כללי:
מגפת הקורונה העולמית, הנגרמת מנגיף COVID-19, תוארה לראשונה בסין במהלך דצמבר 2019. התפשטות עולמית מהירה הציבה בפני מערכות הבריאות בארץ ובעולם צורך להתמודד עם מצבי קיצון מורכבים וחולים רבים בדרגות חומרת מחלה משתנה. חולים רבים חוו הדרדרות מהירה במצבם: דלקת ריאות קשה ובהמשך כשל רב מערכתי ובעקבות כך נזקקו להנשמה ממושכת ובמכשור מתקדם לתמיכה המודינמית.
בהעדר נסיון קודם עם מחולל מהלך המחלה נלמד "תוך כדי תנועה" והביא לצורך בשינוי אקוטי של מתאר הטיפול והתפעול הרפואי תוך שמירה על תנאי בידוד מקסימלי, איתור ציוד חיוני והקצאת משאבים ייחודיים. ההתמודדות הביאה להכרה כי נדרש מסד נתונים נרחב שיאפשר ניתוח דפוסי המחלה, המגמות האפידמיולוגיות, חיזוי מהלך מחלה וצריכת משאבים.
כל אלה הביאו ליצירת שיתופי פעולה חדשניים עם חברות וארגונים המעוניינים לסייע ולתרום למציאת פתרונות מתחומי עיסוק שונים לחלוטין ובכללם פיתוח מוצרים מבוססי בינה מלאכותית. פעילות זו מושתתת על מאגר כוללני, חדר מחקר של נתונים קליניים ותפעוליים הכוללים את סך נתוני הנבדקים והחולים בנגיף ה - COVID-19 במרכז הרפואי איכילוב. חדר המחקר פותח על תשתיות מידע מתאימות לאיסוף ועיבוד כמות הנתונים עצומה והמגוונת (Big data) הנדרשים לפעילות הבינה המלאכותית.
נתונים:
חדר המחקר כולל את סך הנתונים
הקליניים והתפעוליים שנצברו במערכות המידע של המרכז הרפואי במהלך אשפוז/בדיקות
החולה, במחלקות השונות. נתונים קליניים כוללים: רשומה רפואית ממוחשבת (מקצתה נגזרת
מטקסט חופשי), טיפול תרופתי, מעבדות, הדמיה, סימנים חיוניים ונתוני הנשמה,
פרוצדורות, שירותים אחרים, אינדקסים קליניים - לאפיון חומרת המחלה, תחלואה נלווית,
מצב תפקודי, תזונתי ואומדני סיכון. בנוסף קיימים נתונים ייחודיים למחלת הקורונה
דוגמת: פרמטרים אפידמיולוגיים, סימפטומים, חומרת מחלה, בידוד וכיוצא בזה.
שיטה:
המידע המאוגד מצוי בענן במבנה
ארגז חול (Sandbox) וכולל נתונים מובנים (Structured
Data) וכאלו שאינם מובנים (Unstructured
Data),
המהווים חלק ניכר מהרשומה הרפואית. סוג מידע זה מחייב שימוש במתודולוגיות
שונות לעיבוד וניתוח טקסט חופשי (דוגמת NLP).
סך המידע מאפשר שימוש בכלים מתחום הלמידה החישובית (Machine Learning), הלמידה העמוקה (Deep Learning),
עיבוד טקסט וכדומה.
שיתופי פעולה:
מגפת הקורונה (COVID-19) מהווה כר נרחב לשיתופי פעולה, פיתוחים ומחקרים. דוגמאות לשיתוף פעולה:
- חברת אינטל – זיהוי וניבוי דפוסי מחלה לצורכי ניהול משאבים במצבי קיצון
- מפא"ת – איסוף נתונים ממוניטורים שאינם מקושרים לרשומה רפואית
- Xtrodes – ניטור לא פולשני של הדרדרות ריאתית בחולי COVID-19
- Clew – פיתוח מודל בקרה ותפעול קליני
