בדיקות דם שמודדות נוגדנים אצל אנשים עם מחלת מעי דלקתית (IBD) נמצאות בשימוש גובר כדי לסייע באבחון המצב, להבחין בין מחלת קרוהן לקוליטיס כיבית, ואפילו לרמוז כיצד המחלה עשויה להתפתח. אך במציאות הרבה מהמדידות האלו חסרות משום שקשה לאסוף דגימות ולעקוב אחרי מטופלים לאורך זמן. המחקר שואל שאלה שנראית פשוטה אך בעלת השלכות גדולות: כשיש חסרים במקטעים מרכזיים של פאזל בדיקות הדם, מהי הדרך הטובה ביותר למלא את הפערים כדי שרופאים וחוקרים יוכלו עדיין לסמוך על התוצאות?
חורים נסתרים בנתוני בדיקות דם
IBD, שכוללת את מחלת קרוהן וקוליטיס כיבית, מנוהלת על ידי דלקת כרונית במערכת העיכול. נוגדנים מסוימים בדם—מכוונים לעמילן שמרים, חיידקים ומטרות אחרות—הפכו לרמזים רבי-עוצמה לזיהוי IBD, להבחין תת‑סוגים שלו ולפעמים לחזות מחלה שנים לפני הופעת סימפטומים. עם זאת, הרכבת מערכי נתונים סרולוגיים גדולים מאלפי מטופלים היא מסורבלת. דגימות עלולות ללכת לאיבוד, בדיקות עלולות להיכשל או מטופלים עשויים להחסיר ביקורים. פתרונות מהירים מסורתיים, כמו להשליך מטופל אם חסר לו ערך מסוים, מבזבזים מידע ועלולים לעוות תוצאות, כך שמחלות ייראו פחות או יותר קשורות לסמנים מסוימים ממה שהן באמת.
דרכים שונות שבהן נתונים עלולים להיעלם
המחברים קודם כל שחזרו בקפדנות את הדרכים הרבות שבהן ערכי בדיקה עלולים להיות חסרים. בתרחיש אחד, הערכים נעלמים באקראיות מוחלטת, כמו היפוכי מטבע בטבלת נתונים. בתרחיש אחר, החסרים תלויים במידע אחר שאנו כן רואים—למשל אנשים עם מחלה קלה יותר עלולים להיות פחות נוטים לעשות בדיקות מסוימות. בתרחיש המאתגר ביותר, החסרים תלויים בערך עצמו שאיננו רואים—לדוגמה, ערכי נוגדנים גבוהים או נמוכים מאוד פחות נוטים להירשם. באמצעות שלוש קבוצות IBD גדולות יצרו החוקרים אלפי גרסאות של מערכי הנתונים שלהם עם כמויות משתנות של מידע חסר, מ‑5% בלבד ועד 40% גדוש בערכי בדיקה חסרים.
כלים מודרניים למילוי הרווחים
לאחר מכן הם השוו משפחות של שיטות ממוחשבות למילוי החסרים—גישת ההשלמה. שיטות מסוימות, כגון MICE (השלמה מרובה באמצעות משוואות מקושרות) וממלאים איטרטיביים קשורים, חוזרות ומנבאות כל ערך חסר מתוך היתר, כשהן מסתובבות עד שכל הטבלה ממולאת. אחרות משתמשות במנועי למידת מכונה גמישים יותר, כולל יערות אקראיים, שיטות שכנות קרובות (nearest-neighbor) שמשאילות מידע ממטופלים דומים, ודגמי למידה עמוקה בשם אוטו‑אנקודרים ואוטו‑אנקודרים וריאציונליים (variational autoencoders) שלומדים סיכומים דחוסים של הנתונים ומשחזרים מהם חלקים חסרים. לכל תצורה, החוקרים יצרו מספר מערכי נתונים הושלמו כדי ללכוד את חוסר הוודאות והעריכו ביצועים משלושה היבטים: כמה קרובים המספרים המושלמים למקור, עד כמה מבחנים סטטיסטיים סטנדרטיים השיבו את הקשרים הידועים בין מחלה לנוגדן, ועד כמה דגמי חיזוי הצליחו להבחין בין תת‑סוגי IBD.
