הסייבר הבא הוא רפואה: כך ה-AI הישראלי משנה בתי חולים ופארמה

התמונה הגדולה: זה כבר לא תחום אחד, זו שרשרת ערך שלמה

בישראל יש היום שרשרת ערך שלמה של בינה מלאכותית רפואית: קופות חולים שמפעילות חיזוי אוכלוסייתי, בתי חולים שמכניסים AI למיון ולניהול עומסים, חברות דימות ופתולוגיה, סטארטאפים שמנתחים חלבונים וביומרקרים, כלים לניסויים קליניים, מערכות בריאות נפש, ניטור ביתי וסוכני AI לתפעול רפואי.

רשות החדשנות כתבה ב-2026 שבישראל פועלות מעל 600 חברות בתחום AI ובריאות, ומתוכן בערך 80 מתמקדות בטכנולוגיות קבלת החלטות רפואיות. בנוסף, השקעות ב-AI רפואי מהוות בישראל שיעור גבוה יחסית מתוך השקעות ה-HealthTech.

הנקודה הכי חשובה: החברות החזקות באמת לא רק “מאבחנות”. הן נכנסות למקומות שבהם יושב הכסף הגדול - מניעת אשפוזים, תעדוף חולים, קיצור זמן אבחון, בחירת טיפול אונקולוגי, סימולציית ניסויים קליניים ופיתוח מולקולות.

במובן הזה, הרפואה מתחילה להזכיר את מה שקרה בסייבר. כמו שכתבתי גם במאמר על מודלי אבטחה לסוכני AI, ברגע ש-AI נכנס לתהליכים מקצועיים עמוקים, הוא כבר לא רק כלי עזר. הוא מתחיל לשנות את קצב העבודה של תעשייה שלמה.

1. מערכת הבריאות הישראלית עצמה: כאן קורה הדבר הכי רציני

הסיפור הכי חזק בישראל הוא לא סטארטאפ אחד, אלא זה שקופות ובתי חולים הפכו לזירות ניסוי ופריסה של AI רפואי. בכללית, פרופ׳ רן בליצר תיאר שימוש רחב בהמלצות מבוססות AI שסוגרות פערי טיפול - למשל שינוי תרופה אצל חולה סוכרת אחרי הידרדרות בתפקודי כליה.

בכללית עצמה יש את C-Pi, פלטפורמת התערבות יזומה ומניעתית שמצליבה תיקים רפואיים דיגיטליים עם מסלולים קליניים כדי לזהות מטופלים בסיכון ולהציע לרופא המלצות מעשיות. היא מופעלת בתחומים כמו הפטיטיס C, סוכרת ואוסטאופורוזיס, ושייכת למעבר הישראלי מרפואה תגובתית לרפואה חזויה ומונעת.

בשיבא הסיפור עוד יותר אגרסיבי: פרויקט K מוצג כמיון מבוסס AI, שבו המערכת אוספת היסטוריה רפואית, מבצעת תשאול דרך אווטאר, מציעה בדיקות, מסכמת מידע לרופא ומסמנת מקרים דחופים לטריאז׳. שיבא גם מציגה חזון של בית חולים מבוסס AI עד 2030, עם מערכות רב-סוכניות, תיעוד רפואי אוטומטי, חיזוי עומסי מיטות והפניית מטופלים יציבים לבית חולים וירטואלי.

2. דימות ורדיולוגיה: התחום הכי בשל, אבל לא היחיד

איידוק היא עדיין אחת החברות הישראליות החשובות בתחום. ב-2026 היא גייסה 150 מיליון דולר, עברה סך גיוסים של מעל 500 מיליון דולר, ודיווחה שהיא מנתחת עשרות מיליוני מקרי מטופלים בשנה ונמצאת בכמעט 2,000 בתי חולים. מה שמעניין הוא לא רק “פענוח CT”, אלא המעבר לפלטפורמת תשתית רחבה לדימות, טריאז׳ וקבלת החלטות.

לידה יש שכבה שלמה של חברות פחות מוכרות לקהל הרחב. ננוקס AI, שנבנתה סביב זברה מדיקל, מתמקדת בין היתר בזיהוי מחלות כרוניות לא מאובחנות מתוך סריקות קיימות. סקופיו עוסקת בדיגיטציה ו-AI להמטולוגיה. אייסאפ מנסה להעביר יכולת אבחון ליד מיטת החולה, באמצעות אולטרסאונד לבבי עם פידבק ודו״ח AI בזמן אמת גם לרופאים שאינם קרדיולוגים.

