AI בבריאות: פריצות דרך בגנומיקה, סיכוני הטיה בפרסום ורווחים ברדיולוגיה

שבוע זה ב-AI הבריאותי הביא התקדמות בגנומיקה, קרדיולוגיה, רדיולוגיה וגילוי תרופות — לצד תזכורת מפכחת שמערכות שבהן אנו בוטחים עם החלטות קליניות ניתנות להשפעה בדרכים שאנחנו לא תמיד רואים.

AlphaGenome 2 מנבא כיצד וריאנטים ב-DNA מניעים מחלות ברקמות ספציפיות

גוגל DeepMind שחררה את AlphaGenome 2, שדרוג משמעותי למודל הבינה המלאכותית שלה לחיזוי ההשלכות הפונקציונליות של וריאנטים גנטיים ברזולוציה של תא בודד. המודל, שהוכשר על יותר מ-107 מיליון פרופילי תאים, יכול כעת לזהות כיצד שינוי DNA נתון משנה את ויסות הגנים בסוגי רקמות ספציפיים — יכולת שחשובה מאוד כאשר אותו וריאנט עשוי להיות שפיר בהקשר תאי אחד ומניע מחלות באחר.

מספרי הבנצ'מרק מדהימים: AlphaGenome 2 משיג שחזור 30% של וריאנטים סיבתיים ב-90% דיוק, מה שמציב אותו הרבה קדימה מגישות קודמות. עבור חוקרים העוסקים במחלות מורכבות כמו סוכרת מסוג 2, דלקת מפרקים שגרונית, או אי ספיקת לב — שבהן מחקרי קשר רחבי-גנום ייצרו לאורך זמן ממצאים שמתנגדים לפרשנות מנגנונית — סוג זה של ניקוד וריאנטים מודע-רקמה עשוי לצמצם בצורה משמעותית אילו אותות כדאי לחקור בניסיון.

על ידי פעולה ברזולוציה של סוג תא ולא ממוצעי רקמה כוללניים, המודל לוכד את הספציפיות שמקשה כל כך על מודל המחלה האנושית: אותו גן יכול להתנהג באופן שונה מאוד בתא בטא של הלבלב לעומת מקרופאג'. הוא חלק מהדחיפה הרחבה יותר של DeepMind למודלי יסוד גנומיים ובונה על ארכיטקטורת AlphaGenome המקורית.

פרסומי תרופות יכולים להסיט המלצות טיפול של בינה מלאכותית בכמעט 50 נקודות אחוז

מחקר שפורסם ב-Lancet Digital Health על ידי חוקרים ב-Mount Sinai הציג אחד מהממצאים המדאיגים יותר בתחום ה-AI הקליני השנה. הצוות בדק האם פרסומות תרופתיות המוטמעות בהקשר — סוג החומר הפרסומי שממלא אתרי ואפליקציות רפואיות — יכולות להשפיע על הטיפולים שצ'אטבוטים של AI ממליצים עליהם לחולים מדומים.

הם יכלו. בטווח של תרחישים קליניים, המלצות AI עבור התרופה המפורסמת עלו מבסיס של 35% ל-47.6% — שינוי של כמעט 13 נקודות אחוז בממוצע. בארבעה תרחישים ספציפיים, ההשפעה הייתה קיצונית יותר: מודלים עברו מהמלצה על התרופה המפורסמת 0% מהזמן ל-100% לאחר שהוצגו מודעות.

זה משנה מכיוון שצ'אטבוטים של AI משולבים יותר ויותר בכלי בריאות המיועדים לחולים, ומכיוון שהמנגנונים שבאמצעותם מודלים גדולים של שפה סופגים ופועלים על תוכן פרסומי אינם שקופים. בשונה מרופא שעשוי לזהות בצורה מודעת גישת מכירה פרמצבטית, בינה מלאכותית מעבדת אותה כטקסט — וטקסט זה, כנראה, מעצב תפוקות בדרכים שעלולות להעדיף אינטרסים מסחריים על פני קליניים. המחקר הוא קריאה לביקורת שיטתית של כלי AI בבריאות שפרוסים בסביבות שבהן יש פרסום.

מחקר JAMA Cardiology של אוקספורד מאמת ציון AI של דלקת לב בכמעט 20,000 חולים

Caristo Diagnostics הודיעה על פרסום מחקר ציון דרך שהוביל אוקספורד ב-JAMA Cardiology המאמת את טכנולוגיית CaRi-Heart שלה ב-19,110 חולים. הציון שנגזר מ-AI מודד דלקת כלילית מסריקות CT שגרתיות — מידע שהיה בלתי נראה היסטורית לקריאות דימות סטנדרטיות.

