לפי מאמר של חוקרי גוגל, אניל פלפו, מדען מחקר בכיר, ומייק שקרמן, מוביל מחקר בגוגל, החברה מציגה התקדמות משמעותית במערכת הבינה המלאכותית הרפואית המחקרית שלה, AMIE (Articulate Medical Intelligence Explorer). המערכת המעודכנת מיועדת כעת לבצע שיחות ייעוץ רפואיות בווידאו בזמן אמת, ומציגה לראשונה ביצועים ברמת מומחה במסגרת מחקר מבוקר ואקראי המבוסס על סימולציות קליניות.
כאשר רופא פוגש מטופל, המפגש הקליני משתרע הרבה מעבר למילים המוחלפות ביניהם. הרופא מתבונן בהליכתו של המטופל, מזהה סימני אי-נוחות פיזיים נראים לעין, מבחין בקצב נשימתו ומנחה אותו בביצוע בדיקות פיזיות שונות. זרם רציף זה של מידע חזותי וקולי משתלב באופן מלא עם ההיסטוריה הרפואית המדוברת של המטופל. רמזים לא-מילוליים אלו, חזותיים וקוליים כאחד, הם בעלי חשיבות מרכזית לקביעת דיאגנוזה יעילה, לבניית אמון מצד המטופל ולתקשורת קלינית איכותית. מערכות בינה מלאכותית המסוגלות לבצע חשיבה קלינית וניהול דיאלוג עשויות להרחיב באופן דרמטי את הגישה למומחיות ולטיפול רפואי, ובכך לאפשר לרופאים להקדיש את זמנם להיבטים המשמעותיים ביותר של האינטראקציה האנושית עם המטופלים.
בעבודות קודמות, מערכת AMIE הדגימה ביצועים ברמת מומחה בדיאלוג אבחוני מבוסס טקסט, והוכחה ככלי עזר יעיל עבור קלינאים בגיבוש אבחנה מבדלת (differential diagnosis). לאחרונה, החוקרים הרחיבו את יכולותיה של AMIE מעבר לשלב האבחון בלבד, לעבר טיפול וניהול מחלות לאורך זמן. כמו כן, יכולותיה הורחבו להערכות ברמת מומחה בתחומי האונקולוגיה, הקרדיולוגיה והאופתלמולוגיה, וכן לחשיבה אבחונית מולטי-מודאלית המשלבת תמונות ומסמכים קליניים בסביבות סימולציה עם שחקנים המגלמים מטופלים. במקביל, החל תהליך של תרגום פיתוחים אלו לפרקטיקה הקלינית באמצעות מסגרת פיקוח מונחית-רופא, וכן במסגרת מחקרים קליניים ראשונים בעולם האמיתי, הכוללים מחקר היתכנות קליני עם המרכז הרפואי בית ישראל דיקונס (Beth Israel Deaconess Medical Center) ומחקר אקראי ארצי מתמשך בשיתוף פעולה עם חברת Included Health.
המגבלות של ממשקים מבוססי טקסט
למרות ההתקדמות המרשימה, מגבלה בסיסית במחקר המקורי נותרה העובדה שממשקים מבוססי טקסט משמיטים לחלוטין את הממדים החזותיים והשמיעתיים של הפרקטיקה הרפואית. במערכות טקסטואליות, המטופלים נדרשים לתרגם תסמינים פיזיים מורכבים לתיאורים כתובים. תהליך זה משמיט מידע אבחוני חיוני ועלול להקשות על מטופלים בעלי אוריינות דיגיטלית או בריאותית מוגבלת. מערכות מבוססות טקסט בלבד אינן יכולות להבחין באופן עצמאי ברמזים חזותיים וקוליים המזינים את החשיבה הקלינית, והן אינן מסוגלות להנחות את המטופלים בביצוע בדיקות פיזיות המעצבות את האבחנה המבדלת.
