דגם סימולציה כלכלי‑בריאותי של מערכת תמיכה קלינית מונעת בינה מלאכותית להיקוון מחדש של עורקי הלב

בחירות חכמות יותר לטיפול בלב

אנשים עם חסימות משמעותיות בעורקי הלב נדרשים לעתים לקבל החלטה קשה בין טיפול תרופתי, הליכים פולשניים זעירים או ניתוח פתוח. מחקר זה שואל שאלה פשוטה אך חשובה: אם לרופאים היה כלי בינה מלאכותית (AI) חזק שמנבא תוצאות רפואיות ועלויות עתידיות, האם ניתן היה לשפר את איכות חיי המטופלים ובמקביל לחסוך במערכת הבריאות? באמצעות נתונים אמיתיים מעשרות אלפי קנדים עם מחלת לב, מראים החוקרים שמדריך מבוסס AI לעתים ימליץ על טיפול שונה מהטיפול שניתן בפועל — ושינויי טיפול אלו יכולים גם לשפר תוצאות וגם להפחית הוצאות.

שלוש דרכים שונות לטיפול בלב חולה

כאשר העורקים שמזינים את הלב מצטמצמים, הרופאים בדרך‑כלל שוקלים שלוש אפשרויות עיקריות. אחת היא טיפול תרופתי בלבד, שימוש בתרופות לשליטה על תסמינים וסיכונים. אפשרות נוספת היא הליך באמצעות קטטר שמפתח את כלי הדם מבפנים. השלישית היא ניתוח מעקפים, שמסלולי דם חדשים מעקפים את העורקים החסומים באמצעות כלי דם המופקים מקטעים אחרים בגוף. ניסויים קליניים גדולים השוו בין האפשרויות הללו בקבוצות נבחרות של מטופלים, אבל המציאות הקלינית לעתים מורכבת יותר מהאנשים שנרשמים למחקרים. גיל, מחלות נוספות, אנטומיה והעדפות אישיות יכולים כולם להקשות על הבחירה, ולהותיר רופאים ומטופלים בניווט בין חוסר ודאות.

מה המערכת המבוססת AI עושה בפועל

הצוות הביע מערכת תמיכה בהחלטה מונעת AI בשם Revaz AI. היא אומנה על נתונים של יותר מ‑42,000 מטופלים שעברו הדמיה של עורקי הלב באלבטה, קנדה. עבור כל מטופל חדש, ובעבור כל אחת משלוש אפשרויות הטיפול, Revaz AI חוזה את הסיכויים למות או לסבול מאירועים לבביים משמעותיים בתוך שלוש וחמש שנים. החוקרים הזינו תחזיות אלו למודל מחשב מפורט שעוקב אחרי כל מטופל לאורך שאר חייו, וסופר שני דברים: עלויות הטיפול וכמות הזמן שבילה במצב בריאות טוב, הנמדדת כ"שנות חיים מתוקנות‑איכות" (QALYs), דרך סטנדרטית לשלב אורך וחומרת החיים למספר יחיד.

מבחנים של דרכים שונות שבהן רופאים עשויים להשתמש ב‑AI

בהתבסס על רשומות של 25,942 מטופלים אמיתיים, המחברים השמיעו את ההיסטוריה על במה וירטואלית. עבור כל אדם המודל סימלץ מה היה קורה תחת כל אחד מהטיפולים, בהנחיית תחזיות הסיכון של Revaz AI. הם השוו את העתידים המדומיינים לאירועים האמיתיים תחת שלוש חוקים דמיוניים לאופן שבו רופאים עלולים להשתמש בכלי. בחוק הראשון, הרופאים בחרו את האפשרות שהעניקה את התערובת הטובה ביותר של עלות ובריאות, בהנחה שמערכת הבריאות מוכנה לשלם סכום סטנדרטי עבור כל שנת חיים איכותית נוספת. בחוק השני הרופאים התעלמו מהעלות ובחרו באפשרות שהניבה את מספר שנות החיים באיכות הגבוה ביותר. בחוק השלישי, זהיר יותר, הרופאים שמרו על התוכנית המקורית אלא אם ה‑AI הציע טיפול שונה שהראה שיפור ברור באיכות החיים הצפויה של המטופל.

