שימוש בבינה מלאכותית לזיהוי אנטומיה כירורגית בנפרקטומיה תורמת לזכר — מחקר אימות וישימות

טכנולוגיה חכמה למתנה בעלת סיכון גבוה

נפרקטומיה לפרוסקופית לתורם היא הניתוח הפחות פולשני שמבוצע כאשר אדם בריא תורם כליה — מעשה נתינה בעל משמעות שבו כל טעות כירורגית קשה במיוחד לקבל. מחקר זה בוחן כיצד בינה מלאכותית (AI) יכולה לסייע למנתחים לזהות מבנים חיוניים בצורה ברורה יותר במהלך הפרוצדורה העדינה הזו, במטרה להפחית סיכון לתורמים ולשפר את ההכשרה של מנתחים עתידיים.

מדוע ניתוחי תורמי כליה דורשים זהירות יתרה

תורמי כליה חיים הם לעתים קרובות אנשים בריאים לחלוטין שבוחרים בניתוח רק כדי לעזור לאחר. למרות שהטכניקות הלפרוסקופיות כבר הפכו את התרומה לבטוחה יותר ואת ההתאוששות למהירה יותר, הניתוח עדיין נעשה במרחב צמצום סביב עורקים, ורידים והשופכן שלא ניתן לפגוע בהם. כיום המנתחים מסתמכים על העיניים והניסיון שלהם כדי לזהות מבנים אלה על מסך הווידאו. “שותף‑טיסת” AI שיכול לציין בזמן אמת את האנטומיה המרכזית באופן מהימן עשוי למנוע החלקות, במיוחד עבור מנתחים בעלי ניסיון מועט או במצבים קשים.

להדריך מחשב לראות בתוך הגוף

צוות המחקר שיתף פעולה עם חברת טכנולוגיה רפואית כדי לבנות מערכת ראייה ממוחשבת שיכולה לזהות מבנים חשובים במהלך ניתוח לתרומת כליה שמאלית. הם אספו הקלטות וידאו מ‑30 ניתוחים והתמקדו ברגעים שבהם השומן הסביבתי כבר הוסר, כך שהכליה, הטחול, כלי הדם הראשיים והשופכן נראו בבירור. מתוך אלה חילצו אלפי תמונות סטטיות. כל תמונה תויגה בקפדנות פיקסל‑על‑פיקסל על ידי אנטומיסט ולאחר מכן נבדקה בשנית על ידי מנתח השתלות מנוסה. התמונות הממושלמות הללו שימשו כ"מפתחות תשובה" לאימון ה‑AI. המערכת נבנתה על מודל למידה עמוקה מודרני שתוכנן במקור לאתר עצמים במהירות בתמונות, ואז הותאם כדי לעטוף ולהבליט איברים וכלי דם בכל תמונת ניתוח.

כיצד אומנה ונבדקה המערכת

החוקרים השתמשו ב‑6,828 תמונות מתוייגות מ‑16 ניתוחים כדי ללמד את ה‑AI והשאירו 1,757 תמונות מ‑4 ניתוחים נפרדים כדי לבדוק עד כמה למד. הם נתנו משקל נוסף במכוון למבנים הקריטיים ביותר — העורק הכלייתי, הוריד הכלייתי והשופכן — כדי שהמודל ישים להם תשומת לב מיוחדת. במהלך האימון התוכנית השוותה שוב ושוב את המנחשות שלה לתוויות המומחים והתאימה את עצמה כדי להקטין שגיאות. השאלה המרכזית הייתה האם, כאשר מראים תמונה חדשה, ה‑AI יכול להבליט בצורה נכונה את הטחול, הכליה, כלי הדם הראשיים והשופכן מבלי להחמיץ אותם או לבלבל בין מבנים.

כיצד ביצע שותף‑הטיסה ה‑AI

כאשר נבדקה, מערכת ה‑AI הראתה דיוק מעודד. היא היתה חזקה במיוחד בזיהוי הטחול וכלי הדם העיקריים המזינים את הכליה. עבור הכליה השמאלית, העורק הכלייתי והוריד הכלייתי, המערכת הגיעה לאיזון טוב בין זיהוי שגוי של רקמות רקע לבין אי‑התמקדות במבנים שצריך למצוא. תוצאות אלה עומדות בספים המקובלים לגילוי בזמן אמת בניתוח. השופכן — צינור דק המנקז שתן מהכליה — התגלה כקשה יותר לאיתור, ככל הנראה כי הוא צר, נייד ודומה בצבע לרקמות הסמוכות, וכן ייצוגו בתמונות האימון היה קטן יותר. מעבר למבחנים סטטיים, הצוות גם ניסה את המערכת בזמן אמת בחדר הניתוח ועל וידאוים מבית חולים אחר במדינה שונה. ה‑AI עדיין זיהה אנטומיה מרכזית ואף זיהה דפוס חריג של עורקים כפולים, מה שמרמז שהוא עשוי להכליל מעבר למרכז האימון המקורי.

מה זה יכול להוריד למנתחים ולמטופלים

למרות שהמערכת עדיין לא מוכנה לשמש ככלי ניווט מלא בזמן אמת, עבודה זו מהווה צעד ראשון חשוב. היכולת להקיף אנטומיה קריטית באופן אמין פותחת דלת למספר יישומים: הדרכה על המסך בחלקים מסובכים של הניתוח, תיוג אוטומטי של סרטוני הדרכה למתלמדים ודרכים אובייקטיביות יותר להעריך ביצוע כירורגי. שיפורים עתידיים ידרשו נתונים מגוונים יותר ממספר בתי חולים, טיפול טוב יותר במבנים קשים כמו השופכן ומדידה פורמלית של כמה מהר וכמה בעקביות ה‑AI פועל במסגרת של פריימים. עם זאת, המסר המרכזי ברור עבור אנשי מקצוע ולא‑מומחים כאחד: ה‑AI כבר יכול "לראות" הרבה ממה שמנתח מיומן רואה, ולשיפורים נוספים מערכות כאלה עשויות להפוך את מתנת תרומת הכליה לבטוחה עוד יותר.

ציטוט: Ong, C.S.H., Wong, H.P.N., Leung, M. et al. Utilising artificial intelligence to identify surgical anatomy during laparoscopic donor nephrectomy – a validation and feasibility study. Sci Rep 16, 7416 (2026). https://doi.org/10.1038/s41598-026-35999-0

מילות מפתח: תרומת כליה, ניתוח לפרוסקופי, בינה מלאכותית כירורגית, ראייה ממוחשבת ברפואה, בטיחות בהשתלת איברים