כאונקולוגית, עמדתי מול מטופל שביקש תשובות מהירות על טיפול חדשני שקרא עליו באינטרנט. אני מכירה את הטיפול אך רציתי להראות לו את הסיכום מהכנס האחרון, והבינה המלאכותית עזרה לי למצוא את המידע העדכני ביותר תוך דקות – משהו שלקח שעות בעבר.

בעידן הדיגיטלי המתפתח, הבינה המלאכותית (AI) הופכת לכלי מרכזי במגוון תחומים, ובפרט בעולם הרפואה. כאן נבחן כיצד ניתן לשלב את ה-AI בעבודתנו היומיומית כרופאים ורופאות. כאונקולוגית במשרה מלאה, אני מתמודדת מדי יום עם אתגרים מורכבים הדורשים עדכניות, דיוק ויעילות. הבינה המלאכותית מציעה כלים מתקדמים שיכולים לסייע במגוון תחומים, כגון:

    • עבודה קלינית - חיפוש מידע רפואי עדכני, התאמת טיפולים אישיים והנגשת מידע ברור ומדויק למטופלים.
    • מחקר - איתור מאמרים מדעיים רלוונטיים, ניתוח כמויות גדולות של נתונים וסיוע בכתיבת מחקרים מבוססי נתונים.
    • הוראה - הכנת מצגות, פיתוח חומרי לימוד מותאמים ויצירת שאלות למבחנים בשלבים שונים.

אני מאמינה שבשנים הקרובות הבינה המלאכותית תהפוך לחלק בלתי נפרד מהעבודה הרפואית. כדי להישאר בחזית המקצוע, מומלץ לכל אחד מאיתנו ללמוד ולהתפתח יחד עם הטכנולוגיות הללו ולהטמיען בעבודתנו היומיומית לטובת המטופלים והקהילה הרפואית. הבינה המלאכותית משנה את הרפואה. היא מהירה, היא מדויקת, אבל היא לא מושלמת.

מטרת הבלוג לשתף את קהל הקוראים בהתנסות שלי בכלים המעודכנים ביותר ולחלוק את הידע לגבי אילו כלים יכולים להתאים לצרכים שלכם. אני כמובן משתמשת בכלים אלה כדי לשפר את ניסוח הרעיונות שכתבתי בבלוג זה ממש.

המסע שלי לשילוב הבינה המלאכותית בעבודתי הרפואית

הצעד הראשון - המסע שלי לעבר שילוב הבינה המלאכותית בעבודתי הרפואית החל לפני כשנה וחצי, מספר חודשים לאחר שהמודל הראשון של ChatGPT יצא לעולם. כחברה פעילה בקבוצת הפייסבוק "חדר רופאות", המהווה מרחב משמעותי לנשות רפואה בישראל, נחשפתי להמלצה של אחת החברות על הרצאה מוקלטת בנושא ChatGPT. סקרנותי התעוררה וצפיתי בהרצאה שבה נחשפתי לפוטנציאל העצום של הבינה המלאכותית בתחום הרפואה.

שיתוף פעולה - ההבנה שיש רופאות ורופאים נוספים הנלהבים מהנושא הובילה אותי ליצור קשר עם אותה רופאה. יחד התחלנו לשתף בינינו מקורות מידע ואתרים מומלצים בתחום ה-AI. שיתוף הפעולה בינינו התפתח ויזמנו מחקר מבוסס ביג דאטה בנושא קליני שעניין את שתינו.

במהלך המחקר השתמשנו בכלי בינה מלאכותית לניתוח הנתונים ולמציאת מקורות מדעיים רלוונטיים, מה שהוביל לכתיבת מאמר קליני משותף. ניתחנו את הנתונים בכלי המחקר, מה שסייע לנו למצוא את המשתנה העיקרי שהשפיע על התוצאה. לאחר מכן, סטטיסטיקאית מקצועית ביצעה ניתוח דומה והגיעה לאותה מסקנה, כך שחסכנו זמן רב בהכוונתה למטרת המחקר ולתוצאות הצפויות. נוכחתי שרבים מהעוסקים בתחום הבינה המלאכותית, ובישראל בפרט, שמחים לחלוק את הידע זה עם זה ושזהו מקור חשוב לעדכונים בזמן אמת.

