‫מערכת לאיתור ואפיון תגובה מופחתת חריגה לטיפול‪ ,‬סכרת כמקרה מבחן‬
‫חני נויבירט‪ ,‬רנית אהרונוב‪ ,‬מיכל עוזרי‪-‬פלטו‪ ,‬נעמה פרוש‪ ,‬ליאת עין‪-‬דור‪,‬‬
‫קסניה קוולר‪ ,‬יערה גולדשמידט‬
‫‪,ehaMo i tihc o c aic ihiLMahci h c toai aoi ai, rae inihcaM‬‬
‫ישראל‬
‫רקע‬
‫בחירת הטיפול התרופתי המתאים ביותר לחולה מושפעת במידה רבה מאופן התקדמות המחלה‬
‫ומהמאפיינים הרפואיים והדמוגרפיים היחודיים לכל חולה‪ .‬עבור רוב המצבים הכרוניים ישנן כיום יותר‬
‫מתרופה אחת זמינה ולעתים קרובות לא ניתן לנבא באיזו תרופה או שילובים של תרופות‪ ,‬ובאיזה מינון‬
‫ותדירות יש לנקוט כדי להשיג את הטיפול האופטימלי עבור כל מטופל‪ .‬כתוצאה מכך‪ ,‬תהליך בחירת‬
‫הטיפול האופטימלי מתבצע בדרך כלל בתהליך של ניסוי וטעייה‪ .‬סיבוך נוסף בתהליך זה הוא אי ההקפדה‬
‫של חולים רבים על לקיחת התרופות בהתאם להוראות הרופא‪ ,‬תופעה שהינה נפוצה במיוחד בקרב חולים‬
‫כרוניים‪ .‬גורמים רבים הוכחו כקשורים לסוגיה זו החל מהצורך להתמודד עם תופעות לוואי הנגרמות‬
‫מהתרופות‪ ,‬אי‪-‬אמון החולה ביעילות הטיפול‪ ,‬פגיעה תפקודית פסיכולוגית או קוגנטיבית מתונה של החולה‬
‫ועד לבעיות כלכליות‪ ,‬ומחירן הגבוה של התרופות‪.‬‬
‫מטרות ומתודולוגיה‬
‫זמינותן הגוברת של רשומות בריאות אלקטרוניות מקדמת פיתוח מודלים חישוביים לצורך זיהוי מצבים‬
‫אלו‪ .‬במסגרת מחקר זה פיתחנו מערכת מבוססת למידה חישובית המאפשרת לזהות חולים בעלי תגובה‬
‫מופחתת חריגה לטיפול‪ ,‬ולספק מבחנים סטטיסטיים וויזואליזציות המסייעות לחקור את מאפייני החולים‬
‫הללו‪ .‬עבור כל מטופל‪ ,‬המערכת מחשבת ציון סטטיסטי המשקף את מידת הסטייה של השפעת הטיפול‬
‫עליו‪ ,‬בהשוואה לחולים אחרים בעלי מאפיינים דומים וטיפול תרופתי דומה‪ .‬ציונים אלו משמשים להגדרת‬
‫קוהורטים של חולים בעלי תגובות חריגות‪ .‬על הקוהורטים שהוגדרו המערכת מאפשרת להפעיל מבחנים‬
‫סטטיסטיים לשם זיהוי מאפיינים קליניים המבדילים ביניהם‪ .‬המערכת נועדה לסייע לחוקרים לזהות‬
‫מאפיינים חדשים הקשורים לתגובה מופחתת לטיפול‪ ,‬ולסייע לרופאים באיתור חולים בעלי תגובה‬
‫מופחתת‪ ,‬שזקוקים להשגחה מוגברת‪ .‬המערכת מציגה ויזואליזציות מקיפות של התוצאות והנתונים‬
‫התומכים‪ ,‬מרמת אוכלוסיות החולים ועד לרמת החולה הבודד‪.‬‬
‫המערכת משלבת מספר אלמנטים חדשניים‪ .‬הראשון הינו אופן הגדרת הבעיה החישובית כבעית זיהוי‬
‫אנומליות תוך התחשבות בנתוני הרקע של החולה‪ .‬השני הינו השימוש במדד מרחק בין חולים הנלמד‬
‫באופן אוטומטי מתוך הנתונים לצורך הגדרת נתוני הרקע הרלוונטיים‪ .‬שלישית‪ ,‬קיבוץ החולים החריגים‬
‫לקוהורטים וזיהוי מאפיינים משותפים מתוכם‪ .‬ולבסוף‪ ,‬האפליקציה שקושרת את כל הרכיבים הללו לכדי‬
‫מערכת ניהול ואקספלורציה של קוהורטים של חולים‪.‬‬
‫לצורך הדגמת יתרונותיה של המערכת ניתחנו בעזרתה אוכלוסייה של חולי סכרת סוג ‪ rr‬תחת טיפול‬
‫תרופתי‪ ,‬ואת תגובתם לטיפול כפי שמשתקפת במדידות ההמוגלובין המסוכרר (‪ .) 1Aba‬בשלב‬
‫הראשון‪ ,‬חילקנו את האוכלוסיה הכוללת לשני תתי‪-‬קוהורטים‪ :‬הראשון כולל חולים יוצאי דופן‪ ,‬שאין‬
‫חולים דומים להם באוכלוסיה זו‪ ,‬ואילו השני כולל את שאר החולים‪ ,‬אלו שלגביהם ניתן לשערך את‬
‫התגובה הצפויה לטיפול על בסיס התגובה של חולים הדומים להם‪ .‬קוהורט זה‪ ,‬פיצלנו שנית לחולים בעלי‬
‫תגובה מופחתת חריגה לעומת החולים שהדגימו תגובה הצפויה על סמך המודל הסטטיסטי‪ .‬השוואה של‬
‫שני קוהורטים אלו זיהתה את חשיבותם של מאפיינים הקשורים בשינוי טיפול‪ ,‬על פני מאפייני הטיפול‬
‫לכשעצמו‪ ,‬ובנוסף אישררה את גורמי הסיכון הידועים‪.‬‬