שבוע הבריאות של הבינה המלאכותית: כנסים, שותפויות ורגולציה מתכנסים

הבריאות בתחום הבינה המלאכותית עברה שבוע עמוס — כנס אתיקה נפתח בבולטימור, Johns Hopkins שיתפה פעולה עם OpenEvidence על בינה מלאכותית קלינית שממקמת את האדם במרכז, הממשלה הפדרלית השיקה ארבעה תוכניות ARPA-H לזירוז ניסויים קליניים, חלון ההערות של ה-FDA על מכשירים רפואיים מבוססי בינה מלאכותית גנרטיבית נסגר ביום ראשון, ועשרים שנות חדשנות בגילוי תרופות התכנסו בלונדון.

פסגה לאומית לבינה מלאכותית אתית בבריאות הציבור נפתחת בבולטימור

הרשת הלאומית של מוסדות הבריאות הציבורית (NNPHI) פתחה את AIxPH 2026 ב-14 באוקטובר בבולטימור, ואיחדה מתרגלי בריאות ציבורית, טכנולוגים, אתיקאים ומעצבי מדיניות לשיחה בת שלושה ימים על כיצד הבינה המלאכותית משנה את עולם הבריאות הציבורית ברמת האוכלוסייה.

הכנס בנוי סביב ארבעה עמודי תווך: ממשל ואחריות בתחום הבינה המלאכותית, מעקב אחר מחלות וזיהוי מגפות, יישומי בריאות ממוקדי-קהילה ושוויון, והגנת פרטיות במערכות עתירות נתונים. עמודי תווך אלה משקפים את המתחים האמיתיים שצצו כאשר סוכנויות בריאות ציבורית החלו לפרוס כלי חיזוי — שאלות על מי שולט במודלים, כיצד ניתן להשתמש בנתוני מעקב, ואם הקצאת משאבים מבוססת-AI מחזקת או מתקנת אי-שוויון היסטורי.

AIxPH הוא אחד מהכינוסים הראשונים שתוכנן במיוחד לאנשי מקצוע בבריאות הציבור ולא למנהלי בתי חולים או חוקרים ביו-רפואיים. האפידמיולוגיה ובריאות הקהילה פועלות על סוגי נתונים שונים, מבני אחריות וסובלנויות סיכון שונות מהרפואה הקלינית, ומסגרות הממשל שנוצרות בכנס משקפות הבדלים אלו.

OpenEvidence ו-Johns Hopkins Medicine ממקמות את האדם במרכז הבינה המלאכותית הקלינית

ב-13 באוקטובר, OpenEvidence ו-Johns Hopkins Medicine הכריזו על שיתוף פעולה שנועד לשלב בינה מלאכותית הן בקבלת ההחלטות הקליניות והן בחינוך הרפואי — עם דגש מכוון על שמירת הרופאים בתמונה.

השותפות משלבת את פלטפורמת סינתזת הראיות של OpenEvidence עם פרוטוקולים קליניים של Johns Hopkins, כלים להיסטוריית חולים, ושיטות עבודה מומלצות מוסדיות. המטרה המוצהרת אינה להחליף את שיקול דעתו של הרופא אלא להציג ראיות רלוונטיות מהר יותר, להפחית עומס קוגניטיבי במהלך החלטות בסיכון גבוה, ולסמן מתי מצבו של חולה סוטה מההנחיות הסטנדרטיות.

מה שהופך את שיתוף הפעולה לבולט הוא היקפו הכפול. הוא מנסה בו-זמנית לשנות את אופן פעולתם של רופאים מתרגלים כיום ואת אופן למידתם של סטודנטים לרפואה מחר. תוכניות הכשרה שאינן כוללות זרימות עבודה של בינה מלאכותית מכינות סטודנטים לסביבה קלינית שכבר משתנה. על ידי שילוב כלי AI בחינוך לצד עבודה קלינית, Johns Hopkins ו-OpenEvidence מהמרות שהדרך הבת-קיימא ביותר לתוצאות טובות היא הכשרת רופאים שהם משתמשים גם ספקניים וגם מיומנים במערכות AI.

HHS מהמרת על AI לפריצת צוואר הבקבוק בניסויים הקליניים

המחלקה האמריקאית לבריאות ושירותי אנוש, דרך הסוכנות למחקר פרויקטים מתקדמים לבריאות (ARPA-H), הכריזה על ארבעה תוכניות AI המכוונות לצינור הניסויים הקליניים — תחום שבו עלויות פיתוח ממוצעות עולות על 2 מיליארד דולר לתרופה ושיעורי הכישלון עולים על 90 אחוז.

ארבע היוזמות מכסות נקודות לחץ שונות במחזור חיי הניסויים:

SURPASS מתמקד בתכנון ניסויים, משתמש ב-AI לדגמן תוצאות ולאופטימיזציה של פרוטוקולים לפני שחולה אחד נרשם.

