זו הסצנה שחוקרים מ-Harvard Medical School ומ-Beth Israel Deaconess Medical Center בחרו לבחון מחדש, הפעם עם AI. התוצאות פורסמו ב-Science, אחד מהירחונים המדעיים היוקרתיים בעולם, ומה שהן מגלות מעורר שיחה בכל בתי החולים בעולם.

הניסוי: 76 חולים, AI, ושני רופאים שלא ידעו שהם מתמודדים

המחקר התמקד ב-76 מטופלים שהגיעו לחדר המיון של Beth Israel Deaconess Medical Center בבוסטון. החוקרים לקחו את הנתונים הגולמיים שהיו זמינים ברשומות האלקטרוניות בזמן האמת ונתנו אותם לשני רופאים פנימאיים בכירים ולשני מודלי AI: ה-o1 וה-4o של OpenAI.

"לא עיבדנו מראש את הנתונים כלל", הדגישו החוקרים. ה-AI קיבל בדיוק את אותו מידע שהיה זמין ברשומות הרפואיות ברגע האבחון. ללא עזרה, ללא הכנה מיוחדת, ללא ניקוי נתונים שמייפה את התמונה.

את האבחנות בדקו שני רופאים נוספים שלא ידעו מה הגיע מבן אדם ומה מ-AI. עיוור כפול, הסטנדרט המדעי הגבוה ביותר.

הממצא המרכזי: מודל ה-o1 הגיע לאבחנה מדויקת או קרובה מאוד ב-67% מהמקרים בשלב ה-triage הראשוני. הרופא הראשון הצליח ב-55%. השני ב-50%.

"בדקנו את מודל ה-AI מול כל בנצ'מארק אפשרי, והוא עקף גם מודלים קודמים וגם את הרופאים שלנו", אמר ארג'ון מנראי, ראש מעבד ה-AI בבית הספר לרפואה של Harvard ואחד ממחברי המחקר הראשיים.

"ההבדלים היו בולטים במיוחד בשלב ה-triage הראשוני," ציין המחקר. זה השלב שבו יש הכי מעט מידע על המטופל והדחיפות לקבל החלטה נכונה היא הגבוהה ביותר. בדיוק שם ה-AI הכה את הרופאים בפער של 12 עד 17 אחוזים.

הביקורת שצריך לשמוע

ד"ר קריסטן פנתגאני, רופאת חירום, לא שתקה. בפוסט מפורט שפרסמה מיד אחרי הפרסום, היא הסבירה את הפגם המרכזי שחלק מהכותרות החלקלקות פספסו: ה-AI הושווה לרופאים פנימאיים, לא לרופאי חדר מיון. שתי מומחיות שונות לחלוטין.

"אם אנחנו משווים כלי AI ליכולות קליניות של רופאים, נתחיל להשוות לרופאים שמתמחים בפועל בתחום הנבחן," אמרה. "לא הייתי מופתעת אם LLM יעקוף דרמטולוג בבחינת לוח של נוירוכירורגיה. אבל זה לא מידע שימושי."

יש גם ביקורת עמוקה יותר. "כרופאה בחדר מיון שרואה מטופל בפעם הראשונה, המטרה הראשית שלי אינה לנחש את האבחנה הסופית. המטרה שלי היא לקבוע אם יש כאן מצב שיכול להרוג אותו."

שני משחקים שונים. AI אולי טוב בשחמט, אבל הרופא משחק פוקר בחשכה.

מה ה-AI לא יכול לעשות?

החוקרים עצמם ציינו את המגבלה המרכזית: ה-AI קיבל רק נתוני טקסט. לא תמונות, לא CT, לא צילומי רנטגן. לא שפת גוף, לא ריח, לא הבחנות חושיות שרופא מבחין בהן כשמטופל נכנס לחדר וצועד אל מיטתו.