כדי להתגבר על מגבלות אלו, החוקרים מציגים את התצורה החדשה של המערכת בווידאו בזמן אמת, המכונה AMIE (Video). המערכת החדשה, שנבנתה על בסיס מודלי Gemini ופרויקט אסטרה (Project Astra), מסוגלת לנהל מפגשי וידאו קליניים סינכרוניים, לקלוט רמזים קליניים לא-מילוליים, להנחות שחקנים המגלמים מטופלים בביצוע בדיקות פיזיות וירטואליות ולבצע חשיבה אבחונית – והכל בזמן אמת.
ארכיטקטורה אסינכרונית מרובת סוכנים (Multi-Agent Architecture)
ניהול שיחה קלינית אפקטיבית בווידאו דורש איזון בין דרישות מנוגדות: על המערכת להגיב למטופלים במהירות שיחה טבעית, ובו-זמנית לבצע חשיבה קלינית מעמיקה ולעבד באופן רציף זרמי מידע חזותיים וקוליים. כיום, סוכן בינה מלאכותית יחיד אינו יכול למלא את כל הדרישות הללו במקביל; חשיבה מעמיקה דורשת זמן עיבוד, אך השהיות ממושכות בשיחה פוגעות באמון המטופל ובקשר הבין-אישי.
על מנת לפתור את האתגר הזה, מערכת AMIE (Video) משתמשת בארכיטקטורה אסינכרונית מרובת סוכנים המפצלת את העבודה בין שלושה סוכנים ייעודיים הפועלים במקביל ובאופן רציף:
- סוכן השיחה (Talker Agent): סוכן זה עומד מול המטופל ומנהל אינטראקציה קולית מהירה ובעלת השהיה נמוכה במיוחד. תפקידו לשמור על זרימת שיחה טבעית תוך שילוב הנחיות והכוונה משאר הסוכנים במערכת.
- סוכן התכנון (Planner Agent): סוכן זה פועל ברקע ומעדכן ברציפות את החשיבה הקלינית של המערכת. הוא מעדכן את האבחנות המבדלות ותוכניות הטיפול, מזהה פערי מידע ומגדיר מחדש את סדרי העדיפויות של המטרות הקליניות השונות.
- סוכן התפיסה (Perception Agent): סוכן זה בוחן ללא הרף את זרמי האודיו והווידאו, מזהה רמזים לא-מילוליים בעלי חשיבות קלינית (כגון סימני מצוקה נראים לעין, ממצאים פיזיים או אותות קוליים) ומציב תצפיות אלו בהקשר הנכון של השיחה המתנהלת.
הפרדה מבנית זו מאפשרת ל-AMIE (Video) לשמור על קצב שיחה טבעי ללא השהיות חריגות, תוך ביצוע חשיבה אבחונית וקליטה של רמזים חזותיים ושמיעתיים שאחרת היו גורמים לעיכובים בלתי קבילים. הערכות אוטומטיות מאששות כי כל אחד משלושת הסוכנים בארכיטקטורה זו תורם תרומה משמעותית לשיפור במדדים הקליניים, כגון מיומנות בלקיחת אנמנזה (היסטוריה רפואית), חשיבה קלינית והמלצות טיפוליות, כמו גם במדדים הקשורים לאיכות הדיאלוג, ובכלל זה מיומנויות תקשורת ממוקדות-מטופל וזמן תגובה מהיר.
פיתוח מונחה הערכה אוטומטית
אתגר מרכזי בבניית בינה מלאכותית רפואית קולית-חזותית הוא אפיון יכולות התפיסה והחשיבה של המערכת בקנה מידה רחב. כדי להנחות את הפיתוח, גובשה מתוך הספרות הרפואית טקסונומיה של מיומנויות קוליות-חזותיות קליניות הרלוונטיות לרפואה מרחוק (telehealth). טקסונומיה זו מכסה רמזים חזותיים לא-מילוליים, אותות קוליים ותמרוני בדיקה פיזית.