STACK מטפל בתשתית נתונים, בונה מערכות חישוב שהופכות נתוני ניסויים לנגישים ולניתנים לפעולה הדדית בין אתרים וספונסרים.

COMMONS מרחיב את הרשמת החולים על ידי התאמת משתתפים מתאימים לניסויים שאחרת לא היו נתקלים בהם — בעיה שמשפיעה באופן לא פרופורציונלי על קהילות כפריות ומוחלשות.

CINCH מכוון לאונקולוגיה באופן ספציפי, משתמש ב-AI להתאמת חולי סרטן לניסויים מתאימים על בסיס פרופילים מולקולריים, היסטוריות טיפול וקריטריוני זכאות.

יחד, התוכניות משקפות את גישת ARPA-H למחקר ופיתוח בריאות: במקום לממן טיפולים בודדים, היא מממנת את התשתית והשיטות הקובעות אם ניתן לבדוק ביעילות כל טיפול. ניסויים קליניים הם צוואר הבקבוק הבודד הגדול ביותר בין גילוי מדעי לגישת חולים, ושיפורים מבוססי-AI למהירותם ולכלילה שלהם עשויים להיות בעלי השפעות מצטברות על כל הרפואה.

FDA סוגרת הערות ציבוריות על מכשירים רפואיים של בינה מלאכותית גנרטיבית ביום ראשון הקרוב

מסמך הדיון של מינהל המזון והתרופות (FDA) מאוגוסט 2026 בנושא הסדרת מכשירים רפואיים מבוססי בינה מלאכותית גנרטיבית מגיע למועד הגשת ההערות הציבוריות ב-19 באוקטובר. עבור כל מי שעובד בפיתוח מכשירים רפואיים, אינפורמטיקה קלינית, או מדיניות AI בבריאות — החלון נסגר.

המסמך מתמקד במה שמייחד את הבינה המלאכותית הגנרטיבית מקטגוריות קודמות של תוכנה-כמכשיר-רפואי (SaMD). מודלי SaMD מסורתיים נעולים בדרך כלל לאחר האימון: הרגולטורים יכולים להעריך גרסה ספציפית, וגרסה זו אינה משתנה. מודלי בינה מלאכותית גנרטיבית יכולים להסתגל דרך למידה מתמשכת, לייצר פלטים חדשים שלא צוינו במפורש במהלך הפיתוח, ולהתנהג בצורה שונה בקרב אוכלוסיות חולים בדרכים שקשה יותר לאפיין בבדיקה לפני השיווק.

ה-FDA מבקש מהמגיבים לעזור להגדיר כיצד צריכות להיראות מסגרות לפני השיווק עבור מערכות שמתפתחות, כיצד צריך לעבוד מעקב לאחר השיווק כאשר פלטי המודל יכולים להשתנות עם הזמן, וכיצד לטפל במערכות AI המשלבות רכיבים גנרטיביים עם כלי אבחון מסורתיים. עם סגירת תקופת ההערות השבוע, הסוכנות נעה לקראת רגולציה מוצעת — מה שהופך את החלון הנוכחי לבעל סיכון גבוה במיוחד עבור כל מי שיש לו עניין באופן כתיבת חוקים אלה.

עשרים שנות חדשנות בגילוי תרופות, כעת מבוסס AI, בלונדון

כנס גילוי התרופות של ELRIG ציין את יום השנה העשרים שלו ב-14-15 באוקטובר במרכז ExCeL של לונדון, וה-AI שזור לאורך כל סדר היום ולא מבודד לרצועה ייעודית — אות לאופן שבו הטכנולוגיה נספגה ביסודיות ב-R&D הפרמצבטי המודרני.

הכנס מאגד חוקרים בתחום הביופיזיקה של הדור הבא, מולטי-אומיקס, מיקרוביולוגיה ומדע תרגומי. השנה, גילוי מאופשר-AI הופיע בכל שלב של צינור התרופות: בזיהוי מטרות תוך שימוש בנתונים גנומיים בקנה מידה גדול, בתכנון ואופטימיזציה של מולקולות, בפיתוח ניסויים, ובתרגום ממצאים טרום-קליניים לניסויים בבני אדם.

עשרים שנות כנסי גילוי תרופות עקבו אחר מסלול התחום דרך כימיה קומבינטורית, סינון תפוקה גבוהה ועגינה חישובית — ועכשיו למידת מכונה בקנה מידה. ציון העשרים שנה הוא מסגרת שימושית להערכת כמה השתנה. האתגר הבסיסי של זיהוי אילו התערבויות בטוחות ויעילות בבני אדם נשאר קשה כתמיד. מה שהבינה המלאכותית משנה הוא הקצב שבו ניתן לבדוק השערות ומגוון המרחב הכימי והביולוגי שניתן לחקור.