טכנולוגיית מודיעין לזיהוי פשעים ימיים עברה הסבה ותזהה האם חולה קורונה יצטרך מכונת הנשמה באמצעות הענן של AWS
מגפת הקורונה גייסה חברות טכנולוגיה רבות במאמצים למצוא פתרונות חדשים לשיפור המצב. חברת TSG (TSG IT Advanced Systems) הישראלית מפתחת מערכות שליטה ובקרה עבור לקוחות בארץ ובחו"ל, בין היתר היא פיתחה מערכות שליטה ובקרה לבניית תמונת מצב באוויר, בים וביבשה, מערכות מודיעין, מערכות ניטור ובקרה של תשתיות תקשורת, מערכות לניהול מצבי אסון וניהול תמונת הלחימה בסייבר. בתקופה האחרונה TSG עבדה על הסבת אלגוריתמים מתחום המודיעין הימי, אשר בשגרה מתריעים על התרחשויות מסוג גניבת נפט, דייג לא חוקי ופיראטיות, לזיהוי מצבי סיכון בחולי קורונה. המהלך להתאמת טכנולוגית מודיעין לרפואה החל טרם התפרצות נגיף הקורונה בישראל בשיתוף עם בית החולים בילינסון, במטרה לחזות את הסבירות של מטופלים להידרדר לאלח דם (sepsis) ולשוק ספטי (septic shock). על פי נתוני בתי החולים, התפתחות אלח דם הינה מגורמי הסיכון העיקריים למוות במהלך האשפוז.
שמואל טפלר, מהנדס המערכת ב-TSG מספר לנו על הסבת הטכנולוגיה לזיהוי חולי קורונה.
האם ביצעתם ניסוי עם המערכת שלכם בארץ?
"לפני מגפת הקורונה, התחלנו בהוכחת יכולת בשיתוף מלא עם בית החולים בילינסון, לחיזוי אלח דם. כאשר התפרצה המגיפה, בעצה אחת עם בית החולים החלטנו להסב את הניסוי לחולי קורונה ולבעיית חיזוי ההידרדרות לכשל נשימתי חמור, המצריך הנשמה מלאכותית פולשנית. את הפיתוח הראשוני של האלגוריתם התחלנו על בסיס הנתונים הפתוח MIMIC-III, המכיל נתונים אודות עשרות אלפי אשפוזים מבית חולים בארה"ב, כמובן מעידן טרום-קורונה ושם הגענו לתוצאות טובות מאוד (0.94 AUC).
על בסיס ההצלחה עם נתוני MIMIC-III אנו ממשיכים כעת לניסוי עם נתוני אמת של בית החולים שיבא. אף שמדובר בנתוני אמת רבים באופן יחסי לארץ, עדיין היקף הנתונים הקטן (מאות מאושפזים) אינו מאפשר לאמן בצורה מבוססת אלגוריתם חדש. לכן, אנו מיישמים מהלך המורכב ממספר שלבים. את האלגוריתם הראשוני המוכח שפותח ב-MIMIC אנו מעבירים התאמה אלגוריתמית ייחודית (adaptation), ללא אימון מלא מחדש. אנו מקווים שההישגים יהיו כאלו שישכנעו את בית החולים לאמץ את המערכת באופן שיסייע לרופאים במחלקות הקורונה לזהות ולטפל בזמן בחולים הנמצאים בסכנה".
איזה מידע אתם מזינים באלגוריתם?
"הנתונים הרפואיים בהם מזינים את האלגוריתם כוללים מידע רפואי אודות חולי קורונה מאומתים, בכלל זה מאפיינים אישיים, מחלות רקע, וכן המדדים שנאספים בזמן אמת, תוצאות מעבדה, טיפולים ותרופות, זאת בכדי לבחון את מהלך האירועים על ציר זמן. בנוסף לשאלה מי עתיד להזדקק למכונת הנשמה, אנחנו מתכוונים לחקור בהמשך עוד אוסף של שאלות שקיבלנו מהרופאים, כגון חיזוי הדרדרות לבעיות חמורות אחרות שאינן הנשמה, איזה טיפולים ותרופות השפיעו, איזה מדדים חשובים במיוחד לאבחון מצבו האמיתי של החולה ועוד. שאלות אלו אמורות לעזור לבית החולים לקבל החלטות אפקטיביות יותר מבוססות נתונים, לסייע לרופאים לטפל בחולים בצורה הטובה ביותר וכך, בסופו של דבר, גם להציל חיים".
כיצד AWS עזרה לכם בהתאמת הפרויקט?
"על מנת לבצע את פרויקט הקורונה, היינו חייבים להעתיק את הפרויקט הקיים שלנו, אשר פעל על שרתים פיזיים בחברה, לענן. ב- AWS שמעו על הפעילות שלנו ונרתמו מיידית לסייע, הן בהקצאה של משאבי ענן, והן בתמיכה אישית ומקצועית".
באילו שירותים של AWS אתם משתמשים?
"בשלב שבו אנו נמצאים, האחסון בענן של AWSנועד לשמירת מסד נתונים בגודל של כ-200 גיגה, ובנוסף אחסון של המודלים, תוצאות מודלים ותוצרים נוספים, קוד שפיתחנו וכלי עזר בהיקף של 100 גיגה נוספים. לטובת עיבודים אלגוריתמיים, השימוש בזיכרון RAM הוא כ-200 גיגה בשיא העיבוד ותוך ניצול 64 ליבות עיבוד. ריצה אופיינית של אלגוריתם מודרני על חלק נבחר ממסד הנתונים (כ-10% מהדאטה) בתצורה הזו, נמשך כ-3 שעות".