בהמשך לכך, נבנתה מערכת הערכה אוטומטית המבוססת על טקסונומיה זו. תשתית ההערכה משלבת מבחנים קוליים-חזותיים חד-שלביים (single-turn) ממוקדים יחד עם סימולציות שיחה רב-שלביות (multi-turn). המבחנים החד-שלביים בוחנים מקרים ספציפיים של תפיסה וחשיבה קלינית (למשל, זיהוי נכון של צדדיות אנטומית או זיהוי סימנים של מצוקה נשימתית). סימולציות השיחה הרב-שלביות מעריכות את הביצועים השיחתיים מקצה לקצה תוך החדרת רמזים חזותיים כתיאורי טקסט לתוך הסימולציה (לדוגמה, סימולטור מטופל מבוסס בינה מלאכותית בתרחיש של מחלת פרקינסון, המתבקש להציג את כתב היד שלו, עשוי להחדיר תיאור מילולי מובנה כגון "[מחזיק נייר מול המצלמה המציג כתב יד צפוף וקטן]"). הערכות משלימות אלו אפשרו סבבי פיתוח מהירים ואפיינו בצורה עשירה את היכולות ואת נקודות הכשל של AMIE (Video) עוד לפני ביצוע הערכה אנושית.
מחקר וידאו מבוקר ואקראי (OSCE)
כדי להעריך את המיומנות הקלינית בסביבה מאתגרת ומציאותית יותר של מפגש ייעוץ רפואי מלא, נערך מחקר רחב היקף המבוסס על מתודולוגיית OSCE (Objective Structured Clinical Examination) עם ממשק וידאו סינכרוני. כדי להבטיח כיסוי של מגוון רחב של מצבים רפואיים, המחקר הקיף 100 תרחישים קליניים מחמש מערכות גוף שונות: מערכת הלב והריאות (קרדיופולמונרית), מערכת העיכול (בטן), ראש/עיניים/אוזניים/גרון (HEENT), נוירולוגיה/פסיכיאטריה, ומערכת השריר והשלד.
במסגרת המחקר, 15 שחקנים מקצועיים שהוכשרו לכך קיימו 300 מפגשי ייעוץ מתוקננים שחולקו באופן אקראי בין שלוש זרועות מחקר:
- AMIE (Video): תצורת הווידאו של המערכת המנהלת מפגשי וידאו בזמן אמת.
- AMIE (Text): גרסה טקסטואלית בלבד ששימשה כבסיס השוואה (baseline) כדי לבודד את התרומה הספציפית של היכולות הקוליות-חזותיות.
- PCP (Video): עשרה רופאי משפחה מומחים (Primary Care Physicians - PCPs) המוסמכים על ידי האיגודים המקצועיים, שניהלו את שיחות הייעוץ באמצעות אותו ממשק וידאו.
צוות הערכה עצמאי, שהורכב מ-20 רופאי משפחה מנוסים, העריך את כל המפגשים באמצעות מחוונים קליניים מקובלים, שכללו הן סולמות הערכה כלליים של כשירות קלינית והן קריטריוני ניקוד מפורטים המותאמים אישית לכל תרחיש רפואי ספציפי.
תוצאות מפתח והעדפות מטופלים
הניתוח של תוצאות המחקר העלה ממצאים משמעותיים:
- ביצועים קליניים ברמת מומחה: קלינאים מעריכים דירגו את ביצועי AMIE (Video) כשווים לביצועיהם של רופאי המשפחה האנושיים במדדים של כשירות קלינית מרכזית, יסודיות בלקיחת היסטוריה רפואית, דיוק אבחוני, התאמת תוכנית הטיפול ואיכות התקשורת. כמו כן, ביצועיה של AMIE (Video) השתוו לביצועי AMIE (Text) או עלו עליהם בממדים אלו.
- עליונות בתצפית פיזית ובדיקה: מערכת AMIE (Video) קיבלה דירוג ממוצע גבוה באופן מובהק הן בהשוואה לרופאים האנושיים והן בהשוואה לגרסת הטקסט AMIE (Text) בכל הקשור לחילוץ סימנים פיזיים והנחיה אקטיבית של השחקנים המטופלים בביצוע תמרוני בדיקה וירטואליים. יתרון זה בא לידי ביטוי גם בציוני מחווני התפיסה והבדיקה הספציפיים לכל מקרה.