הסטות משמעותיות לכיוון ניתוחים וערך טוב יותר

במהלך התסריטים הללו, הבחירות המונחות AI לעתים קרובות שונות מההחלטות המקוריות, ונוטות בעיקר להטות מטופלים לעבר ניתוח מעקפים במקום הליכי קטטר או טיפול תרופתי בלבד. תחת כלל המודע לעלות, כמעט שלושה רבעים מהמטופלים בניתוח הראשי היו מקבלים טיפול שונה, מה שהוביל בממוצע גם לעלויות נמוכות יותר לכל החיים וגם ליותר זמן במצב בריאות טוב. אפילו תחת הכלל הזהיר, שבו רופאים שינו מהלך רק כאשר ה‑AI הראה תועלת ברורה, יותר מחצי מהמטופלים היו מטופלים אחרת, שוב עם חיסכון צנוע בעלויות ושיפורים משמעותיים בבריאות. כאשר המודל התמקד אך ורק במקסום שנות החיים האיכותיות, כמה אסטרטגיות נעשו יקרות יותר בסך הכל אך עדיין הציעו ערך טוב לכסף על‑פי תקני מדיניות בריאות מקובלים.

מדוע התוצאות הללו חשובות — ומה מגבלותיהן

המחקר מרמז שמערכות תמיכה מבוססות AI יכולות לסייע למערכות בריאות להפיק יותר תועלת מכל דולר המושקע בטיפול לב מורכב. על‑ידי התאמת הבחירות לעתיד החזוי של כל מטופל — לא רק לאנטומיה של היום — הכלי לעתים מעדיף טיפולים שעלותם ההתחלתית גבוהה יותר אך מונעים פרוצדורות חוזרות ואשפוזים בעתיד, במיוחד ניתוחי מעקפים. עם זאת, הממצאים מהווים אומדן הטוב מכולן. המודל מניח כי תחזיות הסיכון של ה‑AI מדויקות, שרופאים תמיד יוכלו לפעול לפי ההמלצות, ושהמטופלים העתידיים דומים לאלה שבנתוני אלבטה ולניסויים קליניים ישנים יותר. במציאות, יכולת ניתוחית, שבירות המטופל, העדפות אישיות וטכניקות רפואיות המתפתחות — כולם יגבילו עד כמה הפרקטיקה יכולה להתאים לאידיאל המדומה.

מה משמעות הדבר למטופלים ולמערכות בריאות

עבור מטופלים, המסר אינו שמחשב צריך להחליט על הטיפול שלהם, אלא ששימוש טוב יותר בנתונים יכול לחדד את השיחה עם הרופאים. עבור מערכות בריאות, העבודה מראה ש‑AI אינו רק אביזר טכנולוגי חדיש אלא כלי שיכול לשפר באופן ממשי גם תוצאות וגם תקציבים כאשר משלבים אותו בתבונה בטיפול. לפני שאותן מערכות יאומצו באופן נרחב, יש צורך בניסויים קליניים אקראיים כדי לאשש ששימוש ב‑AI במרפאות אמיתיות משנה החלטות כפי שהסימולציה חוזה — ושהשינויים הללו מתורגמים לחיים ארוכים ובריאים יותר בעלות שנחשבת מקובלת.

ציטוט: Mullie, T., Puri, A., Bogner, E. et al. Health economic simulation modeling of an AI-enabled clinical decision support system for coronary revascularization. npj Digit. Med. 9, 249 (2026). https://doi.org/10.1038/s41746-026-02430-x

מילות מפתח: מחלת עורקי הלב, בינה מלאכותית, תמיכה בהחלטה קלינית, כלכלת בריאות, ניתוח מעקפים