החזון: זיהוי מוקדם של חולי קורונה
חברת TSG מצטרפת למירוץ אחר פתרונות מבוססי בינה מלאכותית לתמיכה במוסדות רפואיים. את המנוע של מערכת שו"ב לזירה הימית הסבו למחקר בבלינסון, השרון ושיבא אודות חולי קורונה
עמי רוחקס דומבה
| 16/04/2020
מיכאל זינדרמן, מנכ"ל TSG. צילום: TSG
חברת TSG הישראלית עובדת על הסבת אלגוריתמים מתחום השליטה והבקרה הימית לזיהוי קורונה. המהלך התחיל טרם התפרצות נגיף הקורונה בישראל עם בתי החולים בלינסון והשרון במטרה לאתר הסתברות לחולים בסרטן ובאלח דם. על פי נתוני בתי החולים, אלח דם הוא מצב מסכן חיים שנגרם בעקבות תגובת יתר של מערכת החיסון של הגוף לזיהום. מצב זה אחראי לכ-40 אחוזים מתמותת החולים במסגרת שהותם בבית החולים.
זיהוי התרחשות
מערכת השו"ב הימית של TSG תחת השם C2 משתמשת באלגוריתמים מתחום הבינה מלאכותית על מנת לזהות תרחישים בזירה הימית מבעוד מועד. לצורך האנליזה, משתמשת המערכת בשתי גישות ניתוח. ראשונה אחראית לזהות דפוסי פעולה של אובייקטים בזירה. אירוע בודד כמו יציאה או כניסה של אוניה לנמל לא יחשוף כלום. אולם, אוסף של אירועים על ציר זמן, במסגרת אותו הקשר, יכולים להצביע על התרחשות. למשל, העברת נפט לא חוקית בין מכליות, פיראטיות ועוד. האלגוריתמים של החברה תוכננו כך שהם יודעים לאפיין התרחשות מסוגים שונים בשלב לימוד המערכת, ולאחר מכן, בשלב המבצעי, הם מסוגלים לנבא את סוג ההתרחשות על פי אירועים מקדימים הנופלים תחת אותו דפוס התרחשות.
שיטה נוספת היא שילוב מנגנון "לימוד עם חיזוקים" (reinforce learning) לאלגוריתמים. בדומה למחקר 'הכלב של פבלוב' סביב התניות פעילות ביונקים, משתמשים בחברה במקל וגזר מול האלגוריתם. מתחילים במתן תוצאה, נניח התרחשות של העברת נפט בין מכליות, ומבקשים מהמערכת ללכת אחורה בזמן ולזהות את האירועים שהובילו לתוצאה. כל בחירה נכונה באירוע תזכה את האלגוריתם בגזר, וכל בחירה שגויה במקל. בצורה כזו, כמו עם יונקים, האלגוריתם לומד לזהות במדויק את 'שביל הפירורים' שמוביל לתוצאה. בסיום הלימוד, ניתן לתת לאלגוריתם תוצאה, ולבקש ממנו לאתר את האירועים שיובילו אליה.
ניסוי כזה עשתה TSG בבתי החולים בלינסון והשרון בהקשר אלח דם. כאשר התפרצה מגיפת הקורונה, בתי החולים ביקשו להסב את הניסוי לחולי קורונה. לצורך הניסוי קיבלה החברה בסיס נתונים רפואיים אנונימי אמריקאי בשם MIMIC-III עם נתונים תמימים אך תואמים את המציאות. בסיס הנתונים נועד לצורך מחקרים רפואיים. על בסיס נתונים אלו, כיילו את האלגוריתם לספק תשובה לשאלה "מה ההסתברות שחולה בטיפול נמרץ ידרדר לצורך במכונת הנשמה?". לאחר כשבועיים פעילות, הצליח האלגוריתם להגיע לדיוק של כ-90 אחוזים במענה לשאלה.
ניסוי בנתוני אמת
ההצלחה עם נתוני MIMIC-III הובילה את TSG לניסוי עם נתוני אמת של בית החולים שיבא. מדובר בבית חולים המחזיק מספיק נתוני אמת על חולי קורונה על מנת לאמן את האלגוריתם. בתי החולים בלינסון והשרון טרם סיפקו לחוקרים נתוני אמת בסדר גודל המאפשר ניתוח באמצעות אלגוריתמים. "כרגע אנחנו בשלב של המרת הנתונים של שיבא לפורמט של MIMIC-III על מנת שנוכל להריץ את האלגוריתם", אומרים בחברה. "המטרה היא להגיע לתחילת מאי, אולי לפני, עם תוצאות לאותה שאלה על בסיס הנתונים של שיבא. אם המובהקות תישאר בסביבות ה-90 אחוזים, הצפי הוא שבית החולים יאמץ את המערכת לניהול אפקטיבי יותר של חדרי טיפול נמרץ."