"מחקרים קיימים מצביעים על כך שמודלים בסיסיים מוגבלים יותר בהסקה מנתונים שאינם טקסטואליים," כתבו. רפואה היא לא רק ניתוח טקסט. היא כוללת אלגוריתמים שנבנים מניסיון, מאלפי מפגשים, מזיהוי דפוסים שלא כתובים בשום מקום.

ד"ר אדם רודמן מ-Beth Israel, אחד ממחברי המחקר, הדגיש גם שאין "מסגרת פורמלית לאחריות" על אבחנות AI. כשרופא טועה, יש מנגנון. כשה-AI טועה, מי אחראי? הסטארטאפ? בית החולים? אף אחד עדיין לא פתר את זה. ומטופלים, הוא אמר, עדיין "רוצים בני אדם שינחו אותם בהחלטות חיים ומוות."

אז לאן זה הולך?

המחקר לא מציע שה-AI ייכנס לחדר המיון ויחליף רופאים מחר בבוקר. הממצאים מדברים על "צורך דחוף בניסויים עתידיים להערכת טכנולוגיות אלה בסביבות טיפול אמיתיות." בתרגום לעברית: זה מבטיח מאוד, אבל צריך הרבה יותר מחקר לפני שנותנים לו את המפתחות, או את הסקרפל.

מה שברור כבר עכשיו הוא שה-AI מתאים לתפקיד עזר. לסייע לרופא בתיעדוף מקרים בשעות שיא, לזהות חריגות שקל לפספס בלחץ, לבדוק נדירויות שרופא לא נתקל בהן מזמן. לא כסמכות עצמאית, אלא כ-second opinion שתמיד זמין.

67% מול 50% הוא פער שלא ניתן לדחות בקלות. ואם המחקרים הבאים יאשרו את המגמה, ייתכן שתוך כמה שנים ה-AI בחדר המיון יהיה לא שאלה של "אם" אלא של "כמה אחריות נותנים לו". זה לא מסוכן. זה הגיוני. כמו ABS במכוניות, שגם הוא פעם נתפס כ"מחליף נהג" ואחר כך הפך לתקן.

ההשלכות הגדולות יותר

מחקר זה הוא חלק ממגמה רחבה יותר שמתרחשת בשקט בשנים האחרונות. AI כבר הוכח כמדויק יותר מרדיולוגים בזיהוי גידולים בממוגרפיה (במחקרים מסוימים). הוכח כמזהה רטינופתיה סוכרתית בצילומי עין טוב יותר מאופטומטריסטים. וכעת, מאבחן מצבי חירום ברמה גבוהה יותר מרופאים פנימאיים.

דפוס אחד חוזר: ה-AI לא מחליף את הרופא. הוא מאתגר חלקים ספציפיים מעבודתו שהם בעצמם ניתוח נתונים ומידע. החלקים שכרוכים בנוכחות פיזית, בתקשורת אנושית, בהכלה רגשית, עדיין שייכים לבני אדם.

אבל אלה החלקים שבתי החולים משלמים עליהם הכי פחות. אנליזת נתונים ואבחנה ראשונית הן האיזורים המעניינים ושם ה-AI נותן בראש.

השאלה שמערכת הבריאות תצטרך לענות עליה בשנים הקרובות היא לא "האם AI טוב?" אלא "מה אנחנו עושים כשה-AI טוב מספיק שאי אפשר להתעלם ממנו, אבל המסגרת המשפטית, הרגולטורית והמקצועית לא מוכנה לזה?"

זו שאלה שהמחקר הנוכחי לא עונה עליה. אבל הוא עוזר לקדם אותנו אל הרגע הזה.

הרופאים יכולים לנשום בינתיים. אבל כדאי שיתחילו ללמוד לעבוד עם ה״דבר הזה״, לא נגדו.

הפוסט הרופא צדק ב-50% מהמקרים. ה-AI של OpenAI ב-67%. הופיע לראשונה ב-Ai Samurai.