- העדפה ברורה של השחקנים לממשק הווידאו: השחקנים שגילמו את המטופלים הביעו העדפה חזקה לממשק הווידאו הסינכרוני על פני צ'אט מבוסס טקסט. הם דירגו אותו כקל משמעותית לשימוש וכאפקטיבי יותר להעברת החששות הבריאותיים שלהם. בנוסף, הם העניקו ל-AMIE (Video) ציונים גבוהים יותר במדדי אמפתיה, יצירת קשר (rapport) וביטחון בטיפול בהשוואה לרופאים האנושיים ובהשוואה לגרסת הטקסט.
מגבלות ופיתוח אחראי
למחקר זה קיימות מגבלות חשובות שיש להביא בחשבון בעת ניתוח התוצאות. הניסוי נערך במלואו עם שחקנים מקצועיים בסביבות קליניות מדומות, ולא עם מטופלים אמיתיים המתמודדים עם בעיות בריאותיות משלהם. שחקנים, מיומנים ככל שיהיו, אינם יכולם לשחזר לחלוטין את המורכבות וחוסר הצפיות של מפגשים קליניים אמיתיים. בנוסף, התרחישים הוגבלו למצבים רפואיים שניתן להציג באופן אמין באמצעות משחק, תוך השמטת מצגים קליניים חשובים שבהם לתפיסה חזותית וקולית יש השלכות אבחוניות קריטיות.
מעבר לגבולות המחקר המרכזי, הערכות אוטומטיות ממוקדות חשפו שגיאות תפיסה וחשיבה מזדמנות של המערכת, למרות הדיאלוג האיכותי והדיוק האבחוני הכללי. המערכת עדיין מציגה בעיות טכניות לסירוגין העלולות לפגוע בטבעיות השיחה. בשל אופיו הניסיוני של פרויקט אסטרה (Project Astra), פיתוחים עתידיים ברמת המערכת עשויים לטפל בהיבטים טכנולוגיים אלו, מעבר ליישום הרפואי הספציפי שנבחן במחקר זה. החוקרים מדגישים כי בחינת הממצאים הללו במחקרים עם מטופלים אמיתיים ובתנאים קליניים אמיתיים היא שלב חיוני והכרחי לפני שניתן יהיה להסיק מסקנות כלשהן לגבי התועלת המעשית של המערכת בעולם האמיתי.
מבט קדימה
המחקר הנוכחי מדגים כי המעבר מבינה מלאכותית רפואית מבוססת טקסט למערכת קולית-חזותית הוא בר-השגה באיכות של רמת מומחה. מערכת AMIE (Video) מתמודדת עם העושר התפיסתי של הפרקטיקה הקלינית – צפייה ברמזים לא-מילוליים, הנחיית בדיקות פיזיות וניהול שיחה טבעית בדיאלוג מדובר – יכולות המקרבות את המערכת לחוויה המציאותית של מפגש וידאו ברפואה מרחוק.
עם זאת, שאלות חשובות נותרות פתוחות בדרך לביסוס ראיות אחראיות מהעולם האמיתי. יש לתקף את הממצאים בקרב מטופלים אמיתיים, להרחיב את הניסויים למצגים קליניים שלא ניתן להציג באמצעות משחק, ולתמוך במערכת באמצעות מסגרות בטיחות חזקות. צעדים ראשוניים כבר ננקטו בכיוון זה: מחקר היתכנות בעולם האמיתי בשיתוף המרכז הרפואי בית ישראל דיקונס סיפק ראיות ראשוניות לבטיחות וליעילות של גרסת הטקסט של AMIE בפרקטיקה הקלינית, והמחקר הארצי המתמשך עם Included Health בוחן ומעריך את הבינה המלאכותית בטיפול וירטואלי אמיתי. יחד, התנסויות מחקריות אלו יסייעו להבין כיצד ניתן לשלב באופן אחראי יכולות קוליות-חזותיות בפרקטיקה הקלינית היומיומית.