מעטים ברחבי העולם כיום אינם מכירים או לפחות שמעו על "סירי", העוזרת הקולית מבית אפל, או על המכונית האוטונומית של טסלה, שיודעת לזהות מכשולים בדרך, להתאים מהירות ולעקוף מכוניות אחרות. אלו רק שתי דוגמאות מעולם הבינה המלאכותית, שמשמש אותנו בחיי היומיום כבר עשרות שנים, כאשר גם עולם הרפואה מאמץ את הטכנולוגיה המתקדמת הן בהיבטים התפעוליים והן באלה הרפואיים. פנינו לאנשים שאחראים להטמעה של AI בקופות החולים, בניסיון להבין איך התפתחה הטכנולוגיה לאורך השנים ואילו שימושים נעשים בה כיום, מה הסכנות הטמונות בה, וכמובן, לאן צפוי התחום להתפתח.
"מרפואה קלאסית לרפואה מנבאת, יוזמת ומונעת"
"עולם הבינה המלאכותית לא החל עם Chat GPT, אלא כולל משפחה של כלים, שחלקם בני עשרות שנים, בעיקר ממשפחת למידת מכונה או למידה עמוקה, וחלקם יחסית חדשים, כמו מודלי השפה. עם הכלים הוותיקים יש לנו ניסיון מעשי ממושך, ואנחנו יודעים להגיד שהם בעלי פוטנציאל עצום בעולם הבריאות", כך פותח ומסביר פרופ' רן בליצר, סמנכ"ל וראש מערך החדשנות בכללית, חבר בצוות המייעץ למזכ"ל האו"ם בתחום הבינה המלאכותית.
לדבריו, בעולם הבריאות הכלים הללו נמצאים שנים רבות בפיתוח והטמעה, וישראל נחשבת לאחת המובילות העולמית בתחום. "למשל ישראל היא היחידה שבה יש לרופא המשפחה - במקרה זה בכללית - על מסך אינטגרטיבי אחד סדרה ארוכה של כלים מנבאים, שיודעים להגיד מה עלול לקרות לכל מטופל בעתיד, את מי כדאי להזמין השבוע לבדיקה יזומה, ומכוונים את הרופא מה עליו לשקול להמליץ למטופל לעשות כדי להימנע מהאירוע, לצד ההיגיון הקליני העומד בבסיס ההמלצה. בעצם ישראל מדגימה לעולם במשך לפחות עשור וחצי איך לוקחים כלים מעולמות למידת המכונה והלמידה העמוקה, משלבים אותם בפרקטיקה הרפואית ומנגישים אותם להמונים", הוא מציין.
היתרון של הכלים הוותיקים, לדבריו, הוא שהם אינם סובלים מה"מחלות" ומהאתגרים שמאפיינים את כלי הבינה היוצרת, שהם יחסית חדשים: "הם לא נוטים להמציא דברים ולא סובלים מחוסר דיוק שקשה לצפות אותו. יחסית אלה כלים יציבים וצפויים, והניסיון הנצבר בהם מאפשר לאנשי הרפואה להטמיע אותם בשגרה הרפואית יותר בקלות ועם פחות חששות".
תוכל להעניק דוגמה לכך?
"דוגמה מצוינת לצורך היא דלקת הכבד הנגיפית הפטיטיס C; המחלה היא למעשה וירוס שקט כרוני, שחוטפים בלי לדעת, והוא דוגר עד שלב מאוחר מדי של אי ספיקת הכבד (שחמת) או התפתחות גידול סרטני. החדשות הטובות הן שישנה תרופה שמרפאת ב־98.8% את הווירוס ומונעת סיבוכים, בתנאי שאתה נותן אותה למי שהכבד שלו טרם נפגע.
