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

Clear Sky Science · he

מסגרת משולבת EfficientNet B4 ו‑SVM לאבחון מהיר ומדויק של סרטן העצם מתוך צילומי רנטגן

· חזרה לאינדקס

מדוע בדיקות מהירות לסרטן העצם חשובות

סרטן העצם נדיר אך הרסני, וזיהויו בשלב מוקדם בצילומי רנטגן יכול להיות קשה מהצפוי, גם עבור רופאים מנוסים. גידולים עדינים עלולים להיראות כשינויים חסרי חשיבות, ורדיולוגים נדרשים לבחון בזהירות מאות תמונות, לעתים תחת לחץ זמן. מאמר זה מציג עוזר ממוחשב חדש בשם OsteoCancerNet המיועד לסייע לרופאים לקרוא רנטגנים של עצמות במהירות ובדיוק גבוהים יותר, לזהות גידולים מסוכנים ולשמור על שיעור אזעקות שווא נמוך.

Figure 1
Figure 1.

הבעיה שבסתכלות בעין בלבד

כיום רופאים מסתמכים על כלי הדמיה כמו רנטגן, CT ו‑MRI כדי לאתר גידולים בעצמות ולתכנן טיפול. עם זאת, התמונות עדיין מפורשות על ידי בני אדם, מה שיוצר עיכובים וסיכונים לממצאים חסרים או מוטעים, במיוחד כשפגיעות קטנות או דומות לעצם תקינה. מחקרים קודמים הראו כי בינה מלאכותית יכולה לסייע בניתוח תמונות רפואיות, אך מערכות רבות לסרטן העצם השתמשו באוספי תמונות קטנים, דרשו זמן ריצה ארוך או פעלו כ"תיבות שחורות" שקשה לבדוקן ולסמוך עליהן. דגמים מסוימים מזהים תבניות היטב אך גדולים ואיטיים מדי לשימוש יומי בבתי חולים, ואחרים פועלים רק על מאגרים מאוד מסוננים ומצומצמים.

שילוב חכם של שתי גישות בינה מלאכותית

OsteoCancerNet משלב שני כלים משלימים של בינה מלאכותית כדי להשיג את היתרונות משני העולמות. ראשית, הוא משתמש ברשת למידה עמוקה מודרנית בשם EfficientNet‑B4 כדי לסרוק כל רנטגן של עצם וללמוד באופן אוטומטי תכונות חזותיות עשירות — שינויי צורה, מרקם וקונטרסט עדינים שעשויים להעיד על סרטן. במקום להחליט ישירות מהתכונות הגולמיות הללו, המערכת מעבירה אותן לשיטה קלאסית יותר של למידת מכונה שנקראת SVM (מכונת וקטור תמיכה), הפועלת כמחליטה הסופית ומפרידה בין תמונות "תקינות" ל"ממאירות". עיצוב משולב זה נועד ללכוד פרטי תמונה מורכבים תוך שמירה על שלב סיווג סופי פשוט יחסית, יציב וקל להערכה.

ניקוי וכפילת נתוני הרנטגן

כדי לבנות ולבחון את המערכת, החוקרים השתמשו באוסף ציבורי גדול של 8,811 תמונות רנטגן עצם, מחולקות באופן שווה בין מקרים בריאים ומקרי סרטן. תחילה ניקו ותקננו את התמונות כך שהבינה המלאכותית תקבל קלט אחיד. כל רנטגן שוקרן לגודל הנדרש, הומר לערוצי צבע שהרשת מצפה להם ואז שופר באמצעות מספר שיטות להגברת הקונטרסט. טכניקה בשם CLAHE, שמגבירה קונטרסט אזורית באופן סלקטיבי מבלי למחוק פרטים עדינים, התבררה כמייצרת את התמונות הברורות ביותר עבור המערכת. מאחר שסטים רפואיים לעתים קרובות קטנים, הצוות גם "הגדיל" את תמונות האימון על ידי השטחה והיפוך סיבובי, ובכך הגדיל בפועל את סט האימון לכמעט 30,000 תמונות. זה מקנה למערכת עמידות לשינויים בזוויות הצפייה ומקטין את הסיכון להתאמה מופרזת לסט נתונים מסוים.

Figure 2
Figure 2.

עד כמה המערכת מזהה סרטן עצם

לאחר האימון, OsteoCancerNet הוערך בכמה מישורים. על סט מבחן שהודחק ונשמר מחוץ לאימון — תמונות רנטגן שהמערכת לא ראתה קודם — הדגם סיווג נכון כ־97 מתוך 100 תמונות והציג איזון חזק בין גילוי סרטן להימנעות מאזעקות שווא. הדיוק הכללי היה בערך 98% במהלך ולידציית צלבה, עם יכולת גבוהה מאוד לזהות מקרים ממאירים ושיעור חיוביים שווא נמוך מאוד של כארבע תמונות תקינות מתוך עשרת אלפים. באופן חיוני, המערכת מהירה: לאחר האימון היא זקוקה רק לכ‑41 מילישניות לניתוח רנטגן יחיד, מהיר מספיק לשימוש בזמן אמת במרפאה עמוסה. החוקרים גם השוו את OsteoCancerNet למגוון רחב של דגמי בינה מלאכותית פופולריים אחרים, כולל רשתות עמוקות ידועות ומערכות משולבות, ומצאו שהגישה שלהם מספקת באופן עקבי דיוק גבוה יותר עם פחות אזעקות שווא ודרישות חישוב צנועות יותר.

מה זה אומר למטופלים ולרופאים

המחקר מראה כי בינה מלאכותית מעוצבת בקפידה יכולה לשמש כ"סט עיניים" מהימן נוסף בקריאת רנטגנים של עצמות. על‑ידי חידוד תמונות, שימוש ברשת עמוקה יעילה ללכידת שינויים עדינים בעצם והעברתם של ההחלטות הסופיות לממיין מצומצם, OsteoCancerNet מזהה סרטן עצם בעקביות ובמהירות מרשימות. עבור מטופלים משמעות הדבר עשויה להיות גילוי מוקדם יותר, פחות גידולים חסרים והקלת דאגה מהירה יותר כאשר הסריקות תקינות. עבור קלינאים, המערכת מציעה כלי מעשי שמפחית עומס עבודה במקום להגדילו. אף כי יש צורך בבדיקות נוספות בסביבות בית‑חולים אמיתיות ועל פני סוגי הדמיה נוספים, העבודה מצביעה על כך שאבחון סרטן עצם בעזרת בינה מלאכותית עשוי להפוך לחלק שגרתי ומהימן בטיפול אורתופדי והונקולוגי.

ציטוט: Hassan, N.M.H., Bayoumy, A.S. & Mahmoud, M.H.M. Hybrid EfficientNet B4 and SVM framework for rapid and accurate bone cancer diagnosis from X-rays. Sci Rep 16, 8156 (2026). https://doi.org/10.1038/s41598-026-38801-3

מילות מפתח: סרטן העצם, בינה מלאכותית בהדמיה רפואית, ניתוח רנטגן, למידה עמוקה, אבחון בעזרת מחשב