Skip to main content
Automaziot AI logo
  • Home
  • Blog
  • About
  • Contact
(646) 760-4854Book a Free Consultation
Automaziot AI - AI Automation and Intelligent Agents for Business

AI Automation Experts. We help businesses streamline operations and scale faster with intelligent agents and workflow automation.

USA(646) 760-4854Israel HQ+972-3-7630715info@automaziot.ai
Israel HQ: Ahad Ha'Am 9, Tel Aviv

Quick Links

  • Home
  • About
  • Contact
  • Case Studies
  • Glossary

Our Solutions

  • Lead Management
  • WhatsApp AI Agent
  • Business Automation
  • Smart CRM
  • Automated Scheduling
  • Sales & Support
  • WhatsApp Commerce
  • AI Agents
  • Tech Consulting

Stay Updated

Get the latest insights on AI automation delivered to your inbox.

FacebookInstagramLinkedIn

This site uses Google Analytics and Vercel Analytics to improve your experience. For full details, see our Privacy Policy

© 2026 Automaziot AI. All rights reserved.

Privacy PolicyTerms of ServiceAccessibilityEditorial Policy
מודלי שפה גדולים לחיזוי שבץ מוחי
מודלי שפה גדולים חוזים תוצאות שבץ מוחי
ביתחדשותמודלי שפה גדולים חוזים תוצאות שבץ מוחי
מחקר

מודלי שפה גדולים חוזים תוצאות שבץ מוחי

מחקר חדש מראה כיצד LLMs מנתחים דוחות קבלה לחיזוי מדויק של mRS ב-90 יום

צוות אוטומציות AIצוות אוטומציות AI
12 בפברואר 2026
4 דקות קריאה

תגיות

Llama-3.1-8BMedGemma-4BBERTNYUTronNYU LangonemRSNIHSS

נושאים קשורים

#בינה מלאכותית ברפואה#חיזוי רפואי#שבץ מוחי#מודלי שפה גדולים
מבוסס על כתבה שלarXiv cs.AI ↗·תרגום, סיכום והקשר עסקי על-ידי המערכתאיך אנחנו עובדים

✨תקציר מנהלים

Key Takeaways

  • Llama fine-tuned השיג 42% דיוק מדויק לחיזוי שחרור.

  • ביצועים דומים לבסליינים מובנים ב-90 יום.

  • ניתוח ישיר מדוחות H&P ללא עיבוד נתונים.

  • פוטנציאל לשילוב בזרימת עבודה קלינית.

מודלי שפה גדולים חוזים תוצאות שבץ מוחי

  • Llama fine-tuned השיג 42% דיוק מדויק לחיזוי שחרור.
  • ביצועים דומים לבסליינים מובנים ב-90 יום.
  • ניתוח ישיר מדוחות H&P ללא עיבוד נתונים.
  • פוטנציאל לשילוב בזרימת עבודה קלינית.

מודלי שפה גדולים לחיזוי תוצאות שבץ מוחי

האם ניתן לחזות את התקדמותו של חולה שבץ מוחי רק על סמך דוח הקבלה לבית החולים? מחקר חדש מעלה אפשרות מלהיבה: מודלי שפה גדולים (LLMs) מצליחים לחזות את התוצאה הפונקציונלית של חולים אלו בדיוק גבוה. החוקרים בדקו את היכולת של מודלים כמו Llama ו-BERT לנתח הערות רפואיות שגרתיות, ללא צורך בנתונים מובנים כמו גיל או NIHSS. התוצאות מדהימות ומצביעות על עתיד שבו כלים מבוססי טקסט משתלבים בעבודת הרופאים.

מה זה חיזוי mRS באמצעות מודלי שפה גדולים?

ה-s mRS (modified Rankin Scale) הוא סולם סטנדרטי להערכת התפקוד הפונקציונלי לאחר שבץ מוחי, המדרג מ-0 (ללא סימפטומים) עד 6 (מוות). מחקר זה בדק כיצד מודלי שפה גדולים, כמו Llama-3.1-8B ו-MedGemma-4B, מנתחים דוחות היסטוריה ופיזיקל (H&P) כדי לחזות את הציון בזמן השחרור וב-90 יום. המודלים נבדקו בגרסאות קפואות ומעודכנות (fine-tuned), על נתונים מ-9,485 דוחות לשחרור ו-1,898 ל-90 יום ממאגר NYU Langone (2016-2025). זו גישה חדשנית שמאפשרת חיזוי ישיר מטקסט חופשי, ללא עיבוד נתונים ידני.