הערה: הסיפור הבא נשמע טוב מכדי להיות אמיתי, ואילולא היה מקבל גיבוי מחוקרים רפואיים רציניים מהאקדמיה, הייתי מהסס לכתוב אודותיו. אבל נראה שהוא אמיתי. אז הנה הוא.

רוזי הכלבה התכווצה קלות כשקיבלה את הזריקה. היא לא השתוללה או ניסתה לברוח – היא כבר הייתה מורגלת למרפאת הווטרינר, אותה ביקרה פעמים רבות מאז שלקתה בסרטן קטלני. בעליה, פול קונינגהם, ליטף את עורפה ברכות. הוא היה דרוך יותר מרוזי, מכיוון שהוא זה שהמציא את התרופה לסרטן שקיבלה זה עתה.

הוא עשה זאת בלי תואר ברפואה ובלי ניסיון במדעי החיים.

אבל – הוא הזכיר לעצמו – הוא קיבל ייעוץ מצ'אט-GPT.

ההתחלה

קונינגהם אימץ את רוזי ממרכז לבעלי-חיים ב- 2019. הכלבה, שננטשה ביער באוסטרליה, הפכה לבת-משפחתו של קונינגהם בתקופת הקורונה, ומצאה פינה חמה בלבו. השניים חיו ביחד באושר ובעושר, עד שרוזי לקתה בסרטן. קונינגהם, שכאמור חי בעושר כמייסד-שותף של חברת הייטק מצליחה, עשה הכל כדי לעצור את התפתחות הסרטן. הוא הוציא אלפי דולרים על כימותרפיה וניתוחים, ואלו אכן הצליחו לעכב את הסרטן, אבל לא הקטינו את הגידולים. קונינגהם הבין בעצמו לאן הדברים מתקדמים.

ואז הוא החליט להתייעץ עם צ'אט-GPT.

"הלכתי לצ'אט-GPT וגיבשנו תכנית על איך לעשות את זה." הוא סיפר בריאיון למגזין The Australian. "הצעד הראשון היה לפנות לאוניברסיטה כדי לרצף את הדנ"א של רוזי. הרעיון הוא שאתה מחלץ את הדנ"א הבריא מהדם שלה, ואז אתה לוקח את הדנ"א מהגידול… כדי לראות בדיוק איפה המוטציות קרו. זה כמו לקחת את המנוע המקורי של המכונית שלך, ואז את הגרסה של המנוע אחרי 300,000 קילומטרים – ולהשוות ולראות איפה נגרם נזק."

החוקרים באקדמיה הסכימו לבצע את הריצוף עבור קונינגהם, אבל הם לא היו אופטימיים. ריצוף גנטי שכזה מניב כמות עצומה של מידע, שאנשים מן השורה לא באמת יכולים להתמודד איתה. אלא שלקונינגהם היה יתרון: הוא היה בעל ניסיון של 17 שנים בלמידת מכונה וניתוח נתונים, והיה הדירקטור של איגוד מדעי הנתונים והבינה המלאכותית של אוסטרליה. אז נכון, לא היה לו שום רקע בביולוגיה או ברפואה, אבל היו לו כלי בינה מלאכותית.

כדי למצוא את המוטציות בקוד הגנטי, היה צריך כלים מתמחים יותר מצ'אט-GPT הכללי. קונינגהם הריץ את המידע הגנטי בכלים שונים שעזרו לו לזהות את ההבדלים המרכזיים בין הדנ"א של הגידול לדנ"א המקורי. הוא מצא כמה מוטציות רלוונטיות, ובחר להתרכז בזו שהייתה אחראית להפקת חלבון פגום בשם c-KIT. הוא השתמש בכלי בינה מלאכותית של אלפאבית, בשם אלפא-פולד (AlphaFold) כדי להבין איך המוטציה פגעה ב- c-KIT, ואז בחן אתרים שונים בחלבון כדי להבין איך אפשר לתקן או להשבית את החלבון המעוות.