"כללית מבצעת כל שנה כ־50 אלף בדיקות דם כדי לזהות את הנגיף במי שטרם נבדקו, ומתוכם מוצאת כ־38 חיוביים. האנשים הללו למעשה ניצלו, כי הם יקבלו בזמן תרופה. הבעיה היא שרבים לא יודעים על קיומו של הווירוס אצלם. פיתחנו כלי AI שיודע לתכלל את כל המדדים הרפואיים של האדם בתיק הרפואי שלו, והאלגוריתם מצביע על מי שככל הנראה חיוביים. בחנו זאת עם 500 אנשים שהאלגוריתם הפנה אותנו אליהם, ומתוכם מצאנו 38 חיוביים, כלומר העלינו פי 100 את יכולת הגילוי והאפקטיביות שלנו בזיהוי מוקדם של המחלה. כך אנחנו סורקים היום באופן שגרתי, מוצאים את המטופלים ונותנים להם מענה. החוכמה פה היא להיות כמו קרן לייזר ולמקד את הפעילות למקומות הנדרשים, ואז יהיה אפשר להשיג הרבה יותר בריאות במשאבים ובטיפולים הקיימים. זו המשמעות של רפואה מונעת מנבאת יוזמת, ששומרת על הבריאות, לעומת הרפואה כיום שמנסה לתקן את מה שנשבר, וזה סיפור הצלחה חסר תקדים שממחיש את רפואת העתיד.
פרופ' רן בליצר, סמנכ"ל וראש מערך חדשנות בכלליתצילום: רמי זרנגר"עוד דוגמה מעולם הראייה הממוחשבת, שהוא מהמתקדמים ביותר בין תחומי ה־AI. הגענו למצב, שבו מחשב רואה ומבין תמונה טוב יותר מאדם, ומזהה פרטים שעין אנושית לא מסוגלת. חצינו את הרף הזה לפני מעל עשור, והדברים נטמעים יותר ויותר בפרקטיקה בתחום הדימות. מכיוון שכך, עולם הרפואה כבר שואל את עצמו האם סביר בעת הזו שרופא אנושי ייקח על עצמו לפענח תמונת רנטגן, CT או MRI ללא עזרה של עוזר דיגיטלי, שמספק לו הכוונות שונות כדי שלא יחמיץ דברים?
"ישראל היא אור לגויים ביישומים רפואיים של הראייה הממוחשבת, בפרט - ברדיולוגיה והפתולוגיה, שבהם אנחנו מפתחים כלים שמאפשרים למחשב לבחון תמונת רנטגן או פתולוגיה מביופסיה, ולהגיד איזו בעיה מסתתרת בהן ושהעין האנושית עלולה להחמיצה בשל עייפות או היסח דעת. זהו למעשה חיקוי אוטומטי של היכולת האנושית, שלא מתעייפת. השלב הבא, שכבר קורה בישראל לפני העולם, הוא לא להסתפק בחיקוי העין האנושית, אלא לראות דברים שהיא אינה יכולה לראות, ולהכניס תכונות חדשות לבדיקות קיימות שמאפשרות לעשות רפואה אבחנתית שלא התאפשרה בעבר. למשל לפני כשמונה שנים פרסמנו מחקר במגזין 'נייצ'ר' הנחשב עבודה שעשינו עם סטארט־אפ ישראלי, שבה הראינו שבעזרת ניתוח נתוני CT בכלי ראייה ממוחשבת, אפשר לנבא מי ישברו את העצם כתוצאה מאוסטיאופורוזיס (דלדול עצם) ומי לא. זוהי פריצת דרך עצומה בתפיסה, שמעבירה אותנו מרפואה קלאסית מגיבה מאוחרת לרפואת העתיד - שהיא מנבאת, יוזמת ומונעת".
האם AI הופכת לגורם מאבחן בלעדי או כלי שמחזק את אבחנת הרופא?
