WEBVTT

00:00:01.280 --> 00:00:05.136
כיום, אלגוריתמים ממוחשבים
מבצעים פעולות מדהימות

00:00:05.160 --> 00:00:09.896
ברמת דיוק גבוהה, בכמויות נרחבות
בעזרת חיקוי של חכמת בני אדם.

00:00:09.920 --> 00:00:13.856
וה״חכמה״ הזו של המחשבים
מתוארת פעמים רבות כב״מ

00:00:13.880 --> 00:00:15.736
או בינה מלאכותית.

00:00:15.760 --> 00:00:19.960
ב״מ מיועדת לייצר השפעה עצומה
על החיים שלנו בעתיד.

00:00:20.880 --> 00:00:24.816
למרות זאת, היום,
אנו עדיין מתמודדים עם אתגרים כבדים

00:00:24.840 --> 00:00:28.336
באיתור ואבחון של
מספר מחלות מסכנות חיים,

00:00:28.360 --> 00:00:30.720
כמו מחלות מדבקות וסרטן.

00:00:32.000 --> 00:00:34.296
אלפי מטופלים מדי שנה

00:00:34.320 --> 00:00:37.120
מאבדים את חייהם
עקב סרטן הכבד והפה.

NOTE Paragraph

00:00:37.880 --> 00:00:40.576
הדרך הטובה ביותר לעזור לאותם המטופלים

00:00:40.600 --> 00:00:44.920
היא איתור ואבחון מוקדם
של המחלות האלו.

00:00:45.880 --> 00:00:50.040
אז כיצד אנו מאתרים את המחלות האלו היום,
ואיך בינה מלאכותית יכולה לעזור?

00:00:51.920 --> 00:00:55.576
למטופלים אשר, לצערנו הרב,
אנו חושדים שחולים באחת מן המחלות,

00:00:55.600 --> 00:00:58.256
רופא מומחה יזמין דבר ראשון

00:00:58.280 --> 00:01:00.896
הדמיות רפואיות
בטכנולוגיות יקרות מאוד

00:01:00.920 --> 00:01:05.016
כגון רנטגן פלואורוסנטי, 
סי-טי, אמ-אר-איי.

00:01:05.040 --> 00:01:07.336
ברגע שההדמיות נאספות,

00:01:07.360 --> 00:01:11.880
רופא מומחה נוסף מאבחן
את ההדמיות ומשוחח עם המטופל.

00:01:12.520 --> 00:01:15.976
כפי שאתם רואים, מדובר 
בתהליך הדורש משאבים רבים,

00:01:16.000 --> 00:01:20.416
ביניהם שני רופאים מומחים, 
טכנולוגיות הדמיה רפואית יקרות,

00:01:20.440 --> 00:01:23.536
ותהליך זה לא נחשב יעיל
ביחס לעולם המתפתח.

00:01:23.560 --> 00:01:26.920
למעשה, אפילו ביחס 
להרבה מדינות מפותחות.

NOTE Paragraph

00:01:27.760 --> 00:01:30.640
אז, האם ניתן לפתור את הבעיה
בעזרת בינה מלאכותית?

00:01:31.840 --> 00:01:35.896
כיום, אם הייתי משתמש 
בשיטות בינה מלאכותית מסורתיות

00:01:35.920 --> 00:01:37.136
לפתרון הבעיה,

00:01:37.160 --> 00:01:38.616
נדרשים לי 10,000--

00:01:38.640 --> 00:01:42.656
אני חוזר, סדר גודל של 10,000
הדמיות רפואיות יקרות

00:01:42.680 --> 00:01:44.056
לשלב הראשוני.

00:01:44.080 --> 00:01:46.976
לאחר מכן, אצטרך להפגש
עם רופא מומחה,

00:01:47.000 --> 00:01:49.496
אשר יצטרך לנתח
את ההדמיות האלו עבורי.

00:01:49.520 --> 00:01:51.616
ובעזרת שתי פיסות המידע האלו,

00:01:51.640 --> 00:01:55.296
אני יכול לאמן רשת נוירונים סטנדרטית
או רשת למידה

00:01:55.320 --> 00:01:57.456
על למנת לספק אבחנה למטופל.

00:01:57.480 --> 00:01:59.216
בדומה לגישה הראשונה,

00:01:59.240 --> 00:02:01.383
גישות מסורתיות
לבינה מלאכותיתֿ

00:02:01.407 --> 00:02:02.856
סובלות מאותה הבעיה.

00:02:02.880 --> 00:02:07.440
כמויות גדולות של מידע, רופאים מומחים
וטכנולוגיות הדמיה רפואית מתוחכמות.

NOTE Paragraph

00:02:08.320 --> 00:02:12.616
מכאן, האם ניתן להמציא פתרון מדרגי, יעיל

00:02:12.640 --> 00:02:15.936
וליצור מערכות בינה מלאכותית
בעלות ערך גדול יותר

00:02:15.960 --> 00:02:19.016
לפתרון בעיות חשובות מסוג זה
עמן אנו מתמודדים כיום?

00:02:19.040 --> 00:02:22.336
וזה בדיוק
מה שהקבוצה שלי עושה.

00:02:22.360 --> 00:02:26.216
המצאנו מגוון
מערכות בינה מלאכותית חדשניות

00:02:26.240 --> 00:02:29.416
על מנת לפתור כמה מהאתגרים
החשובים ביותר עמם אנו מתמודדים כיום

00:02:29.440 --> 00:02:31.640
בהדמיה רפואית וניסויים קליניים.

NOTE Paragraph

00:02:32.480 --> 00:02:35.536
בעזרת הדוגמה ששיתפתי איתכם היום
הצבנו שתי מטרות.

