שיפור סיווג סרטן הריאות באמצעות גישת CNN-היברידית Double Attention HiFuse

מדוע חשוב לאתר סרטן ריאות מוקדם

סרטן הריאות הוא אחד מסוגי הסרטן הקטלניים ביותר בעולם, בעיקר משום שבדרך כלל מאתרים אותו בשלב מאוחר, כשהאפשרויות לטיפול מוגבלות. רדיולוגים כבר משתמשים בסריקות CT מפורטות כדי לחפש נקודות זעירות בריאות שעשויות להיות סרטניות, אך בדיקה מדוקדקת של כל חתיכת תמונה איטית ומתישה—ואצלם עלולות להיחמצו נודולות קטנות או עדינות. המחקר הזה בוחן כיצד סוג מתקדם של בינה מלאכותית יכול לשמש כזוג עיניים שלא מתעייף, לסייע לרופאים לזהות בעיות בריאות מוקדם יותר ולהבחין בין ממצאים חסרי מזון לבין מסוכנים.

ממירים סריקות חזה לקטגוריות ברורות

החוקרים מתמקדים בהחלטה מעשית תלת-כיוונית שרדיולוגים נאלצים לקבל מדי יום: האם חתיכת CT מציגה רקמת ריאה תקינה, נודולה שפירה (לא מסוכנת) או נודולה ממאירה (סרטנית)? הם משתמשים במאגר נתונים ציבורי ממרכז אונקולוגי בעיראק הכולל 1,190 חתיכות CT מ-110 מטופלים, כאשר כל מטופל מתוייג כתקין, שפיר או ממאיר. כדי להימנע מהערכת ביצועים מופרזת, חילקו את הנתונים לפי מטופל ולא לפי תמונה, כך שחתיכות מאותו אדם לעולם לא יופיעו גם באימון וגם בבדיקה. הם גם תקננו גודל תמונה, בהירות ופורמט, והפעילו הגדלת נתונים—כגון סיבובים, היפוכים ושינויים בבהירות—כדי לעזור למערכת להתמודד עם שונות מהעולם האמיתי ולשקלל את המקרים הפחות שכיחים של שפיר וממאיר.

כיצד הקורא החכם של הסריקות רואה את התמונות

בלב המערכת עומד רשת עצבית קונבולוציונית, סוג של בינה מלאכותית שמצטיינת בזיהוי דפוסים בתמונות. המודל שהם תכננו, שנקרא אדריכלות Double Attention Hybrid CNN–HiFuse, מותאם לאתגרים של CT ריאה. ראשית הוא משתמש בשכבות קונבולוציה סטנדרטיות כדי לתפוס תכונות חזותיות בסיסיות כמו קצוות ומרקמים. לאחר מכן מודול ייעודי בשם HiFuse משלב מידע בסולמות שונים: סניף אחד קולט הקשר רחב וגלובלי על פני הריאה כולה, בעוד שסניף אחר מתמקד בפרטים מקומיים סביב נודולות פוטנציאליות. באמצעות מיזוג היררכי של נקודות מבט אלה, הרשת מסוגלת לשים לב הן לנקודות הקטנות והן למבנים הגדולים שמקיפים אותן.

מלמדים את המערכת היכן להסתכל

מעבר להוצאה פשוטה של תכונות, המודל לומד באופן פעיל היכן כדאי לשים לב. מנגנון "תשומת לב כפולה" פועל בשתי דרכים. תשומת לב ערוצית מקצה משקל גבוה יותר לסוגי התכונות המידעיים ביותר—לדוגמה, כאלה שעוזרים להבדיל בין נודולה ממאירה לרקמת צלקת—בעוד שמפחיתה משקל לאותות מסיחים. תשומת לב מרחבית, בניגוד לכך, מתמקדת באזורים ספציפיים בתוך התמונה, מדגישה אזורים חשודים בריאה ומדכאת רקע. שתי צורות התשומת לב מיושמות ברצף, ובכך עוזרות למערכת ליצור סיכום קומפקטי וממוקד של כל חתיכת סריקה, שמועבר לאחר מכן למסווג סופי שמייצר את ההסתברויות של תקין, שפיר או ממאיר.

כמה טוב השיטה מתפקדת

כדי לכוונן את הבחירות הרבות הכרוכות בבניית מערכת כזו—כמו כמה מסננים להשתמש, כמה מהר לעדכן משקלים פנימיים וכמה חיזוק רגולרי ליישם—המחברים השתמשו בכלי חיפוש אוטומטי. עם ההגדרות הטובות ביותר במקום, הם השוו את המודל ההיברידי שלהם מול מספר קווי בסיס חזקים, כולל רשתות עמוקות מוכרות כמו VGG16 ו-ResNet50, וכן מול רשת מותאמת עם תשומת לב. על סט מבחן עצמאי של 213 חתיכות CT, מודל Double Attention Hybrid CNN–HiFuse שלהם השיג כ-98 אחוז דיוק, עם דיוק וזיהוי גבוהים מאוד. הוא סיווג לא נכון רק ארבע חתיכות בסך הכל והציג שיעורים נמוכים במיוחד של החמצת נודולות ממאירות—a בעיה בטיחותית חשובה. עקומות מקבל פעולת אופיינית (ROC), שמודדות עד כמה המודל מפריד בין קטגוריות בספים שונים, מתקרבות לביצועים אידאליים עבור כל שלושת הקטגוריות.

הבטחה ומגבלות לגבי טיפול בעולם האמיתי

בעבור הלא-מומחים, המסר העיקרי הוא שהמחקר מדגים מערכת בינה מלאכותית מהירה ויחסית קלה שיכולה לסווג תמונות CT של ריאות לשלוש קבוצות משמעותיות קלינית עם דיוק מרשים, ובנוסף לספק מפות תשומת לב שמראות אילו אזורים השפיעו ביותר על החלטתה. זה עושה את הכלי יותר ניתן לפרש ולמה שיותר קל לרדיולוגים לבטוח בו ככלי תמיכה בהחלטה ולא כסיבה שחורה. עם זאת, התוצאות מגיעות מבית חולים יחיד, מסתמכות על חתיכות דו-ממדיות במקום סריקות תלת-ממדיות מלאות ומשתמשות בסכמת תיוג תלת-מעמדית מפושטת, ולכן יש לראותן כצעד מעודד ראשון ולא כהוכחה סופית. עם בדיקות נוספות על מאגרים גדולים ומגוונים יותר ואינטגרציה של המודלים הללו בתהליכי קליניקה, מודלים מונעי תשומת לב דומים עשויים לעזור לתפוס סרטן ריאות מוקדם יותר ולהקל על העומס על מומחי הדימות העייפים.

ציטוט: M. D, A., B, V. Enhancing lung cancer classification through a double attention hybrid CNN-HiFuse approach. Sci Rep 16, 13099 (2026). https://doi.org/10.1038/s41598-026-42290-9

מילות מפתח: סרטן ריאות, הדמיית CT, למידה עמוקה, עזרה באבחון ממוחשב, מנגנוני תשומת לב