מְמוּנָה של למידת מכונה לאבחון מחלת פרקינסון באמצעות אנגיוגרפיה בתהודה אופטית

מדוע העיניים עשויות לחשוף מחלת מוח סמויה

מחלת פרקינסון מאובחנת בדרך‑כלל רק לאחר הופעת רעד, נוקשות או תנועות מאטות — סימנים שהמוח משתנה כבר שנים רבות. מחקר זה בוחן קיצור דרך בלתי צפוי: צילום ללא כאב של כלי הדם הזעירים בחלק האחורי של העין ושימוש בבינה מלאכותית כדי לזהות אנשים שעשויים להיות חולים בפרקינסון מוקדם יותר ובאופן אובייקטיבי יותר מאשר בבדיקות הרפואיות המקובלות כיום.

מבט על המוח דרך העין

הרקמה הרגישת לאור בחלק האחורי של העין, הרשתית, היא למעשה חלק נגיש של המוח. היא חולקת עצבים וכלי דם דומים וניתן לבחון אותה ללא חדירה בסביבה קלינית. החוקרים השתמשו בטכנולוגיה שנקראת אנגיוגרפיה בתהודה אופטית (OCTA), המייצרת מפות מפורטות וללא צורך בחומר ניגוד של מערכת כלי הדם ברשתית. מכיוון שקיימת הקשר בין פרקינסון לבעיות בכלי דם זעירים בגוף, הצוות בדק האם שינויים עדינים ברשתות הווסקולריות האלה יכולים לשמש כ"חלון" למחלה המוקדמת.

הפיכת סריקות עיניים למספרים

בעבודה רטרוספקטיבית אסף הצוות סריקות OCTA מ‑53 אנשים עם פרקינסון ו‑39 מתנדבים בריאים בהתאמת גיל. הם התמקדו בשני שכבות של כלי דם ברשתית: שכבה שטחית קרובה לפני השטח ושכבה עמוקה מתחתיה. מכל שכבה הם עשו סגמנטציה אוטומטית של אזור הפובאה האווסקולרי המרכזי — הבריכה הקטנה ללא כלי דם הנחוצה לחדות ראייה — וכן של הסינוסים הסמוכים. לאחר מכן המירו כל תמונה ל‑22 מדידות מספריות. חלק מהמדידות תיארו את צורת אזור הפובאה, כגון עד כמה הקצה מעוגל, חלק וחלקלק או בלתי סדיר. אחרות תיעדו את צפיפות כלי הדם הכוללת ובטבעת סביב הפובאה. יחד מדידות אלה כמתו מדד מיקרו‑וסקולרי עם דקויות רבות יותר ממה שעין אנושית יכולה לשפוט.

אימון בינה מלאכותית לזהות דפוסים של פרקינסון

עם המדידות האלה בנמצא, בנו החוקרים מודלים ממוחשבים להבחין בין סריקות של פרקינסון לסריקות בריאות. מאחר שמערך הנתונים שלהם היה צנוע, הם השתמשו תחילה בטכניקות בחירת תכונות כדי לצמצם את ה‑22 המדידות לתת‑מערכת הממוקדת ביותר, לצמצם רעש ולהפחית התאמת יתר. לאחר מכן אימנו מספר אלגוריתמי למידת מכונה נפוצים, כולל שיטות מבוססות עצי החלטה ומסווג k‑הקרובים ביותר. לבסוף שילבו את שלושת הביצועים החזקים ביותר — XGBoost, Random Forest ו‑K‑Nearest Neighbors — ל"אסמבלא" משוקלל, כך שקולו של כל מודל נמדד בהתאם לנטייתו להישגים טובים יותר.

מה המודלים גילו ברשתית

בהשוואה למתנדבים בריאים, אנשים עם פרקינסון הראו סימנים ברורים של שינוי במיקרו‑מחזור הדם ברשתית. מדדי צפיפות הכלים היו נמוכים יותר, ואזור הפובאה המרכזי נטה להיות פחות סדיר בצורה — פחות מעוגל, פחות חלק ופחות מלא — בשתי שכבות הכלי דם, השטחית והעמוקה. כשהמודל האנסמבל נבדק על נתונים שלא נראו קודם לכן, הוא סווג נכון כ‑3 מתוך 4 עיניים בסך הכל. באופן הבולט ביותר, הוא הגיע לרגישות של 90%: זיהה נכון תשעה מתוך עשר מקרים של פרקינסון. הספציפיות הייתה מתונה יותר, קצת מעל מחצית, כלומר חלק מהאנשים הבריאים סומנו בטעות כחולים. השטח מתחת לעקומת ה‑ROC, סיכום נפוץ של ביצועי אבחון, היה 0.75, מה שמעיד על יכולת אבחונית שימושית אך לא מכריעה.

מהאלגוריתם למרפאה

כדי לעבור מעבר לתיאוריה, ארזו החוקרים את שיטותיהם לכלי תוכנה אב‑טיפוסי הנקרא Parkinson’s Disease Artificial Intelligence (PDAI). דרך ממשק גרפי פשוט יכולים קלינאים לטעון סריקות OCTA, לסקור את כלי הדם ואת אזור הפובאה המתועדים אוטומטית, לראות את התכונות המספריות המרכזיות ולקבל חיזוי מיידי האם סריקה דומה לאלו של חולי פרקינסון. מכיוון שהמערכת מסתמכת על מדידות מוגדרות היטב ומעוצבות ביד במקום על "תיבת שחור" מנותקת, התרומות להחלטה כלשהי ברורות יותר עבור קלינאים וניתנות לקישור אפשרי לביולוגיה הבסיסית.

מה משמעות הדבר עבור מטופלים

עבודה זו עדיין לא מציעה בדיקה עצמאית לפרקינסון, אך היא מראה שסורק עין מהיר ולא חודרני, מנותח באמצעות שיטות למידת מכונה שעוצבו בקפידה, יכול לזהות שינויים הקשורים למחלה ברגישות גבוהה. בפועל, כלי כזה עשוי לשמש בעתיד ככלי סקר — לסייע לרופאי עיניים ונוירולוגים להחליט מי צריך מעקב קרוב יותר או הפניה להערכת המשך הרבה לפני הופעת סימפטומים משתקת. יש צורך עדיין במחקרים רחבים רב‑מרכזיים, אך המחקר מרמז כי העיניים אכן עלולות לספק אות אזהרה מעשי מוקדם לפרקינסון.

ציטוט: Hasanshahi, M., Mehdizadeh, A., Mahmoudi, T. et al. An ensemble machine learning classifier for Parkinson’s disease diagnosis using optical coherence tomography angiography. Sci Rep 16, 7297 (2026). https://doi.org/10.1038/s41598-026-38407-9

מילות מפתח: מחלת פרקינסון, דימות רטינלי, OCTA, למידת מכונה, אבחון מוקדם