פיתוח מערכת AI לאבחון וטרינרי לפי חיישנים ווידאו

פיתוח אבחון AI וטרינרי: היכן הולכים לאיבוד מקרים מוקדמים

בביקור במרפאה בעל חיים מבלה 15–20 דקות, ובזמן הזה הווטרינר מספיק לאסוף אנמנזה, לבדוק, לרשום טיפול.

את הערכת המצב הוא בונה על קטע קצר של התנהגות בחדר — אך חתולים וכלבים מסווים כאב עד הרגע האחרון: בחדר לא מוכר הם קופאים, לא מראים צליעה במלוא עוצמתה ולא מפגינים את האדישות שבעל הבית רואה בבית.

מכאן גם טעויות בבדיקה ידנית. צליעה שהוחמצה בשלב מוקדם, נשימה מהירה שתלויה במתח, ירידה בפעילות שלא שמו לב אליה — כל אלה מושווים לא לקו בסיס של בעל החיים המסוים, אלא לייצוג ממוצע של הווטרינר לגבי הנורמה. ככל שזרימת הביקורים צפופה יותר, כך נשארים פחות משאבים להבחין בסטייה שעדיין לא הפכה לתסמין.

אבחון AI של בעלי חיים משנה את נקודת הייחוס: חיישנים לבישים ומצלמה מספקים רצף תצפיות מתמשך לאורך שבועות, ולא לאורך בדיקה אחת.

המודל רואה כיצד משתנים פעילות תנועתית, התפלגות המשקל בין הכפות, קצב הנשימה במנוחה, חלק השינה והמוטוריקה בסביבה המוכרת — ומעלה אות על סטייה מהנורמה של בעל החיים עצמו.

המלצות מקצועיות של AAHA למעקב אחר חיות מחמד מבוגרות נשענות ישירות על דינמיקה כזו, אלא שהמרפאה אינה יכולה לאסוף אותה בידיים.

אבחון מוקדם לפי וידאו ונתוני חיישנים אינו מחליף את הווטרינר כאן, אלא מביא לו את מה שחסר בחדר: קו בסיס אובייקטיבי, מדדים ניתנים לשחזור וסדר עדיפויות — את מי להזמין לבדיקה שלא מן המניין קודם כול.

בהמשך נפרט כיצד זה נסגר בפרויקט: מאיסוף נתונים ועד לספי הפעלה שבהם האות נשאר שימושי ואינו הופך לרעש.

מה משתנה לאחר ההטמעה: השפעות מדידות למרפאה

את ההשפעה של ההטמעה רואים לא בממשק, אלא בסטטיסטיקה רגילה של ביקורים. ניתוח מקרה לפי חיישנים ווידאו מפסיק להיות תלוי במי שנמצא במשמרת היום: המערכת מעבדת הקלטות וקריאות במקביל לבדיקה ומחזירה לווטרינר תמונה ראשונית תוך דקות, ולא בזמן שלוקח לצפות בארכיון ולבצע מדידות ידניות.

את דיוק האבחון אנו מודדים על מדגם מתויג של מקרים: שיעור ההתאמות עם חוות דעת מאושרת עולה, ושיעור המצבים שהוחמצו מצטמצם פי כמה. בנפרד אנו סופרים מקרי גבול — אלה שבהם המערכת אינה בטוחה — נכנסים לתור עם סימון, כך שפתולוגיות נדירות אינן הולכות לאיבוד בזרם.

התמיכה בהחלטת הווטרינר בנויה כמבט שני, ולא כגזר דין מוגמר. המערכת מציעה גרסאות, מדגישה סטיות בקריאות ובווידאו, אך ההחלטה הסופית נשארת בידי המומחה: הוא רואה את הבסיס לכל רמז ויכול לדחות אותו.

האחדה של החלטות הווטרינרים נותנת אפקט שקשה ביותר להבחין בו, אך קל ביותר לחשב אותו. סולם הערכה אחיד, מערך סימנים משותף ופרוטוקול ניתוח אחד מסירים את הפיזור בין משמרות — על אותן הקלטות, הפערים בין המומחים יורדים משליש מהמקרים ליחידות.

