חולי סוכרת – או אחרים הנדרשים לנטר אחר רמת הסוכר שלהם – עוסקים לא פעם בשאלה כיצד תשפיע עליהם אכילה של עוגייה או מאפה. כעת, בתזמון הולם ליום הסוכרת הבינלאומי שחל היום (ה'), מודל בינה מלאכותית יוצרת חדש מסוגל לחזות את התשובה. חוקרים ממכון ויצמן למדע, קבוצת המחקר של אנבידיה בישראל, וחברת הסטארט-אפ Pheno.AI, הובילו את פיתוחו של GluFormer – מודל בינה מלאכותית שמסוגל לחזות את רמות הסוכר העתידיות של מטופלים, כמו גם מדדי בריאות אחרים, בהסתמך על נתוני סוכר של המטופל מהעבר.
מידע הנאסף ממערכות קבועות לניטור גלוקוז יכול לסייע באבחון מהיר יותר של חולים עם טרום-סוכרת או סוכרת – זהו אינו דבר חדש. כעת יכולות ה-AI של GluFormer מסוגלות לשפר את יכולת האבחון הזו, ולעזור למטפלים ולמטופלים לזהות אנומליות, לחזות תוצאות של ניסויים קליניים, ולחזות מדדים רפואיים ובריאותיים עד לארבע שנים מראש.
הטכנולוגיה שמאחורי Gluformer פועלת באותה ארכיטקטורה כמו מודלי שפה גדולים דוגמת ChatGPT של OpenAI - רק שבמקרה זה התוצר הוא רמות סוכר, לעומת טקסט. המודל אומן על ניטור מדדי סוכר של למעלה מ-10,000 משתתפי מחקר שאינם חולי סוכרת במשך 14 ימים, עם נתונים שנאספו כל 15 דקות באמצעות מכשיר ניטור לביש, והצליח לחזות דפוסים של רמות סוכר. בסך הכול, נוסה המודל על 10 מיליון נתוני רמת סוכר.
"כשאנשים חושבים על בינה מלאכותית הם ישר חושבים על מודלי שפה כמו ChatGPT, למשל. במקרה זה לימדנו מודל דומה לטפל במדידות סוכר. הוא לומד איך פרופילי סוכר מתפתחים באדם לאורך תקופה", מסביר פרופ' גל צ'צ'יק, דירקטור בכיר באנבידיה ומנהל מרכז מחקר הבינה המלאכותית של אנבידיה בישראל.
פרופ' גל צ'צ'יקצילום: NVIDIA"במסגרת אימון המודל, הנחקרים לבשו מד סוכר רציף במשך שבועיים שמדד את רמות הסוכר שלהם בכל רבע שעה. הרעיון הוא שעכשיו אפשר לנתח את הנתונים, ממש כמו שעושים מודלי בינה מלאכותית מבוססי שפה, רק שבמודל הזה הטכנולוגיה מנתחת את מדדי הסוכר הקודמים ומנסה לחזות את המדידות הבאות".
הוא מוסיף: "המערכת לומדת כיצד פרופיל סוכר של אדם ספציפי משתנה לאורך היום. למשל, המערכת בוחנת את רמת הסוכר שהודגמה לפני רבע שעה ויודעת לחזות מה תהיה רמת הסוכר ברבע השעה הבאה. היא גם לוקחת בחשבון מה האדם אכל ולפי זה לומדת משהו חשוב על תגובת הגוף של האדם למזון שהוא אוכל ואיך הסוכר משתנה במהלך היום".
המטרה: למנוע סוכרת לפני שהיא מתפתחת
תחזיות מדויקות של רמות הסוכר העתידיות עבור מטופלים בקבוצות סיכון לפתח סוכרת עשויות לאפשר לרופאים ולמטופלים לאמץ אסטרטגיות טיפול מונע מוקדם יותר, לחזות תגובה לתרופות וטיפולים במסגרת ניסויים קליניים, לחזות מדדים רפואיים במטופלים כארבע שנים מראש, ולהפחית את ההשפעות הכלכליות של התמודדות עם סוכרת, שעל פי מחקרים, עשויים להגיע ל-כ-2.5 טריליון דולר ב-2030.
