1
00:00:01,280 --> 00:00:05,136
כיום, אלגוריתמים ממוחשבים
מבצעים פעולות מדהימות

2
00:00:05,160 --> 00:00:09,896
ברמת דיוק גבוהה, בכמויות נרחבות
בעזרת חיקוי של חכמת בני אדם.

3
00:00:09,920 --> 00:00:13,856
וה״חכמה״ הזו של המחשבים
מתוארת פעמים רבות כב״מ

4
00:00:13,880 --> 00:00:15,736
או בינה מלאכותית.

5
00:00:15,760 --> 00:00:19,960
ב״מ מיועדת לייצר השפעה עצומה
על החיים שלנו בעתיד.

6
00:00:20,880 --> 00:00:24,816
למרות זאת, היום,
אנו עדיין מתמודדים עם אתגרים כבדים

7
00:00:24,840 --> 00:00:28,336
באיתור ואבחון של
מספר מחלות מסכנות חיים,

8
00:00:28,360 --> 00:00:30,720
כמו מחלות מדבקות וסרטן.

9
00:00:32,000 --> 00:00:34,296
אלפי מטופלים מדי שנה

10
00:00:34,320 --> 00:00:37,120
מאבדים את חייהם
עקב סרטן הכבד והפה.

11
00:00:37,880 --> 00:00:40,576
הדרך הטובה ביותר לעזור לאותם המטופלים

12
00:00:40,600 --> 00:00:44,920
היא איתור ואבחון מוקדם
של המחלות האלו.

13
00:00:45,880 --> 00:00:50,040
אז כיצד אנו מאתרים את המחלות האלו היום,
ואיך בינה מלאכותית יכולה לעזור?

14
00:00:51,920 --> 00:00:55,576
למטופלים אשר, לצערנו הרב,
אנו חושדים שחולים באחת מן המחלות,

15
00:00:55,600 --> 00:00:58,256
רופא מומחה יזמין דבר ראשון

16
00:00:58,280 --> 00:01:00,896
הדמיות רפואיות
בטכנולוגיות יקרות מאוד

17
00:01:00,920 --> 00:01:05,016
כגון רנטגן פלואורוסנטי, 
סי-טי, אמ-אר-איי.

18
00:01:05,040 --> 00:01:07,336
ברגע שההדמיות נאספות,

19
00:01:07,360 --> 00:01:11,880
רופא מומחה נוסף מאבחן
את ההדמיות ומשוחח עם המטופל.

20
00:01:12,520 --> 00:01:15,976
כפי שאתם רואים, מדובר 
בתהליך הדורש משאבים רבים,

21
00:01:16,000 --> 00:01:20,416
ביניהם שני רופאים מומחים, 
טכנולוגיות הדמיה רפואית יקרות,

22
00:01:20,440 --> 00:01:23,536
ותהליך זה לא נחשב יעיל
ביחס לעולם המתפתח.

23
00:01:23,560 --> 00:01:26,920
למעשה, אפילו ביחס 
להרבה מדינות מפותחות.

24
00:01:27,760 --> 00:01:30,640
אז, האם ניתן לפתור את הבעיה
בעזרת בינה מלאכותית?

25
00:01:31,840 --> 00:01:35,896
כיום, אם הייתי משתמש 
בשיטות בינה מלאכותית מסורתיות

26
00:01:35,920 --> 00:01:37,136
לפתרון הבעיה,

27
00:01:37,160 --> 00:01:38,616
נדרשים לי 10,000--

28
00:01:38,640 --> 00:01:42,656
אני חוזר, סדר גודל של 10,000
הדמיות רפואיות יקרות

29
00:01:42,680 --> 00:01:44,056
לשלב הראשוני.

30
00:01:44,080 --> 00:01:46,976
לאחר מכן, אצטרך להפגש
עם רופא מומחה,

31
00:01:47,000 --> 00:01:49,496
אשר יצטרך לנתח
את ההדמיות האלו עבורי.

32
00:01:49,520 --> 00:01:51,616
ובעזרת שתי פיסות המידע האלו,

33
00:01:51,640 --> 00:01:55,296
אני יכול לאמן רשת נוירונים סטנדרטית
או רשת למידה

34
00:01:55,320 --> 00:01:57,456
על למנת לספק אבחנה למטופל.

35
00:01:57,480 --> 00:01:59,216
בדומה לגישה הראשונה,

36
00:01:59,240 --> 00:02:01,383
גישות מסורתיות
לבינה מלאכותיתֿ

37
00:02:01,407 --> 00:02:02,856
סובלות מאותה הבעיה.

38
00:02:02,880 --> 00:02:07,440
כמויות גדולות של מידע, רופאים מומחים
וטכנולוגיות הדמיה רפואית מתוחכמות.

39
00:02:08,320 --> 00:02:12,616
מכאן, האם ניתן להמציא פתרון מדרגי, יעיל

40
00:02:12,640 --> 00:02:15,936
וליצור מערכות בינה מלאכותית
בעלות ערך גדול יותר

41
00:02:15,960 --> 00:02:19,016
לפתרון בעיות חשובות מסוג זה
עמן אנו מתמודדים כיום?

42
00:02:19,040 --> 00:02:22,336
וזה בדיוק
מה שהקבוצה שלי עושה.

43
00:02:22,360 --> 00:02:26,216
המצאנו מגוון
מערכות בינה מלאכותית חדשניות

44
00:02:26,240 --> 00:02:29,416
על מנת לפתור כמה מהאתגרים
החשובים ביותר עמם אנו מתמודדים כיום

45
00:02:29,440 --> 00:02:31,640
בהדמיה רפואית וניסויים קליניים.

46
00:02:32,480 --> 00:02:35,536
בעזרת הדוגמה ששיתפתי איתכם היום
הצבנו שתי מטרות.

