דמיינו חדר ניתוח שבו רובוט מזהיר את המנתח לפני שהוא מתקרב לעורק רגיש, מערכת מחשוב שמזהה גידול סרטני עוד לפני שהרופא הבחין בו, או אלגוריתם שמקצר בכמה שנים את פיתוח התרופה הבאה. בינה מלאכותית כבר מחוללת מהפכה ברפואה: מהדמיות מוח ולב ועד לגנומיקה ולפיתוח תרופות מותאמות אישית.
מי שמכירה את המהפכה הזו מקרוב היא לירון פריינד-סעדון, דירקטורית קשרי מפתחים של חברת אנבידיה בישראל ואירופה. בשנים האחרונות היא מובילה את החיבורים בין אנבידיה לבין מאות סטארטאפים, בתי חולים וארגוני בריאות בארץ ובעולם. מנקודת המבט הייחודית שלה אפשר לראות כיצד רעיונות חדשניים מקבלים תאוצה, עוברים מהמעבדות לקליניקות, ומשנים את פני הרפואה המודרנית.
"אני חושבת שאנחנו עדיין רק בהתחלה, הטוב עוד לפנינו", היא אומרת היום. "אני נמצאת באנבידיה שבע שנים, ממש חיה את גלגול התחום. אם בתחילת הדרך הנושא המרכזי היה ראייה ממוחשבת (Computer Vision), היום אנחנו חוצים המון תחומים, ואנחנו פוגשים אותם כמעט בכל תעשייה, בין אם מדובר ברכבים אוטונומיים, חישוב קוונטי ובוודאי שגם בעולם הרפואה. אנחנו נמצאים ממש בכל תחום רפואי, בין אם הוא קליני, דיאגנוסטי או טיפולי, ובכל אחד מהתחומים האלה אנחנו משיקים פתרונות שהם ייחודיים לכל תת-תחום".
מעניין לציין שדווקא כאן בישראל היא רואה את אחת הזירות המעניינות ביותר. לדבריה, כמעט שאין סטארט-אפ רפואי שלא נוגע היום בבינה מלאכותית, למשל Viz.ai, שרותם את ה-AI להאצת הניתוח של הדמיות הרפואיות, או Protai, שמשלב בין חקר חלבונים (פרוטאומיקה) ללמידת מכונה על מנת למצוא תרופה לסרטן. "אנחנו עובדים באופן אינטנסיבי עם חברות בריאות בארץ, בעיקר בתחומים של הדמיות רפואיות (Medical Imaging) ופתולוגיה, אבל גם עם חברות גדולות של מכשור רפואי, תרופות וגנומיקה", מספרת פריינד-סעדון, "בעזרת הפלטפורמות שלנו הם מפתחים מודלים שכבר היום נכנסים לשימוש".
לירון פריינד-סעדוןצילום: אנבידיהאך בוודאי שלא מדובר רק ביזמות. לדבריה, החיבורים עם בתי החולים וארגוני הבריאות הגדולים בארץ חשובים לא פחות, בעיקר בזכות היתרון המקומי הייחודי: "יש לנו גם עבודה ענפה עם בתי חולים וארגוני בריאות בארץ, ואנחנו רואים השקעות ארוכות-טווח שמתקיימות כבר עכשיו. זה תחום פורץ דרך ומשנה חיים, ואני מאמינה שדווקא כאן יש לנו יתרון משמעותי על פני מקומות אחרים בעולם".
"לומדים איך אפשר לסייע למנתחים"
אחת המהפכות הראשונות והבולטות ביותר מתרחשת בתחום ההדמיות הרפואיות. מה שבעבר היה נחשב למשימה מורכבת ועתירת כוח אדם - קריאת בדיקות CT, MRI או שקופיות פתולוגיה, הופך בהדרגה לתהליך שמגובה באלגוריתמים חכמים. פריינד-סעדון מספרת שאנבידיה היא אחת התורמות המרכזיות ל-MONAI, מסגרת תוכנה בקוד-פתוח לדימות רפואי מבוסס בינה מלאכותית, ובנוסף פיתחה את NVIDIA Holoscan, פלטפורמה המאפשרת להעביר נתוני חיישנים ממכשירים רפואיים ל-GPUs (מעבדים גרפיים המשמשים לאימון והרצה של בינה מלאכותית) בזמן אמת.
