בינה מלאכותית ומחקר
כשה-AI נכנס למחקר הרפואי, גם האתיקה צריכה להשתנות
ד״ר אמיר טל·26 September 2026·כ-5 min read
בינה מלאכותית משנה לא רק את הטיפול, אלא גם את הדרך שבה אנחנו מייצרים ידע רפואי. דו"ח חדש של WHO מעלה שאלות חדשות על אתיקה, פיקוח, פרטיות ואחריות במחקר מבוסס AI.
בינה מלאכותית משנה לא רק את הדרך שבה אנחנו מטפלים, אלא גם את הדרך שבה אנחנו מייצרים ידע.
היא כבר משמשת לניתוח מאגרי מידע עצומים, לזיהוי דפוסים, לבניית מודלים מנבאים, לגיבוש השערות מחקר, לאיתור משתתפים ולעיתים גם לכתיבה ולניתוח של תוצרי המחקר עצמם.
זה יכול להפוך מחקר למהיר יותר, יעיל יותר ולפתוח אפשרויות שלא היו זמינות קודם.
אבל דו"ח חדש של ארגון הבריאות העולמי מצביע על נקודה חשובה: מנגנוני האתיקה והפיקוח שאנחנו מכירים נבנו לעולם מחקר אחר. לא תמיד ברור שהם ערוכים לסוג השאלות שבינה מלאכותית מביאה איתה.
01 /זה כבר לא רק "מחקר על AI"
אחת ההבחנות המעניינות בדו"ח היא שאין דבר אחד שנקרא "מחקר AI בבריאות".
ארגון הבריאות העולמי מבחין בין שלושה מצבים שונים:
מחקר בריאותי שמשתמש בבינה מלאכותית כדי לנתח נתונים; מחקר שבו כלי AI משמשים כחלק מתהליך המחקר עצמו; ומחקר שבודק את כלי הבינה המלאכותית, למשל את הבטיחות, היעילות או אופן ההטמעה שלהם.
ההבחנה הזאת חשובה, משום שהשאלות האתיות אינן זהות.
אם אלגוריתם מנתח מאות אלפי רשומות רפואיות, הסוגיה המרכזית עשויה להיות פרטיות, הטיה או שימוש משני במידע.
אם חוקר משתמש במודל שפה כדי לסווג ראיונות, לייצר השערות או לסייע בניתוח, עולות שאלות אחרות: עד כמה אפשר להבין איך התקבלה התוצאה? מה קורה אם המודל שינה את הניתוח? ומה צריך לדווח לקוראים כדי שיוכלו להעריך את המחקר?
ואם אנחנו בוחנים כלי AI שאמור להשפיע ישירות על טיפול או על החלטה רפואית, רמת הסיכון כבר שונה לחלוטין.
כלומר, עצם המשפט "השתמשנו בבינה מלאכותית במחקר" כבר לא אומר מספיק.
02 /גם נתונים "אנונימיים" אינם סוף הסיפור
אנחנו רגילים לחשוב על אתיקה מחקרית דרך כמה שאלות מוכרות: האם יש משתתפים אנושיים, האם התקבלה הסכמה מדעת, האם המידע מזוהה ומה הסיכון למשתתף.
AI מערער חלק מהגבולות האלה.
אפשר למשל לבצע מחקר על מאגר נתונים גדול בלי לפגוש אפילו משתתף אחד. הנתונים יכולים להיות אנונימיים או ציבוריים, ובכל זאת המערכת עשויה להסיק מהם דברים שלא היו צפויים כאשר המידע נאסף מלכתחילה.
היא יכולה לזהות קבוצות, לייצר תחזיות ולהפיק ידע שיכול להשפיע בהמשך על אוכלוסיות שלמות.
לכן היעדר אינטראקציה ישירה עם אדם אינו אומר בהכרח שאין שאלה אתית. זו אחת הנקודות שעולות גם מהמסמך החדש של WHO.
03 /ומה עושה ועדת האתיקה מול מודל שהיא מתקשה להבין?
כאן נמצאת בעיניי אחת הסוגיות המעשיות ביותר.
ועדות אתיקה במחקר נבנו כדי להגן על זכויותיהם ורווחתם של משתתפים. התפקיד הזה לא נעלם, להפך. אבל כדי להעריך מחקר שבו מעורבים מודלים מורכבים, לעיתים נדרש ידע שלא תמיד קיים כיום בוועדה.
איך בודקים הטיה באלגוריתם?
מה המשמעות של שינוי גרסה של המודל באמצע מחקר?
האם צריך לדעת על איזה מודל בסיס נשען הכלי?
מה קורה אם ספק חיצוני מקבל את הנתונים?
ועד כמה אפשר לאשר מחקר כשהמערכת עצמה אינה שקופה לחלוטין גם בפני החוקרים?
WHO מציין שוועדות האתיקה ימשיכו להיות גורם מרכזי, אבל כנראה יזדקקו ליותר הכשרה, מומחיות ומשאבים כדי להתמודד עם מחקרים כאלה.
בעיניי זה אומר שלא מספיק להוסיף בטופס לוועדת הלסינקי שורה של "האם נעשה שימוש ב-AI".
צריך לפתח יכולת אמיתית להעריך את אופן השימוש בו.