00:02:35.560 --> 00:02:38.536
המטרה הראשונה היא לצמצם
את מספר ההדמיות

00:02:38.560 --> 00:02:41.816
הנדרשות על מנת לאמן 
אלגוריתם של בינה מלאכותית.

00:02:41.840 --> 00:02:43.936
המטרה השניה -- הייתה לנו יותר תעוזה,

00:02:43.960 --> 00:02:47.696
רצינו לצמצם את השימוש
בטכנולוגיות הדמיה רפואית יקרות

00:02:47.720 --> 00:02:48.936
בשביל לסנן מטופלים.

00:02:48.960 --> 00:02:50.160
כיצד עשינו זאת?

NOTE Paragraph

00:02:50.920 --> 00:02:52.136
עבור המטרה הראשונה,

00:02:52.160 --> 00:02:54.216
במקום להתחיל
בעשרות אלפים

00:02:54.240 --> 00:02:57.256
מן ההדמיות היקרות הללו,
כמו בינה מלאכותית מסורתית,

00:02:57.280 --> 00:02:59.336
התחלנו מהדמיה בודדת.

00:02:59.360 --> 00:03:03.136
בעזרת אותה ההדמיה, הצוות ואני 
מצאנו שיטה חכמה

00:03:03.160 --> 00:03:05.896
לאסוף ביליונים
של מנות מידע.

00:03:05.920 --> 00:03:09.616
מנות המידע האלו
כללו צבעים, פיקסלים, גאומטריה

00:03:09.640 --> 00:03:12.176
והתרגום של המחלה
על ההדמיה הרפואית.

00:03:12.200 --> 00:03:16.536
בצורה מסוימת, המרנו הדמיה אחת
לביליונים של נתונים ללמידה,

00:03:16.560 --> 00:03:20.096
תוך צמצום אדיר של כמות המידע
הנדרש ללמידה.

NOTE Paragraph

00:03:20.120 --> 00:03:21.336
עבור המטרה השנייה,

00:03:21.360 --> 00:03:25.216
צמצום של השימוש בטכנולוגיות 
הדמיה רפואית לסינון מטופלים,

00:03:25.240 --> 00:03:28.096
התחלנו בצילום תמונה סטנדרטית,

00:03:28.120 --> 00:03:32.456
הנלקחה ממצלמת DSLR
או טלפון סלולרי, עבור המטופל.

00:03:32.480 --> 00:03:34.936
ואז, זוכרים את 
ביליוני מנות המידע?

00:03:34.960 --> 00:03:38.496
החלנו אותן מההדמיה הרפואית
על גבי התמונה שצילמנו,

00:03:38.520 --> 00:03:41.040
ויצרנו דבר
שקראנו לו תמונה מרוכבת.

00:03:41.480 --> 00:03:44.776
למרבה ההפתעה, 
נדרשו לנו רק 50--

00:03:44.800 --> 00:03:46.136
אני חוזר, רק 50--

00:03:46.160 --> 00:03:50.000
מהתמונות המרוכבות הללו על מנת לאמן
את האלגוריתמים שלנו ברמת דיוק גבוהה.

NOTE Paragraph

00:03:50.680 --> 00:03:52.016
לסיכום הגישה שלנו,

00:03:52.040 --> 00:03:55.216
במקום להשתמש ב10,000
הדמיות רפואיות יקרות,

00:03:55.240 --> 00:03:58.256
אנו מסוגלים כעת לאמן אלגוריתמים של ב״מ
בצורה לא מסורתית,

00:03:58.280 --> 00:04:02.536
על ידי שימוש ב 50 תמונות סטנדרטיות
באיכות גבוהה

00:04:02.560 --> 00:04:05.056
שנלקחו בעזרת מצלמות DSLR
ומכשירים סלולריים,

00:04:05.080 --> 00:04:06.616
ולספק אבחנה.

00:04:06.640 --> 00:04:07.856
חשוב מכך,

00:04:07.880 --> 00:04:11.016
האלגוריתמים שלנו מסוגלים לקלוט,
בעתיד ואפילו עכשיו,

00:04:11.040 --> 00:04:13.856
גם תמונות פשוטות של המטופל,

00:04:13.880 --> 00:04:16.320
במקום הדמיות רפואיות 
בטכנולוגיות יקרות.

NOTE Paragraph

00:04:17.120 --> 00:04:20.216
אני מאמין כי אנו עומדים
להכנס לעידן

00:04:20.240 --> 00:04:22.176
בו בינה מלאכותית

00:04:22.200 --> 00:04:24.736
הולכת לייצר השפעה עצומה
על העתיד שלנו.

00:04:24.760 --> 00:04:27.216
ואני חושב שתוך חשיבה 
על ב״מ מסורתית,

00:04:27.240 --> 00:04:30.016
אשר עשירה בנתונים אך חלשה ביישום,

00:04:30.040 --> 00:04:31.576
עלינו להמשיך לחשוב

00:04:31.600 --> 00:04:34.616
על שיטות חדשניות 
ליצירת בינה מלאכותית

00:04:34.640 --> 00:04:36.576
אשר יכולות לעבוד עם כמות קטנה של מידע

00:04:36.600 --> 00:04:39.536
ולפתור כמה מן הבעיות
החשובות ביותר מולן אנו עומדים היום,

00:04:39.560 --> 00:04:40.816
בייחוד ברפואה.

NOTE Paragraph

00:04:40.840 --> 00:04:42.056
תודה רבה לכם.

NOTE Paragraph

00:04:42.080 --> 00:04:45.920
(מחיאות כפיים)