מסגרת יחס רך אינטואיציוניסטי פאזי קובייתי מחוספס לזיהוי סיכון ובחירת בית חולים בטיפול בסרטן השד

מדוע הבחירה בבית החולים הנכון יכולה להיות כל כך בעייתית

כאשר אדם מתמודד עם סרטן השד, הרופאים חייבים לשקול רמזים רבים שאינם ודאיים: גודל הגידול, תמונות סריקה, מעורבות בלוטות לימפה, היסטוריה משפחתית ועוד. אף אחד מהנתונים הללו אינו ברור לחלוטין, ומומחים עשויים להסס או לא להסכים. מאמר זה מציג כלי מתמטי חדש לתמיכה בקבלת החלטות שנועד לנווט באי-וודאות הזאת, לעזור לאנשי מקצוע לזהות מטופלים בסיכון גבוה ולהתאים אותם לבית החולים המתאים ביותר, תוך ייצוג מהימן של מה שידוע, מה שמטושטש ומה שנמצא באמצע.

גוונים רבים של "כן", "לא" ו"לא בטוח"

מודלים מסורתיים לקבלת החלטות לרוב מטפלים במידע כבאמת או כנסתור, או לכל היותר כאחד לאורך סולם פאזי יחיד בין 0 ל־1. אבל נתונים רפואיים אמיתיים עמוקים ומסובכים יותר. תוצאת בדיקה יכולה לתמוך בחלק מהאבחנה, להתנגד לה במידה מסוימת, ועדיין להשאיר מקום לספק. המסגרת במחקר זה עוקבת אחרי ארבעה היבטים בבת אחת: עד כמה הראיה תומכת בהצהרה (חברות), עד כמה היא מדברת נגדה (אי־חברות), כמה היסוס אמיתי נשאר, ומה טווח הערכים הללו עלול להיות. במקום לדחוס את כל אי־הוודאות למספר יחיד, היא מייצגת אותה כ"קוביה" קטנה של נתונים השולפת גם דרגת אמונה וגם את התפשטותה.

קישור בין מטופלים, תוצאות בדיקה ובתי חולים

מעבר לתיאור רב‑השכבות הזה של אי־הוודאות, המחברים מוסיפים מרכיב נוסף: יחסים רכים. אלה הם קישורים גמישים בין קבוצות אובייקטים שונות — למשל בין מטופלים לבין גורמי אבחון, או בין גורמי אבחון לבין בתי חולים. כל קישור יכול להיות חלש או חזק, ולשנות את טבעו בין סביבה אחת לאחרת או בין מומחים שונים. על ידי שילוב הקישורים האלה עם הקוביות הקובייתיות של אי־הוודאות, המודל יכול ליצור "קירובים" תחתונים ועליונים של הסיכון: הערכה שמרנית של מי בהחלט בסיכון גבוה, וגבול רחב יותר שכולל את ceux שעשויים להיות בסיכון גבוה בהתחשב בספקות הנוכחיים.

מיקוד בסיכון לסרטן השד ובחירת בית החולים

כדי להדגים כיצד זה עובד במציאות, המחברים בונים מחקר מקרה הכולל חמישה מטופלות היפותטיות בסרטן השד וארבעה גורמים קליניים חשובים: גודל הגידול, אחידות צורת הגידול בתמונות, מצב בלוטות הלימפה והיסטוריה משפחתית. מומחים מביעים את דעתם לגבי כל זוג מטופל‑גורם באמצעות הקוביות החדשות של אי־הוודאות. המסגרת מפיצה אז מידע זה דרך היחסים הרכים שמקשרים בין מטופלים לבתי חולים, ומחשבת ציונים המשקפים גם ראיה וגם היסוס. בדוגמה, מטופלת אחת בולטת בבירור כבעלת רמת הסיכון הנוכחית הגבוהה ביותר, בעוד ההיסטוריה המשפחתית מצטיינת כגורם המשפיע ביותר בהתייחס להתפתחויות עתידיות אפשריות.

עולה על כלי החלטה ישנים

הצוות משווה את הגישה שלהם למספר שיטות מבוססות ידועות על קבוצות פאזי, קבוצות פאזי אינטואיציוניסטיות וקבוצות מחוספסות בשימוש נפרד. כלים מוקדמים אלה יכולים למדוד אמת חלקית או לצייר גבולות חדים, אך מתקשים לטפל באי־וודאות חופפת, בטווחים אינטרוולאריים ובהיסוס מומחים בצורה מאוחדת. באמצעות אותם נתונים, המסגרת החדשה מייצרת גבולות צרים יותר בין קבוצות בסיכון גבוה ונמוך, כלומר אזור "אפור" קטן יותר שבו ההחלטות עמומות. מבחנים כמותיים מראים שהשיטה שלהם מניבה ציונים מצטברים גבוהים יותר המעידים על קירובים ברורים ומוחלטים יותר, בעוד ניתוח איכותני מצביע גם על יכולת פרשנות טובה יותר לבחירות מורכבות רב‑קריטריות.

מסר רחב יותר: מסרטן השד להחלטות בעולם האמיתי

למרות שהמאמר מתמקד בסיכון לסרטן השד ובבחירת בית חולים, המחברים מדגישים שהמסגרת שלהם היא מנוע החלטות כללי לכל מצב שבו הנתונים חסרים, סותרים או לא מדויקים. מדיניות סביבתית, הערכת סיכונים פיננסיים, תכנון הנדסי וקבלת החלטות קבוצתית בין מספר מומחים — כולם יישומים אפשריים. המסר המרכזי עבור לא‑מומחים הוא שטיפול מתמטי משופר באי־וודאות יכול לתמוך בבחירות שקופות ומוצדקות יותר: להדגיש באופן ברור מי המטופלים הבטוחים ביותר, מי בסיכון הרב ביותר, ועד כמה אנו בטוחים בהחלטות אלה, במקום להסתיר ספק מאחורי ציון מייסר ופשטני אחד.

ציטוט: Bashir, S., Shabir, M., Bibi, A. et al. Rough cubic intuitionistic fuzzy soft relation framework for risk identification and hospital selection in breast cancer treatment. Sci Rep 16, 9141 (2026). https://doi.org/10.1038/s41598-026-35732-x

מילות מפתח: סיכון בסרטן השד, תמיכת החלטות רפואית, מודלים של אי-ודאות, בחירת בית חולים, קבוצות פאזי–מחוספסות