"איננו מבינים לחלוטין את גוף האדם – אך מנסים לבנות מכונות שיבינו"

"מהי למידת מכונה בהקשר רפואי? מדובר בסטטיסטיקה שתאפשר דיוק רב יותר, אלא שכיום יש בה שימוש מועט יחסית ברפואה. המצב קשה. אנחנו עוד לא מבינים עד הסוף את הגוף האנושי ואת המחלות, ומנסים לבנות מכונות שיבינו טוב יותר", כך אמר ד"ר גיא עמית ממעבדת המחקר של יבמ (IBM) בחיפה.

עמית השתתף בכנס הפסגה הדיגיטלית, הכנס השנתי של הלשכה לטכנולוגיות המידע בישראל בהפקת אנשים ומחשבים, שנערך בראשון לציון באחרונה.

לדבריו, "אתגר נוסף הקשור לדטה הרפואי הוא שקשה להגיע אליו מסיבות חוק ושמירה על פרטיות. המידע גם מפוזר במערכות השונות של כל מוסד ומוסד. לעיתים חלקו אפילו כתוב בכתב יד הירוגליפי ולכן למכונה קשה ללמוד אותו". בנוסף ציין עמית גם שיקולים אתיים ותהה יחד עם הקהל – מי יהיה אחראי על החלטת המחשב?

למידה עמוקה בשירות הרפואה

ד"ר עמית סיפר כי 12 מעבדות מחקר של יבמ פרושות ברחבי העולם וציין כי המעבדה שבה הוא חוקר ושממוקמת בחיפה היא הגדולה ביותר הקיימת מחוץ לארצות הברית, ונוסדה ב-1972. המעבדה מעסיקה כ-600 עובדים. לאורך השנים זכו חוקרי מעבדות יבמ במספר פרסי נובל על הישגי המחקר שלהם.

ב-97' הגיעה יבמ לציון דרך משמעותי כשמחשב כחול עמוק (Deep blue) שפיתחה ניצח לראשונה את גארי קספרוב, אלוף עולם מכהן בשחמט, ואילו בשנת 2011 ניצח המחשב ווטסון (Watson) של יבמ בשעשועון הטריוויה ג'פרדי (Jeopardy) והביס אלופי עולם. "זה הבהיר לעולם כמה רבות יכולות המכונה", אמר עמית.

ובכל זאת, כיום לדבריו עושה יבמ שימוש בלמידת מכונה לתחום הרפואי. עמית ציין במיוחד מוצרים אונקולוגיים שמציעים טיפולים על בסיס ניתוח ידע קיים, כמו גם מערכות שמאפשרות מעקב אחרי תרופות חדשות וכן אחרי מחלות כרוניות. כמו כן קיימים שיתופי פעולה על בסיס למידת מכונה, למשל עם חברות כמו טבע, לצורך מציאת שימוש נוספים לתרופות, וכדומה.

"הלמידה העמוקה מסייעת מאוד גם בתחום הרדיולוגיה", אמר עמית. לדבריו, "רדיולוג מסתכל על כ-200 מקרים בממוצע ביום. הוא רואה כ-1,500 תמונות ביום ועליו לאתר בהן ממצאים מאוד עדינים. כמות התמונות הולכת ועולה ומספר הרדיולוגים לא מספיק". לדבריו, התוצאה היא טעויות – קיימים בין 10 עד 30 אחוזי שגיאה בגילוי סרטנים ובדיקות סקר.

זיהוי מוקדם של סרטן שד בבדיקות הדמיה מסייע מאוד להורדת התמותה מהמחלה, סיפר עמית. לצורך כך פותחו בדיקת הממוגרפיה – רנטגן לשד בלחץ – שאם יש בה ממצא נשלחות המטופלות לבדיקות אולטראסאונד ו-MRI, ואם יש צורך אז גם לדביקת טומוסינטזיס (Tomosynthesis). "הבחינה היא של הבדיקות הללו ויש 13% החמצות בבדיקות הסקר ומאידך יש גם התראות שווא של 11%", אמר.

"אפשר להיעזר בטכנולוגיה הממוחשבת לבחינת תוצאות הבדיקות. בעזרת הקוגניטיב רדיולוג'יק סיסטם המחשב יכול להסתכל על התמונות ובמקביל לבחון את התיק הרפואי ואז לשקלל את הדברים ולייצר לרדיולוג דיווח מועיל".