"כל מה שאנחנו מטמיעים בעולמות רפואת המשפחה בכללית, בעזרת כלי ייחודי שפיתחנו בשם C-Pi, ובעולמות הרדיולוגיה, הדימות והפתולוגיה – הם כלים תומכי החלטה, וסביר שגם בעתיד הקרוב מערכות מהסוג הזה לא יחליפו גורם רפואי מחליט. במבט לעתיד היותר רחוק, אין לי ספק שיקרו שני דברים; ראשית - קבלת החלטות שאינה נעזרת ב־AI תהפוך בתחומים שונים ללא לגיטימית. אבל החלק היותר משמעותי שיקרה, הוא שבתחומים מסוימים נפקיד את ההחלטות בידי האוטומט. זה יקרה בהדרגה, בתחומים ממוקדים שמתאפיינים ברמת סיכון נמוכה, ורק כאשר המטופל יחליט שהוא מוכן לקבל מענה מיידי ממערכת AI באיכות גבוהה כחלופה אטרקטיבית להמתנה ממושכת למפגש עם איש מקצוע. כמי שעוסק בתחום מעל 20 שנה, אין לי ספק שלשם אנחנו הולכים".
"כלי המכיל את השכל הרפואי של טובי הרופאים"
C-Pi של כללית הוא פלטפורמת AI מתקדמת וייחודית מסוגה, המוטמעת בכ־2,000 מרפאות ראשוניות ומשרתת מיליוני מטופלים. הכלי פותח בחטיבות החדשנות, הדיגיטל והרפואה של הקופה במשך חמש שנים, וזכה לפרסים והכרה בינלאומית. לדברי פרופ' בליצר, הכלי עונה לשתי בעיות יסוד ברפואה בקהילה – האחת היא הקושי לזהות אוכלוסייה שזקוקה להתערבות מונעת, עוד לפני שהיא פונה מיוזמתה למרפאה. בעזרת שילוב של כלי ניבוי, הכלי מזהה, מתעדף ומכוון זימון למרפאה למי שצפויה עבורו היעילות המרבית במניעת מחלה עתידית. הבעיה השנייה, לדבריו, היא אתגר העומס ברפואת הקהילה, כשרופאים נדרשים לרכז, לעבד ולייצר מכל שטף המידע שלפניהם המלצות קונקרטיות לכל מצב רפואי של כלל המטופלים. "הקושי הטכני לעבד את המידע נפתר ב־ C-Pi – כלי המכיל את השכל הרפואי של הרופאים הטובים ביותר במגוון מקצועות, ורואה את כל המידע בתיק הרפואי. הכלי הוא מעין סייען לרופא המשפחה העמוס, שמדמה מצב שיחד איתו בחדר יושבים קרדיולוג, אנדוקרינולוג, מומחה למחלות זיהומיות ומזכירה אישית, המסייעים לו בהמלצות מותאמות אישית לכל מטופל, לשיקול דעתו. הכלי מבוסס כולו על ה־AI הקלאסי ולכן אינו חשוף לסיכונים שמאתגרים כלי AI הנפוצים כיום, והוא ממשיך להתפתח לתחומים קליניים נוספים ומשרת היום בכללית גם סקטורים נוספים - אחיות, רוקחים ועוד", הוא מסביר.
מהם הסטנדרטים האתיים הנדרשים בפיתוח ובשימוש במערכות AI לטיפול רפואי? מי הגורם המחליט? ומי אחראי במקרה של נזק שנגרם משימוש בכלים אלה?
"מכיוון שהרוב המכריע של המערכות כיום הן מסוג תומך החלטה, אז הגורם הרפואי האחראי הוא המחליט. כפי שעלינו לצייד את הרופא במכשור הבדוק והאמין ביותר כשהוא מנתח, כך הדבר כשהמערכת נותנת בידיו כלי תומך החלטה. אבל האחריות נותרת קודם כל ובעיקר על המטפל שמקבל את ההחלטה, אך תהיה גם אחריות למערכת שנתנה את הכלי בידיו, אם לא ביצעה תהליך ראוי של בחינה ובקרה. השאלה היא מה יקרה ביום שהמערכת תאפשר לאלגוריתם להפוך לגורם המחליט, המבצע 'סגירת מעגל' מלאה מול המטופל? אנחנו נכנסים לסבך רגולטורי, אתי ומשפטי שטרם נפתר בעולם.
