שיתוף הפעולה של אנבידיה, מכון ויצמן ו-Pheno.AI לחיזוי רמות סוכר בדם
חולי סכרת, או אחרים הנדרשים לנטר אחר רמת הסוכר שלהם, עוסקים לא פעם בשאלה כיצד תשפיע עליהם אכילה של עוגיה או מאפה. כעת, מודל בינה מלאכותית יוצרת חדש מסוגל לחזות את התשובה: חוקרים ממכון ויצמן למדע, חברת הסטארט-אפ Pheno.AI וקבוצת המחקר של אנבידיה בישראל, הובילו את פיתוחו של GluFormer, מודל בסיס (Foundation Model) שמסוגל לחזות את רמות הסוכר העתידיות של מטופלים, כמו גם מדדי בריאות אחרים, בהסתמך על נתוני סוכר של המטופל מהעבר.
גיא לוצקר, חוקר בינה מלאכותית באנבידיה ודוקטורנט במכון ויצמן. קרדיט: נועה בן דרור
מידע הנאסף ממערכות קבועות לניטור גלוקוז (CGM - Continuous Glucose Monitoring), יכול לסייע באבחון מהיר יותר של חולים עם טרום-סוכרת או סוכרת, כך על פי Harvard Health Publishing ו-NYU Langone Health. יכולות ה-AI של GluFormer מסוגלות לשפר 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, שעשויים להגיע ל-כ-2.5 טריליון דולר ב-2030.
- כל הכותרות
בנוסף, החוקרים הראו כיצד, לאחר הזנת המודל עם מידע הקשור בתזונת המטופל, ניתן לחזות כיצד רמות הסוכר שלו יגיבו למזונות ספציפיים ולשינויים בתזונה - מה שיכול לאפשר תזונה מותאמת אישית ברמת דיוק גבוהה. מעבר לרמות הסוכר, 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.
"ניתן לראות בנתונים רפואיים, ובפרט ניטור רציף של מדדי סוכר, רצפים של בדיקות אבחון העוקבות אחר תהליכים ביולוגיים לאורך החיים", אמר פרופ' גל צ'צ'יק, דירקטור בכיר באנבידיה 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".
פרופסור גל צ'צ'יק, מנהל מרכז מחקרי ה-AI של אנבידיה בישראל. קרדיט: אנבידיה
"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", אמר המחבר המוביל של המחקר גיא לוצקר, חוקר בינה מלאכותית ב-NVIDIA ודוקטורנט במכון ויצמן. "זה שם אותנו בעמדה ייחודית להפיק ולחלץ תובנות רפואיות חשובות מתוך המדדים הרפואיים".
לכלי בינה מלאכותית כמו GluFormer פוטנציאל לעזור למאות מיליוני אנשים המתמודדים עם סוכרת. כיום, מחלת הסוכרת פוגעת בכ-10% מהאוכלוסייה העולמית, וחוקרים מעריכים כי עד שנת 2050 תוכפל השפעתה והיא תשפיע עלי 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.
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. המודל אומן על ניטור מדדי סוכר של למעלה מ-10,000 משתתפי מחקר 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 נתוני 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.
תודה.
לתגובה חדשה
חזור לתגובה
