גישה חדשה לחזוי מוקדם של רעלת היריון המתמודדת עם אי־וודאות ניבויית שנובעת משדות חסרים במאגר קליני

מדוע זה חשוב לאמהות ולתינוקות

רעלת היריון היא סיבוך מסכן חיים של ההריון שעלול לפתע לסכן הן את חיי האם והן את חיי התינוק. רופאים יודעים כי צעדים פשוטים, כמו מתן אספירין במינון נמוך מוקדם מאוד בהיריון, יכולים להפחית משמעותית את הסיכון לנשים שסיכויין לפתח את המצב גבוה. האתגר הוא לזהות ההריונות בסיכון גבוה אלה בזמן, ולעשות זאת באופן אמין כאשר רשומות הרפואה בעולם האמיתי לעתים קרובות חסרות פרטים. במחקר זה מוצעת שיטה חדשה לחזוי מוקדם של רעלת היריון ובמקביל להערכת מידת האמון שיש להעניק לכל חזוי.

הבנת איום שקט על ההריון

רעלת היריון משפיעה על 2–8% מההריונות ברחבי העולם. היא בדרך כלל מופיעה בשלב מתקדם יותר של ההריון, אך שורשיה נוצרים כבר מוקדם יותר. נשים עם רעלת היריון עלולות לסבול מנזק בכליות, בכבד, במוח ובאיברים אחרים, ובמקרים הקשים עלולה להיהרג האם וגם התינוק. תינוקות עלולים להפסיק לגדול כראוי או להזדקק ללידה מוקדמת מאוד. מאחר שהתחלת אספירין במינון נמוך לפני שבוע 16 של ההריון יכולה להפחית את הסיכון לרעלת היריון מוקדמת ביותר מחצי, זיהוי נשים בסיכון גבוה בשליש הראשון יכול לשנות את הטיפול. הסתמכות רק על ניסיונו של הרופא, עם זאת, הוכחה כלא מספקת להחלטות כה קריטיות.

הפיכת רשומות רפואיות בלתי מסודרות לאזהרות מועילות

בעשור האחרון צוותי מחקר רבים השתמשו בשיטות למידת מכונה כדי לחזות רעלת היריון מתוך מידע שגרתי של מרפאה ובדיקות מעבדה. דגמים אלה בדרך כלל משיגים דיוק ממוצע, אך הם חוטאים בבעיה מרכזית: הם מניחים שכל חזוי ראוי לאותה מידת אמון, גם כאשר תוצאות בדיקות מפתח חסרות ברשומת המטופלת. בטיפול הקדם־לידה במציאות, בדיקות דם וביקורות מעקב לרוב נעדרות, במיוחד במרפאות המוניות. משמעות הדבר היא שמאגרי נתונים גדולים בבתי חולים מלאים בחורים. מחקרים קודמים התעלמו ברובם מהשפעת החסרות הללו על מידת הביטחון בכל חזוי, מה שעלול להסתיר את הפוטנציאל האמיתי של דגמים אלה.

הוספת "מד־יושר" לציוני הסיכון

המחברים ניתחו רשומות של יותר מ‑31,000 הריונות יחידיים בשלוש בתי חולים בקוריאה, תוך שימוש במידע שנאסף לפני שבוע 16 להריון. הם בנו מודל חיזוי יוצא ציון סיכון לרעלת היריון בטווח של 0 עד 1. לאחר מכן הוסיפו מספר שני: ציון אי־וודאות שמשקף כמה חסרים במידע עשויים לערער את החזוי. לשם כך בחנו עד כמה כל משתנה קליני או מעבדה בד״כ מדחף את הסיכון כלפי מעלה או מטה בנשים שהנתונים שלהן שלמים. משתנים שערכיהם משפיעים חזק על המודל — כגון לחץ דם עורקי ממוצע, מרווח ארוך מאז ההריון האחרון או היות האם ראשונה, חלבונים מסוימים המשויכים להריון, וכולסטרול HDL — הוערכו כחשובים יותר. אם משתנה קריטי כזה היה חסר אצל אישה מסוימת, ציון האי־וודאות שלה עלה יותר מאשר במקרה של חסר בפריט פחות חשוב.