התפתחות מקצועית - ההתנסות המעשית הזו העמיקה את הבנתי ואת בטחוני בשימוש בכלי AI בעבודתי. המשכתי להעשיר את הידע שלי באמצעות הרצאות נוספות, הרשמה לניוזלטרים ישראליים ובינלאומיים וחיפוש אתרים המתמקדים בשילוב בינה מלאכותית ברפואה ובינה מלאכותית במחקר (כגון AI for Research Israel- AI4RI). התהליך הזה לא רק הרחיב את אופקיי אלא גם חיזק את המחשבה שהטכנולוגיה הזו תהפוך לכלי יסודי בעבודה שלנו בשנים הקרובות.

פרק 1: מבוא לבינה מלאכותית ברפואה

בינה מלאכותית (AI) היא תחום במדעי המחשב המתמקד בפיתוח מערכות המסוגלות לבצע משימות הדורשות אינטליגנציה אנושית, כגון זיהוי דפוסים, קבלת החלטות והבנת שפה.

למידת מכונה (ML) היא תת תחום של AI המתמקד בפיתוח אלגוריתמים המאפשרים למערכות ללמוד מנתונים ולשפר את ביצועיהן ללא התערבות אנושית ישירה.

למידה עמוקה (DL) היא תת תחום של ML המשתמש ברשתות נוירונים מלאכותיות עם שכבות מרובות (רב שכבתיות) כדי ללמוד ייצוגים מורכבים של נתונים, מה שמאפשר זיהוי דפוסים מורכבים ודיוק גבוה במשימות כמו זיהוי תמונות ודיבור.

עיבוד שפה טבעית (NLP) הוא ענף של AI המתמקד בהבנה ופרשנות של שפה אנושית ומאפשר למחשבים להבין, לפרש וליצור שפה טבעית, מה שמוביל ליישומים כמו צ'אטבוטים - ניהול שיחות.

מודלי שפה גדולים (LLMs) הם סוג מתקדם של מודלים ב-NLP המאומנים על כמויות עצומות של נתונים טקסטואליים ומסוגלים לבצע מגוון משימות שפתיות כמו תרגום, סיכום ומענה על שאלות. בעוד ש-NLP כולל מגוון רחב של טכניקות ומודלים לעיבוד שפה, LLMs מייצגים גישה ספציפית המתמקדת במודלים גדולים ומורכבים במיוחד.

בינה מלאכותית גנרטיבית (Generative AI) מתייחסת למערכות AI המסוגלות ליצור תוכן חדש כגון טקסט, תמונות או מוזיקה על בסיס דפוסים שלמדו מנתוני האימון שלהן. זו משמעות האות G ב-GPT.

תחומי הקליניקה, האקדמיה והמחקר שנדון בהם שייכים בעיקר לתחום ה-LLM, כיוון שהם משתמשים בשפה אנושית וגם בשפות תכנות הנכללות בהגדרה זו.

אתגרים

הפוטנציאל העתידי של AI ברפואה כולל פיתוח מערכות חכמות יותר שיכולות ללמוד ולהסתגל באופן עצמאי, שיפור הדיוק באבחון ובטיפול והנגשת שירותי בריאות מתקדמים לאוכלוסיות רחבות יותר.

עם זאת ולצד ההזדמנויות, יש גם אתגרים אתיים ורגולטוריים שיש להתמודד עימם, כגון שמירה על פרטיות המטופלים, מניעת הטיות אלגוריתמיות והבטחת שקיפות בהחלטות המתקבלות על ידי מערכות AI.

