חוקרים ישראליים מאנבידיה ומכון ויצמן פיתחו מודל AI שחוזה רמות סוכר בדם עד 4 שנים מראש
|
בדיקת סוכר
חוקרים ממכון ויצמן, הסטארטאפ Pheno.AI ו-NVIDIA פיתחו מודל בינה מלאכותית יוצרת לחיזוי רמות הסוכר בדם עד ארבע שנים קדימה
בזמן שרובנו מתבוננים בעוגיה או בשוקולד דובאי שניצבים מולנו ורק חושבים על הביס הבא, סוכרתיים מביטים בהם וחושבים "איך האכילה של זה תשפיע על רמות הסוכר שלי?". ובכן, עכשיו מודל AI חדש יוכל לספק להם תשובה מדויקת. חוקרים ממכון ויצמן, הסטארטאפ הישראלי Pheno.AI ו-NVIDIA חושפים היום (ה') את GluFormer, מודל GenAI, שמבוסס על ארכיטקטורת טרנספומר בדומה ל-GPT מבית OpenAI – רק שבמקום טקסט – הוא מייצר תחזית של רמות סוכר בדם ומדדי בריאות אחרים, בהתבסס על ניטור נתוני עבר.
מידע, שנאסף ממערכות קבועות לניטור גלוקוז (CGM – Continuous Glucose Monitoring), יכול לסייע באבחון מהיר יותר של חולים עם טרום-סוכרת או סוכרת, כך על פי מחקרים של Harvard Health Publishing ו-NYU Langone Health. עתה טוענים החוקרים שיכולות ה-AI של GluFormer ישפרו את יכולת האבחון הזו, ולעזור למטפלים ולמטופלים לזהות אנומליות, לחזות תוצאות של ניסויים קליניים, ולחזות מדדים רפואיים ובריאותיים עד לארבע שנים מראש.
תחזיות מדויקות של רמות הסוכר העתידיות עבור מטופלים בקבוצות סיכון לפתח סוכרת עשויות לאפשר לרופאים ולמטופלים לאמץ אסטרטגיות טיפול מונע מוקדם יותר, לחזות תגובה לתרופות וטיפולים במסגרת ניסויים קליניים, לחזות מדדים רפואיים במטופלים כארבע שנים מראש, ולהפחית את ההשפעות הכלכליות של התמודדות עם סוכרת, שעלולים להגיע ברמת העולמית ל-2.5 טריליון דולר ב-2030.
לא רק רמות סוכר
לאחר הזנת המודל עם המידע שקשור בתזונת המטופל, ניתן לחזות כיצד רמות הסוכר שלו יגיבו למזונות ספציפיים ולשינויים בתזונה – מה שיכול לאפשר תזונה מותאמת אישית ברמת דיוק גבוהה. אבל לא רק רמות הסוכר. החוקרים אומרים ש-GluFormer יכול לחזות ערכים רפואיים כולל רקמת שומן – מדד לכמות השומן בגוף סביב איברים כמו הכבד והלבלב; לחץ דם סיסטולי, הקשור לסיכון לסוכרת; ומדד דום נשימה – מדידה לדום נשימה בשינה, הקשור לסוכרת מסוג 2.
כאמור, הטכנולוגיה שמאחורי Gluformer פועלת באותה ארכיטקטורה כמו מודלי שפה גדולים דוגמת GPT של OpenAI – רק שבמקרה זה התוצר הוא רמות סוכר, לעומת טקסט ב-GPT. במסגרת המחקר, אומן המודל על ניטור מדדי סוכר של למעלה מ-10,000 משתתפים במחקר שאינם חולי סוכרת במשך 14 ימים, עם נתונים שנאספו כל 15 דקות באמצעות מכשיר ניטור לביש, והצליח לחזות דפוסים של רמות סוכר. בסך הכל, אומן המודל על 10 מיליון נקודות דגימה של רמת סוכר.
