ChatGPT Health הושק: מה הוא עושה ומה ארגונים בישראל צריכים לדעת

מה הושק ב-23 ביולי 2026

OpenAI הודיעה ב-23 ביולי 2026 על השקה הדרגתית של Health in ChatGPT למשתמשי Free, Go, Plus ו-Pro בני 18 ומעלה בארצות הברית. הממשק נתמך בשלב זה בדפדפן וב-iOS. המשתמש יכול לשאול שאלות בריאות גם בלי לחבר מידע, או לבחור לחבר Apple Health, רשומות רפואיות ממערכות נתמכות בארצות הברית, One Medical או Function Health. לפי התיעוד הרשמי, סנכרון גדול עשוי להימשך זמן, והמידע שמגיע מאפליקציות צד שלישי תלוי במה שהן משתפות בפועל.

החידוש אינו עצם האפשרות לשאול את ChatGPT שאלה רפואית. החידוש הוא מרחב נפרד שמרכז נתונים שהמשתמש בחר לחבר, מציג רשומות ומגמות ומאפשר לשאול שאלה עם הקשר מתמשך. OpenAI מציגה דוגמאות כמו השוואת בדיקה חדשה לתוצאות קודמות, סיכום שינויים מאז פגישה רפואית או בחינת קשר בין שינה, פעילות ואימונים. אלה תרחישי הסבר וארגון מידע, לא הרשאה לתת אבחנה או הוראת טיפול.

• זמינות נוכחית: ארצות הברית, גיל 18 ומעלה, Web ו-iOS
• חיבורים אפשריים: Apple Health ורשומות או שירותים נתמכים
• גישה לנתונים נעשית לפי בחירת המשתמש והרשאה
• המוצר מיועד לתמיכה בהבנה, לא להחלפת טיפול רפואי

כיצד משתמשים ב-ChatGPT Health בפועל

לאחר שהאפשרות מופיעה בחשבון, פותחים את Health בסרגל הצד, בוחרים Get started ומחברים רק את המקור הנדרש. לאחר הסנכרון כדאי לבדוק אם רשימת התרופות, המצבים והרקע המשפחתי עדכניים. OpenAI מזהירה שמידע מחובר אינו תמיד שלם או עדכני; למשל, תרופה שהופסקה יכולה להישאר ברשומה. לכן לפני שאלה משמעותית צריך לפתוח את המקור, לבדוק תאריך ויחידות ולתקן פרטים חסרים.

שאלה טובה מציינת מה המשתמש רוצה להבין, את טווח הזמן ואת סוג התשובה. למשל: ״סכם את השינויים בשלוש בדיקות הדם האחרונות, הצג את הערכים והיחידות, סמן מה אינך יכול לקבוע והכן חמש שאלות לרופא״. ניסוח כזה מפריד בין עובדות שמקורן ברשומה, הסבר כללי ושאלות להמשך. הוא גם מקטין את הסיכון שתשובה בטון בטוח תיתפס כהחלטה קלינית.

כאשר המידע אישי ורגיש, אין צורך לחבר הכול. עדיף להתחיל ללא חיבור, ורק אם התשובה דורשת הקשר אישי לאשר מקור מסוים. כברירת מחדל, ChatGPT מבקש רשות לפני שימוש ברשומות רפואיות מחוברות או ב-Apple Health לצורך התאמת תשובה. אפשר לבחור הרשאה קבועה, אך מבחינת עקרון ההרשאה המינימלית עדיף לשמור אישור נקודתי כל עוד המשתמש בוחן את השירות.

פרטיות: מה OpenAI מתחייבת ומה עדיין צריך לבדוק

לפי OpenAI, רשומות רפואיות מחוברות, מידע מ-Apple Health והשיחות שמשתמשות בו אינם משמשים לאימון מודלי הבסיס או לפרסום ממוקד, ללא קשר להגדרת האימון הרגילה בחשבון. כל שיחות ChatGPT מוצפנות במעבר ובמנוחה, ולמידע המחובר ב-Health מתווספות הגנות הצפנה. הודעת הפרטיות של OpenAI מתארת גם עיבוד בידי אנשי צוות מורשים וספקי שירות מהימנים לצורכי הפעלה, תמיכה, אבטחה, בטיחות ומניעת שימוש לרעה.

ניתוק מקור אינו מוחק בהכרח כל אזכור שכבר הופיע בשיחה. לפי מרכז העזרה, הנתונים המסונכרנים מן המקור נמחקים ממערכות OpenAI בתוך 30 יום לאחר ניתוק, אך מידע שכבר נכלל בהיסטוריית השיחות נשאר עד שהמשתמש מוחק את השיחות המתאימות. המשמעות המעשית היא שניהול מחיקה כולל שני צעדים: ניתוק החשבון ומחיקת השיחות או הזיכרונות שבהם הופיע המידע.

