סינתוז תמונה "כביכול בריאה" באמצעות מודלים דיפוזיים מונחים מיקום לאיתור נגעי דיספלזיה קורטיקלית מוקדית

למה חשוב לזהות צלקות מוחיות זעירות

עבור רבים מהסובלים מאפילפסיה, ההתקפים ממשיכים למרות תרופות חזקות. גורם נסתר נפוץ הוא טלאי קטן של רקמה מוחית שעברה עיוות הנקרא דיספלזיה קורטיקלית מוקדית. טלאים אלה לעתים קרובות ניתנים לריפוי בעזרת ניתוח — אם הרופאים מצליחים לאתרם. אבל בסריקות מוח רגילות, הנגעים יכולים להיות עדינים כל כך שגם רדיולוגים מומחים מפספסים אותם. המחקר הזה מציג טכניקת בינה מלאכותית חדשה ש"מדמיינת" כיצד תיראה סריקת מוחו של אדם אם הייתה בריאה לחלוטין, ואז משתמש בהבדלים כדי לחשוף נגעים שקשה לראות, מה שעלול לפתוח פתח לניתוח עבור יותר מטופלים.

נקודות בעיה זעירות בבעיה רחבה

אפילפסיה משפיעה על יותר מ-70 מיליון אנשים ברחבי העולם, וכשליש ממשיכים לחוות התקפים גם לאחר ניסיון עם מספר תרופות. אצל ילדים, אחת הסיבות המרכזיות היא דיספלזיה קורטיקלית מוקדית, שבה טלאי קטן במוח מתפתח באופן לא תקין. בסריקות MRI, אזורים אלה עשויים להציג מעט עובי מוגבר של הקורטקס או גבול מטושטש בין החומר האפור ללבן — שינויים שקל מאוד להחמיץ. מאחר שסימון חריגים עדינים כאלה פר פרוסה גוזל זמן ומשתנה בין בתי חולים, יש מעט מערכי נתונים גדולים ומסומנים היטב לאימון כלי AI מפוקחים מסורתיים. לכן המחברים התמקדו בזיהוי אנומליות במוד של פיקוח חלש, גישה שלומדת תבניות של רקמה תקינה ומסמנת כל דבר שנראה בלתי תואם, בלי צורך בקווי מתאר ידניים מפורטים של כל נגע.

AI ששואל: איך ייראה מוח בריא?

הרעיון המרכזי בשיטה הוא ליצור גרסה "כביכול בריאה" של סריקת המוח של המטופל ואז למדוד כיצד היא שונה מהתמונה האמיתית. לשם כך, הצוות בנה על מודלים דיפוזיים, משפחה חזקה של מחוללי תמונה שמוסיפים רעש בהדרגה לתמונה ואז לומדים כיצד לבטל את התהליך הזה. בעבודה זו, המודל מאומן להמיר סוג MRI אחד (תמונה משוקללת T1, שמדגישה אנטומיה) לסוג אחר (תמונה FLAIR, הרגישה במיוחד לתכונות מסוימות של נגעים). בתהליך ההפוך, המודל מועלה בעדינות כדי לשנות אזורים חשודים כך שידמו רקמה בריאה, תוך שמירה על אזורים תקינים כמעט ללא שינוי. ההבדל בין סריקת FLAIR המקורית לבין סריקת FLAIR שנוצרה ו"נוקתה" הופך למפת אנומליות המדגישה מיקומים סבירים של נגעים.

שימוש בשני סוגי סריקות ורמזי מיקום גסים

רצפי MRI שונים מציגים דיספלזיה קורטיקלית מוקדית באופן שונה. תמונות T1 חושפות טוב יותר שינויים בצורת הקורטקס, בעוד FLAIR נוטה להבליט רקמות פתולוגיות עשירות במים עם אות בהיר יותר וגבולות מטושטשים. המחברים מנצלים את משלימות זו על ידי הזנת תמונת T1 כמדריך בעת יצירת תמונת FLAIR, מעודדים את המודל להשתמש במבנה מאמבדול אחת ובשינויים באות מהאחרת. הם גם מוסיפים מקור הדרכה שני: מסווג שאומן לזהות איזור מוחי רחב (כגון האונה המצחית או הרקתית) שבו ממוקמת החריגה, או האם הסריקה תקינה. מידע אזורי זה מנווט את תהליך הדיפוזיה למקד את מאמצי ה"החלמה" באזורים שבהם סביר למצוא נגעים, ומשפר את הסיכוי לחשוף מוקדים אפילפטיים קטנים מבלי לשנות באופן מופרז את המוח כולו.

תיקון הזזות צבע ובדיקות על מטופלים אמיתיים

מודלים גנרטיביים עלולים לשנות בעדינות את בהירות התמונה או הניגודיות, מה שמסכן בלבול לרופאים או הסתרת חריגים אמיתיים. כדי להתגבר על כך, החוקרים מיישמים התאמת היסטוגרמה, טכניקת עיבוד תמונה סטנדרטית שמכריחה את תמונת FLAIR שנוצרה לקבל את התפלגות העוצמה הכללית של הסריקה המקורית. זה שומר על המראה והמגע של התמונה מוכרים תוך שמירה על ההבדלים הקשורים לנגע שהמודל מציג באופן נקודתי. השיטה נבדקה על מערך נתונים ציבורי מאוניברסיטת בון, המכיל סריקות MRI של 85 מטופלים עם דיספלזיה קורטיקלית מוקדית סוג II ו-85 בקרים בריאים. לאחר עיבוד מוקדם ואימון קפדני, הגישה החדשה עלתה על ארבע שיטות תחרותיות לזיהוי אנומליות, בהשגת ריקול גבוה ברמת התמונה (איתור נגעים ברוב הסריקות המושפעות) והתאמה טובה יותר למפות הנגעים של מומחים ברמת הפיקסל.

מה זה עשוי לשנות עבור אנשים עם אפילפסיה

המחקר מראה שניתן להשתמש בבינה מלאכותית לא רק כדי לסווג סריקות מוח, אלא גם כדי לייצר תמונות מציאותיות של "מה אם בריא?" שמבליטות נגעים חבויים. בלי לדרוש תיוג סיזיפי של ווקסל-על-ווקסל, השיטה משלבת MRI רב-מודלי, רמזי מיקום גסים ותיקון אינטנסיביות מדויק כדי לזהות צלקות אפילפטיות עדינות באמינות גבוהה יותר ממספר כלים קיימים. אף שהיא אינה מושלמת — ההבדלים בין סוגי הסריקות עדיין עלולים להכניס אזעקות שווא, וחלק מהנגעים עלולים להישאר דומים מדי לרקמה תקינה — הגישה מקדמת את התחום לעבר תמיכה אוטומטית מהימנה יותר לרדיולוגים. בטווח הארוך, טכניקות כאלה עשויות לסייע לזהות מטרות כירורגיות מוקדם ובהתמדה רבה יותר, ולשפר תוצאות עבור אנשים החיים עם אפילפסיה עמידה לתרופות.

ציטוט: Li, Y., Pan, Y., Zhang, X. et al. Pseudo-healthy image synthesis via location-guided diffusion models for focal cortical dysplasia lesion localization. Sci Rep 16, 8101 (2026). https://doi.org/10.1038/s41598-026-38981-y

מילות מפתח: אפילפסיה, MRI מוח, דיספלזיה קורטיקלית מוקדית, בינה מלאכותית בהדמיה רפואית, זיהוי אנומליות