אבחון MCI ממבחן ציור בכתב יד באמצעות רזידואל ויז'ן טרנספורמר

מדוע ציורים פשוטים יכולים לחשוף בעיות זיכרון נסתרות

דמיין שרופא יכול לזהות סימני אזהרה מוקדמים לדמנציה רק על־ידי מבט על האופן שבו אתה מצייר שעון, קובייה או מסלול של עיגולים מחוברים. שרטוטים מהירים אלה כבר נמצאים בשימוש במרפאות, אך הם מדורגים בעבודת יד ותלויים במידה רבה בשיפוט של הרופא. מאמר זה מראה כיצד מערכת בינה מלאכותית בשם ResViT יכולה "לקרוא" ציורים אלה באופן אוטומטי, להפוך את תנועות העט לאיתות מוקדם להפרעה קוגניטיבית קלה (MCI), שלב בין ההזדקנות התקינה לדמנציה שבו טיפול ותכנון עדיין יכולים לעשות הבדל משמעותי.

ממבחני עט ונייר לסקרינג חכם

הפרעה קוגניטיבית קלה מופיעה לעתים קרובות תחילה במשימות יומיומיות הדורשות תכנון, תשומת לב ותחושת מרחב—לחלוטין התחומים שמבחני ציור בודקים. רופאים מבקשים בדרך כלל מהמטופלים לצייר שעון שמראה שעה מסוימת, לשכפל קובייה תלת־ממדית או לחבר מספרים ואותיות לפי רצף. בעבר כל ציור נדרש להערכה בעין, מה שאיטי ועלול להשתנות מרופא לרופא. הכותבים שאפו לבנות מערכת אובייקטיבית יותר שמסתכלת על שלושת הציורים יחד, באמצעות מחשב שמזהה דפוסים שאפילו עיניים מאומנות עלולות לפספס. מטרתם אינה להחליף רופאים, אלא לספק להם חוות דעת שנייה מהירה ועקבית.

שילוב שתי דרכי ראייה: פרטים ותמונה כוללת

ליבת המחקר היא מודל היברידי של בינה מלאכותית בשם ResViT, שנועד לשלב שני סגנונות משלים של ניתוח תמונה. חלק אחד, המבוסס על טכניקה הידועה כ־ResNet, טוב במיוחד בזיהוי פרטים עדינים כגון קצוות, פינות ועיוותים קטנים בקווים של הציור. החלק האחר, ויז'ן טרנספורמר, מצטיין בהבנת הפריסה הכוללת—כיצד החלקים של השעון, הקובייה או המסלול משתלבים על פני הדף. במקום להזין את הציורים דרך רכיבים אלה זה אחרי זה, המערכת מריצה אותם במקביל ולאחר מכן ממזגת את שני הזרמים של המידע לתמונה אחת, עשירה יותר, של המצב הקוגניטיבי של האדם.

כיצד המערכת לומדת מציורים של מטופלים אמיתיים

כדי לבדוק את הרעיון, החוקרים השתמשו אוסף ציבורי של ציורים מ־918 אנשים, כל אחד מהם השלים את מבחני השעון, הקובייה ומסלול החיבור. מצבם הקוגניטיבי של כל אדם כבר הוערך באמצעות מבחן קליני סטנדרטי, וסיפק תווית אמת קרקעית של "בריא" או "MCI". הצוות המיר את הציורים לתמונות בגווני אפור, שינה את גודלם והחיל התאמות פשוטות כגון סיבובים ושינויים בבהירות כדי להפוך את המודל לעמיד יותר. במהלך האימון, ResViT השווה בחזרה את תחזיותיו לתוויות הידועות והתאים את ההגדרות הפנימיות שלו, עם אמצעי זהירות כמו עצירה מוקדמת ודרופאוט כדי למנוע זיכרון של נתוני האימון במקום ללמוד חוקים כלליים.

כמה טוב זה עובד ומה הוא חושף

כאשר נבחן על אנשים שמעולם לא ראה קודם, ResViT הבחין נכונה בין בריאים לבין אלה עם MCI בכ־שלושה רבעים מהמקרים, עם דיוק של 74.09% וציון F1 מאוזן בסביבות 0.67. ביצועים אלה עלו על מספר חלופות חזקות, כולל גרסאות שהשתמשו רק בחלק ה־ResNet, רק בויז'ן טרנספורמר או ברשת פופולרית נוספת בשם EfficientNet. הגישה ההיברדית, עם בערך שליש ממספר הפרמטרים הפנימיים של טרנספורמר עצמאי גדול, הוכחה כיעילה במיוחד באיזון רגישות למחלה עם המנעות מאותות שווא. באמצעות ויזואליזציות של מפות חום, המחברים הראו גם שהמודל נוטה להתמקד באזורים בעלי משמעות קלינית—כמו ספרות בשעון, קצוות הקובייה ונקודות פיצול במסלולים—מה שמרמז שהוא מקדיש תשומת לב לאותות הדומים לאלו של מומחים אנושיים.

מגבלות כיום ואפשרויות לעתיד

המחברים מדגישים שהמערכת שלהם עוד לא מוכנה להיות כלי סקרינג אוניברסלי. מאגר הנתונים צנוע בגודלו, מוטה לאוכלוסייה מבוגרת וחסר בו מידע רקע חשוב כגון רמת השכלה והבדלים תרבותיים, שיכולים להשפיע על האופן שבו אנשים מציירים. המודל גם עלול להיות תובעני מבחינת חישוב עבור מכשירים בעלי הספק נמוך. עם זאת, מכיוון שניתן להתאים את ResViT עם כמה דוגמאות חדשות יחסית בקלות, ניתן להרחיבו להפרעות קוגניטיביות אחרות או למשימות ציור חדשות ככל שיצטברו נתונים נוספים. שילוב מערכי נתונים גדולים ומגוונים יותר ובניית גרסאות חסכוניות יותר של המודל יהיו צעדים מכריעים לקראת שימוש יומיומי.

מה המשמעות עבור מטופלים ומשפחות

במלים פשוטות, עבודה זו מראה שבינה מלאכותית שעוצבה בקפידה יכולה להפוך שרטוטים פשוטים בעט ונייר לכלי מעשי ללכידת סימנים מוקדמים של בעיות זיכרון וחשיבה. אמנם שיעור דיוק של 74% אינו מושלם, אך הוא מבטיח כקו הגנה ראשון שזול, מהיר וקל לחזרה לאורך זמן. בעתיד, סריקה של ציור במרפאה או אפילו ציור על טאבלט בבית יכולים להצביע על שינויים דקים הרבה לפני שהם ניכרים בחיי היומיום, ולהעניק לרופאים ולמשפחות זמן תגובה רב יותר. במקום להחליף שיפוט אנושי, מערכות כמו ResViT יכולות להפוך אותו לעקבי ומהיר יותר, ולהביא עזרה מוקדמת לאנשים בסיכון לדמנציה.

ציטוט: Sirshar, M., Matloob, I., Tayyabah, A. et al. MCI detection from handwritten drawing test using residual vision transformer. Sci Rep 16, 10334 (2026). https://doi.org/10.1038/s41598-026-40716-y

מילות מפתח: הפרעה קוגניטיבית קלה, מבחני ציור, למידה עמוקה, ויז'ן טרנספורמר, איתור דמנציה מוקדם