בנקודה זו הגיעה פריצת הדרך הראשונה. קונינגהם זיהה תרופה קיימת, שמשמשת לטיפול בסרטן בבני-אדם, ותוקפת חלבון דומה ל- c-KIT של רוזי. פול קיווה שאותה תרופה תצליח לעצור גם את הסרטן של הכלבה. ביחד עם חוקרי האוניברסיטה, הוא פנה לחברת התרופות בבקשה לנסות את הטיפול – ונתקל בסירוב מוחלט. כדי לבצע טיפול נסיוני שכזה, יש צורך במילוי ניירת ארוכה-כאורך-הגלות, והשקעה של זמן ומאמץ רבים. החברה העדיפה לא לבזבז את זמנה ומרצה על כלב אחד.

דלת נסגרה. קונינגהם איבד תקווה לכמה דקות, ואז הוא מצא אותה מחדש, בזכות חיסוני ה- mRNA.

חיסון לפי דרישה

מולקולת ה- mRNA יכולה להנחות את התאים לייצר חלבונים חדשים. חלבונים כאלו, אם הם מתוכננים בצורה הנכונה, יכולים למשל ללכוד את c-KIT הפגום בתוך התאים. אלא שכדי לתכנן חלבונים כאלו יש צורך בניסיון ארוך-שנים בביו-טכנולוגיה ובהבנה מעמיקה בגנטיקה. אלו, כאמור, לא היו בידי קונינגהם.
אז הוא משך בכתפיו, ופנה שוב לבינה המלאכותית.
"הוא הריץ אלגוריתם כדי לפענח את המבנה של ה- mRNA, ושלח אותו אלינו." סיפר פאל ת'ורדרסון, הדירקטור של מרכז ה- RNA באוניברסיטת ניו סאות'-וויילס, והוסיף בהתרגשות, "זה מעביר את כל התהליך דמוקרטיזציה."

המכונות במעבדות עבדו במהירות, והפיקו את מולקולות ה- mRNA הנחוצות תוך שעות ספורות. וכאן נתקל קונינגהם באתגר השלישי: המחוקק. קונינגהם לא היה יכול להזריק לכלבתו ככה-סתם תרופה שייצר בעצמו. הוא היה צריך לקבל אישור אתי מהממשלה.

"… זה היה למעשה קשה יותר מיצירת החיסון." אמר. "לקח לי שלושה חודשים במהלכם פיניתי שעתיים כל לילה כדי להקליד את המסמך הזה של מאה עמודים."

בסופו של דבר, קונינגהם הצליח לקבל את האישורים הנדרשים. וכך הוא מצא את עצמו מלטף את כלבתו, בזמן שהיא קיבלה את הזריקה הראשונה של הטיפול, ומתפלל שעשה את הדבר הנכון.

תוצאות הזריקה

השפעת הזריקה ניכרה לעין תוך שבועות בודדים. במגזין The Australian תיארו ש- "רוב הגידולים שלה נמסו תוך שבועות."

אנשי המדע, באופן טבעי, זהירים יותר – אבל מסכימים שהטיפול הצליח.

"זה בהחלט עובד." אבחנה פרופסור רייצ'ל אלאוונה מבית הספר למדעי הווטרינריה בגאטון. "… זה קסום. הסרטן של רוזי היה ממש, ממש מתקדם, אבל גידול אחד הצטמק בהרבה – כנראה בחצי מהגודל. … היא פשוט נראית הרבה יותר שמחה ובריאה."

קונינגהם עצמו מאושר, וכך גם רוזי עצמה.

"בדצמבר היו לה רמות אנרגיה נמוכות כי הגידולים הכבידו עליה מאד." אמר. "שישה שבועות לאחר הטיפול… היא ראתה ארנבת וזינקה מעל הגדר כדי לרדוף אחריה." אין לי אשליות שמדובר בתרופה מלאה, אבל אני מאמין שהטיפול קנה לרוזי משמעותית יותר זמן ואיכות חיים."

