ב-2024 קיבלו יותר מ-70 חברות AI רפואי אישור FDA. ההשקעות העולמיות ב-AI קליני הסתכמו ביותר מ-$15 מיליארד. כל מערכת בריאות גדולה הציגה אסטרטגיית AI משלה.
ובכל זאת, מספר המטופלים שמצבם מידרדר בלי אזהרה בבתי החולים בארצות הברית לא השתנה באופן ניכר. מחלת כליות כרונית עדיין מתגלה באיחור של שנים. לפי ההערכות, טעויות אבחון ברפואה האמבולטורית עדיין פוגעות מדי שנה ב-12 מיליון מבוגרים אמריקאים. והרופא החדש שלכם עדיין מבקש מכם לשלוף מהזיכרון את רשימת התרופות שלכם.
משהו בגישה עצמה שגוי.
מה רוב ה-AI ברפואה עושה בפועל
רוב מוצרי ה-AI הקליניים מסכמים רשומות, מסווגים תמונות או מתריעים כשמספר חוצה סף. כולם שימושיים, וכולם עטיפות (wrappers): הם לוקחים את הנתונים הקליניים כפי שהם, מריצים אותם דרך מודל ומגישים תוצאה. הנתונים עצמם נשארו כשהיו, וכך גם הדרך שבה המערכת מייצגת את המטופל.
רדיולוגית שמפענחת צילום חזה בעזרת AI עדיין מפענחת תמונה אחת מרגע אחד. אולי המערכת תאתר קשרית שהיא הייתה מחמיצה, וזו תרומה של ממש. אבל היא לא תספר לה שתפקודי הריאה של המטופל יורדים בחמש בדיקות רצופות לאורך שלוש שנים, שהירידה הואצה אחרי שינוי בטיפול התרופתי לפני שמונה חודשים, ושבקצב הנוכחי הוא צפוי לפתח COPD בתוך שנה וחצי. המידע קיים, אבל הוא מפוזר בין מטפלים ובין שנים, ושום עטיפה לא תגיע אליו: היא רואה רק את הביקור הנוכחי.
כמעט בכל AI קליני, יחידת הניתוח היא ביקור אחד. רשומה אחת. תמונה אחת. במחלה אנושית, יחידת הניתוח היא שנים. כל עוד השתיים לא יתאימו, ה-AI ברפואה ימשיך לספק תשובות מהירות יותר לשאלות הלא נכונות.
מחלה אנושית נמדדת בשנים.
מלכודת המהירות
כולם מדברים על מהירות. סיכום מכתב שחרור בתוך שניות. מכתב הפניה שנכתב עוד לפני שהרופאה סיימה לדבר עם המטופל. אבחנות שנשלפות מטקסט חופשי ברגע.
השחיקה של רופאים אמיתית, ועומס התיעוד מוחץ. כל מה שמחזיר זמן לטיפול בחולים שווה משהו. אבל מהירות על גבי התשתית הקיימת פותרת בעיית יעילות. הרופאה שמקבלת סיכום AI מושלם של הביקור היום עדיין לא יודעת שהקריאטינין של המטופל שלה עולה כבר שנתיים, בבדיקות אצל שלושה מטפלים שונים. הסיכום הגיע מהר יותר. התמונה הקלינית זהה.
מערכות בריאות מאמצות AI שמאיץ את העבודה, מדווחות על עלייה בפריון ומכריזות שאסטרטגיית ה-AI הצליחה. ובינתיים הפער בין תחילת המחלה לבין גילויה נשאר במקומו. המערכת דוהרת מהר יותר באותו כיוון, ואיש לא שאל אם הכיוון נכון.
למה התעשייה בונה עטיפות
לבנות עטיפות זו בחירה רציונלית. לוקחים מודל מאומן, מבצעים fine-tuning על טקסט קליני ומשיקים מוצר בתוך חודשים. התיקוף פשוט: נכנסת רשומה, יוצא סיכום. וגם שיחת המכירה מוכרת: "אנחנו מתחברים ל-EHR שלכם ועושים אותו חכם יותר." אין צורך בשיחות קשות על ארכיטקטורת נתונים, ואין צורך לשבש את שגרת העבודה.
