Prompt Engineering לרופא: מ-zero-shot ל-Chain-of-Thought
מדריך מעשי לרופא: אנטומיה של פרומפט, Chain-of-Thought, few-shot, structured output ואסטרטגיות להפחתת hallucinations

Prompt רע:

•'ספר לי על psoriasis'

תוצאה: תשובה כללית, ויקיפדית, לא קלינית, ללא ציטוטים

Prompt טוב:

•'אתה דרמטולוג מומחה. אני מטפל בחולה עם plaque psoriasis בינוני (PASI 12, BSA 8 אחוזים) שכשל ב-MTX (ירידה ב-ANC) וב-cyclosporine (HTN חמור). תן לי 5 אופציות ביולוגיות מדורגות לפי evidence, כל אחת עם: שם תרופה ומינון, מנגנון פעולה, PASI-75 ב-week 16 ממחקרי phase 3 (באחוזים), safety profile עיקרי, קונטרא-אינדיקציות. פורמט: Markdown table. אורך: כ-300 מילים סה״כ. ציין מקור (registry trial) לכל מספר'

תוצאה: טבלה מובנית עם נתונים, ציטוטים, מדורגת. מוכנה להשתלב במכתב או בדיון

ההבדל בזמן: 30 שניות לכתיבת prompt טוב חוסכות 10 דקות תיקון

5 הרכיבים:

•R - Role: 'אתה דרמטולוג ב-Mayo Clinic', 'אתה statistician מומחה ב-survival analysis'. מכוון את הסגנון. מודלים חזקים פחות תלויים ברכיב זה - הם משתפרים מעט (כ-10 אחוזים)

•C - Context: כל המידע הרלוונטי. תיק רפואי, ערכי מעבדה, ספרות. ללא context - המודל מנחש

•T - Task: מה לעשות, ברמת פירוט. 'סכם' - גרוע. 'הנפק 5 bullet points של 10 עד 20 מילים כל אחד, ממוקדים ב-clinical relevance' - מצוין

•F - Format: JSON, Markdown, plain text, table, list. הגדרה ברורה מקטינה variance (פיזור התשובות בין הרצות שונות)

•C - Constraints: אורך, שפה, סגנון, מה לא לעשות. 'פחות מ-200 מילים, אם אינך יודע אמור זאת, אל תמציא מקורות'

RCT-FC כסיסמה: זכירת 5 הרכיבים מעלה את האיכות

ה-context window גדל בקצב מטורף:

•GPT-3 (2020) - 2K tokens

•GPT-4 (2023) - 8K עד 32K

•Claude 3 (2024) - 200K

•Claude Opus 4.7 (16 באפריל 2026) - 1M context standard, xhigh effort level

•GPT-5.5 (24 באפריל 2026) - 256K context (1.05M במצב מורחב)

•Gemini 3.1 Pro (19 בפברואר 2026) - 2M

מה אפשר לעשות עם 1M tokens?

•לקרוא ספר רפואי שלם

•100 מאמרים בבת אחת

•תיק חולה של 10 שנים

•פרוטוקול clinical trial של 47 עמודים

הבעיה: lost-in-the-middle effect (Liu 2023 - המודל זוכר היטב את ההתחלה ואת הסוף, אבל מתעלם מהאמצע). חידוש 2026 - benchmark MRCR v2 (Multi-Round Co-reference על 1M tokens) הראה קפיצה: GPT-5.4 - 36.6 אחוזים, GPT-5.5 - 74.0 אחוזים. שיפור פי 2 ב-long context

הפתרון:

•למקם מידע חשוב בתחילת ה-prompt

•לחזור עליו בסוף

•להשתמש ב-RAG (retrieval - שליפת מסמכים רלוונטיים) במקום long context בטקסטים גדולים מאוד

עלות (מאי 2026):

•Claude Opus 4.7 - 5 דולר ל-1M input, 25 דולר ל-1M output

•GPT-5.5 - 5 דולר ל-1M input, 30 דולר ל-1M output (פי 2 מ-GPT-5.4 לכל token, אך 5.5 משתמש ב-40 אחוזים פחות tokens לאותה משימה - העלות האפקטיבית רק כ-20 אחוזים יותר)