אבל אל תדאגו: קונינגהם עובד עכשיו על החיסון השני, שאמור לתקוף גידול מרכזי אחד שלא הגיב לטיפול הראשוני. הוא מקווה שבזכות קצב ההתקדמות המסחרר בפיתוח דרכי התמודדות עם גידולים סרטניים, אפשר יהיה להפוך מקרי סרטן רבים למחלות כרוניות, עם טיפולים שיתמקדו במוטציות חדשות תוך שבועות ספורים מהרגע בו הן מתרחשות.

ואולי הוא אפילו צודק.

לאן מכאן?

הסיפור של קונינגהם ורוזי מרגש מאד, באופן טבעי, אבל הוא חשוב בעיקר מכיוון שהוא מראה לנו שתי מגמות גדולות שעומדות להזניק את המדע קדימה בשנים הקרובות.

המגמה הראשונה היא הדמוקרטיזציה של המדע. או במילים פשוטות יותר: כולם יכולים לעשות מדע. או לפחות הם מסוגלים לכך אם הם חכמים, מוכשרים, חרוצים ועם קשרים. ועדיין, מספר האנשים שניחנים בתכונות האלו גדול לאין שיעור ממספר המדענים כיום. כל יזם, ואפילו כל נער או נערה שאפתנים וחכמים, יוכלו להגיע להישגים של חוקר מומחה.

המשמעות היא שבשנים הקרובות נתחיל למצוא פתרונות לבעיות שאפילו לא חשבנו עליהן ככאלו. ילדים יפתחו תרופות. מהנדסים קשישים יפתחו טיפולים להנדסה גנטית. ומדענים בוגרים ומכובדים? הם יקחו את כל הרעיונות של האנשים המוכשרים הללו, וינסו אותם במעבדות שלהם כדי לברור את המוץ מן התבן ולהבין מה עובד ומה לא.

המגמה השנייה היא האצה בקצב הפיתוח המדעי-טכנולוגי. נראה את ההאצה הזו גם מכיוון שרעיונות חדשים – ופיתוחים מעשיים – יגיעו מכיוונים רבים שונים, אבל גם מכיוון שיהיה קל ומהיר יותר לבדוק אותם במעבדות. וזאת מכיוון שגם המיכון המעבדתי עובר היום שדרוג והופך להיות אוטומטי, מהיר יותר וקל יותר להפעלה.

האם אני מגזים באופטימיות שלי? אולי. אבל אנחנו חיים בעולם של ניסים והפתעות, בו המדע הממשי כבר עקף רבים מרעיונות המדע הבדיוני והותיר אותם מאחור. בעולם שכזה קשה לדעת כבר מה אפשרי ומה לא.

אבל דבר אחד בטוח: בזכות הבינה המלאכותית ואנשים נועזים כמו קונינגהם, רוזי עדיין בחיים.

ואם קונינגהם לא יאבד תקווה, וימשיך לחתור קדימה, היא עשוייה להישאר בחיים עוד שנים רבות-רבות מעבר למה שהרופאים הבטיחו לה.

ואולי גם אנחנו.

הפוסט האיש שריפא את הכלבה שלו מסרטן – בעזרת צ'אט-GPT הופיע לראשונה ב-Ai Samurai.

מה אם צילום הפנים שלכם יוכל לחשוף לא רק את גילכם – אלא גם את סיכויי ההישרדות שלכם מסרטן? מחקר חדש פורץ דרך מציג את FaceAge, כלי מבוסס בינה מלאכותית שמעריך גיל ביולוגי מתוך צילום פנים בלבד, ומנבא באופן מדויק יותר מתמיד את תוחלת החיים של חולי סרטן.

