Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

ניתוח מתקדם וזיהוי סרטן צוואר הרחם באמצעות NASNetLarge

· חזרה לאינדקס

מדוע זה חשוב לבריאות הנשים

סרטן צוואר הרחם הוא אחד הגורמים המובילים למוות מסרטן בקרב נשים ברחבי העולם, אך ברוב המקרים הוא בר-טיפול אם מאתרים אותו מוקדם. הסריקה המסורתית נשענת על מומחים שבוחנים באופן חזותי את תמונות מבחן פאפ, משימה מייגעת שעלולה להתפספס בה סימני אזהרה עדינים. מחקר זה בוחן כיצד צורה מודרנית של בינה מלאכותית יכולה להפוך תמונות פאפ לתבניות מובנות שניתן לקרוא למחשב, במטרה לזהות שינויים תאיים מסוכנים בעקביות ובמהירות רבה יותר מאשר העין האנושית לבדה.

מבט מחודש על תמונות מבחן פאפ

החוקרים מתמקדים בתמונות מבחן פאפ ממאגר ציבורי של 300 דגימות, המחולקות באופן שווה לחמישה סוגי תאים צוואריים, מטבעיים ועד בלתי תקינים באופן ברור. במקום להזין את התמונות ישירות למערכת זיהוי תמונות סטנדרטית, הם ממירים כל שכבה למפה של אזורים זעירים והקשרים ביניהם. במפה זו כל אזור דמוי-תא הופך לנקודה והקישורים המרחביים בין האזורים הופכים לקווים מקשרים. תמונה בסגנון גרף זו לוכדת לא רק איך התאים נראים, אלא גם כיצד הם מסודרים — ולעתים סידור זה מחזיק רמזים חשובים לגבי המחלה.

Figure 1. מפתחות ממטושים של נשים לאיתותי סיכון ברורים באמצעות זיהוי תבניות בינה מלאכותית.
Figure 1. מפתחות ממטושים של נשים לאיתותי סיכון ברורים באמצעות זיהוי תבניות בינה מלאכותית.

כיצד המודל החכם לומד מתבניות

כדי לקרוא את התמונות המבוססות-גרף האלה, הצוות משתמש ב-NASNetLarge, מודל למידה עמוקה חזק שאומן במקור על מיליוני תמונות יומיומיות. באמצעות טכניקה שנקראת העברת למידה (transfer learning), הם שומרים על היכולת המובנית של המודל לזהות תבניות חזותיות מורכבות אך מאמנים מחדש את השכבות האחרונות שלו כדי להבחין בין חמשת קטגוריות התאים. הם גם מרחיבים את מערך הנתונים הקטן על ידי יצירת גרסאות מגוונות של כל תמונה באמצעות חיפופים, סיבובים, זומים והזחות. תהליך זה עוזר למודל לראות דוגמאות רבות אמינות, ומפחית את הסיכון שהוא פשוט ייזכר בנתוני האימון במקום ללמוד כללים כלליים.

לראות לאן המחשב מפנה את תשומת הלב

מעבר לדיוק הגולמי, המחקר בודק האם המודל מסתכל על החלקים הנכונים בתמונה. המחברים משתמשים בשיטה ויזואלית שמבליטה את האזורים האחראים ביותר לכל החלטה, על ידי הצבת צבעים בדמות מפות חום על תמונות הגרף. תצוגות אלה מראות שהמודל מתמקד בצברים ובגבולות שגם פתולוגים מחשיבים כחשובים. זה מקל על קלינאים לפרש ולבטוח בהתנהגות המודל, וכן מרמז שהייצוג המבוסס-גרף אכן לוכד מבנה משמעותי במקום רעש אקראי.

Figure 2. תאים ממבחן פאפ הופכים לרשתות, ואז ממויינים על ידי מודל בינה מלאכותית לקבוצות סיכון שונות.
Figure 2. תאים ממבחן פאפ הופכים לרשתות, ואז ממויינים על ידי מודל בינה מלאכותית לקבוצות סיכון שונות.

איך המערכת מתפקדת

לאחר אימון על תמונות פאפ שעברו המרה לגרפים, NASNetLarge מגיע לדייקנות של כ-94% על נתוני האימון וכ-98.33% על נתוני האימות שהוחזקו בצד, עם ציונים גבוהים של דיוק, שליפה ו-F1 עבור כל חמשת סוגי התאים. מחקר אבולוציוני (ablation) מראה שבמקרה שמדלגים על שלב המרת הגרף, הדיוק יורד לכ-83%, מה שמדגיש את ערך קידוד יחסי התאים. המודל נבדק גם על אוסף תמונות קולפוסקופיה נפרד ופעם נוספת משיג דיוק גבוה מאוד, מה שמרמז שהשיטה יכולה להכליל מעבר למאגר המקורי ועדיין להישאר ניתנת להפעלה על חומרה מתונה.

מה זה עשוי לסמן לסקרינינג עתידי

במונחים פשוטים, המחקר מראה שהפיכת תמונות מבחן פאפ למפות מובנות וניתוחן עם מודל למידה עמוקה מותאם יכולה לסווג תאים צוואריים בדיוק חזק ובשיעורי שגיאה נמוכים. בעוד שהעבודה דורשת עדיין מאגרים גדולים ומגוונים יותר לפני השימוש בשגרה קלינית, היא מצביעה על כלים שיכולים לתמוך ברופאים על ידי סימון שקופיות חשודות, תקניות איכות והרחבת סריקה ברמת מומחה לאזורים עם מחסור במומחים. עבור המטופלות, זה עשוי בסופו של דבר להוביל לזיהוי מוקדם יותר ולטיפול מהיר יותר בסרטן צוואר הרחם.

ציטוט: Bilgaiyan, S., Swain, A., Das, S. et al. Advanced analysis and detection of cervical cancer using NASNetLarge. Sci Rep 16, 14875 (2026). https://doi.org/10.1038/s41598-026-38341-w

מילות מפתח: סרטן צוואר הרחם, מבחן פאפ, למידה עמוקה, דימות רפואי, סריקה בעזרת בינה מלאכותית