תוצאות מרשימות של Llama בחיזוי שבץ

המודל המנצח היה Llama לאחר fine-tuning. לחיזוי בזמן השחרור השיג דיוק מדויק (7 קטגוריות mRS) של 42.0% [95% CI, 39.0-45.0%] ודיוק בינארי (mRS 0-2 מול 3-6) של 75.0% [72.4-77.6%]. ל-90 יום: 33.9% [27.9-39.9%] מדויק ו-76.3% [70.7-81.9%] בינארי. מודלים אחרים כמו BERT ו-NYUTron היו נמוכים יותר. השוואה לבסליינים מובנים (עם NIHSS וגיל) הראתה ביצועים דומים ל-Llama ב-90 יום. לפי הדיווח, זה מאפשר כלים פרוגנוסטיים מבוססי טקסט שמתמזגים בזרימת העבודה הקלינית, בדומה לפתרונות סוכני AI.

השוואה למודלים מסורתיים

מודלים קודמים הסתמכו על משתנים מובנים כמו NIHSS (סולם חומרת שבץ), אך דרשו איסוף ידני. LLMs קוראים את כל ההקשר בדוחות, כולל תיאורים סובייקטיביים, ומספקים חיזוי דומה ללא מאמץ נוסף.

ההשלכות לעסקים בישראל

בישראל, שבה מתרחשים כ-20,000 מקרי שבץ מוחי בשנה, טכנולוגיה זו יכולה לשנות את ניהול בתי החולים. חברות מדטק ישראליות, כמו אלו המפתחות אוטומציה עסקית, יכולות לשלב כלים כאלו להקצאת משאבים טובה יותר, תכנון טיפולים וקיצור אשפוזים. זה מפחית עלויות ומשפר תוצאות חולים, במיוחד במערכת הבריאות הציבורית העמוסה. מחקר זה פותח דלת לשיתופי פעולה בין AI לרפואה ישראלית חדשנית.

מה זה אומר לעסק שלך

אם אתה מנהל חברת בריאות או סטארט-אפ מדטק, שקול לשלב מודלי שפה גדולים לחיזוי תוצאות. זה מאפשר החלטות מבוססות נתונים בזמן אמת, משפר יעילות ומגדיל רווחיות. העתיד כבר כאן – התחל לבדוק איך ליישם זאת.

חברות שיאמצו טכנולוגיה זו יובילו את השוק. האם העסק שלך מוכן לשינוי?

שאלות ותשובות

FAQ

הכתבה הוכנה על-ידי המערכת בליווי בינה מלאכותית: תרגום, סיכום והוספת הקשר עסקי ישראלי מתוך פרסום מקורי של arXiv cs.AI. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

אהבתם את הכתבה?

הירשמו לניוזלטר שלנו וקבלו עדכונים חמים מעולם ה-AI ישירות למייל

Your information will only be used to contact you and deliver our services. For details, see ourPrivacy Policy and Terms of Service

עוד מ־arXiv cs.AI

כל הכתבות מ־arXiv cs.AI
ספקולטיב דיקודינג במובייל: למה AHASD משנה את המשחק
מחקר
לפני 6 ימים
6 דקות
·מ־arXiv cs.AI

ספקולטיב דיקודינג במובייל: למה AHASD משנה את המשחק

**ספקולטיב דיקודינג במובייל הוא דרך להאיץ הרצת מודלי שפה גדולים על מכשירי קצה באמצעות מודל קטן שמכין טיוטה ומודל גדול שמאמת אותה.** במחקר AHASD שפורסם ב-arXiv החוקרים מדווחים על עד פי 4.2 בתפוקה ופי 5.6 ביעילות אנרגטית לעומת בסיס GPU בלבד, עם תקורת חומרה של פחות מ-3% משטח ה-DRAM. עבור עסקים בישראל, המשמעות היא אפשרות עתידית להעביר חלק ממשימות ה-AI למובייל — למשל סיכום שיחות, סיווג פניות והשלמת טפסים — תוך שילוב עם Zoho CRM, ‏WhatsApp Business API ו-N8N. זה עדיין לא מוצר מדף, אבל הכיוון חשוב מאוד לכל ארגון שבונה תהליכי AI מהירים, חסכוניים ורגישים לפרטיות.