בנוסף, החוקרים הראו כיצד לאחר הזנת המודל עם מידע הקשור בתזונת המטופל, ניתן לחזות כיצד רמות הסוכר שלו יגיבו למזונות ספציפיים ולשינויים בתזונה - מה שיכול לאפשר תזונה מותאמת אישית ברמת דיוק גבוהה. מעבר לרמות הסוכר, GluFormer יכול לחזות ערכים רפואיים כולל רקמת שומן - מדד לכמות השומן בגוף סביב איברים כמו הכבד והלבלב; לחץ דם סיסטולי, הקשור לסיכון לסוכרת, ומדד דום נשימה - הקשור לסוכרת מסוג 2.
פרופ' גל צ'צ'יק: "לאחר שהמערכת מסיימת את תהליך הלמידה ניתן להשתמש בפרמטרים שהמערכת למדה ולהשתמש בהם בשביל לחזות מדדים בריאותיים שיש לנו על אנשים. ניתן לראות בנתונים רפואיים, ובפרט ניטור רציף של מדדי סוכר, רצפים של בדיקות אבחון העוקבות אחר תהליכים ביולוגיים לאורך החיים"
"הדבר מאפשר ללמוד על הבריאות של האדם עצמו", מאשר פרופ' צ'צ'יק, "לאחר שהמערכת מסיימת את תהליך הלמידה ניתן להשתמש בפרמטרים שהמערכת למדה ולהשתמש בהם בשביל לחזות מדדים בריאותיים שיש לנו על האנשים האלה וגם על אוכלוסיות שונות של אנשים. ניתן לראות בנתונים רפואיים, ובפרט ניטור רציף של מדדי סוכר, רצפים של בדיקות אבחון העוקבות אחר תהליכים ביולוגיים לאורך החיים. ארכיטקטורת הבינה המלאכותית "טרנספורמר", שפותחה עבור רצפי טקסט ארוכים, יכולה לקחת רצף של בדיקות רפואיות ולחזות את תוצאות הבדיקה הבאה. בכך, המודל לומד על האופן שבו המדדים האבחנתיים מתפתחים לאורך זמן".
"שני גורמים חשובים התכנסו יחדיו בו-זמנית כדי לאפשר את המחקר שעשינו: הבשלה של טכנולוגיות בינה מלאכותית יוצרת המונעת באמצעות NVIDIA, לצד איסוף נתוני בריאות בקנה מידה גדול על ידי מכון ויצמן למדע", אמר המחבר המוביל של המחקר גיא לוצקר, חוקר בינה מלאכותית באנבידיה ודוקטורנט במכון ויצמן למדע. "זה שם אותנו בעמדה ייחודית להפיק ולחלץ תובנות רפואיות חשובות מתוך המדדים הרפואיים".
לכלי בינה מלאכותית כמו GluFormer יש פוטנציאל עתידי לעזור למאות מיליוני אנשים המתמודדים עם סוכרת, מחלה שממדיה ממשיכים לגדול באופן מדאיג מדי שנה וכזו המעמיסה על מערכות בריאות ברחבי העולם. כיום, מחלת הסוכרת פוגעת בכ-10% מהאוכלוסייה העולמית, וחוקרים מעריכים כי עד שנת 2050 תוכפל השפעתה ליותר מ-1.3 מיליארד בני אדם ברחבי העולם. המחלה נמנית עם עשר הסיבות המובילות בעולם לתמותה. היא גורמת לסיבוכים משמעותיים בקרב חולים רבים כגון פגיעה בכליות, פגיעה בראייה ובעיות לב.