•GPT-5.5 Pro - 30 דולר input, 180 דולר output

•1M context לא זול לשימוש שגרתי. כדאי לשמור ל-deep research, לא לכל שאלה

Prompt: 'אתה דרמטולוג. כתוב סיכום ביקור בפורמט הבא:'

דוגמה 1:

•תלונה: גירוד מתמשך 3 חודשים

•בדיקה: פלאקים אריתמטיים+scaling במרפקים, ברכיים, קרקפת. PASI 8

•אבחנה: Psoriasis vulgaris

•תוכנית: Clobetasol 0.05% bid x 4 weeks; CTC ATPK + ECG; שקול MTX אם persistent

שתי דוגמאות נוספות באותו פורמט

לאחר מכן: 'כעת עבור המקרה הבא: אישה 45, פריחה אדומה בולטת ב-malar area, מחמירה בשמש, עייפות, ANA חיובי 1:640'

המודל יחזיר במבנה זהה

תועלת:

•עקביות בין סיכומים

•זמן כתיבה קצר

•פחות שגיאות structuring

ICL:

•prompt עם דוגמאות, ללא שינוי משקלים

•עלות: per-prompt (0.001 עד 0.10 דולר)

•יכולת: לכל משימה, מיד

•גמישות: שינוי דוגמאות = שינוי התנהגות

•מגבלה: token limits, lost-in-middle

Fine-tuning (אימון מחדש של המודל על נתונים ספציפיים):

•עדכון משקלי המודל על דאטה ספציפית

•עלות: 100 עד 10,000 דולר לאימון, ולאחריו cheap inference (הרצת המודל בעלות נמוכה)

•יכולת: ביצועים מעולים במשימה ספציפית

•גמישות: אחרי אימון - קשה לשנות

•דורש: 100 עד 1000 דוגמאות מתויגות (ולעיתים יותר), משאבי חישוב, מומחיות

ב-2026: ברוב המקרים ICL מספיק. fine-tuning שמור ל:

•משימה מאוד נפוצה (כל יום)

•דאטה רגיש שלא רוצים לשלוח ל-API

•ביצועים שב-ICL אינם מספיקים

דוגמה:

•סיווג ICD-10 על 10,000 ביקורים ביום משתלם ל-fine-tuning

•סיכום ביקור פעם ביום מתאים ל-ICL

דוגמה: prompt ל-DDx של 'פריחה אדומה'. בכל 3 הדוגמאות האבחנה היא atopic dermatitis. כעת שאלה על 'פריחה אדומה במבוגר עם psoriasis history'. המודל מטה ל-AD מבלי לשקול psoriasis flare. זהו bias מהדוגמאות

הפתרון:

•דוגמאות מגוונות - 3 דוגמאות עם 3 אבחנות שונות

•Anti-examples - 'דוגמה זו אינה psoriasis'

•Explicit instruction - 'שקול את כל ה-DDx, לא רק את הדוגמאות'

מקרה אמיתי: bias ב-radiology AI שאומן על מקרים מסוימים, נכשל בשטח

בקליניקה: זהירות עם prompts שכוללים תשובות 'ידועות' - יכול להחדיר bias

Prompt רגיל:

•'אישה 35, פריחה אריתמטית בפנים מחמירה בשמש, ANA 1:320. מה האבחנה?'

תגובה: 'Lupus' (קצרה, לא ממוקדת)

Prompt עם CoT: 'אישה 35, פריחה אריתמטית בפנים מחמירה בשמש, ANA 1:320. בוא נחשוב צעד-צעד:'

•ניתוח קליני - מה הדפוס?

