בינה מלאכותית (AI) משנה את הדרך שבה רופאים ניגשים לאבחנות וטיפולים מותאמים אישית. עם זאת, מומחים מזהירים כי חשוב לנהוג בזהירות כדי להבטיח שתהליכי הבדיקה והפיתוח יהיו יעילים ובטוחים לשימוש קליני.
תיק מסתורי באלבמה ופתרון טכנולוגי פורץ דרך
בשנת 2022, ילדה בת שמונה מאלבמה שאובחנה עם תסמונת SHINE, מחלה נוירו-התפתחותית נדירה עם כ-130 מקרים מתועדים ברחבי העולם, סבלה מתסמינים לא טיפוסיים כמו איבוד שליטה מוטורית. הרופאים שלה נאלצו לחפש פתרונות לא שגרתיים בשל מיעוט המחקרים בתחום. הם פנו למכון הרפואה המדויקת של אוניברסיטת אלבמה בבירמינגהם ולמרכז הלאומי לקידום מדעי התרגום (NCATS) שבראשו עומדת ג'וני ראטר.
ראטר וצוותה השתמשו בכלי חדשני בשם Biomedical Data Translator ("המתרגם הביו-רפואי"), המונע על ידי AI. הכלי מנתח תסמינים וגנים כדי להציע טיפולים מתוך מסד נתונים נרחב. במקרה זה, המערכת הציעה את התרופה גואנפאצין (שמשמשת לרוב לטיפול בלחץ דם גבוה), וכעבור חמישה חודשי טיפול נרשם שיפור במיומנויות המוטוריות של הילדה.
בין מעבדה לקליניקה: אתגרי המדע התרגומי
ג'וני ראטר מציינת כי התחום התרגומי נמצא בנקודת מפנה. מדע תרגומי הוא תהליך המעביר התערבויות טיפוליות מהמבחנה אל מיטת החולה, אך מדובר בתהליך ארוך ומורכב. שיעור ההצלחה של ניסויים קליניים בשלב הראשון עמד בעשור האחרון על מעט מעל 10%, עם כישלונות רבים גם בשלבים המתקדמים.
ב-2022 פרסמה ארגון הבריאות העולמי (WHO) דוח על מצבו של מחקר התרופות, שבו צוין כי הפיתוח של טיפולים אנטיביוטיים נמצא בקיפאון. עבור תרופות חדשות, רק אחד מתוך 30 ניסויים מצליח לעבור את שלב הניסויים הקליניים. ראטר מתארת את המצב הזה כ"עמק המוות" – הפער שבין פיתוח במעבדה לבין יישום קליני מוצלח.
האם AI יכול לשנות את חוקי המשחק?
הבינה המלאכותית מתחילה להשפיע על המחקר הרפואי, במיוחד בשימוש במודלים של למידת מכונה ו-AI לזיהוי דפוסים מורכבים במידע רפואי. ראטר מציינת כי הטכנולוגיה יכולה לעזור לשפר את התוצאות הקליניות, למשל על ידי איתור אוכלוסיות מטופלים מתאימות לניסויים קליניים.
ד"ר ביל הרש, מומחה לאינפורמטיקה רפואית, מציין כי AI יכול להקל על העומס המוטל על רופאים בניהול תיקים רפואיים על ידי יצירת סיכומים מדויקים של פגישות רפואיות. אך בעוד שהמערכת יכולה לזהות דפוסים רפואיים ולסייע באבחון מחלות נדירות, היא עדיין מוגבלת בהבנת המורכבות של נתוני אמת מהשטח.
בעיות איכות נתונים: אתגר מרכזי בדרך להצלחה
אחת מהבעיות המרכזיות שעומדות בפני AI במחקר תרגומי היא איכות הנתונים. ד"ר הונגפאנג ליו, מומחית לאינפורמטיקה ביו-רפואית, מציינת כי הנתונים הקיימים לעיתים קרובות לוקים בחסר, ומשקפים גורמים חברתיים המשפיעים על בריאותם של מטופלים. מצב זה מוביל להטיות לטובת אוכלוסיות מבוססות ופוגע בדיוק המודלים שנבנים על בסיס הנתונים הללו.
ניסיון להפיק נתונים סינתטיים (נתונים מלאכותיים המחקים את המציאות) עשוי לסייע, אך לדברי כריסטין קולוויס מ-NCATS, הידע שלנו על המחלות עדיין מוגבל מכדי שנוכל ליצור נתונים כאלה באופן יעיל.
הצורך בגישה זהירה ושקולה
אחד החששות המוכרים סביב AI הוא יכולתו להפיק תוצאות שגויות, תופעה המכונה "הזיות" של המערכת. זה קורה כאשר AI מקשר בין מושגים באופן שגוי, דבר שעלול להוביל לתובנות מוטעות ולעיכובים בפיתוח מחקרי. ד"ר ביל הרש מדגיש את הסכנה ב"הטיית אוטומציה", כלומר, הנטייה שלנו להאמין למכונה מבלי לבחון לעומק את הנתונים.
ראטר מדגישה את החשיבות של הבנה אתית של תהליכי AI, ושמירה על גישה ממוקדת אדם שתסייע להבטיח שהשימוש בטכנולוגיה ייעשה לטובת המטופלים. לדבריה, השימוש ב-AI צריך להיות לצורך טיפול ולא לשם הפיתוח הטכנולוגי בלבד.
