בנינו AI שספר סקוואטים מושלמים. כל הזמן הזה הברך של בן 62 קרסה.
יש פריים אחד שאני חוזר אליו שוב ושוב, קפוא על מסך של לפטופ אי־שם בקוד שלנו: שלד בן 33 נקודות המונח על גבר שמבצע סקוואט במשקל גוף בסלון ביתו. פריים 58 מתוך כ־90. זהו הציור של התוכנה שלנו — הנקודות על הירכיים, הברכיים, הקרסוליים שלו, והקווים הירוקים שמחברים אותם. מצלמת הטלפון קלטה זאת ב־30 פריימים בשנייה, והמערכת שלנו כבר נתנה ציון לחזרה.
היא דירגה אותה כטובה.
הגבר היה בן 62, שמונה שבועות לאחר ניתוח שחזור רצועה צולבת קדמית (ACL), ביצע בדיוק את התרגיל שהפיזיותרפיסט שלו רשם לו. ובאותו פריים, הברך השמאלית שלו קרסה פנימה — סטתה כ־ארבעה סנטימטרים לכיוון קו האמצע של גופו, הרחק מהקו הישר שהירך והקרסול שלו היו אמורים לשמור. אצל בן 30 בריא זו חזרה רשלנית. בברך שלאחר ניתוח ACL, הקריסה הפנימית הזו היא אחד הדפוסים המכניים הספציפיים שקורעים מחדש את השתל שזה עתה שילמת למנתח כדי להשתיל.
ה־AI שלנו ספר את זה כהצלחה. אותו בוקר הוא הסיבה שאני יכול לומר לכם, בביטחון מסוים, מהי הבעיה הקשה האמיתית ב־AI של כושר — ולמה כמעט אף אחד לא פותר את החלק שבאמת חשוב.
הערכת תנוחה (pose estimation) היא החיישן. היא אינה המוח.
הנה הדבר שהלוואי שמישהו היה אומר לי לפני שכתבנו שורת קוד אחת: החלק שכולם חושבים שהוא הקשה — הוא חינמי.
מעקב אחר גוף אדם דרך מצלמה — איתור המפרקים, ציור השלד, מעקב אחר 33 נקודות מפתח פריים אחר פריים — הוא בעיה פתורה. BlazePose ו־MoveNet של גוגל, מסגרת MediaPipe, כל זה הוא קוד פתוח ורץ על טלפון בכיס שלכם. כל חברת AI של כושר בעולם מריצה את אותה חופן ספריות הערכת תנוחה. אין שם שום חפיר הגנתי. למדתי את זה בדרך היקרה, כשהאמנתי בתחילה בהיפך.
הערכת תנוחה אומרת לך היכן הברך נמצאת. היא לא אומרת לך אם הברך בצרות.
הבעיה הקשה חיה שכבה אחת מעל. זו הפרשנות: לדעת שסטייה פנימית של ארבעה סנטימטרים משמעה ולגוס של הברך (knee valgus), שולגוס של הברך הוא סיכון לפציעה חוזרת עבור המטופל הספציפי הזה עם ההיסטוריה הספציפית הזו, ושהיא צריכה להפעיל התראה לרופא ולא אנימציית "עבודה יפה". החיישן הוא מוצר מדף. המוח לא. הפער הזה — בין חישת תנועה לבין הבנתה — הוא כל המשחק, וזה מה שבסופו של דבר בנינו את מנוע אימות התרגילים עבורו.
לא הבנתי את הפער עד שהמוצר שלנו עצמו נפל היישר לתוכו.
מונה "החזרות הטובות" ששיקר
כשהתחלנו, עשינו את מה שהרגיש מובן מאליו ומהיר. לקחנו את נקודות המפתח שיצאו ממודל התנוחה, כתבנו קצת גיאומטריה כדי למדוד זוויות מפרקים, קבענו סף — הברך מתכופפת מעבר לזווית הזו, ספור חזרה — ושחררנו מנוע קטן ונקי שספר חזרות והבזיק טיפים לטכניקה. הוא הדגים יפהפה. החזרות הצטברו. סימני וי ירוקים. בחדר ישיבות זה נראה כמו מוצר גמור.
הסרטון של הסקוואט שבר את האשליה הזו. היו לנו הנתונים לכל פריים בדיוק שם בקובץ CSV — יכולתי לראות את המיקום האופקי של הברך השמאלית של המטופל מחליק פנימה (מדיאלית) לאורך הירידה, פריימים 45 עד 72. יכולתי לראות שהברך שלו הגיעה רק ל־78 מעלות כיפוף כשהיעד שנרשם היה 90. יכולתי לראות שהירידה ארכה כשנייה והדרך חזרה למעלה ארכה יותר מפי שניים — יחס של 2 ל־1 שצועק שהוא נפל לתוך הסקוואט על מומנטום ואז נאבק כדי לקום בחזרה.