FaceAge מאמן את עצמו על בסיס עשרות אלפי תמונות פנים ומזהה תכונות עדינות המייצגות תהליכי הזדקנות בגוף. התוצאה? מדד חדשני שמספק תמונת מצב בריאותית טובה ע״י השוואה עם הגיל הכרונולוגי – ומסייע לרופאים לקבל החלטות טיפוליות מדויקות יותר, במיוחד במצבים פליאטיביים רגישים.

איך זה עובד בפועל?

המודל אומן על כ-59,000 תמונות של אנשים בני 60 ומעלה, שנחשבו לבריאים. אחר כך נבדק הכלי על 6,200 חולי סרטן מצולמים בתחילת טיפול קרינתי. הממצאים מדהימים: בממוצע, חולי הסרטן נראו כחמש שנים מבוגרים מגילם האמיתי, וזקנה נראית הייתה קשורה ישירות לסיכויי הישרדות נמוכים יותר.

הרופאים טעו – הבינה צדקה

כדי לבדוק את ערך ה-FaceAge מול שיפוט קליני, שמונה רופאים התבקשו לנבא אם חולה סופני יחיה שישה חודשים נוספים, תחילה רק על סמך תמונה, אחר כך עם נתונים רפואיים, ולבסוף עם תוספת של מדד FaceAge.

עם תמונה בלבד הם צדקו רק ב-61% מהמקרים – כמעט כמו ניחוש. עם נתונים קליניים, הדיוק עלה ל-74%. אבל כשהוסיפו את FaceAge – הדיוק זינק ל-80%. לא מדובר בעוד גימיק – אלא בכלי קליני אמיתי שיכול לשפר משמעותית החלטות טיפול.

גיל ביולוגי – לא רק מספר

אחד היתרונות המרכזיים של FaceAge הוא היכולת לזהות אנשים שביולוגית "צעירים יותר" מגילם – ולעיתים קרובות מדובר באנשים שיכולים לעמוד בטיפולים אגרסיביים למרות גיל כרונולוגי מתקדם. ולהפך – אדם שנראה מבוגר בהרבה עלול להיות במצב פיזיולוגי שברירי יותר ממה שחשב הרופא.

דוגמה לכך היא מקרה של גבר בן 86 עם סרטן ריאות סופני, שנראה צעיר מגילו – והרופא החליט להעניק לו טיפול אינטנסיבי. FaceAge אישר את התחושה – וקבע שגילו הביולוגי נמוך ב-10 שנים. ארבע שנים לאחר מכן, האיש חי ובמצב טוב.

בינה שמזהה גנים מזקינים

החוקרים אף גילו קשר בין מדד FaceAge לבין גנים הקשורים להזדקנות תאית. זה מחזק את ההבנה ש-FaceAge לא רק מודד הופעה חיצונית – אלא מצליח לזהות תהליכים ביולוגיים אמיתיים.

ומה לגבי הטיות וסכנות?

כמו כל טכנולוגיה חזקה, גם FaceAge טומן בחובו אתגרי אתיקה: האם חברות ביטוח יוכלו להשתמש בו לקביעת תעריפים? האם יש בו הטיות גזעיות? החוקרים הדגישו שהם פועלים לפי כללי אתיקה מחמירים, בדקו את הביצועים בקרב קבוצות אתניות שונות, ומודעים לחשש מהטיות אפשריות.

העתיד: סלפי כביומרקר רפואי

FaceAge עדיין עובר בדיקות וניסויים קליניים נוספים – אך הפוטנציאל ברור. מדובר בכלי פשוט, מהיר וזול שיכול להשתלב בשגרה הרפואית – מייעול הערכת מצב חולים ועד לשיפור תכנון טיפולים.

בזמן שהרפואה מתקדמת לעבר טיפול מותאם אישית, FaceAge מציע בדיוק את זה: כלי שמתרגם את ה״מראה הכללי״ של המטופל למידע ביולוגי אובייקטיבי.

