Motion2Meaning: מסגרת AI מתקנת לניתוח הליכה בפרקינסון

האם AI יכול לשפר את אבחון מחלת פרקינסון מבלי להשאיר את הרופאים בחושך? מחקר חדש מציג את Motion2Meaning – מסגרת ממוקדת רופאים שמשלבת ניתוח הליכה מנגישי חישה עם AI שקוף ומתקן. המערכת פותרת בעיה מרכזית: לוחות מחוונים קליניים נוכחיים חסרי שקיפות ואינם מאפשרים לרופאים לבחון או לאתגר החלטות AI. במקום זאת, Motion2Meaning מציעה ממשק משולב לפרשנות, פיקוח והליך תיקון. המערכת מבוססת על נתוני כוח תגובה אנכי (vGRF) ממיסבים ניידים, כביומרקר אובייקטיבי למצבי מוטוריקה בפרקינסון. היא כוללת שלושה רכיבים מרכזיים: ממשק תצוגת נתוני הליכה (GDVI), רשת עצבית קונבולוציונית חד-ממדית (1D-CNN) שחוזה שלבי חומרה לפי סולם Hoehn & Yahr, וממשק פרשנות מתקן (CII). הרשת 1D-CNN משיגה ציון F1 של 89.0% במאגר הנתונים הציבורי PhysioNet. הרכיב השלישי משלב את Cross-Modal Explanation Discrepancy (XMED) – מנגנון חדשני שמזהה אי-אמינות של המודל. XMED מגלה פי חמישה יותר חוסר התאמות בהסברים בתחזיות שגויות (7.45%) לעומת נכונות (1.56%). בנוסף, ממשק מבוסס מודל שפה גדול (LLM) מאפשר לרופאים לאמת תחזיות נכונות ולאתגר חלק מהשגיאות. הערכה ממוקדת אדם חושפת מתח בין עיגון עובדתי של ה-LLM לבין קריאותו ותגובתיותו למשוב קליני. הממצאים מראים כי ניתן לשלב ניתוח חיישנים לבישים עם AI פרשני (XAI) ו-LLM מתקנים למערכת שקופה ונגישה. לעסקים ישראליים בתחום הבריאות והטכנולוגיה, Motion2Meaning מצביעה על מגמה: AI רפואי חייב להיות לא רק מדויק אלא גם מתקן ומפוקח. בישראל, שבה מחלת פרקינסון משפיעה על אלפים רבים, טכנולוגיה כזו יכולה לשפר טיפול מרחוק דרך אפליקציות ניידות. בהשוואה למערכות קיימות, המסגרת הזו מדגישה פיקוח אנושי, מה שמגביר אמון ומפחית סיכונים משפטיים. המחקר מדגים היתכנות של מערכת ששומרת על פיקוח קליני תוך ניצול יכולות AI מתקדמות. הקוד זמין בגיטהאב, מה שמאפשר הרחבה ופיתוח נוסף. מה תעשו כדי לשלב AI מתקן בפרויקטי הבריאות שלכם?