שלושה דגלים אדומים בלתי תלויים. עומק לא מספק, קריסה פנימית, וקצב מפצה. כל פיזיותרפיסט שהיה מעיף מבט בקליפ הזה היה עוצר את המפגש. התוכנה שלנו, שהביטה בדיוק באותם מספרים, החזירה: חזרה הושלמה, טכניקה טובה.
זה היה הכישלון שאני עצמי טענתי בעדו. אני הייתי זה שאמר "בואו נביא משהו שסופר חזרות ונשפר אחר כך" — הדבר הרזה, הדבר בר־השילוח. והדבר הרזה היה מסוכן באופן פעיל, כי הוא נתן למטופל מתאושש משוב חיובי בטוח בזמן שהוא חיזק את התנועה המדויקת שהמנתח שלו ניסה לבטל.
מונה חזרות שאינו יכול להבחין בין סקוואט בטוח לבין מסוכן אינו גרסה קטנה יותר של המוצר. הוא המוצר הלא נכון לבוש בבגדים של המוצר הנכון.
השיעור שמתחת לפריים הזה: נתוני תנוחה גולמיים הם הכרחיים ורחוקים מלהיות מספיקים. 78 מעלות אינן "רעות" באופן מופשט — עבור מטופל בשבוע השמיני שלאחר ניתוח ACL שהיה ב־60 מעלות לפני שבועיים, זו עשויה להיות בדיוק כמות ההתקדמות הנכונה. אותו מספר יכול להיות הצלחה או אזהרה בהתאם לחלוטין למי שזז והיכן הוא נמצא בתהליך ההחלמה. סף קבוע לא יכול להכיל את זה. האינטליגנציה חייבת.
למה פער הדיוק הופך את זה לקשה יותר, לא קל יותר
אוסיף את החלק שההדגמות לעולם לא מראות לכם, כי לקח לנו זמן לכבד אותו. מצלמת טלפון בודדת אינה מעבדת לכידת תנועה.
כשחוקרים העמידו הערכת תנוחה חד־מצלמתית (מונוקולרית) פנים אל פנים מול Qualisys — מערכת הסמנים הרב־מצלמתית שהיא תקן הזהב שמרפאות משתמשות בה לביומכניקה אמיתית — MediaPipe מתואם בסביבות 0.80 לגפה התחתונה ו־0.91 לגפה העליונה. מכובד. אבל השגיאה במשהו כמו זווית כיפוף הברך נעה בכל מקום בין 9 ל־22 מעלות בדו־ממד, ומאמר משנת 2025 ב־Nature Scientific Reports אמר בבוטות שמערכות חד־מצלמתיות "אינן מספקות הערכות עומק מדויקות". מראות, תאורת סלון עמומה, טייצים עם דוגמאות, ספה שחוסמת חצי מהגוף — כל אחד מאלה מדרדר את האות עוד יותר.
אז אתם בונים שיפוט קליני על גבי חיישן רועש. זה נשמע כמו סיבה לוותר. למעשה זו הסיבה שבגללה שכבת הפרשנות חייבת להיות חכמה ולא מילולית. אם המערכת שלכם מתייחסת לקריאה גולמית של 78 מעלות ככתבי הקודש, רעש המצלמה לבדו יגרום לה להתנדנד בין "עבר" ל"נכשל" מחזרה לחזרה. תפקידה של שכבת האינטליגנציה כולל שקלול אילו קריאות להאמין — החלקה לאורך פריימים, מתן משקל לדפוסים ששורדים את הרעש (סטייה מדיאלית עקבית) על פני אלה שלא (רעד של פריים בודד), ולהיות כנה לגבי מידת הביטחון. אנחנו נשענים על מודלים זמניים לשם כך; סוג של רשת שנקראת רשת קונבולוציה זמנית (temporal convolutional network) יכולה להגיע לדיוק של 98.7% בזיהוי תנועה בהרבה פחות משתי מילישניות על טלפון בטווח הביניים, קטנה מספיק כדי לרוץ כולה על המכשיר. אבל הארכיטקטורה חשובה פחות מהעיקרון: אתם לא בונים ודאות על ידי העמדת פנים שהחיישן מושלם. אתם בונים אותה על ידי תכנון סביב העובדה שהוא אינו כזה.
האם Hinge Health כבר לא פתרה את זה?
