לקראת זיהוי וכימות מבוססי למידת-עמוק של מטפלזיה מעי ברקמות קיבה ממוּדֻלות: מחקר השוואתי רב-מומחים

מדוע זה חשוב לבריאותכם

סרטן הקיבה נותר אחד מסוגי הסרטן הקטלניים ביותר בעולם, בעיקר מכיוון שלרוב מאובחן באיחור. רופאים יודעים ששינוי טרום-סרטני מסוים ברירית הקיבה, המכונה מטפלזיה מעי, מעיד על סיכון מוגבר שנים לפני הופעת גוש סרטני. כיום סימן אזהרה זה מוערך בעין האנושית, ולכן שני מומחים עשויים להסתכל על אותו ביופסיה ולהגיע למסקנות שונות לגבי חומרתה. המחקר בוחן האם אינטליגנציה מלאכותית יכולה להביא לעקביות ולדיוק גדולים יותר בשלב האזהרה המוקדם הקריטי הזה.

איך רופאים מחפשים בעיות בקיבה

כאשר נבדקים בשל חשש למחלות קיבה נלקחות דגימות רקמה זעירות ממספר מקומות סטנדרטיים בתוך הקיבה ונבדקות במיקרוסקופ. פתולוגים מחפשים רמזים כגון דלקת, אובדן של בלוטות נורמליות, ובמיוחד הופעת תאים דמויי מעי במקומות שבהם אינם שייכים. ככל ששינויים אלה רחבים יותר ותופסים יותר אזורים בקיבה, כך מוערך הסיכון שיפתח בסופו של דבר סרטן הקיבה כגבוה יותר. מערכות הדירוג הנוכחיות משלבות את הרושם הוויזואלי הזה לשלבי סיכון, החל מנמוך מאוד ועד לגבוה מאוד, ומנחות עד כמה יש לעקוב אחר המטופל.

הבעיה בהחלטת האדם בלבד

למרות שבתי מערכות אלה בשימוש נרחב במרפאות, הן תלויות בהערכתו של פתולוג לגבי איזה חלק מהרקמה משתנה. מחקרים קודמים וניסיון יומיומי הראו שגם מומחים מיומנים עלולים להיפרד בהערכותיהם. במחקר זה שלושה פתולוגים דירגו באופן עצמאי יותר מ-200 מערכי ביופסיות קיבה מתנדבים וחולים בקולומביה. מידת ההסכמה ביניהם נעו רק מטווח קל עד בינוני, מה שאומר שגם מקרה אחד יכול לקבל שלבי סיכון שונים לפי מי שקורא אותו. שונות זו מעלה חשש שחלק מהאנשים עלולים לקבל דחיית דאגה שגויה בעוד אחרים עלולים להודיע להם שהם בסיכון גבוה יותר ממה שבאמת הם.

לימוד מחשב לקרוא פרוסות ביופסיה

החוקרים בדקו האם למידת-עמוק, סוג של אינטליגנציה מלאכותית המצטיין בזיהוי דפוסים בתמונות, יכולה לסייע. הם דיגיטזו חמש דגימות ביופסיה לאדם בהגדלה גבוהה מאוד והשתמשו תחילה באלגוריתם מיוחד כדי lokaliz–למצוא מבנים בלוטיים ברקמה, שם מופיעים השינויים המוקדמים. מאזורים אלה חילצו מאות אלפי 'אריחי' תמונה קטנים. פתולוג מנוסה סימן מראש היכן קיימת מטפלזיה מעי, מה שאפשר לצוות לתייג את האריחים כמשתנים או נורמליים. מספר עיצובים מודרניים של רשתות נוירונליות אומנו לאחר מכן בשלבים: תחילה למידה ממאגרי תמונות גדולים קיימים, ולאחר מכן כוונון עדין על דגימות הקיבה הללו כדי להבדיל בין אריחים עם מטפלזיה לאריחים נורמליים.

מה המחשב מצא וכיצד זה משתווה

מבין המודלים שנבדקו, ארכיטקטורה אחת הראתה את התוצאות הטובות ביותר, וזיהתה נכון מטפלזיה מעי ברוב האריחים והגיעה לרמות ביצוע הדומות לאלו שנצפו במשימות דימות רפואיות אחרות. כאשר התחזיות ברמת האריחורובבו חוברו חזרה על תמונות השקופית המלאות, המודל הפיק מפות בקוד צבע שהראו היכן סביר שמופיעות בלוטות משנות. מהמפות האלו התכנית חשבה אוטומטית את אחוז הרקמה המוחלשת בכל מיקום ביופסיה ותרגמה אחוזים אלה לאותם שלבי סיכון שמשתמשים בהם המומחים האנושיים. אמנם המודל לא תאם באופן מושלם אף פתולוג בודד, אך הוא הראה מתאם חזק עם הערכותיהם ו, החשוב מכך, היה עקבי יותר ממקרה למקרה מאשר ההסכמות בין בני האדם.

מה זה עלול להצביע לגבי הטיפול בעתיד

המחקר מרמז שמערכות למידת-עמוק יכולות לשמש כ"קוראים שניים" יציבים לפרוסות ביופסיה של הקיבה, ולהציע מדידות אובייקטיביות של מידת השינוי הטרום-סרטני ברקמה. כלי כזה לא אמור להחליף פתולוגים, אלא לספק להם בסיס אמין, להפחית השערות ומחלוקות, ולעזור לוודא שמטופלים בסיכון גבוה באמת יזוהו וידרשו מעקב הולם. עם בדיקות נוספות בבתי חולים שונים וסימון מפורט יותר של תתי-סוגי רקמה, גישה זו עשויה בסופו של דבר לתמוך בהחלטות מותאמות אישית ובביטחון רב יותר לגבי מי צריך מעקב צמוד יותר כדי למנוע סרטן הקיבה.

ציטוט: Cano, F., Caviedes, M., Siabatto, A. et al. Towards deep-learning based detection and quantification of intestinal metaplasia on digitized gastric biopsies: a multi-expert comparative study. Sci Rep 16, 9606 (2026). https://doi.org/10.1038/s41598-025-32737-w

מילות מפתח: סרטן הקיבה, מטפלזיה מעי, למידת-עמוק, פתולוגיה דיגיטלית, סיווג סיכון לסרטן