ה-AI מזהה סרטן. האם תיתן לו לבחור את הטיפול?
דמיינו שתי נשים בחדר ההמתנה של מרפאה אונקולוגית. שתיהן עברו ניתוח להסרת גידול בשד. הגידולים דומים בגודלם, והמחלה התגלתה באותו שלב. לאחת ימליץ הרופא על כימותרפיה. לשנייה יאמר שאפשר לוותר עליה.
גידול דומה, המלצה אחרת. טעות? לא בהכרח. מאחורי מה שנראה דומה מסתתרים הבדלים חשובים: בתכונות הגידול, במצב הבריאותי ובסיכוי שהטיפול באמת יעזור. אבל למי שיושבת מול הרופא, כל ההסברים מתנקזים לשאלה אחת: “ומה נכון בשבילי?”
זו גם השאלה שהבינה המלאכותית מבטיחה לעזור לנו לפתור. לא רק לזהות משהו שהעין פספסה בצילום, אלא לסייע בהחלטה אם לנתח, להוסיף טיפול או להסתפק במעקב. ההבטחה הזאת מרגשת. דווקא משום כך, צריך לבדוק אותה היטב.
לדעת מה יקרה — זה לא לדעת מה יעזור: נניח, לצורך הדוגמה בלבד, שמחשב מעריך כי ללא תוספת כימותרפיה, הסיכון של מטופלת לחזרת המחלה בעשר השנים הבאות הוא 14%. זה מידע חשוב. אבל הוא עדיין לא עונה על השאלה שהיא באמת רוצה לשאול: “ואם אעשה כימותרפיה, מה ישתנה?”
האם הסיכון ירד ל־13%? ל־7%? אולי כמעט לא ישתנה, והטיפול יוסיף בעיקר תופעות לוואי? אלה אפשרויות שונות מאוד, גם אם נקודת הפתיחה זהה. כאן עובר ההבדל בין תחזית לבין המלצה. המשפט “הסיכון שלך גבוה” אינו מספיק כדי להצדיק עוד טיפול. צריך לדעת אם הטיפול המוצע עשוי לשנות את הסיכון, בכמה, ובאיזה מחיר מבחינת תופעות הלוואי. מחשב שרק מזהה סכנה עדיין לא הוכיח שהוא יודע להצביע על הדרך הנכונה להתמודד איתה.
כדי להתקרב לתשובה, חוקרים מפתחים מערכות שמשוות בין מטופלים בעלי מאפיינים דומים שקיבלו טיפולים שונים. אלא שבמציאות אין שני אנשים זהים, ואין אפשרות לתת לאותו אדם שני טיפולים חלופיים ולבדוק באילו חיים היה לו טוב יותר.
גם מיליון תיקים רפואיים יכולים להטעות: נניח שמאגר גדול מראה שאנשים שעברו ניתוח חיו יותר מאנשים שקיבלו טיפול פחות פולשני. לכאורה, התשובה ברורה: הניתוח עדיף. אבל אולי הרופאים בחרו מלכתחילה לנתח את החולים הבריאים והחזקים יותר, ואילו מי שסבלו ממחלות רקע קשות הופנו לחלופה? במקרה כזה, חלק מהפער אינו נובע מהניתוח, אלא מההבדלים בין האנשים שקיבלו אותו. זו לא תקלה שאפשר לפתור רק באמצעות עוד כוח מחשוב. צריך להבין איך התקבלו ההחלטות, מי היה מועמד לכל טיפול ומה חסר בתיק הרפואי. אחרת, המחשב עלול לתת תשובה משכנעת מאוד לשאלה הלא נכונה.
לפעמים, ההישג הגדול הוא דווקא לחסוך טיפול: אחת התקוות החשובות ביותר אינה שהמחשב ימצא עוד טיפול לתת, אלא שיעזור לזהות ממי אפשר לחסוך טיפול שלא יועיל לו מספיק. אנחנו רגילים לדמיין התקדמות רפואית כתרופה חדשה או ניתוח מתוחכם. אבל התקדמות יכולה להיות גם ההחלטה המנומקת שלא להוסיף טיפול. עבור המטופל, המשמעות עשויה להיות פחות ימי טיפול והתאוששות, ויותר זמן לעבודה ולמשפחה. לא מפני שוויתרנו על המאבק במחלה, אלא מפני שלמדנו טוב יותר מה נחוץ בו.
