Skip to main content
Automaziot AI logo
  • Home
  • Blog
  • About
  • Contact
(646) 760-4854Book a Free Consultation
Automaziot AI - AI Automation and Intelligent Agents for Business

AI Automation Experts. We help businesses streamline operations and scale faster with intelligent agents and workflow automation.

USA(646) 760-4854Israel HQ+972-3-7630715info@automaziot.ai
Israel HQ: Ahad Ha'Am 9, Tel Aviv

Quick Links

  • Home
  • About
  • Contact
  • Case Studies
  • Glossary

Our Solutions

  • Lead Management
  • WhatsApp AI Agent
  • Business Automation
  • Smart CRM
  • Automated Scheduling
  • Sales & Support
  • WhatsApp Commerce
  • AI Agents
  • Tech Consulting

Stay Updated

Get the latest insights on AI automation delivered to your inbox.

FacebookInstagramLinkedIn

This site uses Google Analytics and Vercel Analytics to improve your experience. For full details, see our Privacy Policy

© 2026 Automaziot AI. All rights reserved.

Privacy PolicyTerms of ServiceAccessibilityEditorial Policy
מודלי שפה גדולים לחיזוי שבץ מוחי
מודלי שפה גדולים חוזים תוצאות שבץ מוחי
ביתחדשותמודלי שפה גדולים חוזים תוצאות שבץ מוחי
מחקר

מודלי שפה גדולים חוזים תוצאות שבץ מוחי

מחקר חדש מראה כיצד LLMs מנתחים דוחות קבלה לחיזוי מדויק של mRS ב-90 יום

צוות אוטומציות AIצוות אוטומציות AI
12 בפברואר 2026
4 דקות קריאה

תגיות

Llama-3.1-8BMedGemma-4BBERTNYUTronNYU LangonemRSNIHSS

נושאים קשורים

#בינה מלאכותית ברפואה#חיזוי רפואי#שבץ מוחי#מודלי שפה גדולים
מבוסס על כתבה שלarXiv cs.AI ↗·תרגום, סיכום והקשר עסקי על-ידי המערכתאיך אנחנו עובדים

✨תקציר מנהלים

Key Takeaways

  • Llama fine-tuned השיג 42% דיוק מדויק לחיזוי שחרור.

  • ביצועים דומים לבסליינים מובנים ב-90 יום.

  • ניתוח ישיר מדוחות H&P ללא עיבוד נתונים.

  • פוטנציאל לשילוב בזרימת עבודה קלינית.

מודלי שפה גדולים חוזים תוצאות שבץ מוחי

  • Llama fine-tuned השיג 42% דיוק מדויק לחיזוי שחרור.
  • ביצועים דומים לבסליינים מובנים ב-90 יום.
  • ניתוח ישיר מדוחות H&P ללא עיבוד נתונים.
  • פוטנציאל לשילוב בזרימת עבודה קלינית.

מודלי שפה גדולים לחיזוי תוצאות שבץ מוחי

האם ניתן לחזות את התקדמותו של חולה שבץ מוחי רק על סמך דוח הקבלה לבית החולים? מחקר חדש מעלה אפשרות מלהיבה: מודלי שפה גדולים (LLMs) מצליחים לחזות את התוצאה הפונקציונלית של חולים אלו בדיוק גבוה. החוקרים בדקו את היכולת של מודלים כמו Llama ו-BERT לנתח הערות רפואיות שגרתיות, ללא צורך בנתונים מובנים כמו גיל או NIHSS. התוצאות מדהימות ומצביעות על עתיד שבו כלים מבוססי טקסט משתלבים בעבודת הרופאים.

מה זה חיזוי mRS באמצעות מודלי שפה גדולים?

ה-s mRS (modified Rankin Scale) הוא סולם סטנדרטי להערכת התפקוד הפונקציונלי לאחר שבץ מוחי, המדרג מ-0 (ללא סימפטומים) עד 6 (מוות). מחקר זה בדק כיצד מודלי שפה גדולים, כמו Llama-3.1-8B ו-MedGemma-4B, מנתחים דוחות היסטוריה ופיזיקל (H&P) כדי לחזות את הציון בזמן השחרור וב-90 יום. המודלים נבדקו בגרסאות קפואות ומעודכנות (fine-tuned), על נתונים מ-9,485 דוחות לשחרור ו-1,898 ל-90 יום ממאגר NYU Langone (2016-2025). זו גישה חדשנית שמאפשרת חיזוי ישיר מטקסט חופשי, ללא עיבוד נתונים ידני.

