לפני החלטות גורליות, אנחנו נוטים להריץ בראש תרחישים שונים – לבחון מה יקרה אם נפעל כך או אחרת, ורק אז לבחור את הצעד הבא. אבל כשזה נוגע לבריאות שלנו, היכולת לצפות את העתיד הופכת מאתגרת במיוחד. האם טיפול מסוים יצליח? האם שינוי בתזונה ישפיע לטובה?
חוקרים ממכון ויצמן למדע הצליחו כעת לעשות בדיוק את זה - להריץ סימולציה רפואית מותאמת אישית. באמצעות בינה מלאכותית מתקדמת, הם פיתחו "כפיל דיגיטלי" - מודל AI חדשני שיכול לנבא מחלות עתידיות, להתריע על סיכונים עוד לפני שמופיעים תסמינים, ולהציע את מסלול הטיפול האפקטיבי ביותר לכל אדם. הפיתוח החדש, שנחשף היום (ג') במאמר בכתב-העת המדעי Nature Medicine, התאפשר בזכות פרויקט הפנוטיפ האנושי שבמסגרתו אסף צוות המחקר, יחד עם שותפים מרחבי העולם, מידע רפואי מעמיק ורחב היקף מיותר מ-13 אלף אנשים לאורך שנים.
בחיפוש אחר התשובה לשאלה "מה הופך כל אחד מאיתנו למי שהוא?", יצא לדרך בשנת 1990 פרויקט הגנום האנושי. עד אז נודעו גנים בודדים, והפרויקט הביא למציאת רבבות גנים המעצבים את תכונותינו וכן לגילוי המקור של אלפי מחלות. ואולם, כיום ברור כי הגנים משרטטים תמונה חלקית בלבד. רבות מהתכונות שמגדירות אותנו והמחלות המאיימות עלינו קשורות לסביבה, להרכב אוכלוסיית החיידקים המאכלסים את גופנו ("המיקרוביום"), להזדקנות ועוד.
כדי להשלים את התמונה, יזם בשנת 2018 פרופ' ערן סגל מהמחלקה למדעי המחשב ומתמטיקה שימושית במכון את "פרויקט הפנוטיפ האנושי", העוקב אחר אלפי משתתפים העוברים מדי שנתיים הערכה רפואית מקיפה לאורך 25 שנים. הבדיקות סוקרות 17 מערכות גוף שונות וכוללות מדידות גופניות, יומן תזונה, אולטרסאונד, בדיקת צפיפות עצם, הקלטה של הקול, בדיקת שינה ביתית, מעקב רציף לאורך שבועיים אחר רמות הסוכר, ריצוף גנטי ובדיקת ביטוי גנים, בדיקה של תכולת החלבונים בתאים ותהליכי חילוף החומרים, אפיון של המיקרוביום במעי, בנרתיק ובפה ובדיקות רבות נוספות.
ד"ר סמדר שילה, מצוות המחקר: "אם אני עוקבת אחרי בן אדם, לוקחת את כל הנתונים שלו ובודקת מה היה בנקודת האפס, אני יכולה לחפש ביומרקרים שמעידים על מחלה שהתפרצה מאוחר יותר. זו המטרה העליונה: לאתר גורמי חיזוי ולעשות את זה באמצעות כלים של בינה מלאכותית"
ד"ר סמדר שילה, אנדוקרינולוגית ילדים ורופאה בכירה במרכז שניידר, הייתה חלק מקבוצת החוקרים שהובילה את הקמת הפרויקט במסגרת עבודת הדוקטורט שלה במעבדתו של פרופ' סגל, והיא ממשיכה לחקור במסגרתו גם כיום. "בשנים האחרונות הוקמו הרבה מאוד ביובנקים בעולם – מאגרי מחקר גדולים מאוד שכוללים הרבה סוגים של מידע שנאסף על הרבה מאוד אנשים לאורך זמן", היא אומרת.
"המטרה הייתה לבנות ביובנק ישראלי – מאגר רחב היקף שכולל הרבה שכבות של מידע, גם ברמה המולקולרית וגם הקלינית, ולעקוב אחרי אנשים לאורך זמן. הרעיון הוא לזהות מרקרים - סמנים ביולוגיים - שמאפשרים לחזות מחלות עתידיות ולפתח רפואה מותאמת אישית עם יכולות ניבוי".