בסך הכול זה משנה את הזרימה: פחות ביקורים חוזרים "ליתר ביטחון", ניתוח מהיר יותר של מקרים מורכבים, עומס אבחוני צפוי בשעות שיא. בהמשך נפרט ממה מורכבת עבודה כזו — מהכנת נתונים ועד לליווי המערכת.

מצבי עבודה: וידאו, חיישנים ומעגל היברידי

קיימות שלוש אפשרויות בנייה, והבחירה ביניהן קובעת לא את דיוק המודל, אלא אילו סימנים צריך לתפוס ומה זמין פיזית באתר. ניתוח וידאו של התנהגות קורא תנוחה, הליכה, גישה לכלי האוכל ואינטראקציות חברתיות; חיישנים נותנים טלמטריה רציפה לכל בעל חיים. מצב היברידי מחבר בין שני הערוצים במקרים שבהם המסקנה נשענת על מכלול סימנים ולא על סימן אחד.

עיבוד במקום מסיר חלק מהמגבלות: פריימים אינם יוצאים מהאתר, החוצה יוצאים רק אירועים ומדדים, ולכן ערוץ צר ותקשורת לא יציבה מפסיקים להיות חסם. מגבלות השיטות נשארות עקרוניות — אף מצב אינו קובע אבחנה: המערכת מוציאה אות והערכת ביטחון, וההחלטה מתקבלת בידי הווטרינר. לכן לפני ההתחלה אנחנו מבררים אילו סימנים נחשבים מספקים, אחרת הדיוק יהיה גבוה והתועלת ממנו — אפסית.

כיצד אנו מנהלים את הפרויקט: מביקורת נתונים ועד למסירת מודל

את המסלול ההנדסי קובעים לפני ההתחלה: לכל שלב יש קלט, פלט וקריטריון קבלה, שאותו בודק הלקוח יחד איתנו. כך הפרויקט נשאר ניתן לניהול ולא הופך למחקר אינסופי.

1. ביקורת נתונים. מפרקים את מה שנצבר: וידאו מהתאים, קריאות חיישנים לבישים, יומני בדיקות, אישורים מעבדה. מחפשים חסרים לפי גזעים וגילים ושיעור מקרים עם אבחנה מאושרת. בפלט — מפת נתונים ורשימת פערים.
2. תרשים המערכת. מסכמים אילו אותות נלקחים, באיזו תדירות, היכן נשמרות הקלטות, כיצד מתויגים אפיזודות ומוגבלת גישה לנתוני חיות המחמד.
3. תיוג מערך הנתונים. וטרינרים מתייגים אפיזודות לפי פרוטוקול אחיד: מה נחשב נורמה, מה סימן, כיצד לפרש מקרי גבול. קטעים שנויים במחלוקת מנתחים יחד — דוגמאות סותרות אינן נשארות במדגם.
4. אימון המודל. מאמנים על מדגם מאוזן ובנפרד מעבדים מצבים נדירים: אחרת המערכת מוצאת בביטחון פתולוגיות שכיחות ושותקת בנדירות.
5. בדיקה על מדגם מוחזק. מחשבים מדדים על הקלטות שהמודל לא ראה, ובנפרד — על נתונים ממרפאה אחרת וציוד אחר: רואים אם התוצאה מועברת.
6. מסירה והדרכת הצוות. מוסרים מודל, קונפיגורציות, תיעוד ותקנון עדכון, מדריכים וטרינרים ותמיכה, ומלווים הפעלה ניסיונית.

מה נשאר אצל המרפאה: מודלים, מערכי נתונים, תקנונים

העבודה אינה מסתיימת בהדגמה על הסטנד שלנו, אלא במסירת ארטיפקטים למרפאה. כל מה שנבנה עובר פיזית לתשתית שלכם וממשיך לעבוד בלי מעורבותנו — בלי שירותים סגורים ובלי תלות בקבלן.