הדימות הוא שער הכניסה של AI לרפואה, אבל הוא כבר זז מפענוח תמונה לניהול החלטות. זה מתחבר גם לנושא רחב יותר שכתבתי עליו במאמר ההזיה האמיתית של הבינה המלאכותית: ככל שהמערכת מתקרבת לפעולה אמיתית, הבקרה חשובה יותר מההדגמה.

מהדימות המעבר לאונקולוגיה כמעט טבעי: אחרי שהמערכת יודעת לזהות ממצא בתמונה, השאלה הבאה היא מה המשמעות שלו, איזה טיפול מתאים, ואיך בוחרים את המטופלים הנכונים לניסוי או לתרופה.

3. פתולוגיה, ביומרקרים ואונקולוגיה: המקום שבו AI מתחיל לאיים על הפארמה

אייבקס היא אחת החברות הקריטיות למאמר. היא לא רק עוזרת לפתולוג לזהות סרטן; היא מתרחבת גם לתחום הביופארמה - הערכת ביומרקרים, אופטימיזציה של ניסויים קליניים ותמיכה בפיתוח תרופות.

כאן נכנסות חברות עמוקות יותר מהשיח הציבורי הרגיל. אימג׳ן משלבת פתולוגיה, גנומיקה, ביטוי גנים ונתונים קליניים כדי לזהות ביומרקרים ולבחור חולים לניסוי. נוקלאי מתמקדת בביומרקרים מרחביים - לא רק איזה תאים קיימים בגידול, אלא איפה הם נמצאים ואיך הם מתקשרים. אונקוהוסט משתמשת בפרוטאומיקה ו-AI כדי לחזות תגובה לטיפולים אימונותרפיים לפני תחילת טיפול.

האיום על פארמה מתחיל במקום שבו AI יודע להגיד מי יגיב לטיפול, מי לא, ואיזה ביומרקר שווה לפתח סביבו תרופה.

4. פיתוח תרופות: כאן באמת מתחילה ההשוואה לסייבר

כאן נמצא אחד השינויים העמוקים ביותר בשרשרת הערך: חברות התרופות לא מאוימות מצ׳אטבוט רפואי. הן מאוימות מכך שחלק מהידע שהחזיקו בתוך מעבדות ענק עובר למודלים, דאטה ומערכות סימולציה.

איון לאבס היא דוגמה אסטרטגית: מעבדת חדשנות ישראלית שמחברת בין חברות פארמה גדולות, קרנות ותשתיות ענן כדי לבנות חברות AI לפארמה. זו לא “עוד חממה”; זו דרך של חברות פארמה להכניס את עצמן לתוך המהפכה לפני שסטארטאפים יאכלו להן את היתרון.

סייטוריזן בונה מודלים חישוביים של מחלות כדי לעזור לפארמה להבין מנגנוני מחלה, לתעדף תוכניות פיתוח ולחזות ביצועי תרופות. בינואר 2026 היא הציגה את לינה, סוכן AI למו״פ פארמה. קוואנט-הלת׳ תוקפת נקודה אחרת: סימולציה של ניסויים קליניים כדי לשפר סיכויי הצלחה ולהפחית עלויות וזמן. קיוריס מנסה לחזות בטיחות אנושית לפני ניסויים יקרים.

חברות כמו סקאלה, קונברג׳ וביולוג׳יק פועלות בשכבה עמוקה יותר: תכנון חלבונים, נוגדנים ומולקולות ביולוגיות. כאן המאמר מתחבר ישירות לנושא שפרסמנו קודם על מחשוב קוונטי ופיתוח תרופות: בעתיד, AI, סימולציה ומחשוב מתקדם יתחברו לאותה שרשרת החלטות.

הפארמה הישנה בנויה על שנים, כסף, ניסויים וכישלונות. AI תוקף בדיוק את צווארי הבקבוק האלה.

אותה לוגיקה חוזרת גם בבריאות הנפש: לא רק מודל שמפיק תשובה, אלא מערכת שמנסה לתעדף עומסים, לסכם מידע רגיש, ולהעביר את האדם הנכון לטיפול הנכון בזמן.

5. בריאות נפש: תחום ישראלי שמתפוצץ אחרי 7 באוקטובר

כאן יש התפתחות ישראלית ייחודית מאוד. תחום בריאות הנפש הטכנולוגית בישראל כבר לא נראה כמו שוק של אפליקציות מדיטציה, אלא כמו מעבר לפתרונות קליניים, מוסדיים, עסקיים וממשלתיים - בתי חולים, קופות, מעסיקים, צבא וממשל.