"בהתחלה היינו מאוד עסוקים בדימות וכל הפתרונות סביב הדמיות רפואיות, ואני חושבת שהיום אפשר להגיד שהתחום הזה הוא די פתיר בבינה מלאכותית. הוא גם כולל בתוכו פתולוגיה, ואנחנו רואים המון פתרונות שכבר נמצאים בהפקה שיכולים לנטר מחלות, לנטר גידולים, לנטר מה שצריך בתוך האימג' עצמו או בתוך הפתולוגיה עצמה". המשמעות ברורה: רופאים מקבלים תשובות מהירות ומדויקות יותר, יכולים לקטלג חולים לפי דחיפות, ולהתמקד במקרים המורכבים באמת.
על תחום הדימות: "אנחנו רואים המון פתרונות שכבר נמצאים בהפקה שיכולים לנטר מחלות, לנטר גידולים, לנטר מה שצריך בתוך האימג' עצמו או בתוך הפתולוגיה עצמה. בתוך התחום הזה יש המון מודלים של בינה מלאכותית שכבר מגיעים ליכולת דיוק גבוהה - היכולת לתת תשובה של 97, 98 ואפילו 99 אחוזים"
לדבריה, המנוע שמאפשר את הקפיצה הזו הוא השילוב בין ראייה ממוחשבת לבין דיוק הולך ומשתפר של המודלים. "בתוך התחום הזה יש המון מודלים של בינה מלאכותית שכבר מגיעים ליכולת דיוק גבוהה - היכולת לתת תשובה של 97, 98 ואפילו 99 אחוזים", היא מכריזה, "תלוי כמובן מה מחפשים בתוך התמונה או בתוך הפתולוגיה".
כמו מה, למשל?
"בפתולוגיה מדובר בשאלה אם זה סרטן או לא סרטן, ואם כן - איזה סוג. בתחום ההדמיות הרפואיות אפשר לבדוק אם יש גידול, אם אין גידול, האם הוא השתנה, גדל או קטן. בסריקות מוח אנחנו רואים מודלים שעוסקים בזיהוי שבץ, ובמחלות לב - ניטור מדויק של מצב החולה. בעצם, בכל תחום שבו יש תמונה וצריך להבין מה מסתתר בה, יש היום מודלים שיכולים לעשות זאת. והחברות שפיתחו את הפתרונות האלה כבר משולבות בתהליכי העבודה של הקליניקות בארץ וגם בעולם".
אם הדמיות רפואיות כבר הפכו לשגרה הנתמכת באלגוריתמים, הרי שהחזית הבאה נמצאת בחדרי הניתוח עצמם. הרובוטיקה, שבעבר נשמעה כמו פנטזיה עתידנית, מתחילה להשתלב במציאות הקלינית - צעד אחרי צעד. מוקדם יותר השנה השיקה אנבידיה את פלטפורמת Isaac for Healthcare, שמאיצה את תהליך הפיתוח של רובוטים עבור ענף הרפואה. האם קרב היום שבו רובוט יחליף רופאים כירורגיים? מה שבטוח, הוא קרב יותר מאי פעם.
"אנחנו כבר רואים יותר ניתוחים רובוטיים, ורואים גם יותר פרוצדורות שהיו פעם ידניות והופכות להיות זעיר-פולשניות", מסבירה פריינד-סעדון. "במקום לפתוח את הגוף ולהגיע לאיברים בעומק, אפשר היום להיכנס דרך נקודות גישה קטנות, בעזרת מצלמות וראייה ממוחשבת. זה לא פריים אחד אלא וידאו שלם, שבתוכו אפשר לנטר אנומליות, להבין לאן צריך להגיע בגוף, לוודא שהכול נקי אחרי הניתוח".
היא מתארת מקרי שימוש שכבר פועלים כיום: "למשל, ספירת פוליפים בווידאו בצורה אוטונומית כדי לוודא שלא פספסו שום פוליפ, בדיקה שכל הגרורות הוצאו, או שהגידול יצא במלואו. גם בניווט בתוך הגוף אנחנו רואים יותר ויותר מודלים של בינה מלאכותית שעוזרים למנתח להיות יעיל וזהיר - לא להיכנס לאזורים עם בלוטות או עורקים רגישים. המערכת אפילו יודעת לתת אזהרות כמו 'אתה קרוב מדי' או 'אתה בדרך הנכונה'. שמעתי גם על פיתוח שמבטיח לוודא שלא נשאר כלי ניתוחי בתוך הגוף. נשמע פשוט, אבל זה קריטי".