ברפואה כבר יש דוגמאות לכיוון הזה. בדיקות שבוחנות את פעילות הגנים בגידול בשד מסייעות, במקרים מתאימים, להחליט אם יש צורך בכימותרפיה. במחקר גדול, בקבוצה מוגדרת של נשים עם סרטן שד מוקדם ותוצאות מסוימות בבדיקה, טיפול הורמונלי בלבד נתן תוצאות דומות לטיפול הורמונלי עם כימותרפיה. אצל חלק מהנשים הצעירות נמצאה אפשרות לתועלת מהתוספת. כלומר: אפשר לחסוך טיפול מנשים מתאימות, לא להכריז שהוא מיותר לכולן.
חשוב לדייק: אלה אינם מחקרים שמוכיחים שבינה מלאכותית יודעת לבחור טיפול. הם מדגימים איזה סוג של הוכחה צריך לחפש כשכלי חדש מציע לשנות החלטה רפואית. לא להסתפק בשאלה אם הוא מספק מידע מעניין, אלא לבדוק מה קרה למטופלים שקיבלו טיפול בהתאם למידע הזה.
וגם כאן, פחות אינו תמיד טוב יותר. טיפול מיותר עלול להזיק, אבל גם ויתור על טיפול נחוץ. המטרה אינה לתת פחות בכל מחיר. היא לתת את מה שבאמת עוזר.
כשהמחשב אומר משהו — קשה להתעלם ממנו: יש עוד סיכון, והוא אינו נמצא רק בתוכנה, אלא גם במי שיושב מולה. לבינה מלאכותית יש השפעה על הדרך שבה אנחנו חושבים ומקבלים החלטות. קל להניח שרופא מנוסה יידע להתעלם מהמלצה שגויה של מחשב. אלא שבניסוי בקריאת ממוגרפיות, גם רדיולוגים מנוסים הושפעו מהמלצות שגויות שהוצגו להם כאילו הגיעו ממערכת בינה מלאכותית. זו דוגמה ל”הטיה אוטומטית”: הנטייה לתת משקל יתר להצעה של מערכת ממוחשבת.
דמיינו, למשל, מסך שמציג המלצה ולצדה הכיתוב “94% ודאות”. המספר עשוי להישמע סמכותי, גם כשלא ברור מה בדיוק הוא מודד או עד כמה הוא מתאים למטופל שמולנו. במקום לשאול אם ההמלצה נכונה, עלולים להתחיל לחפש מדוע המחשב בוודאי צודק.
אלגוריתם טוב יכול לעזור לרופא לחשוב. אלגוריתם שמציג תשובה בביטחון מופרז עלול לגרום לו לפקפק פחות. לכן לא מספיק להשאיר אדם מול המסך; צריך לוודא שהוא יכול לבדוק, לערער ולבחור אחרת. ההבדל בין עזרה בשיקול הדעת לבין החלפתו עצום.
ובכל זאת, יש גם סיבה לאופטימיות: אין פירוש הדבר שבינה מלאכותית אינה מועילה. במחקר גדול בשוודיה נבדקה ממוגרפיה בסיוע בינה מלאכותית מול הקריאה המקובלת. השילוב סייע לזהות יותר מקרי סרטן והפחית את עומס קריאת הבדיקות. זו דוגמה ממשית לתועלת אפשרית כשהמחשב משתלב בעבודה הרפואית ונבדק כחלק ממנה.
אבל זיהוי גידול ובחירת הטיפול בו הן שתי משימות שונות. גם כלי שמסייע באבחון אינו מקבל בכך אישור להחליט אם צריך ניתוח או כימותרפיה. ולגלות יותר גידולים אינו, כשלעצמו, הוכחה שאנשים חיים יותר. לכל הבטחה צריך להתאים את הבדיקה שלה.
המחשב לומד את העבר — והחולה חי בהווה: מודל טוב רק כמו הנתונים שעליהם אומן. אם רוב החולים במאגר הגיעו מבתי חולים אוניברסיטאיים גדולים, ייתכן שהמערכת תתפקד פחות טוב בבית חולים קטן. אם נשים צעירות כמעט לא יוצגו בו, קשה לדעת מה שווה ההמלצה עבורן.
