וכן לקשר את התוצאה בחזרה לגוף הידע. משימה זו תהפוך לבעיית AI גדולה. אי אפשר לפתור אותה באמצעות השיטות הסטטיסטיות המסורתיות. מדובר בזיהוי תבניות בקנה מידה גדול. אין סיכוי לטכנולוגיה הרגילה לגלות זאת משום שמרבית המידע איננו מובנה.”
“אנחנו מנטרים קשישים בבתיהם. הם מהווים חמישה אחוזים מהאוכלוסיה, אך גורמים ל-50% מהעלויות של מערכת הבריאות. גילינו שאם אנו מנטרים אותם, ומזרימים נתונים אודות בריאותם ממכשירים שונים ומכניסים את זה להקשר הפרופיל שלהם ואנחנו עושים זאת בקנה מידה גדול אנחנו יכולים להפעיל מרכז בקרה כאשר בכל רגע נראה אם המצב של מישהו השתנה והוא זקוק להתערבות מהירה. אנחנו כבר לא מסתמכים על הידע של האחות, אלא על הנתונים והנתונים מאוד מורכבים. נתונים ממצלמה, וממספר חיישנים.”
“אנחנו מודעים לכך שהרפואה מבוססת על קשר אישי בין המטפל למטופל לכן כשפיתחנו את הרדיולוג האוטונומי, דאגנו שבסופו של התהליך יהיה זה הרופא שיאשר או יפסול את המלצות המערכת הרובוטית.” מסכם טאס.
אוקונור: “גם אנחנו ביבמ מטפלים בסוגיה המורכבת של נתונים רדיולוגיים (וחלק ניכר מזה נעשה במעבדת המחקר בחיפה, ראו – עוזר הרדיולוג שאינו מתעייף א.ב.) אפילו המומחה הגדול ביותר לא יכול להשתלט על כמות עצומה זו של נתונים. התבונה המלאכותית מאפשרת לפתח מודל וירטואלי של האיבר המצולם ולצלול פנימה למקומות שמעניינים אותנו. לרדיולוגים יש כעת כלי שמסייע להם לבצע את עבודתם טוב יותר ולהגדיל את מאגר הידע של ההתמחות שלהם. כי אמנם כל חולה הוא פרטני אבל יש חשיבות לאגירת מידע על כל החולים כדי להפיק נתונים על המחלה ולהשתמש בזה ללימוד המערכת כדי להקל עליה לזהות תבניות ספציפיות בפעם הבאה.”
“הכנסנו למערכת נתונים של מעל 200 מיליון רשומות רפואיות בארה”ב לבדה. נכון, יש לנו כפילויות אבל הנתונים האלה יאפשרו לנו לאתר חולים ספציפיים בעלי מאפיינים דומים ולטפל בהם. אכן תחום האונקולוגיה הוא תחום שכדאי להתחיל בו.”
ומוסיף אקונור: “העולם הולך ומתבסס על חיישנים מרובים. זו הזדמנות מצוינת לקדם את התבונה המלאכותית ולהכניס אותה לתוך החיישנים עצמם. וגם לאגום את הנתונים ולמצוא בהם תבניות, סטטיסיטיקות וכו’. הדברים הללו לא יתבצעו על ידי חברות ספורות אלא באמצעות אקוסיסטם שלם של ספקי פתרונות למשימות רבות בחיינו בתחומים כגון בריאות, ייצור, כלי רכב, הפקת נפט. כל התחומים הללו ורבים אחרים יוצרים המון נתונים (ביג דאטה) אך גם הזדמנות לספק נתונים אינטלגנטיים אך גם להוסיף לה יכולת חישה (קוגניציה).
“אנו ביבמ פיתחנו מערכות ל-18 תעשיות שונות החל מהמגזר הפיננסי, ועד לייצור יעיל וכמובן בתחום הרפואה. זו מתחילה להיות סביבה תחרותית. אנו כבר רואים כאן (CES) חברות מוצרי צריכה שמטמיעות תבונה מלאכותית בתוך המוצרים שלהם לבית החכם, המכונית החכמה ועוד.”