האם בעתיד כל צילום סלפי יהיה גם מדד רפואי? ייתכן מאוד שכן.

הפוסט האם סלפי יכול להציל חיים? הופיע לראשונה ב-Ai Samurai.

במאי 2024, כשהעולם עדיין ניסה להבין איך ChatGPT עובד, גוגל דיפמיינד הטילה פצצה מדעית של ממש. AlphaFold 3 – לא סתם עוד כלי AI, אלא מפתח דיגיטלי שפותח את הדלת הכי חסומה בביולוגיה המודרנית: הבנת המולקולות של החיים עצמם.
המערכת החדשה לוקחת את מה שהגרסאות הקודמות עשו לחלבונים לבד, ומרחיבה את היכולות למכלול שלם של מולקולות ביולוגיות. DNA, RNA, חלבונים, תרופות פוטנציאליות – כולם כעת נחשפים בפני העין הדיגיטלית הזו כאילו היו פאזל שילדים משחקים בו. רק שהפאזל הזה יכול להציל חיים.

מאחורי הקסם: איך זה בכלל עובד?

הסוד טמון בשילוב של שתי טכנולוגיות פורצות דרך. הראשונה היא ארכיטקטורת Pairformer – בעצם מודל AI מתוחכם שמבוסס על עקרונות של טרנספורמרים (אותם מודלים שעושים את הקסם ב-ChatGPT). השנייה היא מודל דיפוזיה שמתחיל מ"ענן אטומים" אקראי ולאט לאט מעצב אותו למבנה התלת-ממדי המדויק של המולקולה.
אם זה נשמע מורכב, חישבו על זה כך: במקום לנחש איך נראית מולקולה, המערכת בונה אותה אטום אחר אטום, בדיוק כמו שאמן דיגיטלי בונה יצירת אמנות פיקסל אחר פיקסל. רק שהאמן הזה לא טועה לעולם.

ה-Deal של המיליארד דולר

השימוש המרכזי? פיתוח תרופות כמובן. Isomorphic Labs, חברת הבת של גוגל, כבר רתמה את הטכנולוגיה לשיתופי פעולה עם ענקיות הפארמה. היכולת לחזות איך תרופה פוטנציאלית תתנהג בגוף, איך היא תיקשר לחלבונים ספציפיים, איך היא תשפיע על ה-DNA – כל אלה הופכים ממשימה של שנים למשימה של שבועות.
תארו לעצמכם עולם שבו פיתוח תרופה חדשה לא לוקח 10-15 שנים ומיליארדי דולרים, אלא משהו הרבה יותר נגיש. זה לא מדע בדיוני – זה קורה עכשיו.

הצד האפל של המהפכה

אבל כמו בכל סיפור טוב, יש גם צד אפל. הקוד של AlphaFold 3? נעול ומוגן. הגישה למערכת? מוגבלת ל-20 שאילתות ביום דרך שרת מיוחד. זה כמו לתת למדענים הצצה לעתיד, אבל דרך חור המנעול.
הקהילה המדעית זועמת. במקום להפוך את הכלי המהפכני הזה לנחלת הכלל, גוגל בחרה לשמור אותו קרוב לחזה. המבקרים טוענים שזה בדיוק ההיפך ממה שמדע אמור להיות – שיתופי, פתוח ונגיש לכולם.

פרס נובל בכיס האחורי

למרות הביקורת, ההישגים מדברים בעד עצמם. ב-2024, דמיס חסאביס וג'ון ג'אמפר מדיפמיינד זכו בפרס נובל בכימיה על תרומתם לפיתוח AlphaFold. זה לא סתם פרס – זו הכרה בכך שהבינה המלאכותית כבר לא רק כלי, אלא שותפה אמיתית למחקר המדעי.