8 צפייה בגלריה
בקרוב בחדר הניתוח הקרוב אלינו? רובוט מנתח, סטארטאפ Issac for Healthcare
(צילום: באדיבות אנבידיה)
ומה לגבי ניתוחים אוטונומיים לחלוטין, אני ממהר לשאול. "בסוף אנחנו כן רואים יכולת רובוטית להגיע לשם, אבל אנחנו עוד לא שם", היא מבהירה. "אם אני משווה את זה לתחום הרכבים האוטונומיים, גם שם היו הרבה תחזיות אופטימיות מדי, אבל בסוף זה תהליך מתגלגל. לאט-לאט מכניסים עוד אוטומציות ועוד מודלים, לומדים איך אפשר לסייע למנתחים ולאנשי חדר הניתוח לפני, במהלך ואחרי הפרוצדורה. בסופו של דבר זה לא תחליף לרופא, אלא תמיכה חכמה בצוות המבצע".
אך הרובוטיקה, לא עוצרת בניתוחים, כמובן. בבתי חולים חכמים מתחילים לראות רובוטים שנכנסים גם למטלות יומיומיות יותר. "ניקח דוגמה פשוטה: הכנת התרופות לחולים. היום מישהו יושב ובודק רשימות ידנית כדי להרכיב את המנות המדויקות לכל מטופל. זו שרשרת עבודה שזרועות רובוטיות יוכלו לבצע בקלות, במהירות ובדיוק רב יותר. זה אולי לא נשמע כמו מהפכה קלינית, אבל זו בדיוק הטכנולוגיה שתייעל את הטיפול ותפנה לצוותים זמן יקר לטובת החולה", מציינת פריינד-סעדון.
גם בתוך בתי החולים עצמם נכנסים יותר ויותר פתרונות מבוססי בינה מלאכותית, שנועדו להקל על הצוותים ולשפר את הטיפול במטופלים. "אנחנו רואים מיטות חכמות נכנסות לפעולה", אומרת פריינד-סעדון. "בהתחלה זה בדברים הפשוטים, כמו התרעה כשחולה נפל או צעק לעזרה, אבל זה מתפתח הרבה מעבר לכך. המיטות האלה מצוידות בסנסורים שמנטרים את מצב החולה ויודעות להביא תובנות רפואיות בזמן אמת. ככל שנאסף יותר דאטה, נגיע גם ליכולת חיזוי - לזהות מראש מצבים מסכני חיים".
גם מחוץ לחדרי האשפוז מתפתחים שימושים רובוטיים שמקלים על התפעול היומיומי. "זה יכול להיות רובוטים שמנקים, אבל גם רובוט שמקבל מטופלים במיון, עוזר להם להתמקם, להבין את רמת הדחיפות של מצבם ולאיזה רופא עליהם לפנות. המנעד רחב מאוד, ובסופו של דבר המטרה היא לפנות לצוותים זמן יקר ולהפנות את המשאבים לטיפול ישיר בחולים".
התרופה הבאה תפותח על ידי בינה מלאכותית?
בעוד הציבור פוגש את הבינה המלאכותית בעיקר באבחון ובטיפול, התקדמות לא פחות משמעותית מתרחשת דווקא בשלבים המוקדמים של פיתוח התרופות, בתחום הפארמה, שם היא מסוגלת לקצר תהליכים מורכבים ולעזור לחוקרים לדייק תחזיות.
"כל הנושא של פארמה עבר תהפוכה מאוד גדולה בשנים האחרונות", מסכימה פריינד-סעדון. "כמו שיש לנו היום הרבה סוגים של מודלי שפה, כך נכנסו לעולם הביופארמה מודלים שיודעים לדבר את שפת הכימיקלים, את שפת החלבונים וחומצות האמינו. מה שהתחיל בתור מודל-על בתוך עולם התרופות היום כבר מגיע למצב שבו אפשר לעשות פרדיקציה על איך כימיקלים יעבדו כשהם יהיו ביחד, מה יקרה כשכימיקל מסוים פוגש פרוטאין מסוים".
כאן למשל נכנסת לתמונה פלטפורמת NVIDIA BioNeMo שמאפשרת לפתח ולהשתמש במודלים מאומנים, להריץ תחזיות על מבנה חלבונים ועל אופן הפעולה של מולקולות, תוך כדי שילוב של בינה מלאכותית בתהליכי העבודה של פיתוח תרופות. לדברי פריינד-סעדון, מדובר בשינוי דרמטי בדרך שבה מייצרים תרופות חדשות: "יש שני שלבים - תהליך זיהוי התרופה ותהליך הייצור שלה. כשאנחנו מייצרים תרופה, אנחנו מנסים למצוא את השילוב הנכון בין כימיקלים, חלבונים וחומצות אמינו. בעבר כל זה נעשה בצורה 'רטובה', במעבדות - לקחת חומרים, לשלב ביניהם ולראות בעיניים מה קורה. זה היה תהליך ארוך ומסורבל מאוד. היום מודלים מבוססי בינה מלאכותית שיונקים המון דאטה של ריאקציות כימיות יודעים לחזות איך השילובים יתנהגו, הרבה יותר מהר והרבה יותר מדויק".
