איך אלגוריתמים יכולים לסייע לאבחון וטיפול בהפרעות נפשיות? והאם בכלל אפשר להכניס את הנפש למשוואה? בכתבה זו נכיר את התחום פורץ הדרך שמנסה לבנות את הגשר בין נפש ל-AI.
כשמדברים על התפתחויות שנוגעות לבינה מלאכותית עשויה להתלוות אל השיח תחושה של אי נוחות ומחשבות על השלכות לא אתיות (האם יוכלו לגנוב את המידע האישי מהמוח שלנו ולהשתמש בו לרעה?). הפסיכיאטריה החישובית, לעומת זאת, מובילה אותנו לעולם בו אלגוריתמים מורכבים ובינה מלאכותית דווקא מעורבים בטיפול ועזרה למין האנושי. בכתבה זו נעשה היכרות עם השדה המחקרי הרענן והמבטיח של 'פסיכאטריה חישובית' בו משתמשים בכלים ותיאוריות מתחום המידול החישובי במטרה להגדיר ולענות על שאלות מתחום הפסיכיאטריה. כמו שהשם מרמז, התחום משלב מגוון של דיספלצינות בהן פסיכיאטריה, פסיכולוגיה, מדעי המחשב, נויורולוגיה, מתמטיקה, פיזיקה ועוד.
כבר למעלה ממאה שנה חוקרים מנסים לפענח את צפונות המוח האנושי. בתקופה זו חלה התקדמות משמעותית בהבנת האדם ונפשו. תיאוריות פסיכולוגיות נהגו, מידע רב הצטבר במחקרים קליניים ואף בתחום הפסיכופרמקולוגי נרשמה התקדמות מחקרית מרשימה. עם זאת, שאלות רבות ומהותיות הנוגעות להבנת נפש האדם בכלל והפתולוגיות שבה בפרט נותרו ללא מענה. תחום הפסיכיאטריה החישובית מביא עמו הבטחה שבאמצעות שימוש בכלים מעולם מדעי המחשב יתאפשר להבחין בגורמים שעומדים בבסיס תהליכים קוגנטייבים ונוירוביולוגיים, וביחוד באלו שמאפיינים הפרעות נפשיות.
כדי להבין את הגחתה של הפסיכיאטריה החישובית לעולם המחקרי, צריך להבין איפה נמצאת הפסיכיאטריה כיום ואיך היא הגיעה לשם. בעבר הלא רחוק טיפול במחלות נפש בתרבות המערבית נעשה בצורה פסיכואנליטית בלבד כשהאבחון של ההפרעה נשען על הערכות סובייקטיביות. בחלוף השנים, התפתחויות טכנולוגיות שאפשרו לבצע מחקרים ביולוגיים מעמיקים, חיזקו את ההבנה שהפרעות נפשיות מקורן בפעילות מוחית אבנורמלית. הגישה המחקרית והביולוגית הביאה להתפתחויות בהבנה של הפרעות נפשיות וליצירת טיפולים תרופתיים מגוונים. עם זאת, טרם נמצא מנגנון ביולוגי שיכול להסביר הפרעה זו או אחרת במלואה, ואנחנו עדיין לא תמיד יודעים להגיד איך ולמה התרופות משפיעות על המוח וכפועל יוצא מכך במקרים רבים הן לא מועילות. אפשר לדמות את המצב לסיטואציה בה אדם נוהג במכונית ולוחץ על ברקס כדי לעצור ולא היה לו מושג למה המכונית הגיעה לכדי עצירה. פן נוסף שיש להזכיר בהקשר זה הוא כי בשונה מבריאות הגוף שם האבחון נעשה לרוב על פי מדדים ביולוגיים אובייקטיבים ומתוך הבנה של המנגנונים הגופניים, בבריאות הנפש האבחון הוא על פי סימפטומים סובייקטיבים (לדוגמא: הרגשת עצב) שעשויים לנבוע ממנגנונים ביולוגיים שונים ומגוונים. כך נוצר מצב שהפסיכיאטריה בימינו מתבססת מצד אחד על אבחון סובייקטיבי (על יתרונותיו וחסרונותיו), ומצד שני על טיפול תרופתי כשהמנגנון הביולוגי שעליו התרופות משפיעות משופע בסימני שאלה. בנוסף, באבחון הפסיכיאטרי אין התייחסות מספקת לגורמים נוספים, למשל גורמים סביבתיים, וכיום קיימת ההבנה שהללו הם חלק אינהרטי בהפרעות הנפשיות. על רקע זה התפתחה ההבנה כי יש צורך בפיתוח כלי המחקר בתחום בריאות הנפש אשר יאפשרו הבנה מעמיקה יותר של המנגנונים הנוירוביולוגיים והמנטליים שיוצרים הפרעות נפשיות.