AlphaFold 3 הוא צעד ענק, אבל הוא רק ההתחלה. השאלה היחידה שנותרה היא: האם אנחנו מוכנים לעתיד שבו מחשבים מבינים את החיים טוב יותר מאיתנו?

הפוסט סוד החיים שמור בכספת של גוגל הופיע לראשונה ב-Ai Samurai.

בינה מלאכותית שוברות שוב את הגבולות – והפעם בזירה הרפואית. מחקר חדש חושף מודל בינה מרשים במיוחד בשם ECgMLP, שמסוגל לזהות סרטן רירית הרחם בדיוק כמעט מושלם של 99.26% – לעומת כ-80% בלבד של הרופאים והמערכות האוטומטיות המובילות כיום. מדובר בקפיצה טכנולוגית עם פוטנציאל לשנות את חוקי המשחק באבחון מוקדם של סרטן, להציל חיים ולצמצם את הפערים בין מערכות בריאות ברחבי העולם.

כך עובדת הבינה שמאבחנת סרטן

המודל ECgMLP פותח בשיתוף פעולה בין אוניברסיטאות בבנגלדש, אוסטרליה וקנדה. הוא מבוסס על אלגוריתמים מתקדמים המשתמשים במנגנוני תשומת לב (attention mechanisms) כדי לסרוק תמונות מיקרוסקופיות של רקמות ולזהות תאים סרטניים שלא תמיד נראים לעין אנושית.

המודל לא רק מזהה את הנגעים החשודים, אלא גם משפר את איכות התמונה, מתמקד באזורים החשובים ביותר לניתוח ומספק פלט מדויק שמאפשר קבלת החלטות רפואיות אמינות.

הרבה מעבר לסרטן רירית הרחם

למרות שהפיתוח הראשוני התמקד בסרטן רירית הרחם – שהוא הנפוץ ביותר בקרב נשים באוסטרליה – החוקרים מצאו שהמודל מצליח גם בזיהוי סוגי סרטן נוספים: סרטן המעי הגס (98.57%), סרטן השד (98.20%) וסרטן הפה (97.34%). המשמעות: בסיס אלגוריתמי חזק שיכול לשמש בעתיד כשכבת בינה מרכזית בכלי תוכנה מתקדמים לתמיכה באבחון רפואי.

השלכות עצומות על מערכת הבריאות

השילוב בין דיוק אבחוני, יעילות חישובית, ויכולת להכליל על פני סטים שונים של נתונים, מציב את ECgMLP לא רק ככלי אקדמי – אלא כפתרון יישומי, מוכן לשילוב בבתי חולים ומרפאות. הבינה הזו לא מחליפה את הרופאים, אלא מספקת להם עיניים נוספות, חדות יותר, שמסייעות לקבל החלטות מצילות חיים בזמן קצר יותר ובדיוק גבוה בהרבה.

חזון לעתיד רפואי שוויוני יותר

במקום להסתמך רק על מומחים בודדים במרכזים רפואיים מתקדמים, המודל מאפשר הפצה רחבה של אבחון ברמה עולמית – גם במקומות שבהם אין נגישות לרופאים מומחים. זהו צעד משמעותי לדמוקרטיזציה של הבריאות, בו לכל אדם תהיה גישה לכלי אבחון חכם שיכול לזהות את המחלה בזמן ולשפר את סיכויי ההחלמה.

מודל ECgMLP הוא לא רק הצלחה טכנולוגית אלא גם עדות ברורה לכך שבינה מלאכותית הופכת לכוח מרכזי בתחום הרפואה. מחקר זה, שפורסם בכתב העת Computer Methods and Programs in Biomedicine Update, מהווה אבן דרך חשובה בהתקדמות לקראת מערכת בריאות מבוססת בינה – מדויקת, זמינה ונגישה לכולם.

הפוסט הבינה המלאכותית שמביסה רופאים באבחון סרטן הופיע לראשונה ב-Ai Samurai.