תוצאות מרשימות של Llama בחיזוי שבץ

המודל המנצח היה Llama לאחר fine-tuning. לחיזוי בזמן השחרור השיג דיוק מדויק (7 קטגוריות mRS) של 42.0% [95% CI, 39.0-45.0%] ודיוק בינארי (mRS 0-2 מול 3-6) של 75.0% [72.4-77.6%]. ל-90 יום: 33.9% [27.9-39.9%] מדויק ו-76.3% [70.7-81.9%] בינארי. מודלים אחרים כמו BERT ו-NYUTron היו נמוכים יותר. השוואה לבסליינים מובנים (עם NIHSS וגיל) הראתה ביצועים דומים ל-Llama ב-90 יום. לפי הדיווח, זה מאפשר כלים פרוגנוסטיים מבוססי טקסט שמתמזגים בזרימת העבודה הקלינית, בדומה לפתרונות סוכני AI.

השוואה למודלים מסורתיים

מודלים קודמים הסתמכו על משתנים מובנים כמו NIHSS (סולם חומרת שבץ), אך דרשו איסוף ידני. LLMs קוראים את כל ההקשר בדוחות, כולל תיאורים סובייקטיביים, ומספקים חיזוי דומה ללא מאמץ נוסף.

ההשלכות לעסקים בישראל

בישראל, שבה מתרחשים כ-20,000 מקרי שבץ מוחי בשנה, טכנולוגיה זו יכולה לשנות את ניהול בתי החולים. חברות מדטק ישראליות, כמו אלו המפתחות אוטומציה עסקית, יכולות לשלב כלים כאלו להקצאת משאבים טובה יותר, תכנון טיפולים וקיצור אשפוזים. זה מפחית עלויות ומשפר תוצאות חולים, במיוחד במערכת הבריאות הציבורית העמוסה. מחקר זה פותח דלת לשיתופי פעולה בין AI לרפואה ישראלית חדשנית.

מה זה אומר לעסק שלך

אם אתה מנהל חברת בריאות או סטארט-אפ מדטק, שקול לשלב מודלי שפה גדולים לחיזוי תוצאות. זה מאפשר החלטות מבוססות נתונים בזמן אמת, משפר יעילות ומגדיל רווחיות. העתיד כבר כאן – התחל לבדוק איך ליישם זאת.

חברות שיאמצו טכנולוגיה זו יובילו את השוק. האם העסק שלך מוכן לשינוי?

שאלות ותשובות

FAQ

רוצים ליישם את זה בעסק שלכם?

באוטומציות AI אנחנו בונים סוכני AI ואוטומציות לעסקים בישראל. ראו את השירותים הרלוונטיים:

  • אוטומציה לעסקיםחיבור מערכות, חשבוניות ודשבורדים
  • בוט וואטסאפ לעסקWhatsApp Business API בישראל
  • סוכני AI לעסקיםסוכנים שמטפלים בלידים, שיחות ו-CRM
  • ניהול לידים אוטומטימענה מיידי, ניקוד וסינון אוטומטי

הכתבה הוכנה על-ידי המערכת בליווי בינה מלאכותית: תרגום, סיכום והוספת הקשר עסקי ישראלי מתוך פרסום מקורי של arXiv cs.AI. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

אהבתם את הכתבה?

הירשמו לניוזלטר שלנו וקבלו עדכונים חמים מעולם ה-AI ישירות למייל

עוד מ־arXiv cs.AI

כל הכתבות מ־arXiv cs.AI
ספקולטיב דיקודינג במובייל: למה AHASD משנה את המשחק
מחקר
30 באפריל 2026
6 דקות
·מ־arXiv cs.AI

ספקולטיב דיקודינג במובייל: למה AHASD משנה את המשחק

**ספקולטיב דיקודינג במובייל הוא דרך להאיץ הרצת מודלי שפה גדולים על מכשירי קצה באמצעות מודל קטן שמכין טיוטה ומודל גדול שמאמת אותה.** במחקר AHASD שפורסם ב-arXiv החוקרים מדווחים על עד פי 4.2 בתפוקה ופי 5.6 ביעילות אנרגטית לעומת בסיס GPU בלבד, עם תקורת חומרה של פחות מ-3% משטח ה-DRAM. עבור עסקים בישראל, המשמעות היא אפשרות עתידית להעביר חלק ממשימות ה-AI למובייל — למשל סיכום שיחות, סיווג פניות והשלמת טפסים — תוך שילוב עם Zoho CRM, ‏WhatsApp Business API ו-N8N. זה עדיין לא מוצר מדף, אבל הכיוון חשוב מאוד לכל ארגון שבונה תהליכי AI מהירים, חסכוניים ורגישים לפרטיות.

