פיתוח ואימות של מודלים מבוססי למידת מכונה לאבחון סיכון לסרטן הכבד ההפטוצלולי והישרדות בחולים עם שחמת סוכרתית

מדוע מחקר זה חשוב לאנשים עם סוכרת ומחלות כבד

אנשים החיים עם סוכרת וצלקת כבד מתקדמת (שחמת) עומדים בפני סיכון כפול: הם צפויים הרבה יותר לפתח סרטן כבד ולמות מתופעות מסכנות חיים שונות. יחד עם זאת, לרופאים כיום אין כלים מותאמים לקבוצה בסיכון גבוה זו שיכולים לאיתות באופן אמין מי הכי צפוי לפתח סרטן כבד ומי בסכנת מוות גבוהה. המחקר הזה מראה כיצד בדיקות דם שגרתיות ושיטות מחשוב מודרניות יכולות להיות משולבות לתרשימים שימושיים שעוזרים לרופאים לאמוד את סיכון הסרטן וההישרדות עבור מטופלים פגיעים אלה.

מחלות מקושרות שמחמירות זו את זו

סוכרת ושחמת מתקשרות במחזור קסום שלילי. סוכרת מקדמת הצטברות שומן ודלקת בכבד, שיכולים להתקדם לשחמת; השחמת בתורה מקלה על הופעת הסוכרת או החמרתה. כאשר שתי המחלות מתרחשות יחד, הסיכוי לפתח סרטן הכבד ההפטוצלולי — הצורה השכיחה ביותר של סרטן ראשוני של הכבד — עולה באופן חדה. במקביל, מטופלים אלה סובלים מסיכונים גבוהים למוות ממחלות לב, זיהומים, אי־ספיקה כבידתית וסיבוכים נוספים. מאחר שהמשאבים לבדיקות סקר אינטנסיביות מוגבלים, קלינאים זקוקים לשיטות פשוטות לזיהוי מי מהחולים עם שחמת סוכרתית דורש הכי בדחיפות מעקב קפדני לסרטן וטיפול אגרסיבי בבעיות בריאות נוספות.

שימוש בנתונים ואלגוריתמים לזיהוי דפוסים חבויים

צוות המחקר אסף מידע קליני מפורט מ־307 חולים עם סוכרת סוג 2 ושחמת שטופלו בבית חולים בג׳יאנגסו, סין, ומילא אחריהם לתקופת מעקב חציון של כמעט ארבע שנים. הם בדקו 59 מדידות שונות, בעיקר מבדיקות דם שגרתיות, ויישמו שמונה גישות שונות של למידת מכונה כדי לראות אילו שילובים של גורמים מבחינים בצורה הטובה ביותר בין חולים שפיתחו בהמשך סרטן כבד לבין אלה שלא. סוג של מודל שנקרא עץ החלטה ממוחשב בהגברה מתקדמת (gradient boosting decision tree) בלט, והבחין בין קבוצות סיכון גבוה ונסתר בדיוק גבוה מאוד. האותות המיידעים ביותר הגיעו מקבוצה קטנה של מדדי דם המשקפים נזק לכבד, תפקוד סינתטי של הכבד ומאזן המלחים, יחד עם מין המטופל.

ממודלים מורכבים לתרשימי סיכון ידידותיים ליד הרופא

מכיוון שמודלים חישוביים טכניים קשים לשימוש במרפאה היומיומית, המחברים גיבשו את הממצאים לתוך "נומוגרמה" פשוטה — תרשים גרפי שעליו יכול הרופא לסמן את ערכי המטופל לשישה פריטים שגרתיים (מין, שתי אנזימים של הכבד, שני פיגמנטים הקשורים למרה ונתרן בדם) ולקרוא משם את הסבירות שהמטופל כבר חולה או יפתח בקרוב סרטן כבד. תרשים זה עלה על כל בדיקת דם בודדת, ודיוקו נשמר בבדיקות פנימיות ובקבוצה נפרדת של חולים עם שחמת שטופלו בבית חולים אחר. באופן חשוב, הוא פעל באופן סביר ללא תלות אם מחלת הכבד הבסיסית נבעה מהפטיטיס B, הפטיטיס C או סיבות לא ויראליות, מה שמרמז על שימושיות רחבה.

