ביצועי אבחון של בינה מלאכותית בזיהוי התפשטות פריטונאלית ושל המעי הדק בסרטן השחלה האפיתלי באמצעות דימות CT עם חומר ניגוד לפני ניתוח

מדוע חשוב לזהות התפשטות סמויה

לנשים עם סרטן השחלה, מה שהרופאים רואים בבטן לפני ניתוח יכול להכריע בין ניתוח מרפא לבין פרוצדורה רחבה שעשויה להשאיר גידול מאחור. הפקדות סרטניות זעירות שמצפות את דפנות הבטן ואת פני השטח של המעי הדק מטרידות במיוחד. קשה לזהות אותן בסריקות שגרתיות, ובכל זאת הן עלולות למנוע מהרופאים להסיר את כל המחלה בבטחה. מחקר זה בוחן האם בינה מלאכותית (AI) יכולה לקרוא סריקות CT סטנדרטיות עם חומר ניגוד בצורה יעילה יותר מהעין האנושית כדי למצוא את ההתפשטות הסמויה ולהנחות תוכניות טיפול בטוחות וחכמות יותר.

כיצד סרטן השחלה מתפשט בשקט

סרטן שחלה אפיתלי לעתים קרובות אינו מאובחן עד שהוא זורע בבטן נקודות גידול קטנות. הופקדות אלה יכולות לכסות את הרירית הפנימית של הבטן ואת פני השטח של איברים, כולל הלולאות העדינות של המעי הדק. כאשר עומס הגידול גבוה מאוד או מעורב באזורים קריטיים, ייתכן שהמנתחים לא יוכלו להסיר את כל המחלה הנראית, אפילו באמצעות ניתוחים נרחבים. עם זאת, ההישרדות מיטבית כאשר לא נותר גידול אחרון. כיום רופאים מסתמכים על סריקות CT להערכת מידת ההתפשטות, אך גילוי נקודות זעירות — במיוחד על המעי הדק הנע המקופל — קשה. במקרים מסוימים נאלצים המנתחים לבצע ניתוח חקר רק כדי להחליט האם הסרה מלאה של הגידול אפשרית.

ללמד מחשבים לקרוא את הסריקות

צוות המחקר אסף סריקות CT עם חומר ניגוד של 227 נשים שטופלו בסרטן השחלה, צינור הביצים או סרטן פריטונאלי ראשוני בשתי בתי חולים, ומהן התקבלו 254 מערכי סריקה. עבור כל מטופלת הם ידעו מהניתוח האם הייתה התפשטות על הדפנות הפריטונאליות ועל המעי הדק. באמצעות תוצאות מהעולם האמיתי האלה כ"מפתח תשובות", המחברים אימנו שני מערכות למידה עמוקה. אחת, ה-P-Model, למדה לשפוט האם משטחים פריטונאליים בכלל נשאים הפקדות גידוליות. השנייה, ה-SB-Model, התמקדו ספציפית בהתפשטות שכוללת את המעי הדק. שתי המערכות בנו על עיצוב רשת עצבית קומפקטית המתאים לתמונות רפואיות ואומנו ונבחנו שוב ושוב בחלוקות מטופלות שונות כדי לבדוק עד כמה ביצועיהן יציבים.

כמה טוב ה-AI עבד בפועל

כאשר נבדקו על סריקות שלא נראו קודם, ה-AI הראה דיוק מבטיח. עבור התפשטות פריטונאלית כוללת, ה-P-Model זיהה נכון מקרים כשלושת רבעי מהזמן, עם רגישות סביב שני שלישים וספציפיות מעל ארבעה חמישיות. במונחים מעשיים, היא פספסה חלק מהמקרים החיוביים אך יצרה יחסית מעט אזעקות שווא. מערכת המעי הדק עבדה אפילו טוב יותר: ה-SB-Model סיווגה נכון יותר מארבעה מתוך חמישה מטופלים, תפסה כ-86 אחוזים מהמעורבים במעי הדק בעוד שעדיין הרגיעה נכון כ-77 אחוזים מהנסיינים שאינם מעורבים. רמת הרגישות הזו עולה בבירור על הביצועים הצנועים המדווחים עבור קריאת CT סטנדרטית בעבודות קודמות, שבהן הפקדות מעיים זעירות לעתים קרובות לא זוהו.

מתי המחשב התקשו

החוקרים בחנו גם מצבים שבהם ה-AI פעל בצורה גרועה, שהוגדרה כמדויקת בעד רבע מההחלטות עבור מטופלת מסוימת. מעניין, גם רדיולוגים אנושיים התקשו ברבים מאותם מקרים, מה שמעיד שחלק מדפוסי הסריקה קשים לפרש מטבעם. הצוות מצא שה-AI נטה להעריך יתר על המידה התפשטות כאשר כמויות גדולות של נוזל מילאו את הבטן וסמנים סרטניים בדם היו גבוהים מאוד, ולעתים העריך פחות מידת מחלה כאשר עומס הגידול ונפח הנוזל היו נמוכים. דפוס זה מרמז שהמערכת יכלה ללמוד להסתמך בעיקר על רמזים חזותיים כגון נוזל סביב המעי, שלא תמיד מתאימים במדויק לכמות הגידול בפועל.

מה זה עשוי למשמעות לטיפול בחולות

למרות המגבלות, המחקר מראה שעוזר מבוסס AI הקורא סריקות CT שגרתיות יכול לשפר באופן משמעותי את גילוי התפשטות סרטנית עדינה, במיוחד על המעי הדק, שם לרדיולוגים כיום הבטחון הנמוך ביותר. אם ייבחן ויושכלל נוסף, כלי כזה עשוי לסייע לרופאים להחליט בדיוק רב יותר מי צפוי להרוויח מניתוח ראשוני אגרסיבי ומי יסתפק בטיפול כימותרפי לפני ניתוח. המחברים מדגישים כי AI לא יחליף שיקול דעת מומחה או ניתוח חקר בכל המקרים, אך הוא יכול להפוך למערכת עין נוספת חזקה, ולהפוך דימות קיים למפה אמינה יותר לניתוחים מורכבים של סרטן.

ציטוט: Kim, R., Seki, T., Noda, K. et al. Diagnostic performance of artificial intelligence for detecting peritoneal and small bowel dissemination in epithelial ovarian cancer using preoperative contrast-enhanced CT imaging. Sci Rep 16, 8739 (2026). https://doi.org/10.1038/s41598-026-41728-4

מילות מפתח: סרטן השחלה, בינה מלאכותית, דימות CT, גרורות פריטונאליות, התפשטות במעי הדק