בינה מלאכותית, למידה עמוקה (deep learning) ולמידת מכונה (machine learning) הן מילות מפתח שהפכו לחלק אינטגרלי מחיינו ומגמה זו רק תלך ותעצים. טכנולוגיות אלו אשר משולבות במכשירים ניידים, רכבים, ואפילו מכשירי חשמל ביתיים מאפשרות התאמה מיטבית של השימוש למשתמש תוך אגירת מידע, למידה ושיפור מתמיד.
הבסיס לשימוש בבינה מלאכותית נעוץ ביכולת לקחת מידע רב, ללמוד אותו במהירות, ובהמשך לבסס החלטות על בסיס למידה זו. להמחשה, פענוח בדיקת דימות כגון צילום רנטגן או CT. כיום, כלל הבדיקות הללו ממוחשבות והתמונות הנרכשות הן בעצם פיקסלים הנשמרים בפורמט מסוים. לאחר שנזין מאות אלפי בדיקות למחשב, ונוסיף את הפענוח שבוצע על ידי מומחה, השימוש באלגוריתמים השונים יאפשר למחשב "ללמוד" לפענח את הבדיקות. בשלב הבא, נבחן את יכולת המחשב לפענח בדיקות ובמידת הצורך, נטייב את הפענוח. מיותר לציין, כי בניגוד לאדם, המחשב אינו מתעייף ואינו מושפע מהסביבה ולכן במקרים רבים, תשובותיו מהימנות ועקביות.
שיפור האבחון והטיפול בחולי לב
ברפואה, ובמיוחד ברפואת הלב, נכנסות טכנולוגיות בינה מלאכותית בקצב מסחרר והמעבר המהיר ממחקרים קליניים ליישום הטכנולוגיה בשטח מוביל לשיפור האבחון והטיפול בחולי לב.
בדיקת אלקטרוקרדיוגרם, או אק"ג בשמה המוכר, היא בדיקה ותיקה בת למעלה מ-120 שנה, אשר מתעדת את הפעילות החשמלית של הלב. במשך עשורים הייתה זו אחת מהבדיקות הבסיסיות בקרדיולוגיה אך לאחרונה, באמצעות בינה מלאכותית, חוקרים הדגימו את האפשרות לאבחן מצבי תחלואה שונים שעד כה ניתן היה לאבחנם באמצעות בדיקות מורכבות כגון אולטרסאונד (אקוקרדיוגרפיה) אשר דורשת מיומנות רבה ואינה זמינה כמו אק"ג פשוט.
כך אפשר כיום לאבחן הצרות במסתמים, ירידה בתפקוד הלב ואף לחזות הידרדרות בתפקוד- כל זאת על מבדיקה בסיסית ולא פולשנית.
אקוקרדיוגרפיה, בדיקת על-קול של הלב, מהווה כיום עמוד תווך באבחון מחלות לב. בדיקה זו דורשת מיומנות רבה הן בביצוע (מיקום המתמר על גוף המטופל בצורה נכונה) והן בפענוח, ולכן זמינותה מוגבלת.
חברת AiSAP הישראלית פיתחה מוצר מבוסס בינה מלאכותית, שמאפשר לרופאים שאינם מומחים בבצוע אקוקרדיוגרפיה, לבצע את הבדיקה. המידע הנרכש עולה לענן לפענוח מהיר וכך, תוך הסתייעות בטכנולוגיה זו, ניתן להנגיש את הבדיקה החשובה תוך הקטנת הצורך במומחה על בכל המצבים.
בדיקה נוספת בתחום הדימות הלבבי היא בדיקת CT לבבי. בדומה לאקו, גם לפענוח בדיקה זו נדרשת מיומנות רבה ובעיקר זמן רב. בין השאר, בדיקה זו מאפשרת לאבחן היצרויות בכלי דם בלב, אך לא ניתן לקבוע האם הצרות מסוימת אכן קשורה בסבל לשריר הלב במאמץ.
HeartFlow היא טכנולוגיה נוספת המבוססת על בינה מלאכותית שמאפשרת ניתוח של זרימת חומר הניגוד בעורק וקביעה האם מדובר בהיצרות אשר אכן משמעותית ודורשת התערבות. טכנולוגיה זו אומצה על ידי משרד הבריאות הבריטי וכעת היא משמשת כבדיקה הראשונה לבירור כאבים בחזה במרבית המטופלים.
דילמות על אודות משמעות היצרות בעורקים כליליים קיימות גם בעולם הקרדיולוגיה הפולשנית (צנתורי לב). כאשר המצנתר נתקל בהיצרות של 50%-70%, לא ניתן לדעת בוודאות האם היצרות זו יכולה לגרום לכאבים ויש צורך בטיפול. גם לכאן הגיעה הבשורה: שתי טכנולוגיות ישראליות (CathWorks ו-MedHub) מאפשרות ניתוח של הזרימה בעורק כפי שהתקבלה בצנתור האבחוני ומסייעת למצנתר לקבל החלטה מושכלת על אודות הצורך בטיפול.
פרופ' סער מנחהצילום: שמוליק אלמנימעבר לשימוש בטכנולוגיות שהוזכרו, מערכות למידה עמוקה שאוגרות נתונים על המטופלים לאורך האשפוז יכולות בין השאר לנבא אשפוזים חוזרים ולוודא שהמטופל משוחרר עם המלצות ברורות לטיפול תרופתי שקשור בתוצאים קליניים מיטביים. אלו רק חלק קטן מהדוגמאות הרבות שחלקן הפכו לטכנולוגיות בשימוש נרחב בעולם הקרדיולוגיה.
מיותר לציין כי השימוש בטכנולוגיות אלו אינו מחליף את הרופא המומחה אלא מסייע לו בקבלת החלטות, מייעל את דרכו של המטופל משלב האבחון ועד לטיפול וסביר כי בעתיד יתברר כי השימושים השונים בבינה מלאכותית משפרים את הבטיחות ואת היעילות של הטיפול בחולי הלב. מהפכת הבינה המלאכותית מביאה בשורה משמעותית הן למטפלים והן למטופלים והצפי הוא שנראה עוד ועוד שימושים מרתקים בשנים הקרובות.
הכותב הוא מנהל היחידה לקרדיולוגיה התערבותית, מרכז רפואי שמיר