Draft Language ModelTarget Language ModelNPU
קרא עוד
Auto-ARGUE להערכת דוחות RAG: למה זה חשוב לעסקים
מחקר
30 באפריל 2026
5 דקות
·מ־arXiv cs.AI

Auto-ARGUE להערכת דוחות RAG: למה זה חשוב לעסקים

**Auto-ARGUE הוא כלי להערכת דוחות RAG עם ציטוטים, שנועד לבדוק אם מסמך שנוצר בידי מודל שפה אכן נשען על מקורות נכונים וניתנים לאימות.** לפי התקציר ב-arXiv, החוקרים בחנו אותו על משימות TREC 2024 ומצאו מתאם טוב ברמת המערכת מול שיפוט אנושי. עבור עסקים בישראל, המשמעות ברורה: אם אתם מייצרים סיכומי לידים, תקצירי תיקים, דוחות שירות או מסמכי הנהלה באמצעות מודלי שפה, אתם צריכים שכבת בקרה ולא רק שכבת יצירה. השילוב בין AI Agents,‏ WhatsApp Business API,‏ Zoho CRM ו-N8N יכול לספק תהליך עבודה חזק, אבל בלי מדידת איכות לדוחות עצמם, הסיכון לטעויות עסקיות נשאר גבוה.

TREC 2024NeuCLIRRAG
קרא עוד
אופטימיזציית העדפות ללא Likelihood Displacement: מה המחקר משנה
מחקר
28 באפריל 2026
6 דקות
·מ־arXiv cs.AI

אופטימיזציית העדפות ללא Likelihood Displacement: מה המחקר משנה

**Likelihood Displacement הוא מצב שבו אימון מודל שפה להעדפות פוגע גם בתשובה הטובה, לא רק בגרועה.** המחקר החדש ב-arXiv מציע מסגרת בשם disentanglement band ושכבת Reward Calibration שמטרתן לשמור על התשובה המועדפת תוך דיכוי התשובה שנדחתה. עבור עסקים בישראל, המשמעות פרקטית מאוד: אם אתם מפעילים סוכן ב-WhatsApp, מחברים אותו ל-Zoho CRM ומנהלים תהליכים דרך N8N, כוונון שגוי עלול לפגוע בשירות, במכירות ובאיכות מיון הלידים. לכן המדד הנכון אינו רק "האם המודל פחות טועה", אלא גם "האם הוא ממשיך לענות היטב במקרים הטובים".

GitHubReward Calibrationdisentanglement band
קרא עוד
גרין פרומפטינג ל-LLM: איך ניסוח השאלה משפיע על עלות
מחקר
28 באפריל 2026
6 דקות
·מ־arXiv cs.AI

גרין פרומפטינג ל-LLM: איך ניסוח השאלה משפיע על עלות

**גרין פרומפטינג הוא שיטה לניסוח פרומפטים שמפחיתה עלות הרצה של מודלי שפה דרך שינוי המשמעות של המשימה, לא רק קיצור הטקסט.** לפי מחקר arXiv חדש, אורך הפרומפט פחות משמעותי מהסמנטיקה שלו, ומילים מסוימות עשויות להעלות או להוריד צריכת אנרגיה. עבור עסקים בישראל, המשמעות מעשית: אם אתם מחברים LLM ל-WhatsApp, ל-Zoho CRM או לזרימות N8N, ניסוח מדויק יותר יכול לשפר זמן תגובה ולצמצם עלויות API וחישוב. המסקנה המרכזית היא שלא כל תהליך צריך תשובה פתוחה; לעיתים סיווג קצר ומובנה ייתן תוצאה עסקית טובה יותר במחיר נמוך יותר.

OpenAIAnthropicGoogle
קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
מיפוי סביבתי באמצעות בינה מלאכותית: מפיקסלים לתכנון שיקום הטבע
מחקר
לפני 19 שעות
4 דקות
·מ־Google Research

מיפוי סביבתי באמצעות בינה מלאכותית: מפיקסלים לתכנון שיקום הטבע

גוגל חשפה פריצת דרך בפרויקט Earth AI המאפשרת מעבר ממפות פיקסלים למידע וקטורי מפורט ברזולוציה של תת-מטר. המערכת שפותחה בשיתוף אוניברסיטת אוקספורד, מאפשרת מיפוי מדויק של גדרות חיות, קירות אבן וחורשות קטנות המהווים כלי קריטי לשיקום אקולוגי ולחישובי פחמן. עבור המגזר העסקי בישראל, טכנולוגיה זו מציעה הזדמנויות משמעותיות בתחומי הביטוח, הנדל״ן והחקלאות המדייקת, תוך התחשבות במגבלות חוק הגנת הפרטיות הישראלי.