מה עובד הכי טוב בתנאים שונים Figure 1.
לא עלתה שיטה יחידה כאלופה אוניברסלית. כשהחסרים היו קטנים והפערים היו יחסית מתנהגים היטב, שיטות איטרטיביות—במיוחד אלו המבוססות על רגרסיה בייסיאנית, יערות אקראיים או שכני‑הקרובים—נטו לתת שחזורים מדויקים יותר ולשמרוּת של עוצמת הקשרים שנצפו בנתונים המלאים. ככל שערכים נוספים נעלמו, ובמיוחד בתבניות חסר קשות יותר, גישות למידה עמוקה מבוססות אוטו‑אנקודרים נעשו אטרקטיביות יותר. מודלים אלה היו טובים יותר בשימור המבנה הכולל של הנתונים ובשמירה על ביצועי החיזוי קרובים למה שהושג היה עם מידע מלא. באופן כללי, פשוט לזרוק תצפיות חסרות ביצע פחות טוב: זה החליש אותות, צמצם את העוצמה הסטטיסטית ולא סיפק יתרון בכל הנוגע לבקרת שגיאות חיוביות שקריות.
בחירת הכלי המתאים למשימה Figure 2.
המסקנה של המחקר מעשית יותר מאשר הוראתית. לפרויקטים שבהם העדיפות היא הסקה סטטיסטית מוצקה—כמו הערכת מידת הקשר בין נוגדן ספציפי למחלת קרוהן—שיטות העוקבות עקרונות השלמה מרובה, כמו MICE וחלק מהממלאים האיטרטיביים, הן בחירת ברירת מחדל הגיונית. הן משתלבות היטב עם כללים מבוססים לשילוב תוצאות על פני מערכי נתונים מושלמים ומספקות הערכות אי‑וודאות מכוילות. לעומת זאת, כשהמטרה העיקרית היא חיזוי—למשל אימון מודל למידת מכונה לסיווג מטופלים—ממלאים איטרטיביים וגישות מבוססות אוטו‑אנקודר לעיתים מובילות, במיוחד כאשר שיעור הערכים החסרים גבוה. על ידי הבעת שיטות שונות כמתאימות לרמות חסר ולמטרות ניתוח שונות, עבודה זו מספקת מפת דרכים לחוקרים בבחירת אסטרטגיות השלמה ששומרות הן על האות המדעי והן על השימושיות הקלינית של נתונים סרולוגיים ב‑IBD.
מה זה אומר במילים פשוטות
לתושבים עם IBD ולקלינאים ולמדענים המטפלים בהם, המסר הוא מרגיע אך מורכב: גם כאשר רשומות בדיקות הדם מרוקנות מחסרים, שיטות חישוביות שנבחרו בקפידה יכולות לשחזר מספיק מהתמונה כדי לשמור על אמינות הניתוחים. אין פתרון אחד שמתאים לכולם, אך קיימים דפוסים ברורים—שיטות איטרטיביות פשוטות עובדות טוב כשנתונים ברובם שלמים, בעוד שכלים גמישים יותר מבוססי למידה עמוקה מתאימים יותר כאשר החורים גדולים ומורכבים יותר. שימוש בגישות אלו במקום להשליך נתונים לא מושלמים מסייע להגן מפני מסקנות מטעות ותומך באבחון מדויק יותר, במעקב מחלה ובמחקר טיפולים המבוססים על סמנים סרולוגיים.
ציטוט: Boodaghidizaji, M., McGovern, D.P.B. & Li, D. Imputation methods for serologic biomarkers in inflammatory bowel disease.
Sci Rep16, 11160 (2026). https://doi.org/10.1038/s41598-026-41587-z
מילות מפתח: מחלת מעי דלקתית, סמנים סרולוגיים, נתונים חסרים, השלמה מרובה, למידת מכונה