Draft Language ModelTarget Language ModelNPU
קרא עוד
Auto-ARGUE להערכת דוחות RAG: למה זה חשוב לעסקים
מחקר
לפני 6 ימים
5 דקות
·מ־arXiv cs.AI

Auto-ARGUE להערכת דוחות RAG: למה זה חשוב לעסקים

**Auto-ARGUE הוא כלי להערכת דוחות RAG עם ציטוטים, שנועד לבדוק אם מסמך שנוצר בידי מודל שפה אכן נשען על מקורות נכונים וניתנים לאימות.** לפי התקציר ב-arXiv, החוקרים בחנו אותו על משימות TREC 2024 ומצאו מתאם טוב ברמת המערכת מול שיפוט אנושי. עבור עסקים בישראל, המשמעות ברורה: אם אתם מייצרים סיכומי לידים, תקצירי תיקים, דוחות שירות או מסמכי הנהלה באמצעות מודלי שפה, אתם צריכים שכבת בקרה ולא רק שכבת יצירה. השילוב בין AI Agents,‏ WhatsApp Business API,‏ Zoho CRM ו-N8N יכול לספק תהליך עבודה חזק, אבל בלי מדידת איכות לדוחות עצמם, הסיכון לטעויות עסקיות נשאר גבוה.

TREC 2024NeuCLIRRAG
קרא עוד
אופטימיזציית העדפות ללא Likelihood Displacement: מה המחקר משנה
מחקר
28 באפריל 2026
6 דקות
·מ־arXiv cs.AI

אופטימיזציית העדפות ללא Likelihood Displacement: מה המחקר משנה

**Likelihood Displacement הוא מצב שבו אימון מודל שפה להעדפות פוגע גם בתשובה הטובה, לא רק בגרועה.** המחקר החדש ב-arXiv מציע מסגרת בשם disentanglement band ושכבת Reward Calibration שמטרתן לשמור על התשובה המועדפת תוך דיכוי התשובה שנדחתה. עבור עסקים בישראל, המשמעות פרקטית מאוד: אם אתם מפעילים סוכן ב-WhatsApp, מחברים אותו ל-Zoho CRM ומנהלים תהליכים דרך N8N, כוונון שגוי עלול לפגוע בשירות, במכירות ובאיכות מיון הלידים. לכן המדד הנכון אינו רק "האם המודל פחות טועה", אלא גם "האם הוא ממשיך לענות היטב במקרים הטובים".

GitHubReward Calibrationdisentanglement band
קרא עוד
גרין פרומפטינג ל-LLM: איך ניסוח השאלה משפיע על עלות
מחקר
28 באפריל 2026
6 דקות
·מ־arXiv cs.AI

גרין פרומפטינג ל-LLM: איך ניסוח השאלה משפיע על עלות

**גרין פרומפטינג הוא שיטה לניסוח פרומפטים שמפחיתה עלות הרצה של מודלי שפה דרך שינוי המשמעות של המשימה, לא רק קיצור הטקסט.** לפי מחקר arXiv חדש, אורך הפרומפט פחות משמעותי מהסמנטיקה שלו, ומילים מסוימות עשויות להעלות או להוריד צריכת אנרגיה. עבור עסקים בישראל, המשמעות מעשית: אם אתם מחברים LLM ל-WhatsApp, ל-Zoho CRM או לזרימות N8N, ניסוח מדויק יותר יכול לשפר זמן תגובה ולצמצם עלויות API וחישוב. המסקנה המרכזית היא שלא כל תהליך צריך תשובה פתוחה; לעיתים סיווג קצר ומובנה ייתן תוצאה עסקית טובה יותר במחיר נמוך יותר.

OpenAIAnthropicGoogle
קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
אבטחת מידע ברשתות סוכני AI: סכנות חדשות בעבודה אוטונומית
מחקר
לפני 5 ימים
5 דקות
·מ־Microsoft Research

אבטחת מידע ברשתות סוכני AI: סכנות חדשות בעבודה אוטונומית

מחקר מקיף של צוות האבטחה במיקרוסופט מצא כי כאשר סוכני בינה מלאכותית מתקשרים זה עם זה ברשתות משותפות, נוצרים סיכוני אבטחה חמורים שאינם קיימים בעבודה עם סוכן מבודד. בין היתר, הוכח בניסוי מבוקר כי הודעה זדונית בודדת יכולה ליצור התפשטות של "תולעת AI" המעתיקה נתונים אישיים מ-6 סוכנים שונים ללא מגע אדם, תוך ניצול של למעלה מ-100 קריאות API ולולאות תקשורת שחוסמות את פעילות המערכת. הדו"ח מזהיר חברות המסתמכות על אוטומציה ותשתיות סוכנים, במיוחד בניהול רשומות רפואיות ופיננסיות רגישות, להיערך לוקטורי תקיפה חדשים של הונאת סוכנים, הנדסה חברתית בין מודלי שפה, ומניפולציות מוניטין פנימיות שעלולות לעקוף את בקרות האבטחה האנושיות.