בערך בזמן הזה התחלתי לקבל את השאלה "אבל זה כבר לא פתור?", בדרך כלל ממשקיעים, מדי פעם מעצמי בשעה 2 לפנות בוקר. ענקיות הטיפול בשלד־שריר (MSK) הן אמיתיות והן גדולות. אז הרשו לי להיות מדויק לגבי מה שהן עושות ואיפה הדלת עדיין פתוחה.
Hinge Health חוזה הכנסות של 732 מיליון דולר ל־2026. הם בנו ראייה ממוחשבת בשם TrueMotion לניתוח מפרקים ועוזר טריאז' בשם Robin, ויש להם את התוצאות הקליניות לגבות זאת — בקרב המטופלים שלהם, הרבה פחות איחויי עמוד שדרה והחלפות ברך מאשר בטיפול מסורתי. Sword Health קנתה את Kaia Health תמורת 285 מיליון דולר בינואר 2026, ושילבה את הראייה הממוחשבת "Motion Coach" של Kaia בפלטפורמת החיישנים הלבישים של Sword, ולפי הדיווחים מגייסת עוד חצי מיליארד. אלה חברות אדירות.
הן גם קופסאות סגורות. טכנולוגיית האימות שלהן מרותכת למודל הטיפול שלהן עצמו, נמכרת למעסיקים ארגוניים, מתומחרת ונארזת כיעד — לא כדבר שאפשר לשים בתוך פלטפורמת הפיזיותרפיה או אפליקציית הבריאות שאתם כבר בונים. אם אתם מפעילים חברת תוכנה לפיזיותרפיה ואתם רוצים נתוני תרגול מאומתים בתוך שלכם המוצר, Hinge ו־Sword לא מוכרות לכם את זה. הן מוכרות לכם את הדבר שמתחרה בכם.
שאר השדה מתפצל בבירור. Peloton IQ השיקה מצלמות מעקב טכניקה באוקטובר 2025 — אבל זה כושר צרכני, נעול לחומרת Peloton, ללא יכולת קלינית. Kemtai מציעה פלטפורמת ראייה B2B מבוססת דפדפן שעוקבת אחר 44 נקודות ציון, שהיא שימושית באמת, אבל היא כושר כללי וכללי הטכניקה שלה הם מידה אחת שמתאימה לכולם, לא ניתנים להגדרה לכל מטופל לכל תרגיל. בצד החיוב, Limber Health ו־MedBridge מטפלות היטב בזרימת העבודה של ניטור מרחוק — המטופלים של Limber משלימים יותר מפי שלושה מפגשי תרגול ביתי — אבל הן מנהלות את הניירת של הניטור; הן אינן מאמתות באופן עצמאי אם התרגיל בוצע נכון.
בשוק יש חברות שמאמתות תנועה אך לא יתנו לכם לבנות עליהן, וחברות שמטפלות בחיוב אך אינן יכולות לאמת את התנועה. הפער הוא מנוע שמבצע את האימות וחי בתוך המוצר שלכם.
הפער הזה אינו בעיית מחקר. זו בעיית הנדסת אינטגרציה, וההבחנה הזו היא כל הסיבה שצוות ממוקד יכול לנצח כאן.
למה מונה חזרות נכשל בביקורת RTM?
עבור פלטפורמות הפיזיותרפיה שאיתן אנחנו עובדים, זה חדל להיות אקדמי ברגע שחשבון ההחזר הכספי השתנה.
רק כ־35% מהמטופלים דבקים לחלוטין בתוכניות התרגול הביתיות שלהם — רובם האחרים נוטשים בתוך החודש הראשון — והמטופלים ידועים כמדווחים ביתר כשאתם שואלים אותם. קלינאים יודעים שהנתונים המדווחים־עצמית הם בדיה. מה שהם רוצים הוא ניטור טיפולי מרחוק (Remote Therapeutic Monitoring): מערכת של קודי חיוב של CMS (98975 עד 98981) שמשלמים עבור ניטור ההחלמה השלד־שרירית של מטופל בין ביקורים. הכנסה חוזרת אמיתית.
הבעיה היא מה שדורש תיעוד RTM. כדי לחייב עליו ולשרוד ביקורת, אתם צריכים נתונים שנאספו על ידי מכשיר — עם חותמות זמן, קשורים להחלטה קלינית ממשית ששינתה את תוכנית הטיפול. מונה חזרות לא עובר את הרף הזה. "המטופל ביצע 30 סקוואטים" אינו זהה ל"איכות התנועה של המטופל הידרדרה, מה שהפעיל התאמת פרוטוקול בתאריך זה". זה בדיוק המקום שבו מונה החזרות שלנו היה משאיר מרפאה חשופה. אני זוכר פיזיותרפיסטית שאמרה לנו, בנימוס, שהיא לא יכולה לחייב על הנתונים שלנו כי הם אמרו לה ש הוא התאמן, לא איך — ו"איך" היה כל הנקודה הקלינית והמשפטית.
