מיזוג אורכי של תסמונת פוסט‑COVID‑19 על פני שלוש שנים: גישת למידת מכונה המשתמשת בסמנים קליניים, נוירו‑פסיכולוגיים ונוזליים

מדוע תסמיני קוויד שממשיכים להצטבר עדיין חשובים

מיליוני אנשים ברחבי העולם ממשיכים להרגיש רע חודשים ואף שנים אחרי שנדבקו ב‑COVID‑19. מצב זה, שלעיתים נקרא לונג קוויד או תסמונת פוסט‑COVID‑19, יכול לגרום לעייפות גבוהה, "עננת מוח" (brain fog), הפרעות שינה ותסמינים אחרים שקשה לזהות באמצעות בדיקות רפואיות סטנדרטיות. המחקר המתואר כאן עקב אחר קבוצת מבוגרים במשך שלוש שנים לאחר ההדבקה והשתמש בטכניקות ממוחשבות מודרניות כדי לחפש דפוסים בדם שלהם, בבדיקות הקליניות ובמבחני כישורי החשיבה שמגלים כיצד לונג קוויד משתנה עם הזמן ואילו מדדים עוקבים בצורה הטובה ביותר אחר ההחלמה או המחלה המתמשכת.

מעקב אחר מטופלים לאורך זמן

חוקרים בגרמניה גייסו 93 מבוגרים שאובחנו עם זיהום SARS‑CoV‑2 והציגו תלונות נוירולוגיות או נוירו‑פסיכולוגיות מתמשכות. המשתתפים האלה, רובם בגילאי אמצע החיים, נבדקו ארבע פעמים: בקירוב אחרי 6, 14, 23 ו‑38 חודשים מההדבקה הראשונית. בכל ביקור הם מילאו שאלונים מפורטים על עייפות, מצב רוח ושינה; עברו מבחנים קצרים ומורחבים של קשב, זיכרון ומהירות חשיבה; ותרמו דגימות דם ללוח רחב של מדידות מעבדתיות. אלה כללו סמנים סטנדרטיים של בריאות, אותות של דלקת, פעילות מערכת החיסון וחלבונים מיוחדים שמשתחררים כאשר תאי המוח נפגעים.

להניח למחשבים למצוא דפוסים חבויים

במקום להתמקד בתסמין או בבדיקת דם בודדת, הצוות פנה ללמידת מכונה — ענף בבינה מלאכותית שיכול לסנן כמות גדולה של משתנים במקביל ולזהות יחסים עדינים. הם אימנו מגוון מודלים ממוחשבים כדי לענות על שאלה ספציפית: נתונים משילוב של ביקורת קלינית אחת — האם האלגוריתם יכול לקבוע מאיזו שנה במעקב באה אותה ביקורת? במילים אחרות, האם הפרופיל הכולל של אדם בחצי שנה נראה שונה באופן מדיד מהפרופיל שלו אחרי שנתיים או שלוש? החוקרים התמודדו בזהירות עם ערכים חסרים, השתמשו בהצלבה צולבת כדי להימנע מהתאמה מופרזת לדגימה קטנה, והשוו משפחות מודלים שונות — מעצי החלטה פשוטים ועד שיטות חיזוק גרדיאנט מתקדמות.

אילו אותות אומרים את הזמן טוב יותר

המודלים הופיעו בביצועים מרשימים. בהשוואת ביקורים שנמצאים זה מזה בזמן רב יותר — למשל הביקור הראשון והרביעי — חלק מהאלגוריתמים שייכו נכון את השנה בלמעלה מ‑90 אחוז מהמקרים. גם בין נקודות זמן קרובות יותר הדיוק נשמר גבוה, ורק ירד במעט בין הביקור השלישי לרביעי, מה שמרמז כי הפרופילים של המטופלים משתנים לאט יותר בשלבים מאוחרים יותר. השיטות שהצטיינו היו מודלים מבוססי עץ עם חיזוק גרדיאנט, המתמחים בזיהוי דפוסים לא ליניאריים. כדי לפתוח את "הקופסה השחורה" ולראות מה הניע את ההחלטות הללו, הצוות השתמש בכלי הסבריות שנקראים SHAP ו‑LIME, שמדרגים אילו תכונות דוחפות את התחזית בכיוון זה או אחר.

רמזים חיסוניים, עננת מוח, ומשמעות משתנה

בניתוחים מרובים צצה תמונה עקבית. רמות מולקולות דלקת בדם — במיוחד אינטרleוקינים מסוימים כגון IL‑2, IL‑8 ו‑IL‑10 — היו בין הרמזים החזקים שהפרידו בין מעקבים מוקדמים למאוחרים. מדדים של תגובת הנוגדנים של הגוף לנגיף, ובייחוד נוגדנים המכוונים לחלבון הספייק (שאף משקפים חיסון לאורך זמן), היו גם הם מצביעים רבי עוצמה. בצד הקוגניטיבי, מבחני זיכרון ורהיטות מילולית ומבחני מציאת מילים, יחד עם ציונים שנוגעים לעייפות ולּישנוניות, תרמו מידע חשוב, במיוחד בשלבים המוקדמים לאחר ההדבקה. עם הזמן, סמני החיסון נטו לעלות במשקל במודלים, בעוד שמדדים נוירו‑פסיכולוגיים מסוימים הפכו לפחות מרכזיים, מה שמרמז כי המניעים הביולוגיים של לונג קוויד עלולים להתפתח בשנים שלאחר ההדבקה.

מה המשמעות עבור מטופלים וטיפול

ללא‑מומחים, המסר המרכזי הוא שלונג קוויד אינו רק אוסף עמום של תלונות. כאשר עוקבים בקפידה לאורך כמה שנים, אותות אובייקטיביים בדם ובמבחני כישורי החשיבה משתנים בצורה שמחשבים יכולים לזהות באופן אמין. מחקר זה מציע כי שילוב של סמנים חיסוניים, רמות נוגדנים והערכות ממוקדות של קוגניציה ועייפות עשוי לעזור לרופאים לעקוב מי מחלים, מי עדיין בסיכון לבעיות ממושכות ואילו מטופלים עשויים להרוויח יותר מטיפולים מתפתחים המתמקדים במערכת החיסון. בעוד נדרשים מחקרים נוספים ובמידה גדולה יותר לפני שהכלים האלה ייכנסו לשגרת ההתנהלות, העבודה מראה כיצד בינה מלאכותית יכולה לסייע להפוך את המצב המורכב של לונג קוויד למידע בהיר ושימושי יותר עבור מטופלים ומטפלים.

ציטוט: Walders, J., Wetz, S., Costa, A.S. et al. Longitudinal modeling of Post-COVID-19 condition over three years: A machine learning approach using clinical, neuropsychological, and fluid markers. Sci Rep 16, 6517 (2026). https://doi.org/10.1038/s41598-026-37635-3

מילות מפתח: לונג קוויד, למידת מכונה, דלקת, תסמינים קוגניטיביים, סמנים ביולוגיים חיסוניים