AI עולה על רופאים בסריקות לב, אבחון ובדיקות פרקינסון — אך המטופלים עדיין לא שוכנעו
AI מציג ביצועים עדיפים על רופאים בחיזוי לבבי, אבחון מורכב ובדיקת פרקינסון — בעוד רוב האמריקאים נותרים חסרי נוחות עם הטכנולוגיה.
By Dr. Asher Knippel
שבוע זה הביא אשכול של ממצאים מכוננים בנושא בינה מלאכותית ברפואה: מכונות מנצחות רופאים בקריאת לבבות ובאבחון מחלות, כלי שאלון עשוי לאתר פרקינסון שנים לפני הופעת הסימפטומים, ועם זאת רוב האמריקאים מצהירים שהם מעדיפים שהבינה המלאכותית תישאר רחוקה מטיפולם הרפואי.
בינה מלאכותית קוראת סריקות לב מהר פי 300 — ובדיוק גבוה יותר
מחקר בהובלת UCL שפורסם ב-The Lancet Digital Health ניתח נתוני MRI לבבי של 27,382 מטופלים בבריטניה ובארצות הברית, והגיע למסקנה מפתיעה: מדידות ה-AI של שבר הפליטה — חלק הדם הנשאב עם כל פעימת לב — ניבאו תמותה בחמש שנים בצורה משמעותית טובה יותר מאשר אותן מדידות שבוצעו על ידי קלינאים מומחים.
המהירות היא חלק מהסיפור: ה-AI השלים כל ניתוח תוך שתיים עד שלוש שניות, לעומת כ-13 דקות לרופא מומחה. אך הדיוק הוא הממצא החשוב יותר. המודל סימן מטופלים כבעלי סיכון גבוה גם כשציוניהם נפלו מתחת לסף הקליני שהיה מאשר את שחרורם. בפועל, המשמעות היא שחלק מהמטופלים שהיו נשלחים הביתה עשויים להזדקק למעקב הדוק יותר — ו-AI טוב יותר בזיהוי מי הם.
ה-AI האבחוני של מיקרוסופט מנצח רופאים כלליים ביחס של שניים לאחד
מאמר שפורסם ב-Science השבוע תיאר את MAI-DxO, מתזמר האבחון הרפואי של מיקרוסופט, שהשיג דיוק של 83.2% ב-304 מקרים מורכבים שנלקחו מדוחות מקרה של New England Journal of Medicine, לעומת 36.1% לרופאים כלליים שעבדו עם חומרי עזר. במאגר נתונים נפרד של מיון חירום הפער היה דומה: 80% ל-AI לעומת 47% לרופאים.
המערכת גם הורתה על פחות בדיקות אבחנתיות — וזולות יותר — כדי להגיע למסקנותיה. שילוב זה של דיוק גבוה יותר ועלות נמוכה יותר הוא התרחיש שאופטימיסטים של AI הבטיחו זה מכבר, וכעת הוא הגיע עם גיבוי של ביקורת עמיתים. השאלה הקשה יותר שמעלה המאמר היא מה משמעות הדבר עבור צינור ההכשרה של רופאים כלליים: אם מערכת תוכנה יכולה להעלות על ביצועי רופא שיש לו גישה לחומרי עזר, מה המשמעות לחינוך רפואי ולכוח אדם?
רוב האמריקאים עדיין אינם בנוח עם טיפול רפואי בסיוע בינה מלאכותית
על רקע ההתקדמות הטכנית הזו, סקר של מרכז Pew לחקר שנערך עם 3,488 מבוגרים אמריקאים ופורסם ב-3 בנובמבר מציע תזכורת חדה: ביצועים קליניים וקבלה ציבורית אינם אותו הדבר. שישים אחוז מהמשיבים אמרו שאינם בנוח עם שימוש ב-AI לאבחון מצבם הרפואי או להמלצה על טיפולים. רק 5% אמרו שהם בנוח עם קבלת החלטות אוטונומית של AI בתביעות ביטוח. חמישים ואחד אחוז הביעו חשש לגבי אבטחת נתוני הבריאות האישיים שלהם.
