סיור אקדמי למרכז הרפואי תל אביב ע"ש סוראסקי - איכילוב

כיצד בינה מלאכותית מקצרת את הזמן עד למתן טיפול מציל חיים? ואיך קרנות הון סיכון מעריכות סטארט־אפים רפואיים ומרתמות נתוני עתק (Big Data) לקידום רפואה מותאמת אישית?

סטודנטיות וסטודנטים בשנה א' של תוכנית התואר השני (M.Sc.) בבריאות דיגיטלית השתתפו בסיור לימודי ב־I-Next Data – מרכז החדשנות של המרכז הרפואי תל אביב ע״ש סוראסקי (איכילוב), מהמרכזים המובילים בישראל לפיתוח ויישום פתרונות בריאות מבוססי נתונים.

הסיור סיפק הצצה ייחודית אל “מאחורי הקלעים” של אקוסיסטם החדשנות הרפואית, ולא הסתפק בהצגת טכנולוגיות מתקדמות בלבד. במרכזו הוצג המשולש הקריטי שמעצב את עתיד מערכת הבריאות: פרקטיקה קלינית, אסטרטגיה עסקית ומתודולוגיות מונחות־נתונים.

במהלך היום התקיימו הרצאות ושיחות עומק עם אנשי מפתח מתעשיית ה־HealthTech ומהמערכת הקלינית, ובהן הוצגו בין היתר הנושאים הבאים:

   השקעות והון סיכון בעולם הבריאות

נסקרו מודלים ואסטרטגיות של קרנות הון סיכון בתחום הרפואי, בדגש על השקעות בשלבים מוקדמים (Seed) ועל חשיבותם של שיתופי פעולה בין קרנות קטנות לשחקנים מובילים בשוק. הוצגו דוגמאות לטכנולוגיות לניטור חולי פרקינסון בביתם, המאפשרות לרופאים לקבל תמונה רציפה, אובייקטיבית ומבוססת נתונים על מצב המטופל בין ביקורים במרפאה.

   בינה מלאכותית וגנומיקה בשירות האונקולוגיה

הודגם המעבר מטיפול אונקולוגי אחיד לגישה מותאמת אישית המבוססת על פרופיל גנומי. שימוש במודלי AI המאומנים על מיליוני דגימות ביופסיה מאפשר זיהוי מהיר ומדויק של דפוסים מורכבים – גם ללא הגדרה אנושית מוקדמת. פתרונות אלה מספקים תוצאות אבחוניות קריטיות בפרקי זמן קצרים במיוחד, למשל במקרי סרטן ריאות, שבהם כל יום ללא טיפול עלול להיות גורלי.

   אסטרטגיית ניהול דאטה בבית חולים

הוצגה תפיסה שלפיה פיתוח מוצרים רפואיים מתחיל בזיהוי “נקודות הכאב” האמיתיות של בית החולים, כחלק מתהליך ניהול סיכונים שמטרתו הוכחת ערך קליני ותפעולי – ולא מחקרי בלבד. בין היתר הוצג פתרון לניהול תיקי מטופלים, המאפשר הטמעת כלים חכמים מבלי להעמיס על הרופאים, באמצעות סיכומים תמציתיים והתראות ממוקדות בממשקים מוכרים.

   המהפכה הרביעית ברדיולוגיה

הוצגה מערכת aidoc  המסוגלת לסרוק הדמיות רפואיות בתוך דקות ספורות ולזהות ממצאים קריטיים, כגון דימום מוחי, תוך תעדוף אוטומטי של מקרים דחופים לקריאה מיידית. הודגש כי המערכת אינה מחליפה את הרופא, אלא משמשת כלי תומך החלטה ו”עין נוספת” המפחיתה טעויות אנוש – המוערכות בכ־20% ברדיולוגיה הקלאסית עקב עומס חזותי. כמו כן נדונה הסוגיה כיצד לשמר ולפתח מיומנויות קליניות של רופאים צעירים בעידן ה־AI, כולל שימוש בהערכות אנושיות ובבדיקות כשירות ייעודיות.

הביקור ב־I-Next Data המחיש לסטודנטים ולסטודנטיות כי בריאות דיגיטלית אינה מושג תיאורטי, אלא מערכת מורכבת המשלבת טכנולוגיה, אתיקה, רגולציה וניהול יישומי בשגרת העבודה הקלינית. אנו מודים למארחינו על יום מעורר השראה, המדגיש את מחויבות התוכנית ללמידה חווייתית ולחיבור ישיר ומשמעותי לתעשייה.

>> כיצד בינה מלאכותית מקצרת זמן הגעה לטיפול מציל חיים?

>> איך קרנות הון סיכון מעריכות סטארט-אפים רפואיים וכיצד רותמים נתוני עתק (Big Data) לטובת רפואה מותאמת אישית?