אחד האתגרים העומדים מול הפסיכיאטריה החישובית הוא מורכבותו של המידע הנובעת מכמה סיבות. ראשית, השאלות המחקריות סובבות סביב המוח, איבר מורכב ביותר בין היתר מפאת כמות הנוירונים העצומה המרכיבה אותו והסינפסות ביניהם. שנית, יש להתמודד עם מידע ברזולוציות שונות. על מנת לענות בצורה מלאה על שאלות בתחום בריאות הנפש יש להתייחס למידע החל מהרמה הגנטית, לעבור ברמה העצבית וההתנהגותית ועד הרמה החברתית. ואם זה לא מספיק, בין הרמות השונות של המידע אין חפיפה חד-חד ערכית. כך למשל, תהליך נוירולוגי מסויים יכול להביא למגוון של סימפטומים, וסימפטום מסויים יכול לנבוע ממגוון של תהליכים נוירולוגיים. כדי לענות על השאלות המורכבות והרב-שלביות יש צורך בכלים שידעו להתמודד עם כמות גדולה של מידע מורכב או במילים אחרות complex times require computational measures.
לשמחתנו, התפתחויות בעשורים האחרונים בתחום החישובי בכלל ובכוח החישובי בפרט מאפשרים לבצע חישובים מורכבים על כמויות גדול מאוד של דאטא. על כן, רק מתבקש לנסות ולהשתמש בכלים החישוביים בכדי לנסות ולקדם את תחום הפסיכיאטריה בשלושה רבדים הכרוכים זה בזה: האחד הוא מציאת הסברים מכניסטים לתפקודים פסיכולוגיים לקויים. השני הוא שיפור וייעול יכולת האבחון והקטלוג של פסיכופתולוגיות והשלישי שיפור הטיפול הניתן להפרעות נפשיות הן באמצעות שיפור ההתאמה בין המטופל לטיפול שהוא מקבל. כיום מציאת הטיפול התרופתי והמינון הנכון למטופל נעשית פעמים רבות ע"י ניסוי וטעיה שבמהלכן המטופל עשוי לסבול מתופעות לוואי קשות. בנוסף לכך, כלים טכנולוגיים יכולים לעזור ביצירת טיפולים חדשניים וממוקדים יותר.
אחת ההנחות עליהן נשען תחום הפסיכיאטריה החישובית הוא שהמוח עצמו הוא כלי חישובי, משמע הוא מבצע חישובים וניבויים. ההנחה שהמוח הוא כלי חישובי מובילה למסקנה שפעילות מנטלית כפופה למגבלות המורכבות החישובית הנדרשת. למשל, אין ביכולתנו לבצע אינסוף סימולציות לכל בחירה הניצבת בפנינו כיוון שהמשאבים הקוגנטיביים והעצביים מוגבלים (גם אם גדולים מאוד). הנחה נוספת היא הנחת האופטימליות לפיה, הפעילות המוחית נעשית בשאיפה לצמצום משאבים ולמיקסום תוצאות. בהתבסס על הנחות אלו מנסה הפסיכיאטריה החישובית לאפיין את התהליכים הקוגנטייבים והנוירוביולוגיים שמעורבים בקבלת החלטות וכן בהבנת הדרכים בהם התהליכים משתבשים ומובילים לקבלת החלטות לקויה. למידה וקבלת החלטות נחשבות כבסיסיות בחוויה האנושית וביכולת של האדם לפעול בעולם. ואכן, הפרעות נפשיות רבות מאופיינות לא רק במצבי רוח מעורערים אלא גם בקבלת החלטות לקויה. כך למשל, הלוקים ב-OCD (obsessive compulsive disorder) נוטים לבצע את אותה בחירה שוב ושוב על אף שלא נראה שיש בסיס רציונאלי לכך. בהתמכרות קבלת החלטות הלקויה בא לידי ביטוי בבחירה לצרוך סם על אף הידיעה של הנזק הנלווה לכך.