04 /האחריות לא יכולה להישאר רק אצל ועדת האתיקה
נקודה נוספת בדו"ח חשובה במיוחד: פיקוח אתי על AI לא יכול להתרחש רק ברגע אחד שבו ועדה מאשרת את הפרוטוקול.
מודלים משתנים. מוצרים מתעדכנים. מאגרי מידע מתחברים. ולעיתים הפער בין מחקר לבין מוצר אמיתי קצר הרבה יותר ממה שאנחנו רגילים אליו בטכנולוגיות רפואיות מסורתיות.
לכן WHO מדגיש שגם מממני מחקר, כתבי עת, גופים שמנהלים גישה לנתונים, איגודים מקצועיים ורגולטורים צריכים להיות חלק מהמערכת שמייצרת אחריות.
זו בעיניי נקודה נכונה מאוד.
אם כתב עת מקבל מאמר שבו AI שימש לניתוח מרכזי, גם הוא צריך לדעת מה לדרוש בדיווח.
אם קרן מממנת מחקר AI, גם לה יש אחריות לשאול כיצד נבדקו הטיות ואיך נשמר המידע.
ואם גוף ציבורי נותן לחוקרים גישה למאגר בריאות, אי אפשר להסתפק רק בשאלה האם הנתונים עברו דה־אידנטיפיקציה.
האחריות היא מערכתית.
05 /ויש גם שאלה של כוח
הדו"ח מקדיש תשומת לב מיוחדת למדינות בעלות הכנסה נמוכה ובינונית, אבל הסוגיה רחבה יותר.
מי מספק את הנתונים ומי בונה את המודל?
מי קובע את שאלת המחקר?
מי מחזיק בתוצר?
ומי בסוף נהנה מהטכנולוגיה שנוצרה?
WHO מזהיר בין היתר מפערי כוח, מ־data colonialism וממצבים שבהם אוכלוסיות או מדינות מספקות נתונים למחקר אך אינן שותפות אמיתיות בקביעת סדר היום או בתועלת שנוצרת ממנו.
זו אינה שאלה פילוסופית בלבד.
אם מערכת מפותחת על בסיס אוכלוסייה מסוימת, אבל אינה מותאמת לה לאחר מכן, או אם היתרונות הכלכליים והקליניים זורמים למקום אחר, יש כאן בעיה של צדק מחקרי גם אם כל טופסי ההסכמה נחתמו כראוי.
06 /ומה זה אומר לנו בישראל?
ישראל היא מקום מצוין למחקר ופיתוח של AI בבריאות: מערכת בריאות דיגיטלית יחסית, מאגרי מידע גדולים, אוניברסיטאות חזקות ואקוסיסטם טכנולוגי מפותח.
דווקא בגלל זה אנחנו צריכים לחשוב גם על תשתית האתיקה שתאפשר למחקר להתקדם בלי להסתמך על מנגנונים שנבנו לפני עידן ה-AI.
זה יכול לכלול הכשרה ייעודית לוועדות אתיקה, שילוב מומחי AI וממשל נתונים כאשר נדרש, דרישות ברורות יותר לדיווח על שימוש במודלים, התייחסות לשינויי גרסה ולספקים חיצוניים, ובדיקת הטיות גם אחרי שהמחקר כבר התחיל.
לא כדי להאט מחקר.
בדיוק להפך.
מערכת פיקוח שמבינה את הטכנולוגיה יכולה להבחין טוב יותר בין שימוש בעל סיכון נמוך שאפשר לאשר במהירות, לבין מחקר שבאמת דורש בדיקה עמוקה.
07 /אתיקה טובה אינה הבלם של החדשנות
אחת הטעויות החוזרות בדיונים על רגולציה ואתיקה היא להציג אותן כמחסום לחדשנות.
אבל במחקר רפואי, אמון הוא חלק מהתשתית שמאפשרת חדשנות.
אנחנו מאפשרים לחוקרים גישה למידע רגיש ומסכימים להשתתף במחקרים משום שקיימת מערכת שאמורה להגן עלינו.
ככל ש-AI הופך לחלק עמוק יותר מתהליך המחקר, אותה מערכת צריכה להשתנות יחד איתו.
לא כל שאלה חדשה דורשת חוק חדש. ולא כל שימוש ב-AI דורש שכבת בירוקרטיה נוספת.
אבל אנחנו כן צריכים להתחיל לשאול שאלות מדויקות יותר:
איפה נעשה שימוש בבינה מלאכותית? איזה מידע היא רואה? על אילו החלטות היא משפיעה? מי יכול להבין ולבדוק את התוצאה? ומה קורה כשהיא טועה?
המחקר הרפואי הופך חכם ומהיר יותר.
עכשיו צריך לוודא שגם מנגנוני האחריות שמסביבו עומדים בקצב.
הבסיס למאמר הוא הדו"ח החדש של WHO, Artificial intelligence-related health research: ethics review and oversight, שפורסם ביולי 2026 והושק לציבור בספטמבר. הוא עוסק בדיוק בפער שבין הקצב שבו AI נכנס למחקר הבריאות לבין היכולת של מנגנוני האתיקה והפיקוח הקיימים להתמודד עם הסיכונים החדשים.
המאמר נכתב בעקבות הדו"ח החדש של ארגון הבריאות העולמי בנושא אתיקה ופיקוח במחקר בריאותי הקשור לבינה מלאכותית.
Dr. Amir Tal
Researcher, consultant, and initiative leader in mental health, AI, and innovation.