הנתונים הרפואיים בהם מזינים את האלגוריתם כוללים את התיק הרפואי האישי כדי לבחון אירועים על ציר זמן, נתונים אודות החולה בזמן שהותו בבית החולים, וכל נתון נוסף שיכול לאפיין את החולה. מדובר בנתונים אודות חולי קורונה מאומתים. אוסף נתונים אודות אלפי חולים מספיק על מנת לאמן את האלגוריתם של החברה. בנוסף לשאלה מי עתיד להגיע לתלות במכונת הנשמה, רוצים לחקור בTSG עוד שלוש שאלות: מתוך האוכלוסייה שנמצאת בבית, מי יחלה בקורונה. מתוך חולי הקורונה בבית מי יידרש לאשפוז ובהינתן אדם מונשם, מה הסיכוי שלו להבריא. "שאלות אלו אמורות לעזור לבית החולים לקבל החלטות אפקטיביות יותר מבוססות נתונים", אומרים בחברה.
הפעילות של TSG מקבלת תמיכה ממחלקת התקשוב במפא"ת האחראית על מערכות שו"ב וכן מרשות החדשנות שדנה בשאלה האם לתת לTSG מימון עבור פרויקט זה. העזרה של מפא"ת ממוקדת בהשגת נתוני אמת אודות חולי קורונה ממדינות שונות בעולם. מסתבר שלמרות שיש בישראל עשרות אלפי חולים מאומתים, אין בסיס נתונים אחד מרכזי אודותיהם המאפשר מחקר נתונים. כמו כן, בתי החולים אינם חולקים ביניהם מידע אודות חולי הקורונה. כמו גם עולה מהפעילות של החברה כי כל בית חולים מחזיק את הנתונים בפורמט אחר וצריך לעשות נורמליזציה של הנתונים טרם הרצת האלגוריתמים.
"בשיבא יצרו סביבת ענן עם נתוני אמת אנונימיים של חולי הקורונה לצורך ביצוע המחקר. השאיפה היא, כאמור, שכל פתרון עם מובהקות מספיקה יכנס לשימוש מבצעי בבית חולים", מסכמים בTSG.
חברת TSG מצטרפת למירוץ אחר פתרונות מבוססי בינה מלאכותית לתמיכה במוסדות רפואיים. את המנוע של מערכת שו"ב לזירה הימית הסבו למחקר בבלינסון, השרון ושיבא אודות חולי קורונה
מיכאל זינדרמן, מנכ"ל TSG. צילום: TSG
חברת TSG הישראלית עובדת על הסבת אלגוריתמים מתחום השליטה והבקרה הימית לזיהוי קורונה. המהלך התחיל טרם התפרצות נגיף הקורונה בישראל עם בתי החולים בלינסון והשרון במטרה לאתר הסתברות לחולים בסרטן ובאלח דם. על פי נתוני בתי החולים, אלח דם הוא מצב מסכן חיים שנגרם בעקבות תגובת יתר של מערכת החיסון של הגוף לזיהום. מצב זה אחראי לכ-40 אחוזים מתמותת החולים במסגרת שהותם בבית החולים.
זיהוי התרחשות
מערכת השו"ב הימית של TSG תחת השם C2 משתמשת באלגוריתמים מתחום הבינה מלאכותית על מנת לזהות תרחישים בזירה הימית מבעוד מועד. לצורך האנליזה, משתמשת המערכת בשתי גישות ניתוח. ראשונה אחראית לזהות דפוסי פעולה של אובייקטים בזירה. אירוע בודד כמו יציאה או כניסה של אוניה לנמל לא יחשוף כלום. אולם, אוסף של אירועים על ציר זמן, במסגרת אותו הקשר, יכולים להצביע על התרחשות. למשל, העברת נפט לא חוקית בין מכליות, פיראטיות ועוד. האלגוריתמים של החברה תוכננו כך שהם יודעים לאפיין התרחשות מסוגים שונים בשלב לימוד המערכת, ולאחר מכן, בשלב המבצעי, הם מסוגלים לנבא את סוג ההתרחשות על פי אירועים מקדימים הנופלים תחת אותו דפוס התרחשות.