ניתן לחלק את הפסיכיאטריה החישובית לשתי גישות: data driven ו -theory-driven. הראשונה עושה שימוש בכלים מתחום ה-machine learning כדי לבצע סיווג על כמויות גדול של דאטא. השנייה מתבססת על תיאוריות קיימות על מנת לבנות מודלים ולבחון האם המודל מתאים לתיאור הדאטא. הגישות משלימות זו את זו אך בשטח המחקרי לרוב יתמקדו באחת מהן. תחת גישת ה-data driven יש כמה שיטות. אפשר להשתמש באלגוריתמים מסוג supervised learning בה מספקים לאלגוריתם תגיות באמצעותן עליו לקלטג את הדאטא ולסווג אותו לקבוצות, ואפשר להשתמש באלגוריתמים של unsupervised learning בו לא מעבירים תגיות יחד עם הדאטא והאלגוריתם מסווג לפי דפוסים שהוא מוצא בדאטא. בגישת הtheory-driven, בהתאם לשמה, בונים מודלים על בסיס תיאוריות. לאחר בניית המודל משווים את תוצאותיו להתנהגות של נבדקים אמיתיים ומנסים, באמצעות המודל, לשער מהם הפרמטרים של כל אחד מהנבדקים (לדוגמה מה קצב הלמידה שלהם). בשלב הבא, אפשר לבנות כמה מודלים מתחרים ולבדוק מי מהם מנבא טוב יותר את הדאטא ביחס לרמת המורכבות של המודל עצמו.
כשאנחנו מדברים על מחקר מוח והתנהגות, פעמים רבות השאיפה תהיה לבודד את הרכיבים שמעורבים בתהליך הן ברובד הקוגנטיבי והן ברובד הנוירוביולוגי ולהבין את הקשרים הסיבתיים בניהם. כיום קשה מאוד לבצע מחקר שחוקר את הקשרים הסיבתיים בין פעילות מוחית למגוון של התנהגויות, הפתרונות הקיימים הינם חלקיים, כמו מודלים של בע"ח או אנליזות iEEG. הפסיכיאטריה החישובית מציעה פתרון נוסף – נבנה מודל חישובי וניצור סוכנים, התחליף הממוחשב לבן אדם, שיתנהגו לפיו. היתרון המחקרי של סוכן על בן אדם אמיתי הוא שאנחנו יודעים מאיזה פרמטרים הוא מורכב (כי אנחנו הגדרנו אותם) ואנחנו יכולים לשחק איתם ולראות איך זה משפיע על התנהגותו. במילים אחרות, אנחנו בונים סוכנים שאת התכונות שלהם אנחנו קובעים באמצעות הערכים שאנחנו מקנים לפרמטרים שהגדרנו להם. ואם נחזור לאנלוגיית המכונית, השימוש במודל חישובי מאפשר לנו לבנות המון מכוניות בפרטי פרטים ואז להתחיל לשחק עם הרכיבים ולראות מי מהן לא מצליחה לבלום וכך לגלות איזה רכיב הביא לתוצאה הזו. אחרי שייצרנו סוכנים רבים עם תכונות שונות וקיבלנו מושג טוב לגבי האופן שבו "תכונה" מסויימת תוביל להתנהגות מסוימת, אפשר להשוות זאת להתנהגות של נבדקים אנושיים. יתרון נוסף שיש למודלים החישוביים הוא היכולת שלהם להקנות כוח סטטיסטי גדול וכן מאפשרות לחדד את ההשערות וליצור היפותזות חכמות יותר מבלי לבזבז משאבים של זמן וכסף על הרצת נבדקים אמיתיים. אלו מכם שכבר התנסו בהרצת ניסוי יודעים שיש המון עבודה סביב הרצת הנבדקים. השימוש במודל חישובי לא מחליף ניסויים התנהוגתיים או ביולוגיים לחלוטין, בעיקר כי אנחנו מגדירים את התבנית שלפיה יווצרו הסוכנים, אבל הוא מאפשר להריץ 1000 סוכנים מסומלצים שזה הרבה מעבר לכמות הנבדקים האמיתיים שכנראה היינו מסוגלים להריץ במחקר אחד.