"מעניין שמבחינת התפיסה הציבורית – וזה הוכח בעקביות בסקרים – הציבור הרבה יותר סלחן לשיעור מסוים של טעויות של מטפל בן אנוש, אבל הסבילות שלו לנזק שנגרם מקבלת החלטה שגויה על ידי מכונה, נמוך מאוד. המצב הזה, להערכתי, לא יישאר כך בעתיד. נלמד להכיר בכך שגם ל־AI יש שולי טעות, שכל עוד מזהירים עליהם מראש, חלק מהאחריות עוברת למשתמש. המשמעות היא זהירות נוספת נדרשת למטופל באימוץ ההמלצה. יתפתח מודל אחריות שמתחלק בין כל השחקנים".
מה הסכנה הכי גדולה בכלי בעולם הבריאות?
"בדו"ח הסופי על AI שהוצג לאחרונה בעצרת האו"ם והתקבל כהחלטה, דנו רבות איך לאזן בין הסיכונים לתועלות ומיפינו את הסיכונים בכלל ובעולמות הרפואה בפרט.
"בהיבט של הסיכון לפרטיות יש דברים פתורים ויש כאלה שלא. בבינה הקלאסית של למידת מכונה ולמידה עמוקה רוב גדול של הפעילויות יודעות להתבצע על השרתים של ארגוני הבריאות, ואפשר להפעילן ברמת ודאות גבוהה של הגנה על הפרטיות. הבעיה מתחילה עם הבינה המלאכותית היוצרת, דוגמת מודלי השפה הגדולים, שנכנסה לעולמנו בסערה לפני קצת יותר משנתיים; בחלק משמעותי מהמקרים מדובר בכלים שדורשים עבודה מול מודל יותר כבד, שיושב רק בענן, ושהפנייה אליו כרוכה בהרבה יותר אתגרים בעולמות הגנת המידע. ארגוני בריאות בעולם ובארץ עדיין לומדים את עולם הבינה היוצרת, ואין עדיין סטנדרטים או הבנה ברורה איך מפעילים את המודל בקליניקה באופן בטוח מבחינת הפרטיות, בקרת האיכות הנדרשת, או מול אתגרים ייחודיים נוספים".
"סכנה עמוקה נוספת היא קבלת תשובה שמתחזה כנכונה. כיוון שהמערכות חכמות ואפקטיביות מאוד, הן בקלות מרמות את המשתמש לחשוב שמשהו הוא אמיתי, כשהוא בעצם לא, עד כדי כך שאחד האתגרים של מודלי השפה הגדולים הוא תופעת ה'הזיות'. כשמודלים אלה מקבלים משימה, הם כמעט תמיד יענו עליה. אם הם לא יודעים את התשובה, הם נוטים לפברק ולהציג אותה בשפה משכנעת ומחוברת לנושא. כל המהנדסים והמפתחים בעולם הכי מתקדם טרם מצאו לכך מענה הרמטי. לכן כל כלי של בינה יוצרת שאתה מטמיע, אתה חייב להביא בחשבון שהוא כרוך בסכנת ההזיות, וזו אחת הסיבות לכך שאנחנו לא רואים כלים רבים של בינה יוצרת בתחום הבריאות.
"הסכנה השלישית היא ההטיות; אחד הדברים שגילו שקורה כשכלי AI פועלים, הוא שההמלצות שלהם מושפעות מאוד מהיבטים שעלולים להיות מוטים, ולעיתים ממש מיזוגניים וגזעניים. לעיתים זה מפני שהכלים הללו למדו את המציאות, וכעת הם מחקים אותה, והמציאות לא הוגנת, אבל הם מנציחים את חוסר ההוגנות. למשל אם אתה מנסה ללמוד איך מאבחנים התקף לב במיון, וישנה בעיה שמפספסים הרבה יותר נשים מגברים, אז תיצור כלי שמראש מפלה נשים. כך הראו גם לגבי זיהוי נגעים בצבע עור כהה או בהקשרים תרבותיים אחרים. הסכנה הזו גורמת לצורך בשיפוט חכם מאוד של כל כלי AI לפני הטמעתו ובקרה הדוקה לאחריה".