מנטיילי / LIV היא דוגמה חזקה כי יש לה אישור רגולטורי ישראלי ככלי תומך החלטה לטריאז׳ פסיכיאטרי: שיחה עם אווטאר, איסוף מידע, הערכה ראשונית, סיכום מקצועי ותעדוף לפי דחיפות וחומרה. אליוס היא חברה ישראלית חשובה בצד של המטפל: היא מנתחת שיחות טיפוליות, מפיקה תובנות קליניות ומסכמת תיעוד לפי דרישות רגולטוריות.

בישראל נוצרה קטגוריית טראומה-טק - לא עוד אפליקציית וולנס, אלא מערכות שמנסות לתעדף, למדוד ולהרחיב טיפול נפשי תחת עומס לאומי.

מכאן השרשרת יוצאת מבית החולים אל הבית: אם אפשר לתעדף מטופל במיון או בקליניקה, אפשר גם לנטר אותו מרחוק לפני שהמצב מדרדר לאשפוז.

6. ניטור ביתי, רפואה מרחוק וגריאטריה: AI עובר מבית החולים לבית

בינה AI מאפשרת מדידה של מדדים פיזיולוגיים דרך מצלמת סמארטפון או טאבלט. וואן-סטפ הופכת סמארטפון למעבדת תנועה קלינית: הליכה, שיווי משקל, סיכון נפילות, שיקום וניטור מרחוק. סנסי פועלת בזקנה ובטיפול ביתי באמצעות ניטור ותובנות מבוססות AI לסוכנויות טיפול ביתי.

לצד זה, חשוב לכתוב בזהירות: ניטור ביתי יכול להציל חיים, אבל הוא גם מעלה שאלות כבדות על פרטיות, הסכמה ומעקב תמידי אחר קשישים בבית. דאטוס מוסיפה שכבת תשתית לרפואה היברידית וניטור מרחוק, עם פלטפורמה לבניית מסלולי טיפול דיגיטליים.

ה-AI לא נשאר באבחון. הוא עובר למעקב רציף בבית, במיוחד בזקנה, שיקום, מחלות כרוניות ואשפוז בית.

המעקב הזה מתחבר ישירות לניהול תרופות: הרבה סיכון רפואי לא נובע מאבחנה חסרה, אלא מטיפול לא מותאם, שילוב תרופות בעייתי או החמרה שלא זוהתה בזמן.

7. תרופות קיימות, סוכרת ופוליפרמציה: AI שמונע נזק מטיפול לא נכון

פילבטר היא חברה פחות מוכרת לציבור הרחב, אבל חשובה מאוד. היא עוסקת ב-AI לניהול תרופות בקנה מידה גדול: זיהוי מטופלים בסיכון בגלל ריבוי תרופות, המלצות לשינוי משטר תרופתי, מניעת אירועים חריגים והתערבות יזומה.

דרימד היא דוגמה נוספת לרפואה אלגוריתמית פרקטית: מערכת שמנתחת נתוני סוכר, מדידות רציפות ומשאבות אינסולין כדי להפיק המלצות טיפול מותאמות לסוכרת, עם אינטגרציה לתיעוד רפואי ולזרימת עבודה קלינית.

AI ברפואה לא חייב “לגלות תרופה חדשה”. לפעמים הערך הגדול הוא למנוע אשפוז בגלל תרופה לא מתאימה, מינון לא נכון או החמרה שלא זוהתה בזמן.

כדי שכל זה יעבוד בקנה מידה אמיתי, צריך גם שכבת תפעול: תורים, חיובים, תיעוד, שיחות, קידוד רפואי וניהול עומסים. בלי זה, גם מודל קליני טוב נשאר תקוע בפיילוט.

8. תפעול רפואי וסוכני AI: לא סקסי, אבל משנה בתי חולים מהר

היירו היא חברה ישראלית-אמריקאית חזקה בתחום סוכני AI לשירותי בריאות: זימון תורים, חידוש מרשמים, שאלות חיוב, ניתוב פניות ושירות קולי או טקסטואלי. נים פוגעת בכאב כלכלי עצום: קידוד רפואי וחיוב. תיאטור מנתחת וידאו מחדר ניתוח והופכת אותו לשכבת מודיעין כירורגית. טופולד מעניינת דווקא כי היא מראה שגם מרפאות וארגוני בריאות קטנים יכולים לקבל שכבת AI מעל מערכות קיימות.