מעבר לסרטן — להישרדות הכוללת

המחקר לא הסתפק באבחון סיכון לסרטן. החוקרים בדקו גם אילו גורמים מנבאים כמה זמן חולים עם שחמת סוכרתית צפויים לחיות. באמצעות שיטות ניתוח הישרדות, הם מצאו כי ארבעה תכונות — נוכחות סרטן כבד, גיל מבוגר יותר, רמות נמוכות של האנזים הכבדי כולינסטראז ורמות גבוהות של לטאט דהידרוגנאז (LDH), סמן למתח רקמתי — היו קשורות באופן עצמאי להישרדות גרועה יותר. בשילוב עם המין, הם יצרו נומוגרמה נוספת שמעריכה את הסיכוי של המטופל להיות בחיים אחרי שנה, שלוש וחמש שנים. כלי זה גם החזיק מעמד היטב בבדיקות פנימיות וחיצוניות, ועשוי לסייע לרופאים ולמשפחות לשקול אפשרויות טיפול ולתכנן מעקב.

גילוי מה החולים מתים ממנו בפועל

מאחר שאנשים עם שחמת סוכרתית עלולים למות מסיבות שונות רבות, החוקרים בנו מודלים נוספים שהפרידו בין מקרי מוות כתוצאה מסרטן כבד, מקרי מוות עקב אי־ספיקה כבידתית וסיבוכים קשורים, ומקרי מוות שנבעו בעיקר מהשפעות מערכתיות של הסוכרת. הם מצאו שבמהלך שנים רבות, מספר החולים שמתו מסיבות שאינן סרטן היה גדול בהרבה ממספר אלו שמתו מסרטן הכבד עצמו. דפוסים ספציפיים בבדיקות דם, כגון שינויים בתפקוד הכליות, ברמת הסוכר בדם וביחס דלקתי שמקשר בין תוצרי דם לבן ל"כולסטרול טוב", סייעו לזהות מי סביר שימות מכל סוג גורם. ממצאים אלה מדגישים כי בעוד שמעקב אחרי סרטן הוא חיוני, שליטה בבעיות מטבוליות וכליליות חשובה לפחות באותה מידה לשיפור ההישרדות.

מה משמעות הדבר עבור חולים ורופאים

במונחים פשוטים, עבודה זו מראה כי מידע שכבר חבוי בבדיקות דם נפוצות ניתן להמיר לתרשימים קלים לשימוש שעוזרים לרופאים לאמוד את סיכון סרטן הכבד והפרוגנוזה הכוללת באנשים שיש להם גם סוכרת וגם שחמת. המודלים מצביעים שרק תת־קבוצה של חולים זקוקה למעקב סרטן אינטנסיבי ביותר, ושמספר גדול של מקרי מוות עשויים להימנע על‑ידי טיפול אגרסיבי בסוכרת, ברמות הסוכר ובריבוי סיבוכים לצד טיפול במחלות הכבד. אף על פי שהכלים הללו עדיין זקוקים לבחינה נוספת באוכלוסיות גדולות ומגוונות יותר לפני שימוש שגרתי, הם מצביעים לעתיד שבו שימוש חכם בנתונים שגרתיים יסייע להתאמה אישית של הטיפול עבור אחת מקבוצות החולים החולות והמורכבות ביותר.

ציטוט: Jiang, G., Cai, W., Lv, X. et al. Development and validation of machine learning models for diagnosing hepatocellular carcinoma risk and survival in patients with diabetic cirrhosis. Sci Rep 16, 11102 (2026). https://doi.org/10.1038/s41598-026-40804-z

מילות מפתח: סרטן הכבד ההפטוצלולי, שחמת סוכרתית, למידת מכונה, סיכון לסרטן כבד, מודלים פרוגנוסטיים