מסגרת למידת עומק רב-זרמית המשולבת תמונות וייצוגי תכונות לחיזוי פגיעה קוגניטיבית קלה באמצעות מבחן דמות מורכבת של ריי

מדוע ציור יכול לחשוף בעיות זיכרון נסתרות

כשאנשים חיים יותר שנים, רבים חוששים מהחלקות זיכרון עדינות והאם הן עשויות להצביע על שלבים מוקדמים של דמנציה. רופאים משתמשים כבר זמן רב במבחני ציור פשוטים על נייר ובעט כדי לבדוק חשיבה וזיכרון — כי הם מהירים, זולים וקלים להענקה בכל מרפאה. המחקר הזה מראה כיצד אינטיליגנציה מלאכותית מודרנית יכולה לסחוט הרבה יותר מידע ממבחן ציור קלאסי אחד, ולהפוך אותו לכלי אזהרה מוקדמת עוצמתי לפגיעה קוגניטיבית קלה, מצב שלרוב מקדים דמנציה.

ציור קלאסי בעיניים דיגיטליות חדשות

משימת הציור הנפוצה היא מבחן דמות מורכבת של ריי. בבקשה הראשונה מבקשים מהנבדק להעתיק ציור קווים מפורט ומופשט, ובהמשך לבקש ממנו לצייר אותו שוב מהזיכרון. באופן מסורתי, מומחים מדרגים כל ציור בסולם של 36 נקודות, תוך הערכת דיוק מיקום וצורת החלקים השונים. ציונים אלה מספקים תמונת מצב שימושית של כישורים ויזואו-מרחביים וזיכרון חזותי, אך בהכרח מתעלמים ממאפיינים עדינים רבים של הציור. מחברי המאמר קיבלו על עצמם לבנות מערכת אוטומטית שתוכל לבחון את התמונה בשלמותה, לשלב אותה עם ציון הנקודות הרגיל ומידע רקע בסיסי כמו גיל, מין ושנות השכלה, ואז להחליט האם סביר שאדם סובל מפגיעה קוגניטיבית קלה.

שני נתיבים לקריאת ציור

החוקרים תכננו מודל למידת עומק "דו-זרמי" שמעבד את ציורי הנבדק בשתי דרכים שונות במקביל. בנתיב הראשון, הקרוי הזרם המרחבי, התמונות הסרוקות הגולמיות של שלושה הציורים (ההעתקה, השחזור המיידי והשחזור המעוכב) מוזנות לרשת לזיהוי תמונה. רשת זו, המבוססת על ארכיטקטורה הידועה כ-EfficientNet, לומדת באופן אוטומטי תכונות חזותיות כמו צורות, עובי הקו וסגנון הציור. מודול תשומת לב מיוחד עוזר למערכת להתמקד באזורים המועילים ביותר במפת הציור. בנתיב השני, הקרוי זרם הדירוג, המודל מקבל את ציוני ריי המקובלים — שנוצרו אוטומטית על ידי רשת דירוג מאומנת מראש — יחד עם גיל, מין והשכלה של הנבדק. מספרים מובנים אלה משולבים ברשת חיזוי פשוטה יותר. בסופו של דבר, התוצאות משני הזרמים ממוצעות כדי לייצר הסתברות אחת לכך שלנבדק יש פגיעה קוגניטיבית קלה במקום קוגניציה נורמלית.

לימוד ממבוגרים רבים

לאימון ובדיקת המערכת השתמשה הקבוצה בציורים מ-1,740 מבוגרים בקוהורט מחקר גדול בקוריאה, כשכמחציתם בקוגניציה נורמלית וכמחציתם עם פגיעה קוגניטיבית קלה. הם חלקו את מאגר הנתונים הזה שוב ושוב לערכות אימון, ולידציה ובדיקה כדי לכוונן את המודל ולהגן מפני התאמת יתר. חשוב מכך, הם גם העריכו ביצועים על קבוצת חולים עצמאית של 222 מטופלים מבית חולים אחר. לפני בניית מודלים חזויים על מערך חיצוני זה, השתמשו בכלי הדירוג האוטומטי שלהם כדי לבדוק חוסר התאמות גדולות בין ציוני המכונה לציונים האנושיים; במקרים של חילוקי דעות גדולים, מומחים בדקו ותיקנו את הדירוגים שלהם. שלב בקרת האיכות הזה שיפר את ההסכמה בין ציוני בני-אדם לאלה של ה-AI, וחיזק את הקשר בין ההערכות המנואליות והאוטומטיות.

כמה טוב המערכת מזהה פגיעה מוקדמת

החוקרים השוו את המודל הדו-זרמי למספר חלופות: מודלים סטטיסטיים פשוטים המשתמשים בבדיקה קצרה נפוצה של קוגניציה כללית, מודלים המשתמשים רק בציוני ריי ידניים, מודלים המשתמשים רק בציוני ריי שנוצרו על ידי AI, ומודל למידת עומק שבחן רק את התמונות בלי זרם הדירוג. בחזרות רבות בתוך הקוהורט הראשי ובקבוצת בית החולים החיצונית, המערכת המשולבת דו-זרמית הצטברה בקביעות כטובה ביותר. במבחן החיצוני היא הגיעה לשטח תחת עקומת המקבל-המפעיל (AUC) של 0.872 ולדיוק כולל של כ-78 אחוזים, כשהיא עולה על מודלים מסורתיים מבוססי דירוג ועל רשת עומק המסתמכת רק על תמונות. השיפורים הללו מרמזים ששילוב של פרטי ויזואליים עשירים ומידע דירוג מובנה מספק תמונה יציבה ואמינה יותר של שינוי קוגניטיבי מוקדם.

מה זה עשוי להיעשות במרפאות היומיומיות

מבחינת המטופל, אין צורך לשנות דבר במבחן: הם עדיין מתיישבים עם עיפרון ונייר ומעתיקים דמות מורכבת. מאחורי הקלעים, לעומת זאת, סורק ומערכת ה-AI יכולים כעת להעריך את הציורים בתוך שניות, לייצר ציונים סטנדרטיים ולהעריך את הסיכון של האדם לפגיעה קוגניטיבית קלה באופן מדויק יותר משיטות סינון מהירות רבות קיימות. מאחר שהשיטה דורשת רק מבחן אחד מוכר ותויין רק מידע רקע שגרתי, היא יכולה להשתלב במרכזי בדיקות עמוסים ללא שיבושים משמעותיים. אף על פי שבמחקר התמקדו במשתתפים קוריאניים והשתמשו רק בתמונות סטטיות, הגישה מצביעה לעתיד שבו ציורים פשוטים, המפורשים על ידי תוכנה חכמה, מסייעים לסמן בעיות קוגניטיביות עדינות מוקדם דיו להתערבות משמעותית.

ציטוט: Park, J., Seo, E.H., Kim, S. et al. Multi-stream deep learning framework integrating images and feature representations to predict mild cognitive impairment using the rey complex figure test. Sci Rep 16, 9629 (2026). https://doi.org/10.1038/s41598-025-34491-5

מילות מפתח: פגיעה קוגניטיבית קלה, מבחן דמות מורכבת של ריי, סינון בלמידת עומק, הערכה קוגניטיבית, מניעת דמנציה