BreastDCEDL: מאגר סטנדרטי של MRI דינמי של שד המוכן ללמידה עמוקה, המכיל נתונים של 2,070 מטופלות

מדוע זה חשוב לטיפול בסרטן השד

כאשר מאבחנים מישהי עם סרטן השד, הרופאים חייבים במהירות להחליט אילו טיפולים צפויים להיות היעילים ביותר. סריקות MRI חזקות יכולות להראות כיצד גוש הגידול מתנהג, אך הפיכת הסריקות לכלים ממוחשבים מהימנים שמנחים טיפול היתה קשה. המאמר הזה מציג את BreastDCEDL, אוסף גדול ומעובד בקפידה של סריקות MRI של השד שנועד במיוחד לסייע לחוקרים לבנות ולבחון מערכות בינה מלאכותית (AI) החוזות כיצד גידולים יגיבו לטיפול.

לראות את השינויים בגידול לאורך זמן

רופאים לעיתים משתמשים בסוג מיוחד של MRI הנקרא MRI דינמי עם חומר ניגוד (DCE-MRI) כדי לצפות בגידולים בשד. בסריקה זו נלקחות תמונות לפני ואחרי הזרקת חומר ניגוד, ותועד כיצד זרימת הדם בגידול משתנה במשך כמה דקות. רקמה סרטנית נוטה לכלי דם דולפים ולא מאורגנים, ולכן היא מוארכת ומתעמעמת בצורה שונה מרקמה תקינה. תמונות בזמן הזה יכולות לחשוף עד כמה הגידול אגרסיבי, ועשויות לסייע לחזות האם הוא ייעלם לחלוטין לאחר תרופות חזקות כגון כימותרפיה.

הפיכת סריקות מבולגנות למשאב אחיד

עד כה התקדמות ה-AI ב-MRI של השד נתקעה עקב פיזור הנתונים: בתי חולים שונים שומרים תמונות בפורמטים שונים, משתמשים בסורקים שונים ורושמים פרטים קליניים בדרכים שונות. פרויקט BreastDCEDL פתר בעיה זו על ידי איסוף סריקות DCE-MRI טרם הטיפול מ-2,070 מטופלות משלוש קבוצות מחקר מרכזיות הידועות כ-I-SPY1, I-SPY2 ודוק. הצוות המיר יותר מ-8.5 מיליון פרוסות תמונה אינדיבידואליות לכמעט אחת־עשרה אלף נפחי תלת־ממד באמצעות פורמט סטנדרטי הנפוץ במחקר דימות רפואי. הם גם מיין בקפידה את התמונות על פני הזמן (לפני חומר הניגוד, מוקדם אחריו ולפני ואחרי מאוחר יותר) ובמרחב, כך שכל סריקות המטופלת תתיישרנה כראוי.

סימון הגידולים והתאמת המידע הקליני

כדי שה-AI ילמד, עליו לדעת היכן הגידול ומה קרה למטופלת. ב-BreastDCEDL, לכל מטופלת יש סימוני גידול ומידע קליני מרכזי. עבור קבוצות I-SPY, קודים ממוחשבים מורכבים המתארים קווי מתאר של הגידול הומרו למסכות תלת־ממד פשוטות שסימנו את אזורי הגידול ווקסל-ווקסל. עבור קבוצת Duke, רדיולוגים מומחים שרטטו תיבות חיצוניות סביב הגידול הגדול ביותר בכל מקרה. לצד התמונות, המאגר כולל גיל המטופלת, פרטים דמוגרפיים בסיסיים, גודל הגידול, סטטוס קולטני הורמונים (HR), סטטוס HER2 והאם הגידול נעלם לחלוטין לאחר הטיפול—תוצאה הקרויה תגובה פתולוגית מלאה, או pCR. התוצאה הזו, זמינה עבור 1,452 מטופלות, קשורה בקשר הדוק להישרדות לטווח הארוך ומהווה מטרה חשובה למודלים החוזים תוצאות.

בניית מבחנים הוגנים לכלי AI

כדי להקל על השוואת שיטות AI חדשות, המחברים מספקים קבוצות קבועות של אימון, ולידציה ובדיקה, עם שיעורי pCR דומים ביניהן. משמעות הדבר היא שקבוצות מחקר שונות יכולות לבחון את המודלים שלהן בדיוק על אותם מערכי מטופלות, מה שהופך טענות ביצועים לאמינות יותר. המאגר שומר גם על המגוון הטבעי הנצפה בבתי חולים אמיתיים: הסריקות מגיעות ממרכזים רבים, ממכונות MRI שונות ובדרכים מעט שונות של הגדרת חיוביות HR ו-HER2. במקום לטשטש הבדלים אלה, BreastDCEDL מתעד אותם בבירור, כך שחוקרים יכולים להחליט כיצד לטפל בהם ולבחון האם המודלים שלהם עדיין פועלים על פני אוכלוסיות מטופלות ותנאי סריקה שונים.

מה זה מאפשר למחקר בעתיד

BreastDCEDL הוא יותר מסתם ערימת תמונות; הוא ערכת כלים מסודרת היטב למגוון מחקרים. חוקרים יכולים לאמן מערכות AI לאתר גידולים, למדוד נפח גידול, לחזות pCR לפני תחילת הטיפול ולחקור כיצד דפוסי הדמיה קשורים לביולוגיית הגידול. מטופלות ללא נתוני תוצאה עדיין תורמות על ידי מתן דוגמאות נוספות ללמידה לא מפוקחת וחצי‑מפוקחת. מאחר שכל הקבצים נושאים שיטת שם פשוטה ובפורמט משותף, מדענים יכולים לטעון ולנתח אותם במהירות באמצעות תוכנה סטנדרטית, לחסוך ימים של עבודה ידנית ולהפחית את סיכויי השגיאות.

דרך ברורה יותר לעבר טיפול מותאם אישית

במלים פשוטות, עבודה זו הופכת אוסף מבולגן של סריקות MRI של שד ממספר בתי חולים לבסיס נקי ומשותף למחקר AI. על ידי סטנדרטיזציה של אופן האחסון של תמונות ומידע קליני, ועל ידי סימון עקבי של גידולים ותוצאות, BreastDCEDL נותן לחוקרים את מה שהם צריכים כדי לבנות ולבחון בצורה הוגנת כלים ממוחשבים שעשויים יום אחד לסייע לרופאים לבחור את הטיפול המתאים לכל מטופלת. אמנם זה לא מרפא את הסרטן בפני עצמו, אך זה מסיר מכשול משמעותי בדרך לטיפול מדויק יותר ומבוסס נתונים בסרטן השד.

ציטוט: Fridman, N., Solway, B., Fridman, T. et al. BreastDCEDL: A standardized deep learning-ready breast DCE-MRI dataset of 2,070 patients. Sci Data 13, 264 (2026). https://doi.org/10.1038/s41597-026-06589-6

מילות מפתח: MRI של שד, דימות בסרטן, בינה מלאכותית רפואית, תגובה לטיפול, מאגרי נתונים רפואיים