"בינה מלאכותית בערפל קרב": מודל חדש מזהה מראש חולי קורונה קשים - ומזהיר אותם

בכללית פיתחו כלי ניבוי שמזהה את המבוטחים בסיכון הגבוה ביותר לפגיעה קשה מקורונה - לא בהכרח אלה ששייכים לקבוצות הסיכון המוכרות. האתגר: מיעוט המידע על קורונה

רוני לינדר
שתפו כתבה במיילשתפו כתבה במייל
מעבר לטוקבקים
ריסוס חומא מחטא בג'קארטה, אינדונזיה
ריסוס חומא מחטא בג'קארטה, אינדונזיהצילום: Tatan Syuflana/אי־פי

הבינה המלאכותית בשירות המאבק בקורונה: בימים האחרונים החלו עשרות אלפים מבין מבוטחי כללית לקבל טלפונים מרופאי ורופאות המשפחה שלהם, שבהם הם מתבקשים לשמור ביתר קפדנות על הנחיות הבידוד מכיוון שהם נמצאים בקצה של קבוצת הסיכון להיפגעות ממחלת הקורונה. לא מדובר רק בקשישים ביותר או בסובלים ממחלות רקע מוכרות, אלא באנשים ששמם "קפץ" באופן ספציפי מתוך מחשבי הכללית בהם נמצאים התיקים הרפואיים של 4.6 מיליון מבוטחי הקופה.

המאגר הזה הוא תוצאה של כלי ניבוי מבוסס בינה מלאכותית שפותח באינטנסיביות רבה בתקופה האחרונה במכון כללית למחקר, במטרה לזהות מבוטחים בסיכון הגבוה ביותר, לפנות אליהם ולהעמיק את הבידוד ההגנתי שלהם.

האתגר של הקופה היה לברור את המטופלים בסיכון הגבוה ביותר מבין המטופלים בסיכון: "רק בכללית לבדה ישנם מעל 1.6 מיליון מבוטחים שעונים לאחת מההגדרות של סיכון לקורונה  ולא ניתן לייצר מענה ממוקד לאוכלוסיה כה רחבה, אשר רובה, באמת, אינה בסיכון כה גבוה", מסביר פרופ' רן בליצר, מנהל מערך החדשנות של הכללית ומנהל מכון כללית למחקר. "לכן המשימה שלנו הייתה למצוא דרך להגדיר את קבוצות הסיכון בצורה מדוייקת יותר. ייתכן מאוד שדווקא אדם בן 49 עם היסטוריה של התקף לב וסוכרת הוא דווקא בסיכון גבוה יותר מאשר אדם בן 62 ללא מחלות רקע".

אזרחים בסיכון

כלי ניבוי של מחלות הם לא דבר חדש, אבל במקרה הזה היה לכללית אתגר מיוחד: כדי לאמן מודלים של בינה מלאכותית, המפתחים חייבים דאטה, כלומר מידע גולמי שכולל רשומות, ובמקרה הזה - תיקים רפואיים של חולים בקורונה. אלא שכרגע יש בעולם ובטח שבישראל ידע מועט יחסית על קורונה - מחלה חדשה שמוכרת לעולם בסך הכל פחות משלושה חודשים ושבכל יום שעובר נצבר עליה עוד ועוד ידע.

לפיכך החליטו בכללית לכופף מעט את המודל הקלאסי של ניבוי, וכדי להתגבר על המשוכה, החליט צוות המכון בהובלת ד"ר נעה דגן וד"ר נועם ברדה לבצע ניבוי על מחלה אחרת שפוגעת באותן מערכות בגוף – השפעת העונתית. "באלגוריתם מתוקף ניבוי לשפעת משתמשים בכללית כבר מזה מספר שנים על מנת ליצור פניה יזומה למבוטחים בסיכון גבוה, על מנת לוודא שהם מגיעים לקבל את החיסון השנתי לשפעת", מסבירה דגן. "ולכן הרציונל שלנו היה פשוט: מי שרגיש לתחלואה נשימתית קשה עקב שפעת - סביר שיהיה פגיע גם לתחלואה נשימתית קשה עקב הקורונה".

"לפיכך, לאלגוריתם השפעת הוותיק של כללית בוצעו התאמות כדי להפוך אותו רלוונטי יותר לקורונה, וזאת על סמך הידע שכבר נצבר על המחלה. אבל גם לקחנו שני צעדים קדימה כדי שהמודל לא יתבלבל עם השפעת: ראשית התאמנו את המודל לא רק לחודשי החורף, ושנית הסרנו את הילדים ולא נתנו לו להתאמן על קבוצת הגיל הצעירה. בנוסף, הוספנו לתוצאה שמנסים לחזות גם אשפוז שיגיע עד למצב של שוק ספטי (הלם זיהומי) - כי גם זה דווח בקורונה". 

ד"ר נעם ברדה
ד"ר נעם ברדהצילום: שירותי בריאות כללית

את המאפיינים של הקורונה הוציאו חוקרי הכללית מתוך מאמרים שהתפרסמו בכתבי עת מדעיים וכן מהדו"חות המקוריים (הדאטה בייס) שעליו התבססו המאמרים הללו. 