גיא לוצקרצילום: נועה בן דרור"סוכרת היא מחלה שמתבטאת ברמת סוכר גבוהה בדם ובהפרעה בחילוף החומרים בגוף. כאשר רמת הסוכר בדם גבוהה מהנורמה, איברים חשובים בגוף עלולים להינזק ותפקודם נפגע", מסביר פרופ' נעים שחאדה, מנהל תחום סוכרת והשמנה במחוז הצפון של מכבי שירותי בריאות.
"יש שני סוגים עיקריים של סוכרת, סוג 1 וסוג 2. טרום סוכרת מוגדרת כמצב המקדים את הופעת הסוכרת מסוג 2, כאשר הגוף אינו יודע להשתמש באינסולין הקיים בו. במצב זה, רמות הסוכר בדם אינן תקינות, אך אינן עונות על ההגדרה של סוכרת, אך אנשים הנמצאים במצב של טרום סוכרת נמצאים בסיכון גבוה מאוד לפתח את המחלה. בכל שנה כ-6% מהאנשים עם טרום סוכרת הופכים להיות סוכרתיים".
מבט קדימה אל העתיד
ובינתיים, לפי צוות החוקרים, חיזוי רמות הסוכר הוא רק ההתחלה. פיתוחים נוספים מבוססי בינה מלאכותית יאפשרו בעתיד לפתח פתרונות נוספים בתחום הרפואה שיקלו על חייהם של מיליוני אנשים ברחבי העולם.
"רפואה היא תחום מורכב שמבוסס על דאטה. יש הערכות ש-30% מהדאטה בעולם נוצר מרפואה. מדובר בכמויות גדולות של נתונים והן לא מוגבלות רק למדידות סוכר", מציין פרופ' צ'צ'יק, "אדם אוסף המון נתונים במהלך השנים על מערכות הגוף השונות, נתונים שאפשר ללמוד מהם. היום עוד אין לנו מודלים טובים שיודעים לנתח את כל הדברים האלה. היינו רוצים לחבר את כל הנתונים האלה, דוגמת היסטוריה רפואית, בדיקות דם, היסטוריה משפחתית – כל דבר שבעתיד יוכל לעזור לנו לבנות איזשהו מודל בריאותי שלם של כל אדם".
פרופ' צ'צ'יק: "כמו שלימדנו את המודל על תוצאות של מדידות סוכר, ניתן יהיה לעבוד על טכנולוגיה שמלמדת את השפה של חלבונים ומולקולות שונות כדי לעזור לנו, למשל, ליצור תרופות חדשות"
הוא מוסיף: "בסוף מה שאנחנו רואים בשנתיים האחרונות מאז ש-ChatGPT ומודלי שפה נוספים הגיעו לעולם, שאמנם אותם מודלים לומדים שפה והתוצרים הם טקסטים, אך כמו במקרה הזה שלימדנו את המודל על תוצאות של מדידות סוכר, ניתן יהיה לעבוד על טכנולוגיה שמלמדת את השפה של חלבונים ומולקולות שונות כדי לעזור לנו, למשל, ליצור תרופות חדשות. ניתן לקחת את זה גם להמון תתי-תחומים כמו זיהוי מוקדם של סרטן על ידי ניתוח של בדיקות הדמיה, או זיהוי מחלות שרדיולוג לא יכול לזהות בעצמו".
את המחקר והפיתוח של GluFormer, שבוצע על מעבדים גרפיים (GPUs) מבית אנבידיה, הובילו פרופ' ערן סגל מהמחלקה למדעי המחשב במכון ויצמן למדע; פרופ' גל צ'צ'יק, מנהל מרכז המחקר של אנבידיה בישראל ומהמחלקה למדעי המחשב באוניברסיטת בר אילן; חגי רוסמן, מנהל צוות המחקר ב-Pheno.AI; גל ספיר, חוקר בצוות מדעי הנתונים ב-Pheno.AI, והחוקר המוביל, גיא לוצקר, חוקר ב-NVIDIA ודוקטורנט במכון ויצמן למדע.