ארגון אינו צריך להסתפק במשפט ״המידע אינו משמש לאימון״. לפני פיילוט יש לבדוק מי בעל החשבון, מהו הבסיס החוזי, היכן נשמר המידע, מי רשאי לגשת אליו, מהי מדיניות המחיקה, האם קיימים לוגים ובקרות מנהל ומה קורה כאשר משתמש משתף שיחה. מדיניות AI ארגונית צריכה להגדיר במפורש אילו סוגי מידע רפואי אסור להזין למוצר צרכני.

ההבדל הקריטי: ChatGPT Health מול ChatGPT for Healthcare

ChatGPT Health הוא מוצר צרכני לאדם שמבקש להבין ולנהל טוב יותר את המידע הבריאותי שלו. מרכז העזרה של OpenAI מציין במפורש שהוא אינו מיועד לשימוש קליני של covered entity בארצות הברית ואינו מציע Business Associate Agreement. גם אם המשתמש הוא רופא, עצם השימוש בחשבון צרכני אינו הופך את המרחב למערכת ארגונית מאושרת.

ChatGPT for Healthcare הוא מוצר ארגוני נפרד לקלינאים, חוקרים ואנשי מנהלה. לפי OpenAI הוא כולל סביבת עבודה עם בקרת גישה לפי תפקיד, SSO, ניהול משתמשים, לוגי ביקורת, אפשרויות מיקום נתונים, מפתחות הצפנה בשליטת הלקוח ואפשרות ל-BAA. הוא כולל גם חיפוש קליני עם ציטוטים ומיועד לתהליכים מוסדיים. התנאים האמריקאיים אינם מחליפים בדיקת דין ומדיניות בישראל, אך הם ממחישים מדוע צריך לבחור מוצר לפי סוג השימוש ולא לפי שם המותג.

לארגון ישראלי המשמעות פשוטה: השקת Health בארצות הברית היא איתות מוצר חשוב, לא אישור לשימוש בנתוני מטופלים. אם המטרה היא הכנת שאלות אישית בידי אדם פרטי, זה תרחיש אחד. אם המטרה היא סיכום תיק, יצירת הנחיות שחרור או תמיכה בהחלטה בתוך בית חולים, זה תרחיש מוסדי אחר שדורש מוצר, הסכם, אבטחה, בקרה קלינית והערכת סיכון מתאימים.

מה אפשר ללמוד מ-HealthBench ומה אי אפשר להסיק ממנו

OpenAI פיתחה את HealthBench כדי להעריך תשובות של מודלים בשיחות בריאות. מערך הבדיקה כולל 5,000 שיחות רב-שלביות ו-48,562 קריטריונים שנכתבו בעזרת 262 רופאים שהתמחו ב-26 תחומים ועבדו ב-60 מדינות. השיחות נוצרו בשילוב יצירה סינתטית ובדיקות אדוורסריות אנושיות. תשובות המודלים נבדקו מול רובריקה ייחודית לכל שיחה באמצעות מעריך מבוסס מודל, ולאחר מכן נבדקה התאמה לחוות דעת רופאים.

זהו מערך עשיר יותר ממבחן רב-ברירה, אך הוא אינו ניסוי קליני. מאמר ביקורת ב-Digital Health ציין שהשיחות הסינתטיות מגבילות את התוקף האקולוגי, שמעריך מבוסס מודל עלול לשתף נקודות עיוורון עם המודל הנבדק, ושאין במבחן מדדי תוצאה למטופל, עבודה לאורך זמן או שימוש קליני אמיתי. לכן שיפור בציון Benchmark מצביע על יכולת בתנאי הבדיקה; הוא אינו מוכיח ירידה בטעויות, שיפור בריאותי או בטיחות בסביבה מקומית.

ארגון צריך לבנות בדיקה מקומית נפרדת: תרחישים בעברית, מידע בפורמט המקומי, שינויים ביחידות, מסמכים חסרים, שאלות עמומות ומצבי חירום. מומחה רפואי מגדיר מראש מה חייב להופיע, מה אסור להיאמר ומתי יש להפנות לטיפול. מדריך Evals ארגוני מסביר כיצד לבנות Golden Set ורובריקה במקום להסתמך על הדגמת ספק.

חמישה תרחישים שימושיים שאינם מחליפים שיקול דעת רפואי

התרחיש הראשון הוא הכנה לפגישה: סיכום תוצאות ושאלות, בלי לבקש אבחנה. השני הוא תרגום שפה מקצועית להסבר פשוט שהמטופל יכול לבדוק עם איש מקצוע. השלישי הוא ניהול עצמי של הרגלים, למשל זיהוי קשרים אפשריים בין פעילות לשינה, תוך הבחנה בין מתאם להסבר רפואי. הרביעי הוא ארגון ציר זמן של מסמכים. החמישי הוא הכנת רשימת מידע חסר שצריך להביא לפגישה.