הממצא הבולט ביותר: מטופלים סומכים על רופאים יותר מכולם לשימוש ב-AI לטובתם — יותר מבתי חולים, יותר מחברות ביטוח ויותר מהממשלה. יש לכך משמעות לאופן שבו כלי AI מוכנסים לסביבות קליניות. טכנולוגיה שמעולה על רופא בניסוי מבוקר עדיין עלולה להיכשל בפריסה אם מטופלים מתנתקים מהטיפול או מסרבים לפעול לפי המלצות שמקורן ב-AI.
חברות ביוטכנולוגיה דוחות את ה-הייפ של גילוי תרופות באמצעות AI
לא כל השחקנים בתחום הטכנולוגיה הרפואית ממהרים לאמץ AI. מספר גדל והולך של סטארטאפים ביוטכנולוגיים מדלגים בכוונה על פלטפורמות גילוי תרופות מבוססות AI, ובוחרים במקום זאת בניסויי מעבדה רטובה בתפוקה גבוהה, המונחים על ידי כימאים בעלי תארי דוקטורט ולא מודלי למידה עמוקה.
החששות שהחברות הללו מציינות הם ספציפיים: מאגרי אימון שאינם מייצגים את המרחב הכימי והביולוגי המלא של העניין, רשתות עצביות שהחלטותיהן לא ניתנות לחקירה או הסבר, ומערכות ביולוגיות מורכבות מדי כדי שהארכיטקטורות הנוכחיות ימדלו אותן באופן אמין. חברה אחת שהוצגה מנהלת 50,000 בדיקות תרכובות בשבוע באמצעות רובוטיקה — היקף שהיה בלתי ניתן להעלאה על הדעת ללא אוטומציה — אך מסתמכת לחלוטין על מדענים אנושיים ליצירת השערות. הסיפור הוא תיקון לרעיון שאימוץ AI בפיתוח תרופות הוא אחיד או בלתי נמנע.
כלי 30 שאלות עשוי לאתר פרקינסון שנים לפני הופעת הסימפטומים
צוות ב-Rensselaer Polytechnic Institute פרסם מחקר ב-Nature Aging ב-4 בנובמבר המתאר את Quest2Dx, מודל המנתח תשובות לשאלון בריאות כדי לזהות אנשים בשלב הפרודרומלי של מחלת פרקינסון — התקופה שלפני הופעת תסמינים מוטוריים.
המודל מחפש סימני אזהרה מוקדמים שלעתים קרובות מקדימים אבחנה רשמית בשנים או אפילו עשורים: ירידה בחוש הריח, שינה REM מופרעת ושינויים עדינים בכתב יד. גרסה מקוצרת של 30 שאלות ביצעה כמעט טוב כמו סוללות שאלון מלאות יותר, דבר שחשוב מאד לפריסה בעולם האמיתי. שאלון קצר יכול להינתן בביקור ברפואה ראשונית בעלות מינימלית וללא ציוד מומחה. אם Quest2Dx יאומת במחקרים פרוספקטיביים, הוא יכול לתת לנוירולוגים — ולמטופלים — יתרון משמעותי במחלה שבה התערבות מוקדמת יותר מביאה באופן עקבי לתוצאות טובות יותר.
מה שמקשר בין חמשת הסיפורים הללו הוא פער שחוצה את כולם: מערכות AI מגיעות ובמקרים מסוימים עולות על ביצועים אנושיים במשימות קליניות מוגדרות בצמצום, אך הדרך מנקודת ייחוס לצד המיטה נותרת ארוכה וקשה יותר ממה שמחקר בודד יכול לפתור. יש לבנות אמון. קלינאים צריכים להבין מה הכלים עושים בפועל. והמגבלות שמעלים ספקני הביוטכנולוגיה — מודלים של קופסה שחורה, נתוני אימון לא מייצגים, מורכבות ביולוגית שמביסה ארכיטקטורות נוכחיות — הן אמיתיות גם כאשר התוצאות הכותרתיות נראות מרשימות. המחקר של השבוע הוא עדות להתקדמות מהירה. הוא עדיין אינו עדות לכך שהמעבר הושלם.