•רשום DDx של 5+ אבחנות עם likelihood לכל אחת

•אילו features תומכות / סותרות

•איזה bedside test לבחור

•איזה lab work להוסיף

•ולבסוף המסקנה

תגובה - רשימה מובנית:

•Photosensitive facial rash + ANA suggests CTD

•DDx: SLE (40%), SCLE (25%), DLE (15%), Rosacea (10%), Photodermatitis (5%), DM (5%)

•Bedside: woods lamp, dermoscopy, lupus band test if available

•Anti-dsDNA, anti-Sm, anti-Ro/La, C3/C4, CBC, CMP, urinalysis

•Most likely SCLE if photosensitive predominant; SLE if systemic features

טוב יותר באופן דרמטי

התיאוריה: ב-Transformer (ארכיטקטורת המודל - הבסיס לכל ה-LLMs), כל token שנוצר משפיע על ה-tokens הבאים דרך self-attention. כשהמודל מייצר 'Let's think step by step. First, the patient has X. So the diagnosis pathway is...', טקסט זה מקודד מידע שעוזר ב-tokens הבאים

ראיות:

•CoT עובד רק במודלים גדולים (יותר מ-100B params). מודלים קטנים לא ייצרו thought trace שימושי

•CoT עובד גם בעברית, סינית, ספרדית - לא תלוי בשפה

•'Faithful CoT' (Lyu 2023): המודלים לעיתים מנמקים נכון אבל מגיעים לתשובה לא קשורה - כלומר ה-reasoning הוא הצגה ולא מציאות

•Reasoning models ב-2024 עד 2025 (o1, R1) מטמיעים את ה-CoT לתוך המודל - מאומנים ספציפית להפיק thought trace טוב

עלות ב-token count: thought traces יכולים להיות 1,000 עד 10,000 tokens, יקר

שאלות שלא צריכות CoT:

•Factual lookup ('מה ה-CD20?')

•Translation

•Summarization של טקסט קצר

•Creative writing

שאלות שצריכות CoT:

•Math problems

•Multi-step reasoning

•Differential diagnosis

•Logical puzzles

•Code debugging

•Drug interaction with multiple steps

עלות:

•CoT מוסיף פי 2 עד 5 ב-tokens. אם השאלה אינה דורשת זאת - בזבוז כסף

•ה-latency (זמן ההמתנה לתשובה) עולה. ב-CoT עם reasoning model (o3) - תשובה לשאלה פשוטה יכולה לקחת 60 שניות

•בעברית: עוד יותר tokens (פי 3 עד 4 מאנגלית)

שיקול דעת:

•נסה zero-shot

•אם לא מספיק - הוסף CoT

•אם עדיין לא - few-shot CoT

•אם עדיין לא - reasoning model

שאלה: 'הסבר מהי psoriasis'

Persona 1 - 'אתה רופא שכותב למטופל בן 60 ללא רקע רפואי':

•'פסוריאזיס היא מחלת עור כרונית שגורמת לפלאקים אדומים מכוסים בקשקש כסוף. היא אינה מדבקת ואינה קשורה להיגיינה. נגרמת על ידי תגובה אוטואימונית - מערכת החיסון שלך תוקפת בטעות את העור. קיים מגוון טיפולים יעילים'

Persona 2 - 'אתה דרמטולוג שכותב לקולגה גסטרואנטרולוג':

•'Plaque psoriasis is a chronic Th17-mediated inflammatory dermatosis with characteristic well-demarcated erythematous plaques with silvery scale. Comorbidities include psoriatic arthritis (30%), MetS (40%), and IBD (incident risk OR 3-4)'

Persona 3 - 'אתה researcher':

•'Psoriasis is a chronic, immune-mediated dermatosis with prevalence 2-3% globally. Pathogenesis: IL-23/Th17 axis dysregulation'

בחר persona לפי הקהל:

•מטופל

•קולגה

•מאמר

דוגמה: שאלה 'מה היעילות של drug X ב-disease Y?'

ללא persona:

•'I don't have specific data on this. Please refer to clinical trials or guidelines'

עם persona 'אתה pharmacology expert':

•'Studies show X has 75% efficacy with NNT of 3. Recommended dose is 200mg BID...' (יכול להיות hallucination מלא!)

