הבינה המלאכותית של גוגל כובשת את פסגת חיזוי האשפוזים משפעת
בעולם שבו ניהול משאבים רפואיים הוא קריטי, היכולת לצפות מראש עומסים בבתי חולים היא לא רק תרגיל אקדמי – היא מצילת חיים. לאחרונה, ה-CDC (המרכז לבקרת מחלות ומניעתן בארה"ב) פרסם את תוצאות הערכת מודלי החיזוי לעונת השפעת 2025/26, והתוצאות מציבות את גוגל בחזית הטכנולוגיה הרפואית. המודל של גוגל, שזכה לשם Google_SAI-FluEns, דורג במקום הראשון מתוך 39 מודלים מתחרים שהוגשו על ידי גופים אקדמיים, ממשלתיים ותעשייתיים [4, 5].
למה זה בכלל משנה?
מערכות בריאות מתמודדות מדי שנה עם חוסר ודאות לגבי היקף התחלואה. בעוד שמערכות ניטור מסורתיות מודדות את המצב הקיים, חיזוי מוקדם מאפשר למנהלי בתי חולים להיערך מראש: להקצות מיטות, לתגבר צוותים רפואיים ולהבטיח מלאי תרופות וציוד [1]. היכולת של מודל AI לנבא אשפוזים ברמה מדינתית עד ארבעה שבועות קדימה היא קפיצת מדרגה משמעותית ביכולת התכנון של מערכות בריאות ציבוריות [7].
הטכנולוגיה שמאחורי ההצלחה: ERA
ההישג של גוגל אינו מקרי. המודל פותח באמצעות כלי מחקר שגוגל מכנה ERA (Empirical Research Assistance) [5]. מדובר בכלי בינה מלאכותית שנועד לייצר אלגוריתמי אופטימיזציה במגוון תחומים מדעיים. במקרה של השפעת, ה-ERA אפשר למודל לנתח דפוסים מורכבים ולשפר את הדיוק של התחזיות השבועיות שהוגשו ל-CDC [4, 7].
השימוש ב-ERA אינו מוגבל רק לשפעת. גוגל כבר הוכיחה שהטכניקות הללו יעילות גם בחיזוי אשפוזים עבור נגיפים נשימתיים אחרים, כמו COVID-19 ו-RSV, מה שמעיד על גמישות ויכולת הכללה של המודל למחלות נוספות [7].
תובנות מהשטח
התחרות של ה-CDC, הידועה בשם FluSight, היא זירה מאתגרת שבה מודלים נבחנים על בסיס יכולתם לדייק בתחזיות לטווח קצר (השבוע הנוכחי) ועד שלושה שבועות קדימה [4, 5]. הדירוג של גוגל במקום הראשון מדגיש כמה דברים:
- •דיוק מבוסס נתונים: המודל משלב נתונים היסטוריים עם דפוסים עכשוויים כדי לצמצם את טווח השגיאה [2].
- •יכולת הסתגלות: המערכת יודעת להשתפר תוך כדי תנועה, מה שמאפשר לה להישאר רלוונטית גם כשהתנהגות הנגיף משתנה [2].
- •ערך ציבורי: הנגשת תחזיות מדויקות לציבור ולמקבלי החלטות היא הדרך הטובה ביותר להפחית את העומס על מערכות הבריאות [1].
סיכום ומסקנות
ההצלחה של גוגל ב-FluSight היא תזכורת לכך שבינה מלאכותית היא כבר מזמן לא רק צ'אטבוטים או יצירת תמונות. כשאנחנו משלבים כלי מחקר מתקדמים כמו ERA עם נתוני עתק (Big Data) רפואיים, אנחנו מקבלים כלים עוצמתיים שמשנים את הדרך שבה אנחנו מנהלים משברים בריאותיים. עבור מפתחים ואנשי טכנולוגיה, זהו שיעור חשוב בערך של יישום AI לפתרון בעיות בעולם האמיתי.
לקריאה נוספת: