במציאות שבה בדיקת תרשימים רפואיים ידנית גוזלת שעות אינסופיות מחוקרים ומשאבים יקרים, חוקרים מציגים מסגרת חדשנית לחילוץ אוטומטי של נתונים מובנים מתיעוד בריאות אלקטרוני (EHR) לא מובנה. המערכת משלבת מודלי שפה גדולים (LLMs) המותקנים מקומית על תשתית מאושרת ועומדת בתקן HIPAA, ומבטיחה אבטחה גבוהה ופרטיות מלאה. זו פריצת דרך שמאפשרת לחוקרים להתמקד בניתוח ולא בקריאת מאות דפים.
המסגרת, שפותחה כקונטיינר נייד וניתן להרחבה, משלבת שיטות מתקדמות כמו יצירת תוכן מועשרת בהשגה (RAG) ושיטות תגובה מובנות של LLMs. היא מיועדת לתחומים קליניים מגוונים ומאפשרת חילוץ מאפיינים מורכבים מנרטיבים לא מובנים. לפי המחקר, המערכת הושקה במטרה להחליף את הביקורת הידנית המסורבלת, שדורשת מומחים לבצע משימות זמן-צורכות.
בבדיקות ראשוניות, המסגרת השיגה דיוק גבוה במגוון מאפיינים רפואיים מניתוח כמויות גדולות של רשומות חולים. ההשוואה לנתונים שסומנו על ידי מומחים חשפה אפילו טעויות בסימון הידני, מה שמעיד על עליונותה. החוקרים מדווחים כי המערכת מפחיתה משמעותית את הנטל ומגבירה את העקביות באיסוף נתונים, תוך זיהוי פרטים מורכבים בקלות.
המשמעות העסקית והמחקרית עצומה: במקום לבזבז שבועות על סקירת תיקים, צוותים יכולים להפעיל את המסגרת באופן מיידי ולקבל נתונים מובנים מדויקים. זה רלוונטי במיוחד לבתי חולים ולחברות ביוטק בישראל, שמתמודדים עם נפחי מידע גדלים. בהשוואה לכלים קיימים, המערכת מציעה פריסה מהירה ללא צורך בתשתיות יקרות בענן.
המסגרת מדגימה כיצד LLMs יכולים לשנות את פני המחקר הקליני, להאיץ תהליכים ולהפחית טעויות אנוש. לחברות טכנולוגיה רפואית, זו הזדמנות לשלב AI בכלים פנימיים. מה תהיה ההשפעה על מחקרי קליניים בישראל?