שיפור אבחון סרטן צוואר הרחם באמצעות שיטת אנסמבל בייסיאנית חדשנית עם בינה מלאכותית בעלת יכולת הסברה

מדוע זה חשוב לבריאות הנשים

סרטן צוואר הרחם נשאר גורם מוות משמעותי לנשים ברחבי העולם, במיוחד במקומות שבהם הגישה למומחים ולמבחנים מתקדמים מוגבלת. עם זאת, המחלה ניתנת לטיפול ביעילות אם מתגלים אותה מוקדם. המחקר הזה בוחן כיצד בינה מלאכותית (AI) שעוצבה בקפידה יכולה להפוך מידע קליני ולייפסטייל פשוט—כמו גיל, הרגלי עישון ותוצאות בדיקות סקר שגרתיות—לכלי התרעה מוקדמת אמין לשימוש הרופאים ליד המיטה או במרפאות קטנות.

הבעיה העולמית שמאחורי המספרים

סרטן צוואר הרחם נגרם ברוב המקרים על ידי הידבקות בסוגי וירוס הפפילומה האנושי (HPV) בעלי סיכון גבוה. המחלה מתפתחת לעתים בשקט, מבלי שהופיעו תסמינים עד שלבים מתקדמים, אז נשים עלולות לחוות דימום בלתי רגיל, כאבי אגן או בעיות פוריות. בשנת 2020 דווחו יותר מ‑600,000 מקרים חדשים בעולם, וכמעט 90% מהמוות התרחשו במדינות בעלות הכנסה נמוכה ובינונית, שבהן שמירה על בדיקות פאפ או HPV שגרתיות קשה. שיטות הסקר הקיימות יעילות אך עלולות לדרוש עבודה רבה, צוות מיומן ועדיין להחמיץ חלק מהמקרים. זה יוצר צורך חזק בכלים שיכולים לזהות במדויק נשים בסיכון גבוה באמצעות המידע שמרפאות כבר אוספות.

הפיכת היסטוריה רפואית לניקוד סיכון

החוקרים בנו מערכת היברידית של למידת מכונה שמנתחת 36 פריטים מידע מכל מטופלת. אלה כוללים גיל, מספר שותפי מין, גיל בקיום יחסי מין ראשון, סטטוס עישון, שימוש באמצעי מניעה הורמונליים, היסטוריה של מחלות מין ותוצאות בדיקות צוואר רחם נפוצות כגון מבחני שילר והינסלמן וציטולוגיה. מאחר שלרשומות רפואיות אמיתיות לעיתים חסרים נתונים, הקבוצה השתמשה בטכניקה שנקראת GAIN כדי להשלים חכמה את הערכים החסרים תוך שמירה על דפוסים מציאותיים בנתונים. לאחר מכן יישמו שיטה בשם Boruta כדי לסנן את המשתנים ולהשאיר רק את אלה שבאמת השפיעו על כך שממצאי הביופסיה—שהיא מבחן הזהב—הראו סרטן או מצב קדם‑ממאיר.

איזון מקרים נדירים ומציאת אותות ברורים

כמו במאגרי נתונים רפואיים רבים, ברשומות סרטן צוואר הרחם היו הרבה יותר נשים ללא המחלה מאשר עם המחלה. אם לא מטפלים באי‑האיזון הזה, המודל הממוחשב עלול ללמוד בעיקר מהקבוצה הרובית ולהתעלם בסתר מסימנים עדינים של סרטן. כדי למנוע זאת השתמשה הקבוצה בהגדלה אקראית של המדגם החיובי (random oversampling) כדי ליצור תערובת מאוזנת יותר של מקרים חיוביים ושליליים. לאחר מכן דחסו את הנתונים לערכת דפוסים אינפורמטיביים קטנה יותר באמצעות שתי שיטות מתמטיות: ניתוח מרכיבים בלתי תלויים (ICA) וניתוח מרכיבים עיקריים (PCA). השילוב הזה הסיר רעש וחזרות תוך שמירה על האותות המרכזיים שמבדילים בין מטופלות בסיכון גבוה לנמוך.

שילוב שתי "מוחות" להחלטה אחת

בחזית המערכת ניצב "אנשמבול פיוז'ן בייסיאני" חדש, שממזג את היתרונות של שני מודלים נפוצים: עצי החלטה ו‑random forests. במקום לאפשר לכל מודל להצביע באופן שווה, שיטת הפיוז'ן שוקלת את תרומתם בהתבסס על ביצועיהם בתהליך האימות. התוצאה היא הערכת סיכון חדה אחת לכל אישה. בסבבות בדיקה מרובות, הגישה הזו הגיעה לכ‑99.9% דיוק בערך, זיהתה כל מקרה בסיכון גבוה (recall מושלם), והניבה ציון אידיאלי במדד סטנדרטי של איכות אבחון (AUC‑ROC = 1.00), מה שמעיד שהיא כמעט ולא החמיצה סרטן ובאותו זמן נמנעה מהפסקות שווא מיותרות.

פתיחת הקופסה השחורה לרופאים

מכיוון שרופאים צריכים להבין מדוע אלגוריתם מסמן מטופלת כבסיכון גבוה, הוסיפה הקבוצה כלי בינה מלאכותית ברירים בשם SHAP ו‑LIME. השיטות הללו מפרקות כל ניבוי ומראות אילו גורמים דחפו את ההחלטה לכיוון "סרטן" או "אין סרטן". הן אישרו שתוצאות השילר, הינסלמן וציטולוגיה הן המניעים החזקים ביותר של הסיכון, כאשר גיל, מספר שותפים מיניים, עישון וזיהומים בעבר משחקים גם הם תפקידים חשובים. לבסוף, החוקרים עטפו את המודל ביישום מבוסס רשת שהמרפאות יכולות להשתמש בו בזמן אמת: הצוות מזין פרטי מטופלת, המערכת מחזירה ניקוד סיכון, ולוח ההסברים מדגיש את הסיבות המרכזיות לניקוד זה.

מה המשמעות עבור מטופלות ומרפאות

העבודה ממחישה שכאשר מעצבים בינה מלאכותית בקפידה ומסבירים את החלטותיה בשקיפות, היא יכולה להפוך נתונים קליניים והתנהגותיים שגרתיים למערכת התרעה מוקדמת חזקה לסרטן צוואר הרחם. המודל אינו מחליף ביופסיות או שיקול דעת מקצועי, אך הוא יכול לסייע למרפאות העמוסות לזהות במהירות נשים שזקוקות יותר לבדיקות המשך, במיוחד בהגדרות עם משאבים מוגבלים. עם מאגרי נתונים רחבים ומגוונים יותר בעתיד, ובהרחבת הגישה לסוגי נתונים רפואיים נוספים, כלים כאלה עשויים להפוך לחלק אינטגרלי מסקר שגרתי ולעזור למנוע אלפי מקרים של מוות שניתן למנוע.

ציטוט: Islam, O., Assaduzzaman, M., Akter, S. et al. Enhanced cervical cancer diagnosis using a novel Bayesian fusion ensemble method with explainable AI. Sci Rep 16, 12306 (2026). https://doi.org/10.1038/s41598-026-35334-7

מילות מפתח: סקר סרטן צוואר הרחם, בינה מלאכותית רפואית, למידת מכונה, בריאות נשים, זיהוי מוקדם