מה קורה כשסומכים רק על אותות ברורים יותר

מזויידים בציון אי־הוודאות הזה, הצוות בדק כיצד המודל מתפקד כאשר מתמקדים רק בהריונות עם נתונים יחסית שלמים ומלאי מידע. בבדיקות פנימיות, כאשר התעלמו מאי־הוודאות והשתמשו בכל הנשים, יכולת המודל להבחין בין מי שיפתח ומי שלא תפתח רעלת היריון הייתה טובה אך לא יוצאת דופן. כאשר הם הגבילו בהדרגה את ההערכה לנשים עם ציוני אי־וודאות נמוכים יותר — כלומר פחות ערכים חסרים או חסרים פחות קריטיים — הדיוק עלה בעקביות. ברמת אי־וודאות מתונה ביצועי המודל כבר היו טובים יותר מדיווחים קודמים; ברמת אי־וודאות נמוכה במיוחד, הדיוק היה גבוה להפליא, וזיהה כמעט את כל מקרי רעלת ההיריון העתידיים עם מעט אזעקות שווא. תבנית דומה הופיעה כאשר המודל נבדק על נתוני בית חולים עצמאי, מה שמרמז שהגישות עמידה גם בין מרפאות ואוכלוסיות שונות של מטופלות.

רמזים לבדיקות טובות יותר ולטיפול עתידי

מכיוון שהשיטה עוקבת אחר כמה כל משתנה תורם לאי־וודאות, היא יכולה להנחות אילו מדידות שוות יותר לאיסוף מוקדם בהיריון. הניתוח הראה שאין בדיקה יחידה שמספיקה: משתנים רבים כל אחד מוסיף חתיכה קטנה אך חשובה של מידע. המסגרת גמישה וניתנת לשילוב עם דגמי למידת מכונה אחרים, מורכבים יותר, או להרחבה לבעיות הריון נדירות אחרות. יחד עם זאת, המחברים מזהירים שעבודתם היא חקרנית ברובה, מבוססת בעיקר על נשים קוריאניות עם הריונות יחידיים, וכי הערכות הדיוק המרשימות ביותר נובעות מתתי־קבוצות קטנות ובעלות אי־וודאות נמוכה שבהן קיימים מעט מאוד מקרי רעלת היריון. יש צורך במחקרים מגוונים יותר ובבחירה זהירה של ספי־החלטה לפני שכלי כזה יוכל לעצב טיפול במציאות הקלינית.

מה זה אומר למשפחות המצפות לתינוק

המחקר הזה עדיין לא מציע בדיקה מוכנה לשימוש קליני, אך הוא מצביע לכיוון כלים חכמים ושקופים יותר לחיזוי. במקום לספק רק ציון סיכון גולמי, מערכות עתידיות יוכלו גם לציין עד כמה הן בטוחות בתחזית, ולסייע לרופאים להימנע מעודפות־ביטחון כאשר חלקים חשובים מהפאזל חסרים. על ידי למידה אילו מדידות שגרתיות הן החשובות ביותר וכיצד להתמודד עם נתונים לא מושלמים, עבודה זו מספקת את הבסיס לזיהוי מוקדם ובטוח יותר של הריונות בסיכון לרעלת היריון — ומאפשרת יותר זמן להגנה על בריאות האם והתינוק.

ציטוט: Kim, J.W., Kim, N., Kim, J.Y. et al. A novel approach to preeclampsia early prediction addressing predictive uncertainty due to missing data in clinical dataset. Sci Rep 16, 8455 (2026). https://doi.org/10.1038/s41598-025-27801-4

מילות מפתח: רעלת היריון, חזוי סיכוני הריון, למידת מכונה במיילדות, אי־ודאות בנתונים קליניים, בריאות האם