על פיתוחים בתחום הגנומיקה: "אנחנו רואים יותר ויותר מודלים שיודעים לדבר את שפת הדנ"א. זה אומר שככל שיש יותר ריצופים, אנחנו יכולים ללמוד יותר על הגנום האנושי, להבין איפה יש יוצא מן הכלל, איפה יש דברים שבורים בדרך. אפשר להבין מה יקרה אם ניגע בגן מסוים, למה מחלה מתנהגת בצורה מסוימת, או למה אדם מגיב שונה מאדם אחר"
אחת הזירות המסקרנות ביותר בביופרמה מתמקדת לאו דווקא בפיתוח תרופות חדשות, אלא בשימוש מחודש בתרופות שכבר קיימות, בתחום שנקרא Drug Repurposing. "זה אומר לקחת תרופות קיימות ולנסות להבין באיזה עוד תחומים ובאיזה עוד מחלות הן יכולות לעבוד, במיוחד כשמדובר במחלות נדירות שאף אחד לא משקיע כסף בלחקור אותן כי מספר החולים קטן מדי וההשקעה לא נחשבת לכדאית", אומרת פריינד-סעדון. "כאן נכנסת הבינה המלאכותית: אם היום נייצר מודלים שיודעים לנבא שתרופה מסוימת תוכל לטפל בריאקציה מסוימת של מחלה מסוימת ונוכל לתת אותה בביטחון לחולה שלא הייתה לו עד עכשיו שום דרך לקבל טיפול - זו ממש מהפכה", היא מוסיפה.
מה יקרה אם נוכל לקרוא את ספר ההוראות של הגוף האנושי, ולדעת מראש איך מחלות יתפתחו או כיצד יגיב כל אדם לטיפול? התחום שמנסה לענות על השאלות האלה הוא הגנומיקה. שנים חלמו מדענים לפענח את כל הגנום האנושי. היום, כשהחלום הזה כבר מתקרב למציאות, האתגר האמיתי הוא להתמודד עם כמויות הדאטה העצומות - ואת זה בדיוק הבינה המלאכותית יודעת לעשות.
8 צפייה בגלריה
מודל שמאפשר הדמיות של חלבונים וכימיקלים לתעשיית פיתוח התרופות. סטארטאפ BioNeMo
(צילום: באדיבות אנבידיה)
"גם פה התחום מאוד גדל בשנים האחרונות", אומרת פריינד-סעדון. "בארץ יש לנו נקודת פתיחה טובה, כי התחלנו לעשות ריצוף של גנומים ולשמור את הדאטה הזה. היום אנחנו רואים יותר ויותר ריצופים קורים בכל בתי החולים, וכל הדאטה הזה הולך ונשמר. כמו שיש מודלי שפה בעולם התרופות, גם פה אנחנו רואים יותר ויותר מודלים שיודעים לדבר את שפת הדנ"א. זה אומר שככל שיש יותר ריצופים, אנחנו יכולים ללמוד יותר על הגנום האנושי, להבין איפה יש יוצא מן הכלל, איפה יש דברים שבורים בדרך".
התוצאה, לדבריה, היא מעבר הדרגתי לרפואה מותאמת אישית: "אנחנו שומעים יותר על תרופות ביולוגיות, על דיאגנוסטיקה פרסונלית. היכולת לעשות ריצוף, להשוות להרבה ריצופים אחרים ולעשות תחזיות - זה בדיוק המקום שבו המודלים נכנסים. אפשר להבין מה יקרה אם ניגע בגן מסוים, למה מחלה מתנהגת בצורה מסוימת, או למה אדם מגיב שונה מאדם אחר".
כאן נכנסת גם היכולות של אנבידיה להאיץ תהליכים טכניים: "לעשות ריצוף של הגנום האנושי מניב קובץ עצום בגודלו, וכשצריך להשוות אותו לאחרים זה לוקח המון זמן. אחד הכלים שפיתחנו נקרא Parabricks - והרבה חברות בתחום הגנומיקה כבר משתמשות בו, כי הוא יודע להאיץ את כל תהליכי ההשוואה. התובנות שאתה מגיע אליהן הרבה יותר מהירות, ויכולת ההשוואה יותר מהירה ויותר מדויקת".