"כך למשל, המחשב יודע להכין כבר כיום לרדיולוג מיון של הממצאים לפי הערכת המצב וחשיבות ההתפנות המידית אליו. הוא יכול להשוות בין השדיים, לסמן ממצאים חריגים, לנתח את הממצא – צורה, גודל, מיקום. המערכת יכולה וצריכה לעשות ניתוח באמצעות אלגוריתמים למשל לאנומליה, לעשות קלסיפיקציה, לספק גרפים שמדגימים את הממצאים ולסכם אותם", הסביר עמית את יתרונות הטכנולוגיה בתחום.

לדברי עמית ה-AI לא יחליף את הרדיולוג בינתיים, "בעיקר מהסיבה שהטכנולוגיות האלו עדיין לא בשלות להחליף רופאים. הן כן ייכנסו כמערכות שעוזרות לרופאים לקבל החלטות יותר מוצלחות ולעשות רפואה יעילה יותר".

UX ודטה אינם מנוגדים זה לזה

אסף באר, מומחה UX מנטקראפט מבית אלעד מערכות, סיפר בכנס איך יוצרים חוויית משתמש בדרך הכי נכונה ואפקטיבית. "הנושא של הדטה הפך לנפוץ גם בתחום חוויית המשתמש. בחמש-שש השנים האחרונות המידע מאפשר שיפור חוויית המשתמש. הדבר זולג גם לארגונים ולמערכות שלהם, שחלקן מאוד מיושנות".

לדברי באר, התפישה ש-UX ודטה מנוגדים אינה נכונה. "צריך לשלב ביניהם", הסביר. "הדטה יכולה לשמש אותנו לשיפור חוויית ה-UX". לדבריו, "ה-UX הוא הממשק שאנחנו רואים, אבל אנשים מתבלבלים ולא מבינים שזה רק החלק העליון שבולט מעל המים. הממשק הוא קצהו של הקרחון שמתחבא מתחת למים והוא מורכב מניתוח הדטה, פעולה שהיא החלק הארי של העבודה".

בניית חוויית המשתמש וממשק המשתמש כוללת תפירת חליפות לצרכים מאוד מדויקים ולקהל יעד – משתמשים – מובחן היטב, אבל לדברי באר חברות ענק כמו מיקרוסופט (Microsoft) או פייסבוק (Facebook) מצריכות תפירת בגדים שהם "הטישרט והג'ינס" של בני האדם – הבגדים שחייבים להתאים לכל סוגי האנשים ולכל מצב. בכל מקרה, בכדי להצליח במלאכה, חייבת להתבצע מדידה – משמע, המידע והכרת המשתמשים שבעבורם המערכות מורכבות – שמאפשרת יצירת תוצאה מוצלחת.

אסף באר, מומחה UX מנטקראפט מבית אלעד מערכות. צילום: ניב קנטור

"המילייה של אנשי ה-UX מחפש מראה יפה ומתחכם, אבל מה שחשוב זה להבין למי המוצר מיועד", הדגיש באר. "איש UX צריך לחשוב על משתמש שאינו מכיר ושזר לו. להיכנס לראש האחר. עליו לזהות מי עומד להשתמש במערכת ואיך הוא מצפה שהמערכת תתנהג בשבילו", אמר.

"השיטה הנפוצה ביותר כיום היא ניסיון לבנות את המסלול המלא של המשתמש כאשר הוא בא במגע עם המערכות שלנו. כיום בכל נקודת השקה שלו עם המערכת צרכיו שונים והמערכת צריכה להיות אדפטיבית, ומשתנה בהתאם לצורך, למשל בענן או ב-Web", הסביר.

באר סיפר על Empathy Map – "יצירת פרופיל מאובחן של המשתמש ורגשותיו בכל נקודת השקה עם המערכת כדי לברר מה הוא רואה, שומע, עושה באותו רגע, האם הוא בבית, בשמש בחוץ, וכדומה. כמו כן ממפים את המצב הרגשי של המשתמש – כשהוא נמהר, כשהוא מבולבל, ועוד. בכל נקודה נשקלת הפסיכולוגיה של האדם ואנו מציעים לו מה שהוא זקוק לו ברגע הנתון", הוא אמר.

לדבריו, ה-UX החל בשנות ה-90 מפרדיגמה פסיכולוגית ו-"עד היום, למרות איסוף הדטה והשימוש בו, הגישה הפסיכולוגית היא ביסוד חוויית המשתמש. העבודה עם ניתוח התנהגויות המשתמשים נכנסה – ומייתרת את השימוש בשאלונים ובאמצעים ישנים לאבחון המשתמש.

"כיום יש אתרים שבהם בינה מלאכותיות בוחנת את הדטה ומשנה את המערכת בהתאם לצורך הספציפי", סיפר באר על ההווה שמנבא על העתיד בתחום.