Google Earth AIGoogle Earth EngineLeverhulme Centre for Nature Recovery
קרא עוד
שילוב בינה מלאכותית במסרים שיווקיים פוגע באמון הלקוחות
מחקר
לפני 21 שעות
4 דקות
·מ־TechCrunch

שילוב בינה מלאכותית במסרים שיווקיים פוגע באמון הלקוחות

סקר חדש של חברת WordPress VIP חושף כי 60% מהצרכנים בארה"ב מרגישים רתיעה ממותגים המשתמשים במילה "AI" במסרים השיווקיים שלהם. בעוד שחברות ממהרות לבצע אופטימיזציה למנועי חיפוש מבוססי בינה מלאכותית, פער האמון הולך וגדל: 86% מהצרכנים אינם נותנים אמון מלא בתשובות ה-AI ומעדיפים מקורות מידע מקוריים ואנושיים. המחקר מדגיש את החשיבות ההולכת וגוברת של שמירה על שקיפות וייחוס מקורות (Attribution) ברשת האינטרנט, המרגישה כיום 'פחות אנושית' עבור 74% מהגולשים. עבור עסקים ישראליים, הממצאים מהווים תמרור אזהרה מפני שיווק-יתר טכנולוגי ומדגישים את הצורך בשימור החיבור האנושי בקדמת הבמה, לצד שילוב אוטומציות חכמות מאחורי הקלעים.

WordPress VIPAutomatticBrian Alvey
קרא עוד
פענוח תצלומי לוויין באמצעות בינה מלאכותית: מהפכת עיבוד הנתונים בחלל
מחקר
לפני 2 ימים
4 דקות
·מ־TechCrunch

פענוח תצלומי לוויין באמצעות בינה מלאכותית: מהפכת עיבוד הנתונים בחלל

פריצת דרך היסטורית נרשמה באפריל 2026, כאשר לוויין התצפית Yam-9 של חברת Loft Orbital הצליח לזהות ולפענח עצמים על פני כדור הארץ באופן עצמאי לחלוטין. באמצעות שימוש במעגל מחשוב קצה המבוסס על מעבד Nvidia Jetson Orin AGX ומעטפת התוכנה NAVI-Orbital שפותחה על ידי מעבדת JPL של נאס"א, הלוויין הריץ את מודל השפה-חזותי (VLM) מסוג Gemma 3 של Google DeepMind. פיתוח זה מאפשר ניתוח וסינון ראשוני של נתונים חזותיים מורכבים ישירות בחלל, ומקטין דרמטית את הצורך בהורדת נפחי מידע גולמי עצומים לקרקע. עבור עסקים ותעשיות בישראל כגון חקלאות מדויקת וביטחון מולדת, פריצת הדרך מסמנת מעבר לעיבוד נתונים מהיר, חסכוני ומבוזר המבוסס על בינה מלאכותית.

Loft OrbitalNASAJPL
קרא עוד
אימות מחיקת מידע ממודלי בינה מלאכותית: פריצת הדרך של גוגל
מחקר
לפני 6 ימים
5 דקות
·מ־Google Research

אימות מחיקת מידע ממודלי בינה מלאכותית: פריצת הדרך של גוגל

חוקרי Google Research הציגו בוועידת AISTATS 2026 מסגרת עבודה מהפכנית בשם Regularized f-Divergence Kernel Tests, המיועדת לבצע אימות מחיקת מידע ממודלי בינה מלאכותית. השיטה החדשה מתגברת על כשלי הבדיקות הדו-מדגמיות המסורתיות (כמו MMD), ומאפשרת למבקרים חיצוניים לזהות דליפות מידע מקומיות ברמת דיוק חסרת תקדים. באמצעות שימוש במדדי שונות מתקדמים כמו Hockey-stick divergence ורגולריזציה של ליבות, המערכת מזהה הפרות פרטיות תוך שימוש בכמה אלפי דגימות בלבד בהשוואה למיליוני דגימות שנדרשו בעבר בשיטות כמו DP-Auditorium. פיתוח זה מעניק לעסקים הפועלים תחת רגולציות פרטיות מחמירות כלי מתמטי מוכח להבטחת עמידה בדרישות החוק.

AISTATS 2026Mónica RiberoAntonin Schrab
קרא עוד