בעת שילוב בינה מלאכותית בעבודתנו הרפואית, חשוב להקפיד על מספר כללים אתיים ומשפטיים:

שמירה על פרטיות המטופלים - אין להזין למערכות AI מידע אישי או רפואי המאפשר זיהוי מטופלים, כדי להגן על סודיות רפואית ולמנוע חשיפת נתונים רגישים. ניתן להעלות מקרים רפואים אנונימיים ללא שום מידע מזהה.

אחריות מקצועית - התוצרים המתקבלים מכלי AI דורשים בדיקה וביקורת מעמיקה כיוון שהכלים הללו יכולים "להזות" ולכתוב מידע בלתי נכון בעליל. האחריות על הדיוק, האמינות והשימוש במידע נשארת בידי הרופא\ה, ולכן יש לוודא שכל מידע או החלטה קלינית מבוססים על שיקול דעת מקצועי ומידע מבוסס ועדכני.

יושרה אקדמית - בעת שימוש ב-AI לכתיבה או מחקר, יש לציין במפורש את היקף ואופן השימוש בכלים אלה.

הקפדה על הכללים תסייע בשילוב אחראי ובטוח של בינה מלאכותית בעשייה הרפואית, תוך שמירה על אתיקה מקצועית וזכויות המטופלים.

כלי GenAI מולטי-מודאלים (Multimodal Gen AI tools)

הכלים החשובים והידועים ביותר הם כלים המשלבים מודלים שונים של טקסט, תמונות, אודיו ווידיאו כגון ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google). רבים מהאתרים שנבדוק בבלוג בפרקים הבאים מבוססים על הכלים שהוזכרו פה. כמו כן, Grok של אילון מאסק ו-DeepSeek מתוצרת סין נחשבים למתחרים חדשים ומבטיחים.

מהו הכלי הטוב ביותר? האם כדאי לעשות מנוי? תלוי מהי מטרתכם. הכלים שהזכרנו משתנים באופן תדיר, היכולות שלהם וכמות השימושים החינמיים שלהם משתנה לעתים קרובות. לדעתי, כדאי לנסות לפחות חודש אחד בתשלום ולבדוק את ההתאמה לצרכים שלכם. לכולם יש (או שיהיו בקרוב) גם אפליקציות לניידים השונים.

בפרקים הבאים בבלוג נבדוק כלים ספציפיים המסייעים במחקר, הכנת מצגות מרשימות, סיכום מאמרים ב-30 שניות,  כלים המסוגלים "להבין" שאלות מורכבות ועוד. כמו כן, נלמד את כללי היסוד בכתיבת פרומפטים לכל אחת מהמטרות, ואת החוזקות של כל אחד מהכלים.

חישבו: איך הייתם משתמשים ב-AI כדי לחסוך זמן במרפאה שלכם? מה מונע מכם לאמץ כלים כאלה כבר היום? אם אתם חוששים שאין לכם זמן ללמוד AI דעו שרוב הכלים האלה פשוטים כמו חיפוש בגוגל והתמורה עולה על ההשקעה. אז מה הצעד הראשון שלכם? נסו כלי AI אחד השבוע ושתפו אותי בתגובות מה למדתם!

הכותבת, ד"ר אסתר טחובר, היא אונקולוגית ומנהלת תחום גידולי מערכת העיכול בביה"ח אסותא רמת החייל; בוגרת פלושיפ ביזמות וחדשנות של ההסתדרות הרפואית בישראל ודוקטורנטית לביואינפורמטיקה בבר אילן; חוקרת, מעבירה קורסים ומרצה בארץ ובחו"ל לרופאים ולצוותים רפואיים על שימוש בכלים של בינה מלאכותית, למידת מכונה ו-big data בעולמות הרפואה המודרנית ויישומם הלכה למעשה.

למידע נוסף ולהזמנת הרצאה ניתן לפנות במייל: [email protected]