מדוע? persona 'expert' משדר למודל 'היה confident'. המודל מאבד את ה-uncertainty markers ומתחיל להמציא

הפתרון:

•הוסף explicit 'If you don't know, say so. Don't fabricate'

•דרוש citations - 'כל סטטיסטיקה צריכה PMID'

•Verify - אם המודל אומר 75%, בדוק ב-PubMed לפני שאתה מצטט

המסר: persona היא כלי שימושי - אבל לא תחליף ל-RAG, fact-checking, או user verification

בקליניקה: לעולם אין להחליט על מינון תרופה רק על בסיס persona-prompted LLM

דוגמה לשימוש: מטופל עם BCC חוזר על האף, גיל 80, עם comorbidities. החלטה: Mohs מול radiotherapy מול topical

Prompt: 'Three experts will debate this case:'

•Mohs surgeon - prefers surgical excision for cure rate

•Radiation oncologist - prefers RT for cosmetic outcome and elderly

•Dermatologist - prefers topical for low-risk cases

•Each expert: state preferred treatment + 3 reasons

•Then: synthesis - what are the trade-offs?

•Final: balanced recommendation considering patient's context

התוצאה: 3 perspectives מובנות, debate, synthesis. עשיר בהרבה מ-single persona answer

שיפור על MedQA: 5 עד 10 אחוזים

עלות: פי 3 ב-tokens, יקר. כדאי לשמור להחלטות מורכבות

מתודה דומה: 'Devil's Advocate' - persona אחת מציעה, persona שנייה מתנגדת, ואז המסקנה. עוזר לזהות assumptions ו-blind spots

Input:

•'Skin biopsy from left cheek shows nodular basal cell carcinoma extending to deep margin. Tumor measures 5mm. Peripheral margins clear. No perineural invasion. Mitotic rate 2/HPF'

Prompt באנגלית: 'Extract from this pathology report into JSON with schema:'

•diagnosis

•subtype

•size_mm

•margin_status (peripheral, deep)

•perineural_invasion

•mitotic_rate

•reasoning

Output:

•diagnosis: 'Basal cell carcinoma'

•subtype: 'Nodular'

•size_mm: 5

•margin_status: peripheral 'clear' deep 'positive'

•perineural_invasion: false

•mitotic_rate: 2

•reasoning: 'Report explicitly states extending to deep margin (positive deep) but peripheral margins clear'

כעת אפשר לאחסן ב-database, להזין ל-clinic registry, או לשמש ל-decision support

תועלת: 30 דקות עבודה ידנית הופכות ל-30 שניות

שימוש: כאשר הפלט יוצג לאדם בעברית/אנגלית, לא למכונה

דוגמה: השוואת תרופות.

Prompt: 'השוו 5 ביולוגיות ל-psoriasis. הנפק Markdown table עם עמודות:'

•שם

•מנגנון

•מינון

•PASI-75 ב-week 16

•AE עיקריים

•מחיר ICER (USD)

Output: טבלה עם adalimumab/secukinumab/ixekizumab ועוד, כל אחד עם מנגנון, מינון, אחוז PASI-75, AE, מחיר. קריא, השוואתי, מוכן להצגה

יתרונות:

•יתרון על JSON - human-readable, אפשר להעתיק ולהדביק ל-Word/PowerPoint

•יתרון על plain text - מבנה ברור

•ChatGPT/Claude/Gemini מציגים Markdown יפה ב-UI. ב-API מקבלים raw markdown

דוגמה: שאלה רפואית 'מה היעילות של dupilumab ב-BP?'

מודל ללא tools: יענה מ-memory (יכול להיות hallucination)

מודל עם tools:

•(1) 'I'll search PubMed for recent dupilumab + BP studies'

•(2) Calls function pubmed_search(query='dupilumab bullous pemphigoid', years='2022-2026')

•(3) מקבל JSON עם 15 articles

•(4) 'I'll fetch full text of the 3 most relevant'

•(5) Calls fetch_pmid([12345, 67890, 11223])

•(6) קורא, מנתח

•(7) 'Based on these 3 studies, dupilumab shows CR in 88.9 percent with low recurrence...'

