מודל AI חדשני לניתוח הדמיות רפואיות
מהפכת הבינה המלאכותית בתחום הרדיולוגיה רשמה השבוע אבן דרך משמעותית עם השקתו של Pillar-0, מודל שפה חזותי (Vision Language Model) בקוד פתוח המציג יכולות אבחון חסרות תקדים. המודל, שפותח בשיתוף פעולה בין חוקרים מאוניברסיטת קליפורניה בברקלי ומאוניברסיטת קליפורניה בסן פרנסיסקו (UCSF), נועד להתמודד עם העומס הבלתי אפשרי המוטל על רדיולוגים ברחבי העולם, המבצעים למעלה מ-500 מיליון סריקות CT ו-MRI מדי שנה. בניגוד לכלים קיימים המוגבלים לאבחון מספר מצומצם של מצבים רפואיים או מתמקדים בניתוח תמונות דו-ממדיות בלבד, Pillar-0 מסוגל לפרש נפחים תלת-ממדיים שלמים ולזהות מאות ממצאים קליניים שונים מתוך סריקה בודדת, תוך שהוא מפגין דיוק גבוה משמעותית מהמודלים המובילים כיום בשוק.
היכולות הטכנולוגיות של המודל החדש נשענות על ארכיטקטורה עצבית ייחודית בשם Atlas, המאפשרת עיבוד נתונים במהירות הגבוהה פי 150 ממרבית המודלים הקיימים מבוססי ה- Transformer. יעילות זו קריטית במיוחד בטיפול בסריקות CT של הבטן או המוח, הכוללות נפחי מידע עצומים. במבחני ביצועים שנערכו, השיג המודל ציון AUC ממוצע של 0.87 על פני למעלה מ-350 ממצאים אבחוניים שונים, נתון המשקף שיפור של 10% עד 17% לעומת מודלים מקבילים של ענקיות טכנולוגיה כגון גוגל, מיקרוסופט ועליבאבא. החוקרים הדגישו כי המודל מצליח להתעלות על המתחרים לא רק ברמת הדיוק הסטטיסטי, אלא גם ביכולת שלו לעבור התאמה אישית (fine-tuning) למשימות ספציפיות במינימום מאמץ ועם כמות נתונים קטנה משמעותית מהנדרש עד כה.
אחד היישומים המרשימים שהוצגו במסגרת המחקר הוא היכולת של Pillar-0 לשפר כלי ניבוי קיימים. בניסוי אימות חיצוני שנערך בבית החולים הכללי של מסצ'וסטס (MGH), הצליחו החוקרים לשפר ב-7% את ביצועיו של הכלי המוביל בעולם לניבוי סרטן הריאות באמצעות הטמעת המודל החדש. יתרה מכך, כאשר הועמד המודל למבחן בזיהוי דימומים מוחיים בסריקות CT, הוא הציג ביצועים טובים יותר מכל מודל בסיס אחר, אף שהשתמש ברבע בלבד מכמות נתונים הנדרשת בדרך כלל לאימון מערכות מסוג זה. גמישות זו הופכת אותו לתשתית ( Backbone ) אידיאלית לפיתוח יישומים קליניים עתידיים שיגדילו את רמת הדיוק האבחוני במערכות הבריאות.
מעבר לפיתוח המודל עצמו, צוות המחקר הציג את RaTE - מסגרת הערכה קלינית מקיפה המבוססת על שאלות וממצאים אבחוניים מציאותיים שרדיולוגים פוגשים בעבודתם היומיומית. עד כה, מרבית מבחני ההערכה ל- AI ברדיולוגיה התבססו על שאלות מלאכותיות שנשאלו על פרוסות תמונה בודדות, דבר שלא שיקף נאמנה את התועלת הקלינית של המערכות במציאות. כעת, באמצעות שחרור הקוד המלא וכלי ההערכה לציבור, החוקרים מקווים להאיץ את תהליך האימוץ הקליני ולאפשר לכל מרכז רפואי לבחון ולהתאים את המודל לצרכיו הייחודיים. שקיפות זו נתפסת כחיונית לקידום המדע הרפואי ולבניית אמון בין המערכת הטכנולוגית לצוותים המטפלים.
במבט לעתיד, מתכוונים החוקרים להרחיב את יכולותיו של המודל לתחומי הדמיה נוספים ואף לשלב בו יכולות של הפקת דוחות רפואיים מלאים ומנומקים. השילוב בין מומחיותם של מדעני נתונים מברקלי ורדיולוגים קליניים מ- UCSF יצר כלי שאינו רק חזק מבחינה חישובית, אלא מעוגן היטב בצרכים המעשיים של חדר האבחון. שחרורו של Pillar-0 כפרויקט קוד פתוח מהווה קריאה לקהילה המדעית העולמית להשתתף בתיקוף ובשיפור המערכת, במטרה להפוך את הבינה המלאכותית לשותפה אמינה המעצימה את יכולותיו של הרופא האנושי ומצמצמת עיכובים קריטיים במתן טיפול רפואי.
