ניתוח מבוסס בינה מלאכותית מוסבר של חתכי הלבלב האנושי מזהה תכונות של סוכרת מסוג 2

מדוע מחקר זה חשוב לבריאות היומיומית

סוכרת מסוג 2 פוגעת במאות מיליוני אנשים, ובכל זאת רופאים מתקשים עדיין לזהות סימנים פיזיים ברורים של המחלה בתוך הלבלב, האיבר שמייצר אינסולין. במחקר זה משתמשים בבינה מלאכותית עוצמתית בשילוב מיקרוסקופיה מתקדמת כדי לקרוא דפוסים עדינים ברקמת הלבלב האנושית הבלתי נראים בעין. בכך נחשפים מאפיינים מבניים חדשים הקשורים לסוכרת מסוג 2 ונפתחות רעיונות חדשים לאבחון, מניעה וטיפול.

מבט לתוך הלבלב בפרטים חסרי תקדים

באופן מסורתי, מדענים בדקו רקמות לבלב מתורמים נפטרים כדי לאתר שינויים הקשורים לסוכרת מסוג 2, כגון צלקתיות, הצטברות שומן או אובדן תאים המייצרים אינסולין. מחקרים אלה הניבו רשימה ארוכה של חריגויות אפשריות, אך אף אחת מהן לא הייתה אמינה די הצורך כדי שפתולוג יוכל להביט בשקף מיקרוסקופ ולהצהיר בביטחון אם האדם היה סוכרתי. בעבודה זו אספו החוקרים אוסף ייחודי של תמונות ברזולוציה־על מתוך דגימות לבלב שנלקחו במהלך ניתוחים מ-100 תורמים חיים, 35 עם סוכרת מסוג 2 ו-65 ללא. כל דגימה צוננה בכמה שיטות לצורך הדגשת סוגי תאים שונים: תאים מייצרי הורמונים באיים, כלי דם, תאי שומן וסיבי עצב. מאגר חזותי עשיר זה, מורכב מדי לעיבוד מלא על ידי אדם, הוא בדיוק התחום שבו בינה מלאכותית מצטיינת.

לאמן בינה מלאכותית לזהות לבלב סוכרתי

הצוות אימן מודלים של למידה עמוקה להבחין בין רקמות של אנשים עם ובלי סוכרת מסוג 2. מכיוון שכל תמונת שקף מכילה מיליארדי פיקסלים, הם חילקו תחילה את השקפים להרבה חתיכות קטנות. טרנספורמר חזון שעבר אימון מוקדם חילץ תכונות מכל חתיכה, ומחלק מסווג מתקדם מסוג "למידת מופעים מרובים" שילב לאחר מכן מידע מכל החתיכות של שקף כדי להחליט האם הוא הגיע מתורם סוכרתי או לא. כדי למנוע התאמה יתרה נעשה שימוש ב־cross-validation חוזר ואז ממוצעות תחזיות של 15 מודלים נפרדים. הביצועים הטובים ביותר הגיעו מתמונות פלואורסצנציה מולטיפלקס שדגשו בו‑זמנית תאי אלפא, תאי דלתא וסיבי עצב, עם שטח מתחת לעקומת ROC של 0.956 — עדות חזקה לכך שהבינה המלאכותית יכלה לזהות באופן אמין דפוסים הקשורים לסוכרת שמעולם לא הצליחו לפתולוגים לגבש באופן פורמלי.

להפוך את הקופסה השחורה להסברית

אולם המטרה לא הייתה רק חיזוי; המחברים רצו תובנה ביולוגית. לכן הם יישמו טכניקות של בינה מלאכותית מודרכת להסבר שמראות אילו אזורים ופיקסלים המודל הסתמך עליהם בקבלת החלטות. מפות תשומת לב הדגישו את האזורים המשפיעים ביותר על פני שקפים שלמים, בעוד שיטות שיוך זום־אאוט עד לרמת תאים ומבנים בודדים. כדי להפוך מפת חום צבעונית זו למספרים, הצוות אימן רשתות סגמנטציה נפרדות שיכלו להקיף באופן אוטומטי איים, אשכולות תאי שומן ורקמה חיבורית (פיברוטית). לאחר מכן הם כימדו תכונות כגון גודל האיים, שטח השומן הכולל, מספר אשכולות השומן, המרחק בין איים לשומן קרוב וההיקף של רקמה פיברוטית, וניתחו כיצד "ביומרקרים היסטולוגיים" אלה קשורים למצב הסוכרת ולהפרשת אינסולין, תוך התחשבות בגיל, מין, מדד מסת גוף וגורמים קליניים נוספים.

רמזים חדשים: שומן, עצבים, צלקת והתכווצות האיים

הניתוח המונחה בינה המלאכותית חשף כמה מאפיינים עקביים של לבלב סוכרתי. אנשים עם סוכרת מסוג 2 נטו להציג איים קטנים יותר ואשכולות גדולים יותר של תאי שומן בתוך הלבלב. באופן חשוב, האיים בתורמים סוכרתיים ישבו קרוב יותר להצטברויות השומן האלה, דבר שמרמז על השפעה מקומית יותר ישירה של רקמת השומן על תאי ייצור ההורמונים. כמות הרקמה החיבורית, הדומה לצלקת, הייתה גם היא גבוהה יותר בסוכרת וקושרה להפרשת אינסולין ירודה. במקביל, המודלים שיחקו דגש מפתיע על מבנים שנצבעו עבור Tubulin beta 3, סמן לסיבי עצב, במיוחד כאשר סיבים אלה עברו דרך האיים או בסמוך להם. זה מרמז על שינויים במינון העצבי של הלבלב — איך עצבים מתקשרים עם תאי האיים — כגורם חשוב ופחות מוערך לסוכרת מסוג 2. יחד, הממצאים מצביעים על כך שלא רק תאי הבטא עצמם חשובים, אלא גם השכונה שלהם: תאי שומן סמוכים, צלקת, כלי דם ועצבים כולם נראים כמשפיעים על בריאות האיים.

מה זה אומר עבור הטיפול בעתיד

עבור הקוראים הלא־מומחים, המסר המרכזי הוא שסוכרת מסוג 2 משאירה טביעת רגל עדינה אך ניתנת לזיהוי בארכיטקטורת הלבלב. על ידי שילוב הדמיה ברזולוציה גבוהה עם בינה מלאכותית מוסברת, מחקר זה מתרגם דפוסים אלה לתכונות מדידות — כגון גודל האיים, התפלגות השומן, נוכחות עצבים ופיברוזיס — המקושרות לסוכרת ולכושר ההפרשה של האינסולין בגוף. אמנם גישה זו אינה עדיין כלי אבחוני לשגרת הטיפול, היא מציעה מפת דרכים עוצמתית לגילוי מטרות תרופתיות חדשות ולהעמקת ההבנה של אופן התפתחות הסוכרת. בטווח הארוך, תובנות מתוך ניתוח רקמה בהנחיית בינה מלאכותית עשויות לסייע לרופאים לחזות טוב יותר מי נמצא בסיכון, לנטר את התקדמות המחלה ולעצב טיפולים שמגינים לא רק על תאי הבטא אלא גם על הסביבה הסביבתית של הלבלב.

ציטוט: Klein, L., Ziegler, S., Gerst, F. et al. Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes. Nat Commun 17, 1558 (2026). https://doi.org/10.1038/s41467-026-69295-2

מילות מפתח: סוכרת מסוג 2, לבלב, בינה מלאכותית, היסטופתולוגיה, ביומרקרים