ואז הרף ירד והסיכון עלה באותו הזמן. ה־CMS 2026 Final Rule הוסיף שני קודים חדשים — 98979 ו־98985 — והוריד את סף הניטור מ־16 ימים לכמעט 2 בלבד, ואת המינימום של זמן הניהול מ־20 דקות ל־10. פתאום הרבה יותר מטופלים ניתנים לחיוב. אבל תקן התיעוד לא התרכך: הוא עדיין דורש נתוני מכשיר הקשורים להחלטות טיפול. יותר מרפאות שממהרות אל תוך RTM משמען יותר מרפאות שמייצרות בדיוק את סוג הנתונים הדלים, מבוססי־ספירה בלבד, שאינם עומדים במבחן. הזדמנות ההחזר וסיכון התיעוד גדלו באותה נשימה.
יש קצה רגולטורי שרץ במקביל לזה ומעצב את אופן הבנייה שלכם. ההנחיה של ה־FDA מינואר 2026 מאפשרת לכלי הממוצב אך ורק כ"בריאות" (wellness) לעקוף את סיווג המכשיר הרפואי — בסדר עבור מונה צעדים. אבל ברגע שאתם מעלים טענה קלינית, מה ש־RTM אימות עושה מטבעו, אתם עלולים להיות בטריטוריה של תוכנה־כמכשיר־רפואי (software-as-a-medical-device), עם האימות והפיקוח שזה מרמז עליהם. אז אותו מנוע חייב להיות מתוכנן לחיות בכל צד של הקו הזה בהתאם למה שהלקוח טוען, וזו לא החלטה שתרצו לגלות מאוחר.
אז מנוע התרגול המאומת אינו תכונה של "נחמד שיש" עבור הפלטפורמות האלה. זה ההבדל בין הכנסת RTM ששורדת ביקורת לבין הכנסת RTM שהופכת לדרישת השבה (clawback).
הקונה השני בחדר: בריאות (wellness) ללא מעקב
כמעט נתתי שירות חסר לקונה השני הזה, ואני שמח שלא — החומר האנושי חד באותה מידה.
מנהלי בריאות ארגונית (wellness) בוהים בגרסה אחרת של אותה בעיה. בעיות שלד־שריר עולות למעסיק בסביבות 486 דולר בשנה לעובד בהוצאה ישירה, בתוספת הערכה של 3,105 דולר בפריון אבוד — 3,591 דולר לראש. עד 36% מניתוחי MSK הם מיותרים, גרירה של כ־90 מיליארד דולר על כוח העבודה. תגובת השוק עצומה: ההוצאה על בריאות ארגונית מגיעה ל־100 מיליארד דולר ב־2026, ובעוד ש־83% מהמעסיקים הגדולים הציעו טיפול MSK וירטואלי ב־2025, כמעט כולם — 96% — מתכננים לעשות זאת עד 2027.
ובכל זאת רק כרבע מהעובדים בפועל משתמשים בתוכניות שמוצעות להם. יותר ממחצית אומרים שהם מהססים לשתף נתוני בריאות עם המעסיק שלהם בכלל. אחרי שנים של שערוריות משחקיות של ניעור Fitbit וזיוף צעדים, עובדים למדו ש"אימות בריאות" משמעו לעתים קרובות "הבוס שלי צופה". CHRO באחד מהפיילוטים המוקדמים שלנו שאל אותי, באותה דרך של צחוק־אבל־לא־באמת, האם מה שבנינו "הרגיש כמו מעקב". זו הייתה השאלה הכי שימושית שמישהו שאל אותנו, כי התשובה הראשונה הכנה הייתה: זה יכול.
ההתנגדות הזו חיווטה מחדש את הארכיטקטורה שלנו. אותן נקודות מפתח שלדיות שהופכות את אימות התרגול לאפשרי הן, מבחינה משפטית, שדה מוקשים — דפוסי תנועת גוף יכולים לזהות מחדש אדם כמו שטביעת אצבע עושה, מה שמכניס את נתוני התנוחה היישר לתוך השיחה על חוקי פרטיות ביומטרית כמו BIPA של אילינוי ו־GDPR של אירופה. הוגשו 107 תביעות ייצוגיות חדשות של BIPA באילינוי ב־2025 בלבד. עדיין אף אחד לא תבע אפליקציית כושר על הערכת תנוחה, אבל התיאוריה המשפטית מורכבת במלואה וממתינה.