ויש בעיה עמוקה יותר: הרפואה משתנה מהר. מודל שאומן על חולים שטופלו לפני עשר שנים למד את הרפואה של לפני עשר שנים — בלי התרופות, הבדיקות הגנטיות ושיטות הניתוח שהופיעו מאז. מחשב יכול להיות מבריק, ולתת תשובה מדויקת לעולם שכבר השתנה.
המבחן האמיתי: כשנשמע על מערכת שמגיעה ל־95% דיוק, לא חייבים להבין איך היא תוכנתה. אבל כדאי לשאול שלוש שאלות פשוטות. הראשונה: האם היא רק מחשבת את הסיכון שלי, או גם מעריכה מה ישתנה אם אבחר בטיפול אחר? מספר מרשים אינו בהכרח תשובה להתלבטות רפואית. השנייה: האם היא יכולה לעזור גם לחסוך טיפול מיותר — בלי להחמיץ טיפול נחוץ? מערכת אינה מועילה יותר רק מפני שהיא ממליצה לעשות יותר.
והשלישית, החשובה מכולן: מה קרה למטופלים כשהשתמשו בה? האם התגלו יותר גידולים משמעותיים? האם נחסכו ביופסיות מיותרות? האם ניתנה פחות כימותרפיה בלי לפגוע בסיכויי ההחלמה? האם אנשים חיו יותר או סבלו פחות? לא כל כלי נועד להשיג את כל אלה, אבל כל כלי צריך להוכיח את התועלת שהוא מבטיח.
ומה יהיה על הרופא: התרחיש הסביר אינו מחשב שמחליף את האונקולוג או את המנתח, אלא רופא שעובד לצד בינה מלאכותית: כזו שקוראת בשניות אלפי פריטי מידע, מזהה דפוסים שהעין מתקשה לראות ומציגה חלופות עם היתרונות והחסרונות של כל אחת. ואז תיוותר השאלה שהמחשב מתקשה בה: מה חשוב לאדם הזה? מטופל אחד יסכים לטיפול קשה תמורת שיפור קטן בסיכויי ההישרדות; אחר יעדיף להימנע מתופעות לוואי גם במחיר סיכון מעט גבוה יותר. אלה אינן רק שאלות רפואיות. הן גם שאלות אנושיות.
אולי התכונה החשובה ביותר של בינה מלאכותית רפואית תהיה דווקא היכולת לומר “אני לא יודע” — לזהות שהמטופל שמולה שונה מדי מאלה שעליהם אומנה, שהנתונים חסרים או שרמת הוודאות נמוכה מכדי להמליץ. אז האם אפשר כבר לתת למחשב לבחור? עדיין לא. כדי להגיע לשם לא די להוכיח שהמחשב חוזה טוב יותר מאיתנו. צריך להוכיח שבני אדם שנעזרים בו מגיעים לתוצאות טובות יותר מבני אדם שאינם נעזרים בו.
לא מספיק שהרופא השתכנע ושינה את ההחלטה. צריך לבדוק אם השינוי היטיב עם המטופל. מודל יכול להיות הישג מדעי מרשים — ועדיין לא לשפר את חייו של אף אדם. ייתכן שבעתיד, כשחולה ישאל “מה היית ממליץ לי?”, תופיע על המסך בתוך שניות הערכה אישית המבוססת על מיליוני מטופלים. אבל דווקא אז יהיה תפקידו של הרופא חשוב יותר, לא פחות. כי השאלה הגדולה של הרפואה אינה רק מה אפשר לעשות, אלא מה נכון לעשות לאדם המסוים שיושב מולנו.
העתיד המבטיח אינו מסך שמחליף את השיחה בחדר הרופא. הוא מסך שעוזר להפוך אותה לטובה יותר: מידע טוב יותר, הסבר ברור יותר על האפשרויות ויותר מקום למה שחשוב למטופל. לכן העתיד אינו רופא או מחשב. העתיד הוא רופא, מחשב ומטופל — שמקבלים את ההחלטה יחד.
פרופ' משה פפא הוא מנתח אונקולוגי בכיר, מומחה לניתוחי שד, מערכת העיכול ומלנומה, ובעבר עמד בראש המחלקה הכירורגית בשיבא
