מודלים מנותחים של למידת מכונה באמצעות סמני דם היקפיים לאבחון ולתחזית של קרצינומה מסוּתֶת של הכסרת הקול (glottic laryngeal squamous cell carcinoma)

מדוע בדיקת דם פשוטה עשויה לעזור להגן על קולכם

סרטן הגלוטיס של הגרון פוגע במיתרי הקול ועלול לסכן הן את הדיבור והן את החיים, אך לעיתים קרובות קשה להבחין בינו לבין בעיות קול תמימות לפני ניתוח. המחקר הזה בוחן האם בדיקות דם שגרתיות שהרבה אנשים עוברים לפני ניתוח או בדיקה יכולים, בשילוב אלגוריתמים מחשוביים מודרניים, לזהות גידולים מסוכנים מוקדם יותר ולהעריך כיצד סביר שיהיה מצבו של המטופל לאחר הטיפול — כל זאת ללא בדיקות הדמיה נוספות או הליכים פולשניים.

מחפשים רמזים לסרטן בבדיקות דם שגרתיות

החוקרים התמקדו בגברים עם תסמינים במיתרי הקול והשוו שלוש קבוצות: 124 מטופלים עם סרטן מיתרי הקול, 124 מטופלים עם נגעים לא ממאירים במיתרי הקול, ו-124 מתנדבים בריאים. אצל כולם נאספו מדידות דם סטנדרטיות לפני ניתוח המשקפות דלקת (כמו ספירות תאי דם לבנים), נטייה לקרישת דם (כמו פיברינוגן וזמני קרישה) ומצב תזונתי (כמו אלבומין, חלבון מרכזי בדם). מאחר ובדיקות אלה כבר חלק משגרת בתי החולים, ממצאים שיתקבלו יהיו קלים ליישום ברמה גדולה ובעלות נמוכה.

לימוד מכונות להבחין בין מזיק לתמים

כדי להפוך את ים המספרים הזה להנחיות מעשיות, הצוות השתמש בשתי שיטות למידת מכונה פופולריות, הידועות כ-Random Forest ו-XGBoost. התוכנות הללו לומדות דפוסים מתוך נתונים בדומה לאופן שבו מסנן דואר זבל לומד להפריד בין דואר זבל להודעות חשובות. כאן המטרה הייתה להבחין בין סרטן לבין בעיות קול שפירות באמצעות תוצאות בדיקות דם בלבד. לאחר אימון ובדיקות חוצי-אימות על רוב המטופלים, המודלים נבדקו על קבוצה נפרדת. מודל XGBoost, במיוחד, הציג ביצועים טובים מאוד — הבחין נכון בין סרטן ללא סרטן ברוב המקרים, עם מדד דיוק (AUC) של 0.93 — גבוה עבור בדיקה לא פולשנית המבוססת אך ורק על בדיקות מעבדה שגרתיות.

לעשות את הקופסה השחורה מובנת לרופאים

מודלים חישוביים לעתים קרובות מותקפים כש־"קופסאות שחורות", אך עבודה זו השתמשה בשיטה הנקראת SHAP כדי להראות אילו סמני דם הניעו את התחזיות. האותות החשובים ביותר היו מדדים הקשורים לקרישת דם ולפעילות חיסונית: יחס בינלאומי מתוקנן (INR), פיברינוגן, זמן תרומבין, ויחסים המשווים סוגים שונים של תאי דם לבנים (יחס נויטרופיל-למונציט ויחס לימפוציט-למונציט). באופן כללי, חולים עם סרטן נטו להציג יותר סימנים של דלקת וגוף שמוכן להיווצרות קרישים, יחד עם שינויים באיזון תאי החיסון. החוקרים אף בנו כלי דירוג חזותי פשוט, המבוסס על הסמנים המובילים, כדי שהקלינאים יוכלו לאמוד את סיכון הסרטן של מטופל בודד ליד המיטה.

אותות בדם שמראים עד כמה הסרטן אגרסיבי

מעבר לאבחון, המחקר בדק האם סמני דם משקפים עד כמה הגידול מסוכן. באמצעות קישור תוצאות דם לפרטי דיווחי פתולוגיה כירורגית, הצוות מצא כי אינדקסים משולבים מסוימים — במיוחד מדד הדלקת–חיסון המערכתית (SII) וכמה יחסי ספירה תאית — עלו בקורלציה עם גידולים גדולים יותר, התפשטות לבלוטות הלימפה ושלב כולל גבוה יותר. סמן אחד, יחס נויטרופיל-לטסית (neutrophil-to-platelet ratio), נקשר בחוזקה לחודרנות של תאי הסרטן לאורך עצבים, תכונה מדאיגה המקושרת להישנות. במעקב חציוני של כארבע שנים וחצי, מטופלים עם ספירת נויטרופילים גבוהה יותר, יחס נויטרופיל-לימפוציט גבוה יותר ו-SII גבוה יותר נבעו עם תוצאות גרועות יותר, כולל יותר הישנויות ותמותה.

מה זה עשוי להציע למטופלים ולרופאים

בקצרה, המחקר מראה כי "צילום" מתוכנן של דם המטופל יכול לחשוף הרבה מעבר לדוחות מעבדה שגרתיים. באמצעות שילוב בדיקות מוכרות עם כלי למידת מכונה מפורשים, יתכן שרופאים יוכלו בקרוב להחליט טוב יותר אילו מטופלים עם הפרעת קול זקוקים לדחיפות לביצוע ביופסיה, אילו סרטן צפוי להתנהג באגרסיביות, ומי עשוי להפיק תועלת ממעקב צמוד או טיפול משלים. אמנם המחקר היה רטרוספקטיבי ומוגבל לגברים מאזור אחד — ולכן דרושה אישוש בקבוצות רחבות יותר — אך הוא מסמן דרך מעשית וזולה יותר לטיפול מותאם אישית ומבוסס נתונים לאנשים שעשויים לסבול או סוברים שיש להם סרטן מיתרי הקול.

ציטוט: Zhang, Y., Yan, X., Li, X. et al. Interpretable machine learning models using peripheral blood biomarkers for diagnosis and prognosis of glottic laryngeal squamous cell carcinoma. Sci Rep 16, 10451 (2026). https://doi.org/10.1038/s41598-026-40074-9

מילות מפתח: סרטן הגרון, סמני דם, למידת מכונה, תחזית סרטן, דלקת חיסונית