מערכת שקוראת בריאות לאורך זמן היא משימה מסוג אחר לגמרי. צריך לייצג את המטופל לאורך שנים ובין מטפלים, לבנות חשיבה קלינית שמתמקדת בכיוון ולא בנקודה, לתקף את המערכת במאות מרכזים, ולשכנע בתי חולים שגילוי מחלה שנתיים מוקדם יותר שווה אינטגרציה עמוקה בהרבה מתוסף סיכום.
הדרך הזאת ארוכה ויקרה יותר, והיא מחייבת שיחות שרוב הצוותים אינם ערוכים להן. היא גם הדרך היחידה שמתמודדת עם הפער הקליני האמיתי.
הקופסה השחורה מחמירה את המצב
רוב ה-AI הקליני הוא גם עטיפה וגם קופסה שחורה. מודל קולט נתונים ופולט תשובה, והרופאה לא רואה איך הגיע אליה. היא לא יכולה לברר אילו נתונים הכריעו את המסקנה, ואין לה על מה להפעיל שיקול דעת, כי שלבי הביניים פשוט אינם גלויים.
בפועל, קלינאים מתייחסים לתשובות האלה כמו למאות ההתרעות האחרות שה-EHR מקפיץ: בחשדנות, ועם יד שכבר התרגלה לסגור. במערכות אטומות, שיעור ההיענות של הקלינאים נע בעקביות סביב 10 עד 15 אחוז. המערכת מתריעה, הקלינאי מתעלם, וה-AI ממשיך לרוץ בלי שום השפעה על הטיפול.
למערכות שהגיעו להיענות של יותר מ-80 אחוז מהקלינאים יש מכנה משותף אחד: ההיגיון שלהן גלוי. הקלינאי רואה על מה נשענת ההערכה, ויכול לחלוק על חלקים ממנה. בלי זה אין אימוץ. במשך שנים ראיתי איך הוא לא קורה, עוד לפני שהתחלתי לבנות.
איך נראית גישה אחרת
מטופל שהקריאטינין שלו עולה ב-0.1 בכל רבעון, אצל שני מטפלים, במשך 18 חודשים. אף ערך בודד לא הקפיץ התרעה; בכל ביקור המספר היה "בטווח". מערכת שקוראת מגמות תופסת אותו. הרופאה מקבלת התרעה שמציגה את המגמה, את המסלול הצפוי ואת הנימוק הקליני. היא בוחנת, מסכימה ומפנה לנפרולוגיה, שנה לפני שהמטופל היה חוצה את הסף.
כדי לתפוס שינויים כאלה אנחנו בונים את Chroneme. אנחנו מתקפים אותה לפי פרוטוקול שנרשם מראש, ונפרסם את מה שנמצא, כולל המקומות שבהם היא לא מספיקה.
האינטליגנציה שמזהה סחיפה איטית ב-ICU יכולה לזהות סחיפה איטית במרפאה של רפואה ראשונית. המערכת שמסמנת דופק שעולה לאורך שבועות יכולה לסמן A1c שעולה לאורך שנים. הארכיטקטורה נשארת אותה ארכיטקטורה; רק קנה המידה של הזמן משתנה.
חמישה עשר מיליארד דולר. שבעים אישורים. וחוויית המטופל לא השתנתה.
היא תשתנה כשהתשתית תשתנה. כש-AI קליני יקרא מגמות ולא תמונות מצב. כשמערכות יחשפו את ההיגיון שלהן במקום להסתיר אותו. כשאדם יוכל לראות את הבריאות שלו משתנה לאורך זמן, ולא לגלות את הבעיה רק אחרי שכבר קרתה.
את זה אנחנו בונים ב-Chroneme.