בארגון אפשר ללמוד מהתרחישים האלה גם בלי להפעיל את המוצר על מידע אמיתי. בסדנה משתמשים בתיקים מדומים או סינתטיים, בודקים כיצד המערכת מציגה מקור ואי-ודאות ומתרגלים הסלמה לאדם. סדנת AI למערך הבריאות יכולה להתמקד בתיעוד, הסבר למטופל, מחקר והדרכה בסביבה מאושרת, ולא בהעברת סמכות קלינית למודל.

מומלץ למדוד לא רק אם התשובה נראית טובה. בודקים דיוק בהעתקת מספרים ויחידות, כיסוי של מידע חשוב, הבחנה בין עובדה לפרשנות, הפניה למקור, ניסוח אי-ודאות, זיהוי צורך בטיפול והימנעות מהמלצה מסוכנת. כל תשובה שמובילה להחלטה משמעותית עוברת בדיקה של בעל המקצוע המוסמך.

מדריך לארגון: כיצד להיערך בלי להמתין לזמינות בישראל

שלב ראשון הוא למפות כוונת שימוש. האם עובדים שואלים שאלות אישיות בחשבון פרטי, האם הארגון מבקש להנגיש חומר מקצועי, או האם מדובר בעיבוד נתוני מטופלים? שלוש הכוונות דומות מבחוץ אך שונות לחלוטין בסיכון, בחוזה ובאחריות. לכל תרחיש רושמים בעלים, סוג מידע, משתמשים, פלט, החלטה מושפעת ותנאי עצירה.

שלב שני הוא להגדיר גבולות מידע וכלים. מסמנים איזה מידע מותר במוצר ציבורי, איזה מידע דורש סביבת Enterprise ואיזה מידע אינו יוצא ממערכת הליבה. בודקים חשבון, הרשאות, שמירה, מחיקה, ספקי משנה וחיבורים. מיישמים קריאה לפני כתיבה, טיוטה לפני שליחה ומידע סינתטי לפני מידע אמיתי.

שלב שלישי הוא פיילוט קטן עם תרחישים מאושרים. בונים רובריקה בעברית, מבקשים משני אנשי מקצוע לבדוק באופן בלתי תלוי ומשווים לתהליך הקיים. שינוי מודל, ממשק או חיבור נתונים מחייב בדיקת Regression. רק לאחר שהארגון יודע להסביר מה המערכת עושה, מה היא אינה עושה ומי מאשר את התוצר, אפשר לדון בהרחבה.

שלב רביעי הוא הכשרה לפי תפקיד. עובד מנהלה, איש שירות, חוקר ורופא אינם צריכים אותו תרגול. חובת אוריינות AI לפי EU AI Act מדגישה התאמה להקשר, לידע ולסיכון. גם בלי תחולה משפטית ישירה, זהו עיקרון ניהולי נכון: מלמדים כל תפקיד לזהות מידע רגיש, לבדוק מקור, להבין מגבלה ולעצור בזמן.

שלב חמישי הוא להכין מראש תכנית תגובה לאירוע. מגדירים למי מדווחים אם הוזן מידע לא מורשה, כיצד מנתקים חיבור, אילו שיחות וזיכרונות צריך למחוק, מי בודק אם מידע שותף הלאה ואיך מתעדים את ההחלטה. התרגול צריך לכלול גם טעות וכמעט-טעות, ולא רק תרחיש מוצלח. כך פרטיות ובטיחות הופכות לתהליך שניתן להפעיל בזמן אמת ולא למסמך שנשאר בתיקייה.

• מפו תרחיש, מידע, החלטה ובעל אחריות
• הפרידו בין חשבון צרכני לסביבה ארגונית
• בדקו בעברית ובפורמטים המקומיים
• הרחיבו רק לאחר בקרה מקצועית מתועדת

השורה התחתונה

ChatGPT Health מסמן מעבר מצ׳ט כללי למרחב שמחבר מידע בריאותי אישי ומחזיר תשובות בהקשר מתמשך. עבור משתמשים בארצות הברית הוא עשוי לעזור לארגן מידע ולהגיע מוכנים יותר לשיחה עם איש מקצוע. נכון ל-29 ביולי 2026 הוא אינו זמין כמוצר צרכני בישראל, אינו מיועד לאבחון או טיפול ואינו תחליף לסביבת עבודה מוסדית.

לארגונים בישראל כדאי להשתמש בהשקה כדי לחדד את ההבחנות שכבר נדרשות היום: מידע אישי מול ארגוני, הסבר מול החלטה, מוצר צרכני מול מוצר מפוקח, Benchmark מול תוצאה בעולם האמיתי. המכון הישראלי לבינה מלאכותית מסייע לארגוני בריאות לבנות הכשרה, תרחישי שימוש, כללי מידע ובקרת איכות לפני שמכניסים כלי AI לתהליך רגיש.