איך מטמיעים בינה יוצרת באחריות?
"בעולם מתלבטים איך לוודא שכלי AI, שנכנסים לשימוש בתחומים רגישים כמו בריאות, הם כלים אחראים, ואין מרשם מספיק ברור וישים לארגון בריאות, כך שיוכל לעקוב אחריו ולדעת שהוא מקבל החלטה אחראית. כללית ניצלה 15 שנות ותק ביישום כלי AI בפרקטיקה היומיומית, ופיתחה את OPTICA - כלי עבודה פורץ דרך, שפורסם במגזין הרפואי הנחשב New England journal of medicine AI. הכלי כולל מספר פרקים ואייטמים וכן שישה אנשי מפתח מארגון הבריאות עצמו ומהגורם שמפתח את המוצר, שנדרשים להשתתף בתהליך. בסיום התהליך יש רמת ביטחון גבוהה, שאכן הכלי מבצע את ייעודו, לא גורם נזקים והטיות, ובטוח לשימוש".
לאן צפוי התחום להתפתח?
"כלי ה־AI ילכו וישתפרו, ואם ניתן לכך זמן, יתפתחו יכולות 'שכליות' שיתקדמו - מיכולת של תלמיד תיכון ליכולת של מומחה צעיר ובסוף גם ליכולות שאין אפילו למומחה ותיק במישור האקדמי והתפעולי. היבטים רבים בעולם הבריאות יעברו שינוי עמוק. הנתונים עד כה מראים גם, שכלי AI מחקים יכולות אנושיות בתחום האמפתיה והרגש, שמסוגלות לייצר תחושה חיובית מאוד בקרב המשתמשים, כזו שמקבילה ואף עולה על השיח עם גורם אנושי. בסוף - העניין מתמצה באמון. במצבים מורכבים, שבהם מוטלים על הכף נושאים קריטיים, ונדרש תכלול של העדפות והיבטים רגשיים, רפואיים ומדעיים - ההעדפה של האדם הסביר בתקופה הנראית לעין תהיה להכניס למשוואה רופא אנושי. אבל זה יהיה צריך להיות רופא שאפשר לדבר איתו בגובה העיניים, ולקבל ממנו תמיכה רגשית ומקצועית באיזון בין מגוון ההמלצות המקצועיות ממטפלים ואלגוריתמים כאחד, וסיוע בביצוע הבחירות הנכונות ביותר, בחמלה ומתוך ראיית המטופל כאדם על כל צרכיו והעדפותיו. בכך מותר הרופא על המכונה לעוד הרבה שנים".
"האלגוריתם חייב ללמוד ממידע מדויק, מתוקף ומגוון"
"אני מאמינה שבעוד זמן לא רב בינה מלאכותית לא תהווה ביטוי המתקשר לחדשנות, אלא חלק אינטגרלי משיטות העבודה שלנו ככל כלי אחר", כך צופה ד"ר שירה גרינפלד, מנהלת מערך אינפורמטיקה רפואית במכבי שירותי בריאות.
לדבריה, השימושים ב־AI בתחום הבריאות מתרחבים לתחומים תפעוליים ורפואיים כאחד, כאשר בצד הרפואי, הכלי מספק יכולות ניתוח מהיר של כמויות גדולות של מידע מגוון והפקת תובנות המקלות על קבלת החלטות קליניות. "בעולם רוב הכלים מבוססי AI שאושרו על ידי ה־FDA מתמקדים ב־IMAGING (הדמיה רפואית). במכבי ישנה פריסה רחבה של AI גם בתחומים נוספים. כך בין היתר בפתולוגיה אנו עושים שימוש בטכנולוגיות AI לזיהוי ביופסיות חשודות ולהצפת דגלים אדומים לממצאים חריגים. באורתופדיה אנו מקיימים תהליך הטמעת כלים לאבחון מהיר של שברים בצילומי רנטגן. ברפואת הקהילה אנו מספקים כלים חכמים למתן התראות רלוונטיות לרופאים, למשל אלגוריתם מבוסס ניתוח בדיקות דם לזיהוי מטופלים בסיכון גבוה לסרטן מעי, התאמה אישית של טיפול אנטיביוטי במקרי דלקות בדרכי השתן למניעת עמידות חיידקית, זיהוי ואיתור מטופלים העלולים לפתח התמכרות לאופיאטים וכו'".