שיטה נוספת היא שילוב מנגנון "לימוד עם חיזוקים" (reinforce learning) לאלגוריתמים. בדומה למחקר 'הכלב של פבלוב' סביב התניות פעילות ביונקים, משתמשים בחברה במקל וגזר מול האלגוריתם. מתחילים במתן תוצאה, נניח התרחשות של העברת נפט בין מכליות, ומבקשים מהמערכת ללכת אחורה בזמן ולזהות את האירועים שהובילו לתוצאה. כל בחירה נכונה באירוע תזכה את האלגוריתם בגזר, וכל בחירה שגויה במקל. בצורה כזו, כמו עם יונקים, האלגוריתם לומד לזהות במדויק את 'שביל הפירורים' שמוביל לתוצאה. בסיום הלימוד, ניתן לתת לאלגוריתם תוצאה, ולבקש ממנו לאתר את האירועים שיובילו אליה.
ניסוי כזה עשתה TSG בבתי החולים בלינסון והשרון בהקשר אלח דם. כאשר התפרצה מגיפת הקורונה, בתי החולים ביקשו להסב את הניסוי לחולי קורונה. לצורך הניסוי קיבלה החברה בסיס נתונים רפואיים אנונימי אמריקאי בשם MIMIC-III עם נתונים תמימים אך תואמים את המציאות. בסיס הנתונים נועד לצורך מחקרים רפואיים. על בסיס נתונים אלו, כיילו את האלגוריתם לספק תשובה לשאלה "מה ההסתברות שחולה בטיפול נמרץ ידרדר לצורך במכונת הנשמה?". לאחר כשבועיים פעילות, הצליח האלגוריתם להגיע לדיוק של כ-90 אחוזים במענה לשאלה.
ניסוי בנתוני אמת
ההצלחה עם נתוני MIMIC-III הובילה את TSG לניסוי עם נתוני אמת של בית החולים שיבא. מדובר בבית חולים המחזיק מספיק נתוני אמת על חולי קורונה על מנת לאמן את האלגוריתם. בתי החולים בלינסון והשרון טרם סיפקו לחוקרים נתוני אמת בסדר גודל המאפשר ניתוח באמצעות אלגוריתמים. "כרגע אנחנו בשלב של המרת הנתונים של שיבא לפורמט של MIMIC-III על מנת שנוכל להריץ את האלגוריתם", אומרים בחברה. "המטרה היא להגיע לתחילת מאי, אולי לפני, עם תוצאות לאותה שאלה על בסיס הנתונים של שיבא. אם המובהקות תישאר בסביבות ה-90 אחוזים, הצפי הוא שבית החולים יאמץ את המערכת לניהול אפקטיבי יותר של חדרי טיפול נמרץ."
הנתונים הרפואיים בהם מזינים את האלגוריתם כוללים את התיק הרפואי האישי כדי לבחון אירועים על ציר זמן, נתונים אודות החולה בזמן שהותו בבית החולים, וכל נתון נוסף שיכול לאפיין את החולה. מדובר בנתונים אודות חולי קורונה מאומתים. אוסף נתונים אודות אלפי חולים מספיק על מנת לאמן את האלגוריתם של החברה. בנוסף לשאלה מי עתיד להגיע לתלות במכונת הנשמה, רוצים לחקור בTSG עוד שלוש שאלות: מתוך האוכלוסייה שנמצאת בבית, מי יחלה בקורונה. מתוך חולי הקורונה בבית מי יידרש לאשפוז ובהינתן אדם מונשם, מה הסיכוי שלו להבריא. "שאלות אלו אמורות לעזור לבית החולים לקבל החלטות אפקטיביות יותר מבוססות נתונים", אומרים בחברה.
הפעילות של TSG מקבלת תמיכה ממחלקת התקשוב במפא"ת האחראית על מערכות שו"ב וכן מרשות החדשנות שדנה בשאלה האם לתת לTSG מימון עבור פרויקט זה. העזרה של מפא"ת ממוקדת בהשגת נתוני אמת אודות חולי קורונה ממדינות שונות בעולם. מסתבר שלמרות שיש בישראל עשרות אלפי חולים מאומתים, אין בסיס נתונים אחד מרכזי אודותיהם המאפשר מחקר נתונים. כמו כן, בתי החולים אינם חולקים ביניהם מידע אודות חולי הקורונה. כמו גם עולה מהפעילות של החברה כי כל בית חולים מחזיק את הנתונים בפורמט אחר וצריך לעשות נורמליזציה של הנתונים טרם הרצת האלגוריתמים.
"בשיבא יצרו סביבת ענן עם נתוני אמת אנונימיים של חולי הקורונה לצורך ביצוע המחקר. השאיפה היא, כאמור, שכל פתרון עם מובהקות מספיקה יכנס לשימוש מבצעי בבית חולים", מסכמים בTSG.
