IMedis

בשנים האחרונות חלה מהפכה של ממש בעולם הרפואה, עם כניסתן של טכנולוגיות בינה מלאכותית (AI) אשר מאפשרות שילוב וניתוח נתונים ממקורות שונים, במטרה לעשות אופטימיזציה של הרפואה המאבחנת והמונעת. 

עולם הרפואה מתקדם בצעדי ענק בפיתוח טיפולים חדשניים ויעילים למחלות מסכנות חיים, אך במקרים רבים הגורם המשפיע ביותר על סיכויי ההחלמה אינו בהכרח איכות הטיפול, אלא שלב אבחון המחלה. כיוון שכמות המידע הרפואי הנצבר בכל בדיקה הולכת וגדלה מיום ליום, האתגר הגדול אשר ניצב כעת בפני המערכת הוא בהשלמת יכולת האבחון של הרופאים באמצעות טכנולוגיה מתקדמת.

המערכת המהפכנית של IMedis משתמשת באלגוריתמים מתקדמים של בינה מלאכותית על מנת לנתח באופן מדוייק ומהיר צילומי הדמיה בשילוב עם הטקסט של הדו"ח הרפואי, ולוודא שמידע חשוב המופיע בצילומים לא חומק מעיני הרדיולוגים.

הצורך

למרות התפתחויות פורצות דרך בטיפול במחלת הסרטן ובמחלות לב וכלי דם בשנים האחרונות, הגורם המשמעותי ביותר המשפיע על הצלחת הטיפול הוא עדיין, כאמור, הזיהוי המוקדם. במחלות אלו קיים פער עצום ביעילות הטיפול בין אבחון מוקדם למאוחר אשר מטפס עד לכדי 40% בשיעורי ההישרדות עבור סרטן. אתגר זה בא לידי ביטוי במחקר שבוצע ע"י ה-NIH שבו התגלה שעד כ-85% מהחולים בסרטן ריאה מאובחנים כיום רק בשלב מאוחר.

אמצעי הדימות הרפואיים המתקדמים, ובראשם סריקות ה-CT, הפכו בשנים האחרונות לכלי האבחון העיקרי במערכת הרפואית. בבדיקות אלו קיים פוטנציאל אדיר לזיהוי ממצאים הקשורים באבחון מוקדם של מחלות, אולם מחקרים מראים כי בלמעלה מ-6% מהבדיקות קיים ממצא חשוב ובר-פעולה, שאינו מדווח ע"י הרדיולוגים. לשם המחשה, רק בארה"ב מדובר בכ-10,000 בדיקות "מפוספסות" בכל יום.

מאחר ומצבים רפואיים אלו הם לרוב ללא תסמינים ברורים בשלבים מוקדמים, מרבית מקרי האבחון הם אגביים, בעת ביצוע בדיקות דימות עבור סיבות רפואיות אחרות. למשל - ביצוע סריקת CT של החזה לאחר תאונת דרכים, אשר מובילה באופן מקרי לזיהוי נגע בכבד הדורש בירור מעמיק נוסף וחשוב. 

הפתרון

מתוך היכרות עמוקה של צוות המייסדים ב-IMedis עם תהליכי העבודה הקיימים במחלקות הדימות, זוהה הצורך בהעצמת היכולת של הרדיולוגים לאתר את אותם ממצאים חשובים, אשר לרוב אינם במוקד הבדיקה, ולכן הסבירות שלא יאובחנו גבוהה. בה בעת, על-מנת להטמיע מערכת שכזו בסביבה הקלינית, חשוב לוודא שהיא מתממשקת בקלות, אינה מייצרת עומס ומשפרת משמעותית את התפוקה של מחלקת הדימות.

לשם מטרה זו, IMedis פיתחה את Duali-Q - מערכת תוכנה מבוססת AI אשר מנתחת באופן אוטומטי, ובמקביל לעבודת הרדיולוג, את כל בדיקות ה-CT בבית החולים לזיהוי ממצאים חשודים המחייבים פעולה רפואית. בנוסף, המערכת מנתחת בזמן אמת את האבחון הנכתב ע"י הרדיולוגים. כאשר המערכת מזהה חוסר אבחון של ממצאים חשובים המופיעים בצילום, היא מתריעה בזמן אמת ישירות לרדיולוגים, מאפשרת להם להעריך אותם מחדש במהירות וביעילות ולהשלים את האבחון המדויק בדו"ח הרפואי.

הייחודיות הגדולה של IMedis היא בהבנה כי מקומה של הטכנולוגיה הוא לא בהחלפת הרופא אלא בהעצמת יכולותיו, שכן במרבית המקרים, הרופאים מבצעים אבחון מדויק ומהיר. לשם כך, IMedis מציעה מסלול אבחון מקביל למסלול הקיים כיום. במסלול זה, המערכת מחליטה להתערב ביצירת התראה בזמן אמת אך ורק במידה ומזוהה אבחון שגוי, ובכך להציע לרדיולוגים מערכת המעצימה את יכולותיהם ומגבירה את איכות התפוקה שלהם,  בדיוק עבור אותם מטופלים שאצלם קיימת חשיבות בשיפור האבחון.

הטכנולוגיה

למידה-עמוקה (Deep Learning) הינה תת-תחום של בינה מלאכותית שהתפתח בשנים האחרונות ועשה פריצת דרך משמעותית במגוון תחומים טכנולוגיים, ובעיקר בעיבוד וניתוח אוטומטי של תמונות וטקסט. אלגוריתמי למידה-עמוקה הינם הבסיס הטכנולוגי של IMedis. החברה פיתחה פלטפורמה ייחודית המבוססת על אלגוריתמי למידה-עמוקה לעיבוד תמונות של סריקות CT וטקסט של דו"חות רדיולוגיים.

בעזרת סדרה של אלגוריתמי למידה-עמוקה מסוגConvolutional Neural Networks  (CNN) המערכת מסוגלת, באופן אוטומטי, לזהות, לסמן, לסווג ולמדוד נגעים חשודים בסריקות CT, גם כשאלה קטנים משמעותית מ-1 ס"מ ומהווים אתגר מקצועי אפילו לרופאים מיומנים.

כמו כן, IMedis פיתחה אלגוריתמי למידה-עמוקה ייעודיים מסוג Recurrent Neural Networks (RNN) לצורך ניתוח טקסט, בעזרתם המערכת מסוגלת לזהות אם ישנם אזכורים לממצא קליני כלשהו בדו"ח הרדיולוגי ולסווגם כאזכורים חיוביים (לדוגמא: "קיים נגע חשוד בכבד בקוטר 8 מ"מ") או לאזכורים שליליים (לדוגמא: "לא נמצאו בכבד נגעים חשודים").

לחברה קיימים מספר פטנטים המגנים על ליבת החדשנות של Duali-Q בדגש על השילוב הייחודי הנ"ל.