GPT-4ChatGPTCopilot
קרא עוד
הסייע הרפואי של Google DeepMind: מערכות בינה מלאכותית למרפאות פרטיות בישראל
מחקר
לפני 5 ימים
4 דקות
·מ־DeepMind

הסייע הרפואי של Google DeepMind: מערכות בינה מלאכותית למרפאות פרטיות בישראל

Google DeepMind חשפה את פרויקט "AI co-clinician", סוכן בינה מלאכותית מתקדם המיועד לעבוד בשיתוף פעולה לצד רופאים במרפאות ובסביבות טלמדיסין. בניגוד למערכות המבוססות על טקסט בלבד, המערכת החדשה פועלת על גבי מודלים מולטימודאליים המאפשרים לה לראות, לשמוע ולתקשר עם מטופלים בזמן אמת. במחקרי סימולציה מקיפים שכללו בדיקה של 140 מדדים קליניים, המערכת הציגה ביצועים ברמה המקבילה לרופאי משפחה ב-68 מהמדדים, ואף הצליחה להדריך מטופלים מרחוק בבדיקות פיזיות כמו שימוש נכון במשאף ואיתור פגיעות כתף. בעוד שהטכנולוגיה נמצאת עדיין בשלבי מחקר עולמי, היא מסמנת את הכיוון הברור אליו צועד ענף הרפואה: צמצום העומסים הקריטיים על הצוותים והכפלת יכולות הטיפול באמצעות סייעים דיגיטליים אמינים.

Google DeepMindWorld Health OrganizationMedPaLM
קרא עוד
ספקולטיב דיקודינג במובייל: למה AHASD משנה את המשחק
מחקר
לפני 6 ימים
6 דקות
·מ־arXiv cs.AI

ספקולטיב דיקודינג במובייל: למה AHASD משנה את המשחק

**ספקולטיב דיקודינג במובייל הוא דרך להאיץ הרצת מודלי שפה גדולים על מכשירי קצה באמצעות מודל קטן שמכין טיוטה ומודל גדול שמאמת אותה.** במחקר AHASD שפורסם ב-arXiv החוקרים מדווחים על עד פי 4.2 בתפוקה ופי 5.6 ביעילות אנרגטית לעומת בסיס GPU בלבד, עם תקורת חומרה של פחות מ-3% משטח ה-DRAM. עבור עסקים בישראל, המשמעות היא אפשרות עתידית להעביר חלק ממשימות ה-AI למובייל — למשל סיכום שיחות, סיווג פניות והשלמת טפסים — תוך שילוב עם Zoho CRM, ‏WhatsApp Business API ו-N8N. זה עדיין לא מוצר מדף, אבל הכיוון חשוב מאוד לכל ארגון שבונה תהליכי AI מהירים, חסכוניים ורגישים לפרטיות.

Draft Language ModelTarget Language ModelNPU
קרא עוד
Auto-ARGUE להערכת דוחות RAG: למה זה חשוב לעסקים
מחקר
לפני 6 ימים
5 דקות
·מ־arXiv cs.AI

Auto-ARGUE להערכת דוחות RAG: למה זה חשוב לעסקים

**Auto-ARGUE הוא כלי להערכת דוחות RAG עם ציטוטים, שנועד לבדוק אם מסמך שנוצר בידי מודל שפה אכן נשען על מקורות נכונים וניתנים לאימות.** לפי התקציר ב-arXiv, החוקרים בחנו אותו על משימות TREC 2024 ומצאו מתאם טוב ברמת המערכת מול שיפוט אנושי. עבור עסקים בישראל, המשמעות ברורה: אם אתם מייצרים סיכומי לידים, תקצירי תיקים, דוחות שירות או מסמכי הנהלה באמצעות מודלי שפה, אתם צריכים שכבת בקרה ולא רק שכבת יצירה. השילוב בין AI Agents,‏ WhatsApp Business API,‏ Zoho CRM ו-N8N יכול לספק תהליך עבודה חזק, אבל בלי מדידת איכות לדוחות עצמם, הסיכון לטעויות עסקיות נשאר גבוה.

TREC 2024NeuCLIRRAG
קרא עוד