• מערך הנתונים של המרפאה — תמונות והקלטות וידאו מתויגות מהפרקטיקה שלכם: פורמט אחיד, תיוג לפי מחלקות, חלוקה לחלקי אימון, אימות ובקרה. החומר נשאר אצלכם ומתעדכן במקרים חדשים.
• מודל מאומן — משקולות הגרסה העדכנית עם מדדים על מדגם הבקרה ומפת מחלקות. פועל על השרת שלכם, תמונות אינן יוצאות מחוץ למרפאה.
• קונפיגורציות וסקריפטים לאימון — כדי לאמן מחדש את המודל על מערך נתונים מעודכן ולשחזר את התוצאה, ולא להתחיל את הפרויקט מאפס.
• תקנון עבודה — כיצד פלט המודל משתלב בבדיקה: מי בוחן אותו, באיזו רמת ביטחון המקרה עובר לווטרינר, כיצד מתועד פער מהאבחנה.
• הוראות לוטרינרים — תזכיר לטעינת חומרים ולפרשנות תשובת המערכת, מיועד לאדם בלי הכשרה טכנית.
• תיעוד המערכת — תרשים פריסה, דרישות ציוד, נקודות חיבור למערכת הרשומות, סדר עדכון המודל.
• יומן בקרת איכות — מדדים לכל גרסה, כדי שירידת איכות לאחר עדכון תיראה מיד, ולא לפי תלונות בקבלה.

מערך כזה הופך את המרפאה לבעלים של המערכת, ולא לשוכר: אימון מחדש, עדכון והחלפת קבלן אפשר לבצע בלעדינו.

מקרה בוחן: כיצד עלתה היכולת לזהות בזרימת ביקורים

מרפאה עם שלושה וטרינרים במשמרת וזרימה של כמה עשרות בדיקות ביום. צוואר הבקבוק התברר לא כמחסור בנתונים, אלא כצפיפותם: תמונות והקלטות בדיקה מנותחות בין ביקורים, וחלק מהפתולוגיות מבחינים בהן בדיעבד — כשבעל החיים חוזר עם תמונה שכבר התפתחה. מחיר ההחמצה כזה — ביקור חוזר, זמן אבוד וטיפול לפי סיבוך שכבר קרה.

את הפיילוט עשינו בתחום אחד, כדי להשוות מדדים באותה קבוצת וטרינרים. המערכת קולטת זרימה מהחיישנים והווידאו, מתייגת אזורי סטייה ומחזירה לווטרינר הסתברות לפתולוגיה עם נימוק — ההחלטה תמיד נשארת בידי האדם.

מדדים לפני ואחרי ההטמעה

לוח הזמנים להטמעה — תשעה שבועות: שלושה לניתוח הארכיון ולתיוג, שניים לאימון ולבדיקה על מדגם מוחזק, והשאר — עבודה בזרימה וכיול ספי רגישות לפרופיל המרפאה. הנתונים הראשוניים — יומני ביקורים ומרשם תצפיות קליניות, והייצוא הושווה ידנית לחוות דעת הווטרינרים.

במה שונה ניתוח וידאו מניתוח נתוני חיישנים?

וידאו נותן הקשר התנהגותי: צליעה, תנוחה, גישה לכלי האוכל, קצב נשימה, קטטות ליד מתקן השתייה. המודל עובד לפי פריימים והרצף שלהם, ולכן דיוק ניתוח הווידאו נשען על תנאי הצילום — תאורה, זווית, חפיפה עם שכנים, מצע, ניגודיות הפרווה על הרקע.

העברת מצלמה או שינוי זווית מחייבות תיוג חדש ואימון מחדש, אחרת עולה שיעור ההחמצות, ובלי שגיאה גלויה ביומן: המערכת ממשיכה לענות בביטחון, אבל פחות טוב.

נתוני חיישנים הם מספרים: פעילות לפי מד תאוצה, טמפרטורה, זמן לעיסה, צריכת מים, משקל. אות כזה עמיד לתאורה ואינו תלוי במפעיל, אבל הוא מקומי — בעל חיים אחד, אזור אחד.

את הדיוק מגבילים סחיפת כיול, אובדן חיישן (הקולר ניתק — חסר ברצף) וישיבה שונה על הגוף; המסקנה מהמספרים האלה עקיפה — סטייה מעלה את ההסתברות, אך אינה נוקבת בסיבה.

מאגרי תוכן פתוחים של קליפים התנהגותיים, למשל Animal Kingdom, מאיצים את ההתחלה, אבל את התחום בכל זאת מתייגים בנוסף עם הקלטות משלכם.

במעגל אחד אין מציבים את הערוצים זה מול זה, אלא מחברים אותם. החיישנים עובדים כטריגר תורן: הבחינו בסטייה — פתחו חלון הקלטה, והווידאו מאשר ומדייק אם מדובר במקרה בודד או מתמשך.