התיקון ל"האם זה מרגיש כמו מעקב" התברר בסופו של דבר שאינו מדיניות פרטיות. זו הייתה מגבלת תכנון: הווידאו הגולמי והשלד לעולם אינם עוזבים את הטלפון.
אנחנו מעבדים את התנועה על המכשיר ומשדרים רק אותות תאימות מצטברים — העבודה שנרשמה בוצעה, באיכות הזו, בתאריך הזה — לעולם לא את הווידאו, לעולם לא את נקודות המפתח. המעסיק מקבל השתתפות מאומתת. נתוני הגוף של העובד נשארים על המכשיר של העובד. זו הגרסה היחידה של אימות תרגול ארגוני שהייתי באמת רוצה שישתמשו בה עליי.
"אבל האם מצלמת טלפון לא יכולה לעולם להיות מדויקת מספיק?"
אנשים מעלים את תקרת הדיוק כסיבה שזה לא יכול לעבוד, ואני מתייחס לזה ברצינות — אני פשוט חושב שזה טוען למסקנה ההפוכה. כן, מצלמה מונוקולרית לעולם לא תשווה למעבדת סמנים בת 100,000 דולר. אבל תועלת קלינית אינה דורשת זוויות באיכות מעבדה. היא דורשת לתפוס באופן אמין את הדפוסים שחשובים: סטייה פנימית עקבית של הברך, עומק שנסוג משבוע לשבוע, קצב שמסמן פיצוי. אלה אותות חסינים אפילו דרך רעש מצלמה, אם שכבת הפרשנות בנויה כדי למצוא אותם ולהתעלם מהרעד. המטרה מעולם לא הייתה למדוד 90.0 מעלות. היא הייתה לדעת שהחזרה הזו, עבור האדם הזה, היום, נעה בכיוון הלא נכון.
השאלה האחרת שאני מקבל היא האם הגל החדש של "agentic AI" שכולם שומעים עליו בכנסים הופך את עבודת הביומכניקה המותאמת אישית למיושנת. זה הפוך. סוכן בריאות אוטונומי שמתאים את תוכנית התרגול של מטופל הוא אמין רק כמו הנתונים שמתחתיו. כוונו סוכן אל מוני חזרות והוא ימטב בביטחון את המטופל עמוק יותר אל תוך פציעה. שכבת אינטליגנציית התרגול היא הדבר שהופך ניטור אג'נטי לבטוח ולא לפזיז. ככל שהסוכן שמעל חכם יותר, כך חשוב יותר שהאימות שמתחתיו באמת יבין תנועה.
מה שהפריים הקפוא הזה לימד אותי
בנינו מחדש את המנוע סביב רעיון אחד: הסף אינו מספר, הוא החלטה קלינית, והוא שייך לקלינאי. יעד עומק סקוואט המכוון ל"שבוע 8 לאחר ACL" אינו אותו יעד כמו "בן 70, לאחר החלפת ברך" או "ספורטאי ארגוני בן 30". אז הפכנו את הספים לניתנים להגדרה — נקבעים על ידי הקלינאי, לכל מטופל, לכל תרגיל — ובנינו את הפלט להיות הדבר שגם חיוב RTM וגם קונה בריאות עצבני באמת צריכים: נתוני תאימות מובנים, עם חותמות זמן, ממופים לפרוטוקול, מכבדי פרטיות. מצלמה נכנסת, החלטה משמעותית קלינית יוצאת. אם אתם רוצים את התמונה המלאה של איך הצינור הזה מתחבר יחד, זה נמצא בעמוד הפתרונות שלנו.
אני עדיין חושב על אותו גבר בן 62 שעושה את הסקוואטים שלו, בוטח בסימן וי ירוק שלא היה לו מושג שהברך שלו מתקפלת. הוא עשה הכל נכון. הוא הופיע, הוא עשה את העבודה, הוא עקב אחר ההוראות. התוכנה אכזבה אותו בשקט, בדרך שרק עין מיומנת הייתה תופסת — וכל ההבטחה של הכנסת AI לסלון שלו הייתה שהעין המיומנת תמיד תהיה שם.
מונה חזרות צופה בגוף זז. מנוע אימות תרגילים יודע מה התנועה משמעה. בין שני המשפטים האלה נמצאת ברך מתאוששת, החלטה קלינית בת־חיוב, ועובד שמחליט אם לבטוח בדבר שצופה בו. זה אינו פער בטכנולוגיה. זה כל העבודה כולה.
