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

Clear Sky Science · he

אבחון מונחה בינה מלאכותית של תסמונת אאורטה חריפה בהתבסס על מיזוג מידע מולטימודלי

· חזרה לאינדקס

מדוע זה חשוב לאנשים עם כאבי חזה

תסמונת אאורטה חריפה היא מצב חירום רפואי שבו העורק הראשי של הגוף עלול להיקרע באופן פתאומי, דבר העשוי להוביל למות בתוך שעות אם לא מזהים את המצב. עם זאת, התסמינים שלה לעיתים מתחזים כהתקף לב, מתח שרירי או אפילו בעיות עיכול, מה שהופך אותה לקשה במיוחד לאבחון נכון. המחקר מתאר מערכת בינה מלאכותית חדשה שמשלבת סריקות CT ובדיקות דם כדי לסייע לרופאים לזהות את האסונות העורקיים השקטים האלה מוקדם יותר ובמדויק יותר, וכן לסמן מקרים גבוליים שדורשים בדיקה חוזרת.

Figure 1
Figure 1.

קרע מסוכן המתחבא מול העיניים

תסמונת אאורטה חריפה (AAS) כוללת מספר מצבים קשורים בדופן האאורטה, כגון קרע קלאסי (dissection), המטומה תוך-דמית ו-ulcers חודרות. לכל אלה יש סיכון משותף: הדם נכנס לתוך או דרך דופן הכלי, מה שעלול להוביל במהירות לקרע או לאובדן זרימת דם לאיברים חיוניים. הסיכון גבוה במיוחד ביום או שניים הראשונים לאחר הופעת התסמינים, כאשר התמותה עלולה להתקרב ל־70% ללא טיפול מהיר. רופאים משתמשים ב-CT אנגיוגרפיה כדי לצפות באאורטה ובבדיקות דם כמו D-dimer ומדדי דלקת כדי להעריך קרישה ופעילות חיסונית. עם זאת, תלונות המטופלים לעיתים בלתי ממוקדות, הבדיקה הגופנית עלולה להיראות תקינה באופן מטעה, ותמונות ה-CT עלולות להיות עדינות או מושפעות מתנועה או ארטיפקטים, כך שבכ־שליש מהמקרים המצב אינו מאובחן בתחילה בפרקטיקה השגרתית.

מה כלים של בינה מלאכותית נוכחיים מפספסים

בשנים האחרונות הופיעו מערכות זיהוי תמונה עוצמתיות המסוגלות לסרוק תמונות CT או רנטגן ולזהות סימני קרע באאורטה. אך רוב הכלים הללו מתמקדים רק בתמונות ומתעלמים מבדיקות הדם, או שהם פשוט מחברים בין זרמי נתונים נפרדים מבלי ללמוד באמת כיצד הם מתקשרים זה עם זה. זה סותר את הדרך שבה קלינאים חושבים: הם משלבים בראשם את מה שהם רואים בסריקה עם ערכי המעבדה וההיסטוריה של המטופל. "הצמדה" פשוטה של מאפייני תמונה ומספרי בדיקות דם עלולה אפילו להחמיר את המצב, מאחר שנתוני המעבדה רועשים, חסרים ולעתים תלויים זה בזה באופן מתמטי. מודלים רבים של בינה מלאכותית פועלים גם כקופסאות שחורות, נותנים פסיקה מבלי לחשוף את תהליך ההסקה, מה שמקשה על רופאי חירום להסתמך עליהם כשחיים תלויים בכך.

דרך חדשה למזג סריקות ובדיקות דם

המחברים בנו מודל מיזוג מולטימודלי רב-קנה מידה (MMMF) שנועד לחקות את דרך החשיבה של רדיולוגים וקרדיולוגים מנוסים. ראשית, מקודד תמונה דו-ענפי בוחן את סריקת ה-CT אנגיוגרפיה בשני רמות פירוט: טלאים גדולים תופסים את הצורה הכללית ומסלול האאורטה, בעוד שטלאים קטנים ממקדים בפרטים עדינים כגון קרעים אינטימלים זעירים או כיסי דם קטנים בדופן. במקביל, אינדיקטורים חשובים בדם — כולל D-dimer ולוח מדדי דלקת הנגזרים מספירת תאי דם לבנים וטסיות — מומרצים לנקודות תכונה מספריות. מאפייני התמונה ומאפייני המעבדה האלה הופכים לצמתים במבנה דמוי-גרף, שבו רשת עצבית גרפית מתקדמת מעבירה "הודעות" ביניהם ולומדת כיצד דפוסים מסוימים בבדיקות הדם מחזקים או סותרים ממצאים דימויים עדינים.

Figure 2
Figure 2.

כיצד המערכת ביצעה

הצוות אימן ובדק את מודל ה-MMMF על סריקות CT ובדיקות דם מקבילות של 493 מטופלים שנבדקו בין 2019 ל-2024, שכללו AAS מאומת מסוגים שונים ובקרות שאינן AAS. הם השוו את הגישה שלהם למודלים ידועים המתבססים על תמונות בלבד, למודלים של נתוני מעבדה בלבד ולכמה מערכות מולטימודליות מתקדמות שתוכננו במקור לזיווג תמונות עם טקסט. על פני מדדי דיוק, דיוק חיובי, אחזור וציון F1, מודל ה-MMMF עלה על השאר. שטח תחת העקומה של ה-ROC שלו כלל על 0.9, מה שמצביע על יכולת חזקה להבחין בין אאורטות תקינות, קרעים קלאסיים בפלח העולה או היורד של האאורטה, וצורות לא טיפוסיות. נתוני התמונה נשארו המקור היחיד החזק ביותר למידע, אך מיזוג מובנה זהיר עם נתוני מעבדה סיפק שיפור מדיד, במיוחד במקרים קשים או גבוליים. ניסויי אבולציה הראו ששני מרכיבים היו קריטיים: מסלול הדימות דו-קנה-מידי והגרף מבוסס הטרנספורמר שמודל יחסי מרחק ארוכים בין התכונות.

לקראת שותפות בין רופאים ומכונות

מעבר למספרי דיוק ראשוניים, תרומה מפתח של מחקר זה היא הדגש על שיתוף פעולה במקום החלפה. המערכת מיומנת במיוחד בניקוי מהיר של סריקות תקינות ברור ומקרים לא טיפוסיים חולים באופן ברור, ומתפקדת כסוג של מסנן חכם בקו החזית. חשוב לא פחות, היא יכולה לזהות מתי הבטחון שלה נמוך — לעתים קרובות במקרים שגם מומחים אנושיים מוצאים קשים, כגון שלבים מוקדמים או צורות קלות יותר של קרע — ולכן היא מסמנת מטופלים אלה לבחינה חוזרת דחופה, הדמיה נוספת או ייעוץ בכיר. במהות, המחקר מראה שכאשר פרטי התמונה ורמזי בדיקות הדם נארגים יחד באופן מובנה ובהשראת קליניקה, בינה מלאכותית יכולה לחדד אבחון מוקדם של תסמונת האאורטה החריפה ולספק רשת ביטחון כנגד מצבי חירום שמחמיצים, וכל זאת תוך שמירה על הרופאים כבעלי ההחלטה הסופית.

ציטוט: Yang, Z., Xu, S., Wang, B. et al. AI-driven diagnosis of acute aortic syndrome based on multi-modal information fusion. Sci Rep 16, 8332 (2026). https://doi.org/10.1038/s41598-026-39111-4

מילות מפתח: תסמונת אאורטה חריפה, קרע באאורטה, בינה מלאכותית רפואית, אבחון מולטימודלי, רשת עצבית גרפית