מיזוג יכול להיות מוקדם (סימנים מצטברים לפני המסווג) ומאוחר (החלטות מאוחדות לפי ביטחון); לשניהם נדרש סנכרון זמן קפדני — פער בשעונים מפריד אירועים וממוטט את הקישור.

את בחירת השיטה קובעים תנאי האתר: תאורה וראות יציבות — וידאו נותן יותר; תפוסה צפופה וזווית גרועה — הסתמכות על חיישנים. בהתחלה ערוץ אחד נקבע כעיקרי, השני כבקרה, ואת האיכות מחשבים לפי שיעור המקרים שאותרו בשיעור מותר של התראות שווא.

ספקות טכניים לפני ההתחלה: בקצרה לגוף העניין

חיישנים ווידאו נותנים זרם תצפיות, אבל איכות ההחלטה נקבעת לא לפי המודל, אלא לפי האופן שבו הוכנו הנתונים, כיצד המערכת משתלבת במערכת הרשומות של המרפאה ומה קורה איתה לאחר ההפעלה. להלן תשובות קצרות לשאלות שנשמעות לרוב בשלב ההערכה וקובעות ישירות את היקף העבודה.

כיצד המערכת משתלבת במערכת הרשומות של המרפאה?

החלפה נעשית דרך הממשק התוכנתי שלה: כרטיס בעל החיים, היסטוריית ביקורים, תוצאת בדיקה. מפתחות גזעים ואבחנות משווים מראש, ורשומות שנויות במחלוקת מנהלים ברשימה נפרדת. בהתחלה המערכת פועלת במצב המלצה — ההחלטה נשארת בידי הווטרינר.

מה עושים עם התראות שווא?

מפרידים בין שני סוגי שגיאות — החמצה והתראת שווא — ומכווננים את הסף לפי הסיכון הקליני: היכן שהחמצה מסוכנת יותר, הרגישות גבוהה יותר. כל התראה נרשמת ביומן עם פריים והקשר, ומקרים שנויים במחלוקת מנתחים בהרצות קבועות ומאמנים עליהם מחדש.

כיצד מתעדכן המודל לאחר ההפעלה?

גרסאות נקבעות: בנייה חדשה עוברת הרצת צל על ארכיון הבדיקות ומושווית לנוכחית לפי מדדים, ואז מוטמעת בחלק מהחדרים. אם המדדים יורדים — חזרה לגרסה הקודמת אורכת דקות, ועבודת המרפאה אינה נעצרת.

נדון במשימה: מה נדרש כדי לחזור עם תוכנית

כדי לחזור עם הערכת פרויקט ותוכנית עבודה, ולא עם ניסוחים כלליים, אנחנו צריכים הקשר. בהתחלה די לתאר אילו בעלי חיים אנחנו עוקבים אחריהם, מה כבר מותקן באתר ואיזו תוצאה נחשבת עובדת — בהמשך נשאל בעצמנו שאלות הבהרה לכל סעיף.

• אילו מצבים יש לזהות: רשימת אבחנות או סטיות ומה נחשב להתראת שווא.
• נתוני מקור: הקלטות וידאו, קריאות חיישנים, ייצוא מיומן הביקורים — עם פורמטים, משך והיקף.
• תיוג: האם יש מקרים שאושרו בידי וטרינר, באיזו צורה תועדו ומי יכול להשלים אותם.
• תנאי צילום: תאורה, זוויות, גזעים וקבוצות גיל, האם יש תנועה של בעלי חיים בפריים.
• מגבלות על נתונים: היכן המערכת צריכה לעבוד — מקומית באתר או בהעברה החוצה, כמה הקלטות לשמור.
• אנשים מצד הלקוח: וטרינרים ומפעילים שמשתתפים בקבלת התוצאות.
• סדרי עדיפויות: איזה מצב קריטי לזהות ראשון ולאיזה מועד נדרש מעגל עובד.

מערך נתונים מלא בהתחלה כמעט אינו קיים, וזה לא חוסם את העבודה. את הפיילוט מטמיעים על מדגם מוגבל, משווים איכות על מקרים אמיתיים, ורק אחר כך מרחיבים את רשימת המצבים והאתרים.

תארו את המשימה — נחזור עם הערכה, תוכנית עבודה וגבולות ברורים לשלבים.