מאת פסח בנסון • 25 באוקטובר 2026
ירושלים, 25 באוקטובר 2026 (TPS-IL) — מודלים של בינה מלאכותית עשויים להמליץ על בדיקות רפואיות מיותרות גם כאשר אין זה סביר שהחולים יפיקו מהן תועלת, כאשר הסבירות לכך משתנה באופן חד בהתאם למודל שבו נעשה שימוש, כך מצא מחקר ישראלי. ההבדלים היו הגדולים ביותר במקרים שבהם הרופאים עצמם היו חלוקים בדעותיהם לגבי דרך הפעולה המתאימה.
המחקר, שנערך על ידי שירותי בריאות כללית ואוניברסיטת בן-גוריון בנגב, העריך שישה מודלים של בינה מלאכותית כדי לקבוע אם הם מסוגלים לזהות מתי התערבות רפואית אינה מוצדקת. החוקרים מצאו כי המודלים המליצו על בדיקות או טיפולים מיותרים ב-5.4% מהמקרים שבהם התערבות לא הייתה מוצדקת, בעוד שהמליצו באופן שגוי נגד טיפול נחוץ ב-0.6% מהמקרים שבהם נדרשה התערבות.
הממצאים מדגישים נקודת תורפה אפשרית בעוד שספקי שירותי בריאות בוחנים שימוש בבינה מלאכותית כדי לסייע בהכוונת החלטות רפואיות: מודלים עשויים להציג ביצועים טובים באופן כללי אך לתת המלצות שונות באופן חד כאשר הראיות הרפואיות או ההנחיות המקצועיות אינן חד-משמעיות.
בדיקות מיותרות עלולות לחשוף חריגות בלתי מזיקות המובילות לבדיקות נוספות, להפניות, ולעיתים לפרוצדורות פולשניות או לניתוחים. טיפול המשך שכזה עלול לגרום לחרדה, לצרוך משאבי בריאות, ולחשוף חולים לסיכונים שניתן למנוע. בה בעת, זהירות יתר לגבי בדיקות עלולה להזיק אם היא מובילה למניעת טיפול נחוץ.
"חולים מרגישים שבדיקה נוספת נוסכת ביטחון, אך בדיקת MRI מיותרת של הגב חושפת לעיתים פריצת דיסק או שחיקה הקיימות גם אצל אנשים בריאים ללא כל כאב, ומשם הדרך לחרדה, לבדיקות נוספות ואפילו לטיפולים מיותרים יכולה להיות קצרה", אמר ד"ר דין אריאל, רופא משפחה בשירותי בריאות כללית וחוקר בינה מלאכותית ברפואה שהוביל את המחקר.
"מודלי השפה למדו רפואה מהטקסטים שלנו, כולל מההרגלים הפחות טובים שלנו, ורצינו לבדוק אם הם ספגו גם את היכולת להתאפק כשצריך", הוסיף אריאל. "ברוב המקרים הם יודעים מתי לעצור, והם מועדים בעיקר במקומות שבהם אנחנו, הרופאים, מהססים".
החוקרים פיתחו תרחישים רפואיים המבוססים על המלצות מיוזמת Choosing Wisely, קמפיין בינלאומי שהושק בשנת 2012 כדי להניא מביצוע בדיקות וטיפולים רפואיים המציעים תועלת מועטה או שאינם מציעים תועלת כלל. הם בדקו שישה מודלי שפה שפותחו על ידי גוגל, Anthropic ו-OpenAI וניתחו אלפי תשובות.
התרחישים השוו בין מצבים שבהם אותה בדיקה עשויה להיות מיותרת או חיונית. גבר צעיר שחווה כאבי גב לאחר העברת רהיטים, למשל, בדרך כלל אינו זקוק להדמיה מיידית. לעומת זאת, אישה עם היסטוריה של סרטן השד שמפתחת כאבי גב חדשים המחמירים בלילה עשויה להזדקק להדמיה כדי לחקור בעיה שעלולה להיות חמורה.
כאשר הרופאים חלוקים בדעותיהם
המודלים התקשו בעיקר עם שני סוגים של המלצות. הם הציעו בדיקות אולטרסאונד מיותרות של בלוטת התריס עבור קשריות קטנות ב-42.8% מהתשובות, ובדיקות אלקטרוקרדיוגרם (אק"ג) שגרתיות, המתעדות את הפעילות החשמלית של הלב, ב-28.3% מהתשובות שנגעו לחולים בסיכון נמוך.
ממצאים אלה מדגישים את הקושי לקבוע מתי בדיקה היא מוצדקת. ארגונים רפואיים חלוקים בהמלצותיהם לגבי הערכה של חלק מהקשריות הקטנות בבלוטת התריס. באופן דומה, הצורך בבדיקת אק"ג תלוי בתסמיני החולה ובנסיבות הקליניות, גם כאשר הסיכון הכולל הוא נמוך.
ההבדלים בין המודלים היו בולטים במיוחד בתרחישים שבהם אנשי מקצוע בתחום הרפואה לא הסכימו לגבי דרך הפעולה המתאימה. מודל אחד המליץ על בדיקה מיותרת בפחות מ-10% מהתשובות, בעוד שאחר עשה זאת ב-80% מהתשובות לאותם תרחישים. הממצאים מצביעים על כך שבחירת מודל הבינה המלאכותית עשויה להשפיע באופן מהותי על הייעוץ שמקבלים חולים במצבים של חוסר ודאות רפואית.
"אנחנו שומעים את תשובתו של מודל שפה כקול סמכותי יחיד, כאילו קיימת 'עמדת בינה מלאכותית'", אמר ד"ר גיא לבן, חוקר אקדמי בכיר במחלקה להנדסת תעשייה וניהול באוניברסיטת בן-גוריון.
לבן העלה גם חששות מכך שמודלי שפה עלולים לשנות את המלצותיהם כאשר משתמשים מתעקשים לעבור בדיקה, דבר שעלול לפגוע ביכולתם לספק הכוונה רפואית עקבית.
החוקרים ציינו כי יש להעריך מערכות בינה מלאכותית לא רק על פי יכולתן לזהות טיפול נחוץ, אלא גם על פי יכולתן לזהות מתי בדיקות או טיפול אינם מוצדקים. עם זאת, מכיוון שהמחקר בחן תשובות לתרחישים רפואיים מובנים, הוא אינו קובע כיצד יפעלו המודלים בעת מתן ייעוץ לחולים בפועל.
המחקר פורסם בכתב העת שעובר ביקורת עמיתים Annals of Internal Medicine.
