אופיואידים הם קבוצה רחבה של תרופות יעילות לשיכוך כאבים שעלולות להפוך לממכרות מאוד אצל אנשים מסוימים. לפי מקורות ממשלתיים, כמעט 40 מיליון אנשים מכורים לסמים אסורים ברחבי העולם. בשנת 2017, משרד הבריאות ושירותי האנוש האמריקאי הכריז על משבר האופיואידים כמצב חירום לאומי של בריאות הציבור. כדי להילחם במגיפת האופיואידים, חוקרים מבית הספר לרפואה של אוניברסיטת קליפורניה בסן דייגו יפתחו מודל AI שיחזה בצורה מדויקת יותר התמכרות לאופיואידים בחולים בסיכון גבוה.
הפרויקט ממומן באמצעות חוזה לשלוש שנים עם Wellcome Leap כחלק מיוזמה פורצת דרך של 50 מיליון דולר, הנקראת Untangling Addiction. המטרה היא לחולל מהפכה באופן שבו אנו מבינים התמכרות לאופיואידים ולמנף כלים חדשניים, כמו בינה מלאכותית ומודלים חזויים, כדי להתערב. בית הספר לרפואה של UC San Diego היה אחד מ-14 מקומות ברחבי העולם שקיבלו את המימון.
אופיואידים מבוקרים במסגרת שירותי הבריאות הם עדיין חלק חשוב משליטה נאותה בכאב ומשמשים לטיפול סטנדרטי. עם זאת, חשוב לדעת מי מקבל את התרופות הללו ואת הסיכון שיש להן עם חלק מהמטופלים".
רודני גבריאל, MD, חוקר ראשי בפרויקט, ראש תחום אינפורמטיקה פרי-ניתוחית במחלקה להרדמה בבית הספר לרפואה של UC סן דייגו ומנהל קליני להרדמה ב- UC San Diego Health
"מודל הבינה המלאכותית יעזור לזהות מי נמצא בסיכון הגבוה ביותר להתמכרות לאופיואידים וליישם משאבים שימושיים כדי לסייע בניהול משטר האופיואידים שלהם. בדרך זו, נוכל לנהל טוב יותר את הכאב באוכלוסיית חולים זו וגם להימנע מההשלכות שעלולות להיות מסוכנות במורד הזרם של ההתמכרות. ."
המודל ישתמש בבינה מלאכותית גנרטיבית (GenAI), שיכולה לייצר סוגים שונים של תוכן. הוא מציע גישה הוליסטית יותר, שיכולה לעזור בהבנה ובניבוי היבטים מרובים של התנהגויות קודמות ועתידיות של המטופל.
"GenAI מספק דרכים מתוחכמות יותר לחזות תוצאות מרובות בהתבסס על דפוסים שהתגלו ממערכי נתונים גדולים של מטופלים", אמר גבריאל. "אנחנו רוצים לחזות טוב יותר את הסיכון להתמכרות ברגע שבו יינתן למטופל מרשם אופיואידים לרגע בו הם יתחילו להתמכר".
החוקרים יפתחו מודלים של בסיס רשומות בריאות אלקטרוניות (EHR) בפלטפורמה מאובטחת, שתמנף מערכי נתונים רב-מוסדיים גדולים כדי לשלב גורמים גנומיים, חברתיים של נתונים בריאותיים, קליניים, פרוצדורליים ודמוגרפיים כדי לחזות התפתחות של הפרעת שימוש באופיואידים ותוצאות קשורות בין כל חולה שנרשם בתחילה אופיואיד.
"לרופאים מרדימים יש גישה למגוון של נתונים מאובטחים, אותם אנו בודקים כדי להעביר מטופל בבטחה לניתוח. המיקוד המחקרי של ד"ר גבריאל הוא כיצד ידע בסיוע בינה מלאכותית של הסיכונים של מטופל יכול לייעל את הטיפול הכולל שלו, ובמקרה הספציפי הזה, להפחית את הסיכויים להתמכרות", אמרה רות ווטרמן, MD, יו"ר המחלקה להרדמה בבית הספר לרפואה של UC San Diego ורופאה מרדימת ב-UC San Diego Health.
"מה שיושג מהפרויקט הזה ניתן יהיה לתרגם לתחומים רבים אחרים במסע הבריאות של המטופל, שיביא לתוצאות וטיפול טובים יותר."
כאשר הכלי הניבוי יהיה מוכן להיבדק במסגרות קליניות, גבריאל וצוותו ישתפו פעולה עם מרכז ג'ואן וארווין ג'ייקובס לחדשנות בריאות באוניברסיטת סן דייגו בריאות (JCHI), המספק סביבה ייחודית לשילוב גישות בינה מלאכותית בטיפול קליני .
"JCHI יהיה משאב הכרחי לצרכים חישוביים, טכניים ושיתופיים", אמר גבריאל. "הפרויקט שלנו מתיישב עם החזון של JCHI, שבו אנו ממנפים בינה מלאכותית כדי לבצע שינויים משפיעים ומשמעותיים לעתיד הרפואה."
עבור Karandeep Singh, MD, שמונה לקצין ראשי בבריאות AI ב-UC San Diego Health, הערכות בעולם האמיתי של הפוטנציאל של GenAI הן קריטיות.
"בינה מלאכותית גנרית יש את הפוטנציאל לעזור לנו להבין טוב יותר את הסיכון של אנשים, אבל הרעיון הזה לא באמת הועמד למבחן ברוב תחומי הרפואה", אמר סינג. "פרויקט זה יהיה המפתח לעזור לנו להבין את הפוטנציאל של AI גנרטיבי בזיהוי סיכון אופיואידים."
המטרה הסופית של הפרויקט היא לפתח פאנל גנומי ומיקרוביום זמין מסחרית שרופאים יכולים להשתמש בו כדי להעריך בקלות התמכרות לאופיואידים, כמו גם לפתח גישות אוטומטיות באמצעות AI כדי להשתלב במערכות EHR.
"זה יאפשר לנו לבצע חיזויים בזמן אמת של סיכון לאורך כל הטיפול של המטופל ולהוביל את הדרך במניעת התמכרות לאופיואידים", אמר גבריאל.