מעניין לחשוב על כך שדווקא העולם החישובי התבניתי מאפשר לנו מורכבת וגמישות. השימוש בכלים החישוביים מאפשר ניתוחים שהם מעבר לממוצע בין קבוצות, כמו ביצוע ניתוחים גם ברמת הפרט. הכוח החישובי מאפשר ליצור רמות של קטלוג, כך שאפשר ליצור אבחנה הן ברמת קבוצה והן באבחון של כל פרט ופרט בקבוצה. כך עולם הפסיכיאטריה החישובית מקדם אותנו לקראת עולם של רפואה נפשית מותאמת אישית ואף רפואה נפשית מונעת מותאמת אישית.
הפסיכאטריה החישובית יכולה לשנות את האופן בו מאבחנים היום הפרעות נפשיות, בין אם זה בסיווג הפרעות נפשיות קיימות לתת סוגים, או ממש שינוי מהיסוד של הקטגוריות האבחוניות. התפתחויות טכנולוגיות ממשיכות לפתוח דלתות הן ברמת אפשרויות המידול ומורכבות המודלים, והן ברמת איסוף המידע. כבר היום נעשה שימוש בכלים חישוביים ככלי עזר לאבחון הפרעות נפשיות. בשנה החולפת מגפת הקורונה שפוקדת את העולם הביאה להאצה בכל הנוגע לרפואה דיגיטלית ולביצוע מחקרים אונליין. כבר היום קיימות אפליקציות שמסייעות שמציעות טיפולים מסויימים למספר מחלות נפש.
למרות שכבר היום מודלים מגוונים ומורכבים משמשים למחקר, הדרך עוד ארוכה עד שהשימוש במודלים אלו יחליף מטפלים אנושיים. לשימוש בכלים חישוביים לחקר של הפרעות נפשיות יש פוטנציאל להעלות בפנינו סוגיות מורכבות שאני מקווה שיעמיקו את המחקר וייסיעו לנו לשאול את השאלות הנכונות. השימוש בכלים חישוביים יכול להביא לגילויים פורצי דרך, ולשיפור האבחון והטיפול בהפרעות נפשיות. כך או כך, גם כשיתפתחו כלים טכנולוגיים המאפשרים אבחון מדוייק, לא נראה לי שתהיה חלופה למבט אנושי וקשר חם.
Montague et al. P.R. Montague, R.J. Dolan, K.J. Friston, P. Dayan. (2012) Computational psychiatry. Trends Cogn. Sci. (Regul. Ed.), 16 (2012), pp. 72-80
שירה ניב היא סטודנטית בתוכנית המצטיינים על שם "עדי לאוטמן" ומאסטרנטית במעבדה לפסיכולוגיה קלינית-חישובית באוניברסיטת תל-אביב. היא חוקרתלמידה של היכולת להשהות באמצעות שימוש באלגוריתמים של reinforcement learning.
בזמנה הפנוי מתרגלת מדיטציה ועוסקת בלימוד רוחני ובזמן שעוד נשאר אוהבת מאוד לצאת למסעות בעולם.