הממצא המרכזי של המחקר הוא ש-CaRi-Heart מסווגת מחדש כמעט מחצית ממקרי המוות הקרדיווסקולריים המתרחשים בחולים עם ציון סידן עורקי כלילי (CAC) של אפס. ניקוד CAC נמצא בשימוש נרחב לסיווג סיכון לב, וציון אפס מתפרש לעיתים קרובות כמרגיע. אבל בערך מחצית מהתקפי הלב מתרחשים אצל אנשים ללא הסתיידות משמעותית — הפרדוקס המכונה "אפס-CAC". כלי AI שיכול לסמן דלקת כלילית בחולים אלה, לפני שהסתיידות מתפתחת, יתייחס לנקודה עיוורת קלינית אמיתית.

האימות בקוהורט של כמעט 20,000 חולים נותן לממצא משקל סטטיסטי שמחקרי היתכנות קטנים יותר לא יכלו. CaRi-Heart מצטרפת לרשימה גוברת של ביו-מרקרים שנגזרו מ-AI המדגימים ערך פרוגנוסטי נוסף מעבר למדדי סיכון מבוססים.

מודלי שפה חזותית של AI משפרים זיהוי רדיולוגיה עד 57% ב-RSNA 2026

Mosaic Clinical Technologies הציגה נתונים ב-RSNA 2026 המראים שמודלי השפה החזותית (VLMs) של AI שלה השיגו שיפור ממוצע של 40–43% בשיעורי זיהוי ב-50 מצבים קליניים. עבור גושי ריאה בצילום חזה — משימת זיהוי מאתגרת ובעלת סיכון גבוה במיוחד — השיפור הגיע ל-57.5%.

החברה דיווחה גם שדוחות רדיולוגיה שנוסחו על ידי AI היו דומים בדיוק לדוחות שנכתבו על ידי רדיולוגים, ממצא שיזכה לבדיקה מדוקדקת אך גם לתשומת לב ממערכות בריאות העומדות בפני מחסור ברדיולוגים. VLMs שונים מ-AI רדיולוגיה קודם בכך שהם מייצרים פלט בשפה טבעית לצד זיהוי, במקום לייצר רק תיבות גבול או ציוני הסתברות. יכולת זו הופכת אותם לשימושיים יותר ישירות ככלי לניסוח דוחות.

RSNA 2026 ראה נושא רחב יותר של AI שעובר מסיוע בזיהוי לכלי זרימת עבודה משולבים, עם ספקים מרובים המדגימים מערכות המטפלות בכל קשת מקליטת תמונה ועד ליצירת טיוטת דוח. הנתונים של Mosaic מייצגים אחת מהתביעות הכמותיות הספציפיות יותר שנעשו בוועידה.

פלטפורמת 4RISE של Sino Biological מגשרת בין עיצוב מולקולות AI ואימות מעבדה

Sino Biological השיקה את 4RISE, פלטפורמה משולבת שנועדה לסגור את הפער בין מולקולות שתוכננו חישובית לאימות ניסויי במעבדה רטובה. הפלטפורמה תומכת בנוגדנים, אנזימים ומועמדי חלבונים אחרים שנוצרו על ידי כלי עיצוב AI, ומספקת את הבדיקות ותשתית הבדיקה הביולוגית הדרושות כדי לאשר האם מולקולה מבטיחה חישובית אכן מתנהגת כפי שחזוי במערכות ביולוגיות.

ההשקה מתייחסת לצוואר בקבוק מתמשך בגילוי תרופות מונע AI: כלי AI הפכו יכולים יותר ויותר להציע מבני מולקולות חדשניים, אך התשתית הניסויית לאימות מהיר של הצעות אלה פיגרה. 4RISE שואפת לשרת חברות ביוטכנולוגיה ומעבדות אקדמיות המפעילות תוכניות גילוי AI-ראשוניות הזקוקות לגשר מפלט in silico לנתונים ביולוגיים מבלי לבנות יכולת מעבדה רטובה מלאה פנימית. הפלטפורמה מתפרשת על זרימות עבודה לאימות נוגדנים ואנזימים ומתוכננת להשתלב עם צינורות עיצוב AI במעלה הזרם, ומציבה את Sino Biological כספקית תשתית עבור מערכת האקולוגיה של גילוי התרופות של AI.