ד"ר שירה גרינפלד, מנהלת מערך אינפורמטיקה רפואית, מכבי שירותי בריאותצילום: עופר חג'יובכלי AI משולבים במכבי שירותי בריאות גם לצורך ייעול עבודת הרופאים. "זה מתבטא בזיהוי וסיכום מידע רפואי ממאגרים מאומתים לשאלות קליניות, שימוש בעיבוד שפה טבעית (NLP) לצורך הצעת מענה מותאם לרופא בפניות דיגיטליות, וכעת נמצא בהליכי פיתוח גם כלי תמלול וסיכום לביקורים רפואיים וכן בוט 'הכה את המומחה', המנצל את הדאטה שנצבר מייעוצים של רופאי מכבי לאורך השנים, ומסייע לרופא המשפחה להתמודד עם אתגרים קליניים, תוך הפחתת הפניות ליועצים וסגירת מעגל טיפולי באופן יעיל ומהיר", מסבירה ד"ר גרינפלד.
יעילותם של כלים מבוססי AI תלויה, לטענתה, בגורמים נוספים מעבר לתיקוף הקליני, ביניהם: איכות הדאטה: "האלגוריתם חייב ללמוד ממידע מדויק, מתוקף ומגוון. אנו משקיעים רבות בתשתיות מידע המאפשרות יצירת בסיס איכותי לפיתוחים מבוססי AI. בנוסף היעילות תלויה גם באופן ההטמעה; גם אלגוריתם מדויק קלינית עלול להפוך ללא שימושי, אם לא יוטמע בצורה חכמה בתהליכי העבודה של הרופאים. זוהי נקודה חשובה שלא מספיק נותנים עליה את הדעת, שכן הטמעה לא טובה תביא לאי שימוש או לאובדן אמון בכלי. זו אחת הסיבות שבעולם רואים פער גדול בין העושר של כלי AI הקיימים בשוק לאבחון רפואי, לשימוש מועט בפועל. מכבי היא ארגון הבריאות היחיד בארץ שהקים מחלקת מוצר עבור מוצרים דיגיטליים לרופאים ומטפלים, וזאת כדי להבטיח הטמעה נכונה המשרתת גם את הצורך הקליני, אך גם את תהליך העבודה של הרופאים. כשמתקיימים שלושת התנאים: דאטה איכותי, אלגוריתם מתוקף קלינית והטמעה חכמה, אנו רואים הצלחות משמעותיות שמשפיעות ישירות על איכות הטיפול.
"הבינה המלאכותית היא כלי רב־עוצמה שמסייע לתת מענה לאתגרים שעד כה הפתרון עבורם לא היה מיטבי. מטרתנו כארגון בריאות אינה הטמעת טכנולוגיה לשם הטכנולוגיה, אלא יצירת פתרונות רפואיים מותאמים אישית, יעילים ומהירים יותר, תוך צמצום סיכונים. בכל אתגר שבו אנו נדרשים לתת מענה, החשיבה על שימוש בבינה מלאכותית הפכה לברורה מאליה, כעוד כלי בארגז הכלים שלנו. לא כל אתגר דורש AI, אך במקומות שבהם יש לכלי הזה יתרון, כמובן נחתור לכיוון", מסכמת ד"ר גרינפלד.
ייעוץ רוקחי מבוסס AI למניעת בעיות עקב טיפול תרופתי
"אנו פועלים לאיתור ופיתוח פתרונות AI מתקדמים הן באמצעות מכון המחקר של הקופה בראשות ד"ר אריאל ישראל, והן על ידי פעילות יחידת החדשנות שלנו, Leumit Start, מול סטארט־אפים ישראליים", מסבירים יזהר לאופר, מנהל יחידת החדשנות, ורקפת יעקבי, סמנכ"לית מערכות מידע בלאומית שירותי בריאות.