לדבריה, שילוב של שכבות מידע כמו גנטיקה, מטבוליטים, ומדדי מערכת החיסון יכול לאפשר לרפואה של העתיד לזהות מחלות עוד בטרם הופיעו. "אם אני עוקבת אחרי בן אדם, לוקחת את כל הנתונים שלו ובודקת מה היה בנקודת האפס, אני יכולה לחפש ביומרקרים שמעידים על מחלה שהתפרצה מאוחר יותר. זו המטרה העליונה: לאתר גורמי חיזוי ולעשות את זה באמצעות כלים של בינה מלאכותית. אנחנו משתמשים בשיטות חישוביות מתקדמות שמאפשרות לבנות את כלי החיזוי האלה".
גנטיקה מול השפעה סביבתית
״הפרויקט יצא לדרך בישראל בשנת 2018 עם יעד של 10,000 נבדקים. מאז, נרשמו יותר מ-30 אלף אנשים והשאיפה היא להגיע גם ל-100 אלף. "רצינו ללמוד עוד על שונות אתנית, סביבתית ותרבותית, ולכן הקמנו שלוחה ביפן, ואנו משלימים בימים אלו הקמה של שלוחה באיחוד האמירויות", מתאר פרופ' סגל.
"אנו מרחיבים גם את טווח הגילים. בתחילת הדרך גייסנו נבדקים מגיל 40 ועד 70, וכעת משתלבים גם נבדקים צעירים ומבוגרים יותר. המחקר הוליד מאגר מידע מתקדם, שהוא גם רחב היקף וגם המעמיק ביותר שקיים כיום בבני-אדם. הבנו כי עלינו לחלוק אותו עם הקהילה המדעית, וכיום הוא נגיש דיגיטלית לכל קבוצת מחקר בעולם, תוך שמירה על פרטיות המשתתפים במחקר. אנו מאמינים כי המידע שנאסף ישנה את פני הרפואה״.
הרפואה מבוססת כיום במידה רבה על ביצוע בדיקות והשוואת תוצאותיהן לטווח ממוצע לפי גיל ומין. בפועל, אצל כל אחד מאיתנו, המצב הבסיסי ותהליך ההתבגרות שונים למדי. בהמשך לפרויקט הפנוטיפ האנושי, צוות מדעניות ומדענים, בהובלת ד"ר לי רייכר וד"ר שילה ממעבדתו של פרופ' סגל, פיתח מודל בינה מלאכותית שלמד את ההשתנות הטיפוסית של 17 מערכות גוף לאורך החיים ומסוגל לזהות חריגות. המודל מבוסס על פלטפורמה שיצרה חברת Pheno.AI למחקרי בינה מלאכותית בתחום הבריאות.
4 צפייה בגלריה
צוות החוקרים: מימין: ד"ר סמדר שילה, פרופ' ערן סגל וד"ר לי רייכר
(צילום: אוהד הרכס, מכון ויצמן)
"המודל נותן ניקוד לכל מערכת ומשווה אותו למה שמצופה לפי גילו הכרונולוגי של הנבדק, המין והמשקל ביחס לגובה בריבוע (BMI)", מסביר פרופ' סגל. "בהתאם לסטייה מהמצופה, קובע המודל מהו הגיל הביולוגי. ככל שהגיל של מערכת מבוגר יותר, כך עולה הסיכון למחלות שלה".
לדברי ד"ר שילה, המודל בנוי כך שהוא מסוגל לחשב לא רק גיל ביולוגי כללי, אלא גם של מערכות שונות בגוף. "למשל, אפשר להסתכל רק על פרמטרים הקשורים למערכת הקרדיו-וסקולרית - אם אלה פרמטרים של אולטרסאונד של העורקים בצוואר או בדיקות אק"ג - ולפי זה לפתח מודל שחוזה את הגיל הביולוגי של מערכת מסוימת".
המערכת החדשה מסוגלת גם לזהות סטייה מהנורמה עוד לפני הופעת תסמינים. "גילינו למשל, באמצעות מעקב אחר רמות הסוכר של משתתפי הפרויקט, מה קצב העלייה התקין של סוכר אצל גברים ונשים לאורך השנים", אומר פרופ' סגל. "ראינו שונות בין ערכי סוכר בצום הנמדדים בימים שונים של המחקר, עם ערכים המתאימים למצב טרום-סוכרתי אצל 40% מהאנשים שסווגו כבריאים לפי בדיקה אחת בלבד של סוכר בצום כפי שמקובל כיום".