כאן צריך להדגיש את האתגר האנושי: המטרה של סוכני AI רפואיים כרגע אינה רק לחסוך כסף להנהלה. אחת המטרות המרכזיות היא להציל צוותים רפואיים משחיקה. רופאים, אחיות ומטפלים קורסים תחת עומס תיעוד רפואי, שיחות, מערכות מידע, דרישות ביטוח וטפסים. AI שמסכם ביקור, מכין טיוטת תיעוד, מנתב פנייה או מזהה מטופל דחוף יכול להחזיר לצוות זמן יקר ולמנוע טעויות שנולדות מעומס.

חלק מהמהפכה יקרה מאחורי הקלעים - תורים, חיובים, שיחות, תיעוד, גיוס עובדים וניהול עומס. זה לא פחות משמעותי מפענוח MRI.

9. שכבת הדאטה והפרטיות: החברות שבונות את מסילת הרכבת

שכבת הדאטה היא התשתית שמחברת את כל החלקים הקודמים: פיתוח תרופות, דימות, אונקולוגיה, ניטור ביתי ותפעול רפואי. ריינו ואם-די-קלון פועלות בדיוק באזור הזה. ריינו מאפשרת שיתופי פעולה ב-AI רפואי בלי להזיז את הדאטה מהמוסד הרפואי, באמצעות למידה מבוזרת וחישוב מבוזר. הרעיון הוא לאמן או לבדוק מודלים בלי להעביר החוצה נתוני מטופלים רגישים.

אם-די-קלון עוסקת בסביבות דאטה רפואי וסינתטי, שמאפשרות מחקר וניתוח בלי לחשוף רשומות מטופלים אמיתיות. זה תחום פחות נוצץ, אבל קריטי: בלי פתרונות פרטיות ודאטה, הרבה מודלים רפואיים לא יוכלו לעבור מפיילוט לשימוש רחב.

זה מתחבר ישירות למאמר על רגולציה ואסדרת AI בישראל: ברפואה, דאטה אינו “משאב כללי”. הוא מידע רגיש שמחייב הרשאות, תיעוד, אבטחה, הסכמה וממשל נתונים.

החברות שהוזכרו במאמר - בטבלה מסודרת

כדי שהמאמר לא ירגיש כמו רשימת שמות, הנה מפתח קצר לחברות המרכזיות שהוזכרו. הדגש הוא על חברות ישראליות או חברות עם זיקה ישראלית מובהקת: מטה או פעילות בישראל, הקמה בידי יזמים ישראלים, צוות פיתוח ישראלי, או חיבור ישיר לאקוסיסטם רפואי ישראלי. רוב החברות כאן הן ישראליות מובהקות. חלק קטן נכון יותר להציג כישראליות-אמריקאיות: מטה עסקי או שוק מכירות בארה״ב, לצד מייסדים ישראלים, פעילות בתל אביב, מרכז פיתוח בישראל או שורש ישראלי ברור. התיאורים בטבלה נוסחו בזהירות אחרי בדיקה מול אתרי החברות, הודעות רשמיות או מקורות מקצועיים אמינים, בלי להוסיף הבטחות שלא מופיעות במקור.

אבחון, אונקולוגיה וניטור מטופלים

פארמה, תפעול רפואי ודאטה

הערת אמינות על הטבלה: לא כל חברה בטבלה היא “ישראלית” באותה משמעות משפטית. חלקן רשומות וממוקמות בישראל, חלקן ישראליות-אמריקאיות, חלקן הוקמו על ידי ישראלים ומחזיקות מרכז פיתוח בישראל, וחלקן מחוברות לאקוסיסטם הרפואי הישראלי דרך שיבא, קופות החולים, רשות החדשנות או משקיעים ישראלים. לכן הטבלה מסמנת זיקה ישראלית מוכחת, ולא רק אזרחות תאגידית צרה.

הפיל בחדר: המודל העסקי והשיפוי

AI רפואי נופל פעמים רבות לא על טכנולוגיה, אלא על השאלה הפשוטה: מי משלם על זה? בית חולים יכול להתלהב ממערכת, אבל אם אין לו דרך לממן הטמעה, הדרכה, אינטגרציה ותחזוקה, הפיילוט יישאר פיילוט.