בעיה מתודולוגית נוספת בה נתקלו החוקרים: "אנחנו יודעים שהעליה בתחלואה עם קבוצות הגיל ממש דרמטית, יותר מאשר בשפעת, ורצינו לגרום למודל להביא את זה לידי ביטוי. אבל אף אחד אף פעם לא עשה ניבוי על משהו שאין עליו דאטה - רשומות פרטניות של חולים", מספרת דגן.

 "לכן היינו צריכים לעשות 'טריקים' מתמטים כדי להזין למודל את המידע המידע האפדימיולוגי שלפיו בממוצע בגילאי 80 ומעלה אפשר לצפות ל- 14% של תמותה למשל. לצורך כך גייסנו שני צוותי חוקרים מהאקדמיה בהובלת ד"ר אורי שליט, מהפקולטה להנדסת תעשייה וניהול בטכניון וד"ר גיא רוטבלום, ממכון ויצמן למדע. הם עבדו עד השעות הקטנות של הלילה במשך ימים כדי לנסות ולהביא את המידע למצב שהוא הכי קרוב למציאות. נתנו למודל להתאמן על כל הדאטה שיש בכללית כל המשתנים, מעל עשרת אלפים משתנים. בסופו של דבר אחרי שהמודל עושה את העבודה, יש פלט של אלפי חולים בסיכון מוגבר, והמטרה היא שרופאי המשפחה יפנו אליהם".

נעה דגן
נעה דגןצילום: מוטי מילרוד

מה מטרת השיחה?

קודם כל, המטרה היא להגיד לאנשים שבסיכון - תיזהרו ותשתדלו בכלל לא לצאת מהבית ולהימנע ממפגש עם אנשים אחרים. המטרה השנייה היא להסביר להם מה לעשות אם יש להם צורך רפואי בימים האלה, כי אנחנו רואים שאנשים עדיין עובדים במרפאות ואנשים עדיןי מגיעים עבור דברים לא קריטיים - וזה ממש עניין של חיים ומוות. מסבירים להם שיש בדיקות שאפשר לדחות, יש בדיקות שאפשר לעשות בבית, שאפשר לקבל את התרופות הבית וכו'. 

מבוטחי הכללית חולקו לקבוצות סיכון מדורגות: 200 אלף המבוטחים בסיכון הגבוה ביותר יקבלו טלפון אישי מרופאי המשפחה שלהם, והשכבות שאחריהן יקבלו בשלב זה סמסים מפורטים. בנוסף, הריבוד של החולים ישפיע גם על ההחלטה מה לעשות עם מבוטחים שיחלו בקורונה: אחרי שכבר התקבלה החלטה שמבחינה קלינית  מטופל יכול להיות מאושפז במלון או בבית, עושים בדיקה נוספת על סמך המודל. אלה מבין החולים שקיבלו ציון גבוה מבחינת דרגת סיכון יאושפזו בכל זאת בבתי החולים. חולים אחרים שנמצאים בדרגת סיכון בינונית - יקבלו מעקב קפדני יותר כשיהיו במלון או באשפוז ביתי. חטיבת מערכות מידע ודיגיטל של כללית היא האחראית על העברת המידע לרופאים והרופאות.

כולנו יודעים לדקלם את גורמי הסיכון לקורונה: גיל מבוגר, מחלות רקע. עד כמה האלגוריתם הזה נותן ערך מוסף?

דגן: "אם הולכים לפי ההמלצות הרשמיות - יש בכללית מעל מיליון וחצי אנשים בסיכון מוגבר, וההיענות להנחיות עדיין רחוקה מלהיות מושלמת. אם כולם היו נשארים והיו מבינים שאפילו הבדיקה השגרתית לסוכרת מסוכנת - זה דבר אחד. אבל כשאתה מקבל שיחה מרופא המשפחה האישי שלך יש לזה ערך ובעזרת המודל הצלחנו לזהות את הקבוצה שבסיכון הכי הכי גבוה ולהגיע אליה". 

"זה ניסיון לעשות את הכי טוב שאפשר בתנאים של חוסר ודאות", מסכמת דגן. "זו בינה מלאכותית שמופעלת בתוך סוג של ערפל קרב וחוסר ודאות - אבל זה עדיף מלא לעשות כלום. אחרת נישאר בחלוקה מאד פשטנית של קבוצות סיכון".

לדבריה, "גם אם הכל נשמע מאוד הגיוני וברור מבחינת מי נמצא בסיכון, כשעושים אינטגרציה ולוקחים 30-20 משתנים כמו עישון, שימוש בתרופות, מחלות רקע שונות ועוד וכך מגבשים את הרשימה של האנשים שהכי בסיכון - זה משהו שהמוח האנושי מתקשה לעשות והאלגוריתם עושה בצורה הרבה יותר מדויקת".

הזינו שם שיוצג באתר
משלוח תגובה מהווה הסכמה לתנאי השימוש של אתר TheMarker