את המחקר והפיתוח של GluFormer, שבוצע על גבי מעבדים גרפיים (GPUs) מבית אנבידיה, הובילו פרופ' ערן סגל, מהמחלקה למדעי המחשב במכון ויצמן למדע, פרופ' גל צ'צ'יק, מנהל מרכז המחקר של אנבידיה בישראל ומהמחלקה למדעי המחשב באוניברסיטת בר אילן, חגי רוסמן, מנהל צוות המחקר ב-Pheno.AI, גל ספיר, חוקר בצוות מדעי הנתונים ב-Pheno.AI, והחוקר המוביל, גיא לוצקר, חוקר ב-NVIDIA ודוקטורנט במכון ויצמן.
לכלי בינה מלאכותית כמו GluFormer יש פוטנציאל עתידי לעזור למאות מיליוני אנשים שסובלים מסוכרת. כיום, מחלת הסוכרת פוגעת בכ-10% מהאוכלוסייה העולמית, וחוקרים מעריכים כי עד שנת 2050 תוכפל השפעתה והיא תשפיע על חייהם של למעלה מ-1.3 מיליארד בני אדם ברחבי העולם. מדובר במחלה הנמנית בין עשר הסיבות המובילות בעולם לתמותה, והיא גורמת לסיבוכים משמעותיים בקרב חולים רבים כגון פגיעה בכליות, פגיעה בראייה ובעיות לב.
הארכיטקטורה שמשמשת ל-ChatGPT חוזה גם את רמת הסוכר
"ניתן לראות בנתונים רפואיים, ובפרט ניטור רציף של מדדי סוכר, רצפים של בדיקות אבחון העוקבות אחר תהליכים ביולוגיים לאורך החיים", אמר פרופסור גל צ'צ'יק, דירקטור בכיר ב-NVIDIA ומנהל מרכז מחקר הבינה המלאכותית של אנבידיה בישראל. "מצאנו שארכיטקטורת הבינה המלאכותית "טרנספורמר", שפותחה עבור רצפי טקסט ארוכים, יכולה לקחת רצף של בדיקות רפואיות ולחזות את תוצאות הבדיקה הבאה. בכך, המודל לומד על האופן שבו המדדים האבחנתיים מתפתחים לאורך זמן".
בשיחה עם גיקטיים אומר צ'צ'יק, שבניגוד ל-LLMs המוכרים שנוהגים להזות תשובות, ב-GluFormer, הסיכון פחות: "אחת הסיבות להזיות במודלי שפה, היא שמרחב האפשרויות – אוסף המשפטים הסבירים שניתן לייצר – הוא מאוד גדול. ואילו פרופילים של גלוקוז כמו אלו שנבחבנים ב-GluFormer, הפועל על מרחב של ערכי סוכר עם כ-450 ערכים אפשריים, מתנהגים בצורה יותר צפויה". לדברי צ'צ'יק, אנחנו עוד נמצאים כרגע בשלבי המחקר שלמעשה מציג את הפוטנציאל שטמון בכלי AI, ועדיין לא במוצר.
האם ניתן למעשה ליישם את המתודלוגיה על מחלות אחרות? למשל בתחום הלב?
צ'צ'יק: "בהחלט. אנחנו צופים שניתן יהיה לפתח מודלים דומים לתחומי בריאות מגוונים".
גיא לוצקר, חוקר בינה מלאכותית ב-NVIDIA ודוקטורנט במכון ויצמן, הוסיף: "שני גורמים חשובים התכנסו יחדיו בו-זמנית כדי לאפשר את המחקר שעשינו: הבשלה של טכנולוגיות בינה מלאכותית יוצרת המונעת באמצעות NVIDIA, לצד איסוף נתוני בריאות בקנה מידה גדול על ידי מכון ויצמן". לוצקר, המחבר המוביל של המחקר, הוסיף: "זה שם אותנו בעמדה ייחודית להפיק ולחלץ תובנות רפואיות חשובות מתוך המדדים הרפואיים". למאמר המלא ב-Arxiv.