בארה״ב במיוחד, חברות AI רפואי צריכות להוכיח החזר השקעה מהיר או להשיג קודי שיפוי ביטוחי. אם המערכת מקצרת ימי אשפוז, מפחיתה בדיקות מיותרות, מורידה נטישת שיחות, משפרת תפוקת צוות או מונעת החמרה, יש לה סיכוי להפוך למוצר אמיתי. אם היא רק עוד עלות תוכנה בלי ROI ברור, קשה מאוד להטמיע אותה בקנה מידה רחב.

זהירות: הזיות, הטיות ואדם במעגל

למרות ההתלהבות, חשוב להכניס משפט מצנן: מודלים יכולים להזות, להישען על דאטה מוטה, להציג ביטחון מופרז או להיכשל על אוכלוסיות שלא יוצגו טוב באימון. ברפואה, הטיה אינה רק בעיית “דיוק” - היא יכולה להשפיע על אבחון, מינון, גיוס לניסוי או בחירת טיפול.

בפועל, הרבה מערכות AI רפואיות נופלות במקומות פחות נוצצים: אינטגרציה איטית לתיק הרפואי, דאטה לא נקי, עומס התראות על רופאים, חוסר אמון מצד צוותים, קושי להוכיח ROI, והבדל גדול בין פיילוט בבית חולים מוביל לבין פריסה בעשרות מחלקות. יש גם חברות שמנפחות יכולות שיווקיות: “דיוק גבוה” בתנאי מעבדה לא תמיד אומר מוצר שמחזיק עומס, שפות, אוכלוסיות שונות ותהליכי עבודה אמיתיים.

בישראל יש יתרון עצום בגלל קופות חולים, דאטה היסטורי ובתי חולים חדשניים, אבל יש גם חסמים מקומיים: תקציבי רכש איטיים, עומס תפעולי, רגישות גבוהה לפרטיות, אינטגרציה למערכות ישנות, וחובת הוכחה שהכלי עוזר לצוות ולא מוסיף לו עוד מסך ועוד התראה.

לכן רגולטורים כמו ה-FDA עדיין דורשים בטיחות, תיעוד, ניטור, ובמקרים רבים אדם במעגל ההחלטה. AI יכול להאיץ, לסמן, לסכם ולהציע. אבל החלטה רפואית רגישה צריכה להישאר עם אדם מוסמך, במיוחד כשמדובר בטיפול, אבחון, ניסוי קליני או פעולה שמשפיעה ישירות על מטופל.

זו גם הסיבה שהדיון על אוטומציה אוטונומית וסוכני AI חשוב כל כך: ככל שהמערכת מבצעת יותר, כך צריך יותר הרשאות, לוגים, גבולות ואישור אנושי לפני פעולות מסוכנות.

השורה התחתונה

האמירה ש-AI יחליף רופאים היא שטחית מדי. המהפכה האמיתית היא שבינה מלאכותית ברפואה בישראל כבר לא נמצאת בשלב של כלי עזר. היא הופכת לשכבת החלטה ותפעול שמזהה חולים בסיכון, מקדמת טיפול מונע, מפענחת דימות, מתעדפת מיון, מסייעת באבחון סרטן, מנבאת תגובה לטיפול, מסמלצת ניסויים קליניים ומתכננת חלבונים ונוגדנים.

ההשוואה לסייבר נכונה, אבל צריך לדייק אותה: בסייבר, AI מאיץ את מציאת החולשות והתגובה אליהן. ברפואה, הוא מאיץ את זיהוי המחלה וההחלטה על טיפול - אבל האחריות הקלינית והרגולטורית יוצרות חיכוך טבעי שמאט את האימוץ. בשני התחומים המודל משנה את קצב הפעולה; ההבדל הוא שבסייבר טעות יכולה להפיל מערכת, וברפואה טעות יכולה לפגוע ישירות באדם.

לכן ההקבלה האמיתית לסייבר אינה רק “AI עושה דברים מהר יותר”. היא נמצאת בבקרת הסיכון: הרשאות, לוגים, ניטור, בדיקות לפני פריסה, תגובה לתקלות, והבנה שאסור לתת למערכת אוטונומית לפעול בלי גבולות. ברפואה השאלה היא לא רק כמה מהר המודל עובד, אלא מי מאשר, מי בודק, מי נושא באחריות ומה קורה כשהמערכת טועה.

מי שיבנה את זה נכון לא יחפש רק מודל מרשים. הוא יחפש מערכת שמחזיקה בעולם אמיתי: דאטה, אמון, אבטחה, רגולציה, ROI, תיעוד, בקרה אנושית וחיבור לזרימת העבודה של הצוות הרפואי.