"חלק מהנתונים שאספנו - כמו לדוגמה הדאטה המאוד-ייחודית של סוכר רציף, שנדגמה מאלפי אנשים כחלק מהמחקר –מאפשרים לנו ליצור או לאפיין גם נורמות חדשות למדדים האלה, שבעבר לא מדדו אותם על כל כך הרבה אנשים בריאים", מוסיפה ד"ר שילה. "זה מאפשר לנו להסתכל איך לאורך הגיל זה הולך ומתקדם עם הזמן, ולאפיין הבדלים בהתקדמות הזו בין נשים לגברים".
ד"ר סמדר שילה: "הכוונה היא ליצור מודל שייקח את כל הדאטה שיש לנו ויעשה איזושהי אינטגרציה שתאפשר לחזות התפרצות של מחלה. המשמעויות של זה יכולות להיות מאוד רחבות – החל מסימולציה של התערבות תרופתית ועד סימולציות של שינוי באורח החיים"
"בעוד הגיל הביולוגי של גברים עולה באופן לינארי יחסית, אצל נשים אנו מזהים קפיצה בגיל בעשור החמישי לחיים", מתאר פרופ' סגל. "גיל המעבר הוא אירוע מכונן בהיבטים רפואיים רבים ונראה שהוא מכוון מחדש את שעון הגיל הביולוגי. מצאנו למשל שירידה בצפיפות עצם קשורה יותר לזמן שעבר מתחילת גיל המעבר, מאשר לגיל הכרונולוגי. בנוסף, המדדים מאפשרים לזהות מוקדם את תחילת גיל המעבר ולתכנן בהתאם טיפול הורמונלי".
לצד שאלת הגיל, מציעה ד"ר שילה מבט מרתק נוסף על תרומת המגוון האנושי בפרויקט: "בסופו של דבר אנחנו מדינה עם אוכלוסייה מגוונת שמקורה במוצאים שונים. זו ייחודיות שאנחנו מדברים עליה במאמר שלנו, והיא מאפשרת לנו לראות הבדלים בין אנשים שהגיעו ממקומות שונים, להסתכל על מידע שונה ולראות כמה הוא מושפע מהגנטיקה שלנו לעומת גורמים אחרים".
כך לדוגמה, היא מציינת: "כשלוקחים מידע גנטי ומנסים לפתח מודל שחוזה מוצא – לפי ההרכב של הגנטיקה הוא יודע לחזות מי אשכנזי, מי הגיע מתימן, שזה הגיוני בסך הכול. אבל אם אתה לוקח מידע כמו המיקרוביום, שזו אוכלוסיית החיידקים שנמצאת בתוכנו - המודל לא מצליח לחזות מוצאים שונים. מה שמראה שזה מידע שהרבה פחות מושפע מהגנטיקה, והרבה יותר מושפע מגורמים אחרים. כלומר, הסביבה המשותפת, הגורמים הסביבתיים – הם הרבה יותר משמעותיים בהרכב שלו לעומת דברים אחרים".
חזון הרפואה האישית
ועדיין, ההבטחה הגדולה ביותר של הפרויקט היא להוות זינוק קדימה בדרך לרפואה מותאמת אישית. המדענים שואפים להשיג זאת באמצעות מודל ממוחשב יחיד שישלב את פרטי המידע שנאספו מכל משתתף בפרויקט הפנוטיפ האנושי, ייצר "כפיל דיגיטלי" שלו ויבדוק אילו אירועים רפואיים צפויים לו בעתיד וכיצד למנוע אותם. המודל, שמצוי בשלבי פיתוח בהובלת תלמיד המחקר גיא לוצקר, לומד באופן חופשי את המידע הרפואי של כל אדם, והמדענים מאמנים אותו במשימות ניבוי קטנות: בכל פעם מסתירים ממנו פרט מסוים ומבקשים שינבא אותו על סמך שאר הנתונים.
"הכוונה היא בסופו של דבר ליצור מודל שייקח את כל הדאטה שיש לנו ויעשה איזושהי אינטגרציה שתאפשר לחזות את ה־next medical event – לחזות התפרצות של מחלה", מסבירה ד"ר שילה. באמצעות שיטת אימון גנרטיבית (Generative AI) התקבל מודל שמסוגל להרכיב "ציר בריאות" אישי, ולחזות את מצב האדם לשנים קדימה. "המשמעויות של זה יכולות להיות מאוד רחבות - החל מסימולציה של התערבות תרופתית שאתה יכול לבדוק על התאום הדיגיטלי ועד סימולציות של שינוי באורח החיים", היא מוסיפה, "זה החזון של הרפואה האישית – לנסות להבין איך טיפול תרופתי או שינוי מסוים באורח חיים יכולים להשפיע על המטופל שלך באמצעות התאום הדיגיטלי".