47
00:02:35,560 --> 00:02:38,536
המטרה הראשונה היא לצמצם
את מספר ההדמיות

48
00:02:38,560 --> 00:02:41,816
הנדרשות על מנת לאמן 
אלגוריתם של בינה מלאכותית.

49
00:02:41,840 --> 00:02:43,936
המטרה השניה -- הייתה לנו יותר תעוזה,

50
00:02:43,960 --> 00:02:47,696
רצינו לצמצם את השימוש
בטכנולוגיות הדמיה רפואית יקרות

51
00:02:47,720 --> 00:02:48,936
בשביל לסנן מטופלים.

52
00:02:48,960 --> 00:02:50,160
כיצד עשינו זאת?

53
00:02:50,920 --> 00:02:52,136
עבור המטרה הראשונה,

54
00:02:52,160 --> 00:02:54,216
במקום להתחיל
בעשרות אלפים

55
00:02:54,240 --> 00:02:57,256
מן ההדמיות היקרות הללו,
כמו בינה מלאכותית מסורתית,

56
00:02:57,280 --> 00:02:59,336
התחלנו מהדמיה בודדת.

57
00:02:59,360 --> 00:03:03,136
בעזרת אותה ההדמיה, הצוות ואני 
מצאנו שיטה חכמה

58
00:03:03,160 --> 00:03:05,896
לאסוף ביליונים
של מנות מידע.

59
00:03:05,920 --> 00:03:09,616
מנות המידע האלו
כללו צבעים, פיקסלים, גאומטריה

60
00:03:09,640 --> 00:03:12,176
והתרגום של המחלה
על ההדמיה הרפואית.

61
00:03:12,200 --> 00:03:16,536
בצורה מסוימת, המרנו הדמיה אחת
לביליונים של נתונים ללמידה,

62
00:03:16,560 --> 00:03:20,096
תוך צמצום אדיר של כמות המידע
הנדרש ללמידה.

63
00:03:20,120 --> 00:03:21,336
עבור המטרה השנייה,

64
00:03:21,360 --> 00:03:25,216
צמצום של השימוש בטכנולוגיות 
הדמיה רפואית לסינון מטופלים,

65
00:03:25,240 --> 00:03:28,096
התחלנו בצילום תמונה סטנדרטית,

66
00:03:28,120 --> 00:03:32,456
הנלקחה ממצלמת DSLR
או טלפון סלולרי, עבור המטופל.

67
00:03:32,480 --> 00:03:34,936
ואז, זוכרים את 
ביליוני מנות המידע?

68
00:03:34,960 --> 00:03:38,496
החלנו אותן מההדמיה הרפואית
על גבי התמונה שצילמנו,

69
00:03:38,520 --> 00:03:41,040
ויצרנו דבר
שקראנו לו תמונה מרוכבת.

70
00:03:41,480 --> 00:03:44,776
למרבה ההפתעה, 
נדרשו לנו רק 50--

71
00:03:44,800 --> 00:03:46,136
אני חוזר, רק 50--

72
00:03:46,160 --> 00:03:50,000
מהתמונות המרוכבות הללו על מנת לאמן
את האלגוריתמים שלנו ברמת דיוק גבוהה.

73
00:03:50,680 --> 00:03:52,016
לסיכום הגישה שלנו,

74
00:03:52,040 --> 00:03:55,216
במקום להשתמש ב10,000
הדמיות רפואיות יקרות,

75
00:03:55,240 --> 00:03:58,256
אנו מסוגלים כעת לאמן אלגוריתמים של ב״מ
בצורה לא מסורתית,

76
00:03:58,280 --> 00:04:02,536
על ידי שימוש ב 50 תמונות סטנדרטיות
באיכות גבוהה

77
00:04:02,560 --> 00:04:05,056
שנלקחו בעזרת מצלמות DSLR
ומכשירים סלולריים,

78
00:04:05,080 --> 00:04:06,616
ולספק אבחנה.

79
00:04:06,640 --> 00:04:07,856
חשוב מכך,

80
00:04:07,880 --> 00:04:11,016
האלגוריתמים שלנו מסוגלים לקלוט,
בעתיד ואפילו עכשיו,

81
00:04:11,040 --> 00:04:13,856
גם תמונות פשוטות של המטופל,

82
00:04:13,880 --> 00:04:16,320
במקום הדמיות רפואיות 
בטכנולוגיות יקרות.

83
00:04:17,120 --> 00:04:20,216
אני מאמין כי אנו עומדים
להכנס לעידן

84
00:04:20,240 --> 00:04:22,176
בו בינה מלאכותית

85
00:04:22,200 --> 00:04:24,736
הולכת לייצר השפעה עצומה
על העתיד שלנו.

86
00:04:24,760 --> 00:04:27,216
ואני חושב שתוך חשיבה 
על ב״מ מסורתית,

87
00:04:27,240 --> 00:04:30,016
אשר עשירה בנתונים אך חלשה ביישום,

88
00:04:30,040 --> 00:04:31,576
עלינו להמשיך לחשוב

89
00:04:31,600 --> 00:04:34,616
על שיטות חדשניות 
ליצירת בינה מלאכותית

90
00:04:34,640 --> 00:04:36,576
אשר יכולות לעבוד עם כמות קטנה של מידע

91
00:04:36,600 --> 00:04:39,536
ולפתור כמה מן הבעיות
החשובות ביותר מולן אנו עומדים היום,

92
00:04:39,560 --> 00:04:40,816
בייחוד ברפואה.

93
00:04:40,840 --> 00:04:42,056
תודה רבה לכם.

94
00:04:42,080 --> 00:04:45,920
(מחיאות כפיים)