באשר למגבלות הקיימות, מציינת יעקבי: "למודלי השפה הגדולים יש מיומנויות נפלאות בתחומים רבים, אולם ההטיות ('הזיות') שלהם מקשות עלינו להשתמש בהם כיום לאבחון רפואי. זאת על אף שנעשה שימוש במתודולוגיית 'קרקוע' (גראונדינג), שבה מגבילים את הכלי לא להתעלם מפרטים שאנו מגדירים בפניו, ולא לספק תשובות ללא מקורות מהימנים. עם זאת ניתן להשתמש ב־AI בתחומים רבים ברפואה, במיוחד בעידן שבו הזמן שניתן להקדיש למטופל מתקצר. נבחנים כרגע פתרונות לסיכום תיקים רפואיים, תמלול אוטומטי של השיחה עם המטופל, מציאת טעויות בדיווחים ועוד".
רקפת יעקבי, סמנכ"לית מערכות מידע, לאומית שירותי בריאותצילום: מתן תמרקיןיעקבי מעניקה דוגמאות להטמעה בלאומית: "אחד היישומים שמתקיים כבר היום בשטח, הוא ייעוץ רוקחי מבוסס AI. מטופלים מעל גיל 65 נוטים לסבול מכמה מחלות כרוניות, הגורמות לנטילה של מספר רב של תרופות במקביל, מה שמוביל לעיתים לבעיות רפואיות שונות, שיכולות להגיע אף לאשפוזים (לפי מחקרים בארה"ב, אחד מכל ארבעה קשישים יאושפז עקב בעיה בטיפול התרופתי). לאומית מתמודדת עם הנושא באמצעות ייעוצים רוקחיים פרואקטיביים, אלא שכמות הרוקחים מוגבלת, והזמן המושקע בכל ייעוץ הוא רב, מה שלא מאפשר להגיע לכל המטופלים שאליהם היינו רוצים. בשיתוף פעולה של Leumit Start עם הסטארט־אפ הישראלי Feelbetter, פיתחה החברה מערכת מבוססת AI, שמסוגלת לזהות את המטופלים שעתידים להתדרדר ואף להתאשפז בשל הטיפול התרופתי (על בסיס מחקר נרחב, שבוצע על נתונים אנונימיים של מטופלי לאומית), וכן לייצר עבורם המלצה להתערבות של הרוקח. המוצר מוטמע כיום בלאומית באופן מלא, והתוצאה היא איתור מדויק של המטופלים שיש לפנות אליהם, קפיצה של פי חמישה בכמות המטופלים שבהם לאומית מצליחה לטפל, וירידה של כ־24% בכמות האשפוזים בקרב הקבוצה בעלת הסיכון הגבוה".
יישום נוסף שמציעה לאומית הוא "סמארט עור". "ההמתנה לתור ברפואת עור נעה בין חודש וחצי לשלושה, זמן ארוך מדי לכל הדעות. במטרה לקצר את משך ההמתנה ולהתאים את מסלול הטיפול, לאומית פיתחה בשיתוף עם חברת Diagnostic Robotics כלי, שמתשאל את המטופל על סיבת הפנייה, ובהתאם לתשובותיו, מפנה אותו למסלול הטיפול הנכון: רופא משפחה, מוקד רפואת עור מרחוק או רופא עור", מסבירה יעקבי ומציינת, כי "בשיטה זו הצלחנו לספק ל־20% מהפונים מענה רפואי מהיר יותר ומותאם לבעייתם".
בנוסף, לדבריה, פיתח מכון המחקר של לאומית כמה מודלים, שמזהים מטופלים עם סיכון מוגבר למחלות אונקולוגיות ואחרות, ואליהם פונה הרופא המטפל ומעודד אותם לבצע את בדיקות הסקר הנדרשות כדי לזהות מחלה בשלב המוקדם ביותר האפשרי.