ואכן, צוות המחקר פיתח כבר מודל שלמד את המידע על רמות הסוכר של משתתפי הפרויקט והצליח לנבא לא רק מה יהיו רמות הסוכר של כל אחד מהם בעתיד, אלא גם מי מהאנשים הטרום-סוכרתיים מצוי בסיכון הגבוה ביותר להפוך לסוכרתי בשנתיים הקרובות – ניבוי שמאפשר למנוע או לעכב את המחלה בשלב מוקדם.
ד"ר סמדר שילה: "כתוצאה מכל הדאטה שהוא לומד, למודל יש יכולות לעשות חיזויים בצורה שרופא או אדם בכלל לא יכולים לעשות. אני אנדוקרינולוגית – אבל אני לא יכולה לעשות אינטגרציה של עשרה מיליון מדידות של סוכר ולהקיש מהן דברים. זה מידע שהוא רציף וזה פשוט לא אפשרי. הכלים האלה מאוד-מאוד חזקים בהיבט הזה"
ד"ר שילה מתארת גם מודלים נוספים שנולדו מהנתונים העצומים של הפרויקט: "אנחנו מדברים על שיטות חישוביות חדשות שיש היום, שמאפשרות לקחת Large Scale Data ולהסיק ממנו תובנות. לדוגמה, במאמר מוזכר כלי שנקרא Gluformer. זהו מודל שמקבל כאינפוט יותר מ-10 מיליון מדידות גלוקוז של בני אדם. הוא לוקח את המידע הזה ואחר כך יודע לסווג אנשים עם טרום-סוכרת - מי יתקדם הלאה מבחינת הפרופיל הגליקמי שלו".
מודל נוסף שפותח במעבדה הוא COMPRER, שמשלב תמונות של קרקעיות העיניים עם הדמיות של עורקי הצוואר. "המודל משלב את שתי הדאטות האלה יחד בשביל לחזות מחלות קרדיו־וסקולריות", היא אומרת. "יש הרבה עבודות שמראות שאפשר לחזות הרבה דברים רק מהמראה של הקרקעית של העין – יש שם כלי דם קטנים שעוברים שינויים לאורך החיים. פה אנחנו משלבים בין כמה סוגי דאטה בשביל אפילו ליצור ניבוי באופן יותר משמעותי".
אך העוצמה של המודלים אינה טמונה רק בכמות המידע, אלא גם ביכולת שלהם לבצע אינטגרציה מורכבת בין מקורות מידע. "כתוצאה מכל הדאטה שהוא לומד, למודל יש יכולות לעשות חיזויים בצורה שרופא או אדם בכלל לא יכולים לעשות. אני חוזרת לדוגמה של הגלוקוז, כי אני אנדוקרינולוגית – אבל אני לא יכולה לעשות אינטגרציה של עשרה מיליון מדידות של סוכר ולהקיש מהן דברים. זה מידע שהוא רציף וזה פשוט לא אפשרי. הכלים האלה מאוד-מאוד חזקים בהיבט הזה".
בנוסף, החוקרים כבר משתמשים במודל הכפיל הדיגיטלי כדי לבדוק אילו שינויים תזונתיים או טיפולים תרופתיים יתאימו אישית לכל נבדק. בעתיד, צפוי המודל להקיף את כל סוגי המידע במאגר, לנבא קשת רחבה של אירועים רפואיים ולחסוך את הצורך בניסוי וטעייה עד למציאת הטיפול הנכון לכל אדם.
"התקדמות זו מתאפשרת בראש ובראשונה בזכות קהילת משתתפי פרויקט הפנוטיפ האנושי", מסכם פרופ' סגל. "זו קהילה מגובשת של אנשים שמחויבים לקידום הרפואה ולמעקב מתמשך אחר בריאותם. אנחנו מפתחים אפליקציה שתביא את כל המידע שנאסף לכף ידם של המשתתפים ובהמשך תציג להם 'יציר בריאות' אישי'".
הוא מסכם: "אנחנו חיים בתקופה של שינויים סופר-מהירים. עולמות הבריאות והרפואה ישתנו דרמטית בשנים הקרובות ויהפכו להיות מבוססי AI. הפרויקט שלנו צפוי להיות מקור מידע וחדשנות מוביל בעולם, והכול בזכות המשתתפות והמשתתפים. אני רוצה לנצל את ההזדמנות כדי לשלוח תודה לכל אחת ואחד מהם - שיתוף הפעולה יוצא הדופן שלכם הוא מנוע הצמיחה האמיתי של מהפכת הרפואה".
פורסם לראשונה: 11:50, 15.07.25