זהו agentic AI

כלים:

•Anthropic Tool Use

•OpenAI Functions

•LangChain agents

•Claude Code (terminal-native)

בשנת 2026 זהו הסטנדרט - לא רק chatbot, אלא assistant שמבצע פעולות. בקליניקה: שילוב עם UpToDate, PubMed, EHR, lab systems

שאלה (ב-Claude 3.5 Sonnet, יוני 2024): 'אילו מחקרים בחנו את היעילות של dupilumab ב-Bullous Pemphigoid? ספק ציטוטים'

תשובת המודל:

•(1) Maglie R et al. Dupilumab in BP. JAAD 2022;87:543-548

•(2) Kremer N et al. Anti-IL-4 receptor for BP refractory cases. JEADV 2023;37:e234-e240

•(3) Park CK et al. Dupilumab for elderly BP. Br J Dermatol 2023;188:412-419

בדיקה ב-PubMed:

•(1) קיים אבל הציטוט שגוי - JAAD 2022;87:1100-1107 הוא הנכון

•(2) לא קיים - אין מאמר Kremer N על BP

•(3) קיים אבל הוא Park JH (לא CK), 2023;188:e87-e89, ב-letter

תוצאה: שליש נכון לחלוטין, שליש קיים אבל עם פרטים שגויים, שליש מומצא

זהו הסטנדרט עם LLMs ללא RAG. הפתרון:

•יש לוודא כל ציטוט ב-PubMed לפני השימוש

•או להשתמש ב-Perplexity/NotebookLM שמספקים ציטוטים מאומתים

Template: 'אתה דרמטולוג זהיר. ענה על השאלה הבאה תוך עמידה בכללים:'

•(1) אם אינך בטוח לחלוטין - אמור I don't have reliable information on this

•(2) כל מספר/סטטיסטיקה דורשים מקור (PMID, DOI, או guideline + year)

•(3) אם אתה מצטט מאמר - ודא שהוא קיים. אם אינך בטוח - אל תצטט

•(4) הבחן בין evidence-based (יש RCT) לבין expert opinion (case series, guidelines)

•(5) בסיום, ציין confidence level (high/medium/low) ואילו מקורות תומכים

זה מוריד hallucinations ב-20 עד 30 אחוזים. לא 100 אחוזים, אבל באופן משמעותי

דוגמה לתשובה תחת template זה:

•'Dupilumab for BP: There is growing case series evidence (Park JH et al, BJD 2023; Maglie R et al, JAAD 2022). I'm not certain of exact remission rates but reported around 70 to 90 percent in case series. No phase 3 RCT yet (LIBERTY-BP ongoing). Confidence: medium. Note: please verify specific numbers in PubMed - my recall of details may be inaccurate'

זהיר ושימושי בהרבה

4 רכיבי RAG:

•Knowledge base - מאגר המסמכים שלך (PDFs של מאמרים, guidelines, clinic protocols)

•Embedding model - ממיר טקסט לוקטור (embedding - ייצוג מספרי של טקסט; OpenAI text-embedding-3-large, Cohere embed-v3)

•Vector database - שומר embeddings (Pinecone, Weaviate, ChromaDB, או pgvector)

•Retrieval - קלט שאלה ואז embed ואז similarity search (חיפוש דמיון בין וקטורים) ואז top-k chunks (k המקטעים הדומים ביותר)

•LLM - מקבל chunks + question ומחזיר תשובה מבוססת על ה-chunks

כלים פשוטים ללא קוד:

•NotebookLM (Google) - upload PDFs, שאל

•Claude Projects - upload files, שאל

•Perplexity Spaces - דומה

•ChatGPT Custom GPT עם Files

למפתחים:

•LangChain

•LlamaIndex (frameworks)

למידע מקומי בקליניקה:

•AnythingLLM (תוכנת desktop)

•Open WebUI (web interface)

עלויות:

•NotebookLM - חינם

•Claude Pro - 20 דולר לחודש

•Perplexity Pro - 20 דולר לחודש

המלצה:

•למחקר אקדמי - NotebookLM מתאים ביותר

•למידע קליני - AnythingLLM (on-premise, privacy-friendly - רץ מקומית, שומר על פרטיות)

5 prompts בסיסיים:

•Literature query: 'אתה researcher במחלה X. סכם state-of-art ב-2026 ב-300 מילים: pathophysiology, key trials, current treatments, future directions. ציטוט PMID לכל הצהרה'

•DDx: 'אישה 35, פריחה Y. (פרטים). בוא נחשוב צעד-צעד: ניתוח קליני, DDx של 5 עם likelihoods, features תומכות/סותרות, bedside tests, labs, המסקנה'

•Referral letter: 'כתוב מכתב הפניה ל-Mohs surgeon, אונקולוג על חולה X. כלול: indication, brief history, key findings, specific question. עברית מקצועית, פורמט קצר, פסקה אחת לכל סעיף'

•Pathology to JSON: 'Extract from this pathology report into JSON with schema diagnosis, subtype, size, margins, special_features. Pathology: paste'

•Drug interaction check: 'Patient takes list. Check for clinically significant interactions. Output table: drug pair, mechanism, severity, recommendation'

העתק לקובץ משותף, שמור, השתמש שוב ושוב

ביצועים של LLMs בעברית רפואית:

•GPT-5.5 (24 באפריל 2026) - טוב, אבל לעיתים literal translation

•Claude Opus 4.7 (16 באפריל 2026) - טוב יותר מ-GPT בעברית, עם יותר ניואנס

•Gemini 3.1 Pro (19 בפברואר 2026) - טוב, Google משקיעה ב-multilingual (תמיכה רב-לשונית)

•Llama 4 (5 באפריל 2025) - בינוני

•Mistral - חלש

•MedGemma 1.5 - לא אומן ספציפית בעברית, חלש

Tokenization (חלוקת הטקסט ליחידות): עברית = 3 עד 4 tokens למילה (אנגלית = 1). כלומר prompt של 1,000 מילים בעברית = 4,000 tokens. יקר יותר, אורך יותר

שגיאות נפוצות:

•Translation literal: 'diagnosed with melanoma' מתורגם ל'אובחן עם מלנומה' במקום 'אובחן כסובל ממלנומה'

•שילוב לעז שגוי

•שמות תרופות: hyphenation לא תמיד נכון

שיטות:

•שיטת hybrid - prompt באנגלית, תשובה באנגלית. ערוך לפי הצורך. 'תרגם לעברית רפואית מקצועית, השתמש בלעז כשמקובל'. זו השיטה המיטבית

•אופציה אחרת - prompt בעברית עם דוגמאות בעברית - הכל בעברית עד הסוף

5 take-aways:

•הירשם ל-NotebookLM (חינם) ול-Claude Pro או ChatGPT Plus (20 דולר לחודש). 30 דקות ביום למשך חודש

•הקם prompt library אישי - תיקייה ב-Notion/OneDrive עם 10 prompts ראשונים: literature query, DDx, referral, pathology JSON, drug interactions. בשלושת השבועות הראשונים: עדכן בכל פעם שמצאת prompt טוב

•RCT-FC + CoT - שלוש אותיות (mnemonic) שצריך לזכור. כל prompt מורכב ייבדק מול הרשימה. CoT ל-DDx ול-treatment selection

•Anti-hallucination always - בכל שאלה רפואית, שלב את ה-template: 'If unsure, say so. Cite sources. Distinguish evidence-based from expert opinion'

•RAG ל-literature - NotebookLM הוא הכלי לכך. הורד 5 עד 10 מאמרים, העלה, שאל. תוך חודש זה הופך ל-second nature

בונוס:

•עקוב אחר @AnthropicAI ו-@OpenAI ב-X לעדכונים שבועיים

•5 דקות ביום של מעקב אחרי דמויות AI מובילות (Andrej Karpathy, Eric Topol, Jason Wei) מקנה ידע רב