רופא ואלגוריתם שעובדים יחד
אם DNA נתפס כ"מפת הדרכים" של הגוף, הרי ש-RNA הוא המתווך שמתרגם את ההוראות מהגנים לפעולה ממשית בתוך התא. בזמן שה-DNA נשאר קבוע, הרנ"א משתנה בהתאם למצב הבריאותי ולסוג הרקמה, ולכן הוא מספק הצצה חיה ודינמית יותר לתפקוד הגוף. לא במקרה למדנו כולנו על חשיבותו בתקופת הקורונה עם חיסוני ה-mRNA שהפכו את המושג הזה לשם מוכר בכל בית.
"מה שקרה בשנים האחרונות זו היכולת שלנו גם לעשות ריצוף ל-RNA שזה תחום שונה לגמרי", מרחיבה פריינד-סעדון. "למדנו על RNA בקורונה, אבל היכולת להגיע לריצוף שלו בגידולים או בפתולוגיות מסוימות נותנת לנו אספקט חדש לגמרי על המחלות. בסוף אנחנו רואים הרבה יותר מחלות שמגיעות למצב שבו אנחנו יודעים לטפל בהן בצורה חכמה בהרבה", היא אומרת.
התובנה הזו הופכת לרפואה מותאמת אישית אמיתית. "מה שאנחנו מגלים זה ש-RNA של הגידולים הוא ממש לא אותו RNA", היא מדגישה. "תחת כותרת 'סרטן' מסוים יכולים להסתתר הרבה תתי-סוגים שונים, ולמדנו את זה בשנים האחרונות בעזרת הסיקוונסים. בזכות זה אפשר להתאים תרופות מדויקות יותר, והדיאגנוסטיקה הופכת להיות הרבה יותר חכמה".
כל ההתקדמות המרשימה בדימות, ברובוטיקה ובגנומיקה לא הייתה שווה הרבה אם היא לא הייתה מגיעה אל המקום שבו הכל מתרחש - הקליניקה. שם, במפגש היומיומי בין רופא למטופל, מתחילים להיכנס מודלים שמסוגלים לשנות את השגרה עצמה.
פריינד-סעדון מתארת חזון קרוב מאוד: רופא שלא צריך לסכם כל מילה בפגישה, כי המערכת מתעדת במקומו, אחיות שמקבלות הנחיות מדויקות על הצעדים הבאים, ובדיקות דם שמנותחות כמעט בזמן אמת לצד ההיסטוריה הרפואית של המטופל. "המודלים האלה לומדים את השפה הקלינית ומאפשרים שיח אמיתי עם המידע", היא מסבירה. "הרופא יכול לשאול שאלה על סמך הדאטה ולקבל תשובה מדויקת ומהירה. זה לא רק חוסך זמן, זה משנה את אופן העבודה.
"אנחנו נראה יותר ויותר שימוש במודלים כאלה לתשאולים, להבנת מידע רפואי ולהמלצות מותאמות אישית", היא אומרת. "הם לא מודלים כלליים אלא כאלה שמאומנים במיוחד על דאטה קליני, וזה בדיוק מה שמאפשר להכניס אותם ללב הקליניקות, לטובת רופאים, אחיות והמטופלים עצמם".
בסופו של דבר, כל הדוגמאות, מהדמיות ועד RNA, מהרובוטיקה ועד הבריאות הדיגיטלית, מצביעות על מגמה אחת ברורה: הבינה המלאכותית כבר כאן, והיא הולכת ונטמעת בכל רובד של עולם הרפואה. אבל מבחינת פריינד-סעדון, המפתח האמיתי טמון לא רק בטכנולוגיה עצמה אלא גם ביכולת של כולנו למנף אותה.
"אני חושבת שאנחנו צריכים לחשוב ביחד איך לוקחים את הדאטה הזה ומייצרים ממנו עוד סטארטאפים, עוד מקרי שימוש, עוד תובנות - בתוך הארגונים, בתוך בתי החולים, בתוך האוניברסיטאות. זה תחום פורץ דרך, משנה חיים, ובארץ יש לנו צעד אחד קדימה על פני מקומות אחרים בעולם. עכשיו נשאר רק לנצל אותו", היא מסכמת.
