מערכת תמיכה בהחלטות ניתוחיות מונחת AI לתיקון קרעים בקרנית: מחקר פרוספקטיבי בלתי אקראי לבחינת היתכנות

מדוע ניתוח עיניים חכם יותר חשוב

כאשר החלון השקוף הקדמי של העין — הקרנית — נקרע בעקבות תאונה, הראייה עלולה להיפגע באופן קבוע גם לאחר ניתוח חירום. יש למקם תפרים זעירים בדיוק רב כדי לסגור את הפצע, להחליק את משטח הקרנית ולמנוע ראייה מעוותת. מחקר זה בוחן האם מערכת בינה מלאכותית (AI) יכולה לסייע לרופאי עיניים להחליט בדיוק היכן למקם את התפרים, במטרה להעניק למטופלים ראייה חדה ונוחה יותר לאחר פגיעות עיניים חמורות.

פציעות עיניים ואתגרי התיקון

קרעים בקרנית הם פציעות דחופות שמסכנות הן את צורת העין והן את היכולת לראות בבירור. על המנתחים לסגור את הפצע במהירות, אך שולי הקרע לעתים קרובות בלתי סדירים וקשה ליישרם באופן מושלם. אם התפרים צמודים מדי, לא אחידים או צפופים מדי, הקרנית עלולה להחלים עם צלקות ואסטיגמטיזם חזק — עיוות של משטח העין שמעוות את האור וממטשטש את הראייה. התוצאות משתנות במידה רבה בין מנתח למנתח, במיוחד במצבי חירום ממהרים. מחברי המחקר שאלו האם מערכת ממוחשבת, שאומנה על אלפי תמונות, יכולה להציע הנחיה אובייקטיבית כדי להפוך את התפרים ליותר מדויקים ועקביים.

כיצד ה‑AI לומד מתמונות

הצוות פיתח תחילה מערכת ראייה ממוחשבת המשתמשת בלמידה עמוקה, טכניקה שמאפשרת לתוכנה "ללמוד" דפוסים מתוך אוספי תמונות גדולים. הם אילפו את המודל על 2,400 תמונות של עיני חזירים עם קרעים בקרנית, הדומות במידה רבה לקרניות אנושיות. ה‑AI למד לסמן את שולי הפצע בכל צילום, במובן זה שעתק את הצורה והמיקום האמיתיים של הקרע. לאחר מכן, באמצעות העברה למידה (transfer learning), המודל הותאם נוסף על 300 תמונות של פגיעות בקרנית אנושית שסומנו בקפדנות על ידי רופאי עיניים מנוסים. המערכת הסופית יכלה לזהות באופן אמין את הפצע בתמונה חדשה של קרנית ולהשתמש באותו קו מתאר כדי לחשב כמה תפרים נדרשים ובדיוק היכן כל תפר צריך להיכנס לאורך הפצע.

מהפיכת ניתוחית לייעוץ תפר-אחר-תפר

מבוסס על קו המתאר של הפצע, ה‑AI העריך כמה רקמה בריאה מקיפה את הקרע והציע מספר מתאים של תפרים ומרווחים ביניהם. הוא עשה זאת על ידי שרטוט קו מרכזי לאורך הפצע, סימון נקודות ייחוס במרחקים קבועים ואז הקרנת קווים קצרים החוצה לתוך הקרנית כדי לבחור את נקודות כניסת התפר המדויקות. נקודות שנבחרו על ידי המחשב הושוו למיקומים המועדפים על מנתחים מומחים והתאמו עד כדי כעשירית מילימטר, מה שמצביע על דיוק דומה לזה האנושי. במהלך הניתוח, הרופאים בקבוצת ה‑AI צפו בתבנית התפר שהמערכת הציעה ופעלו לפי כ־92% מההמלצות, תוך שמירה על שליטה סופית בחדר הניתוח.

בדיקת ההנחיה של ה‑AI בחולים אמיתיים

כדי לבדוק האם התכנון אכן עוזר למטופלים, החוקרים ערכו מחקר פרוספקטיבי על 25 אנשים עם קרעים בעובי מלא של הקרנית. ארבעה עשר טופלו בתפירה סטנדרטית על סמך שיקול דעת המנתח בלבד, בעוד שאחד-עשר תוכננו לקבל תפרים בתמיכה של ה‑AI. כל המטופלים עוקבו במשך לפחות שישה חודשים, וצורת הקרנית והראייה שלהם נמדדו לאחר הסרת התפרים. למטופלים שכירורגיה שלהם הונחתה על ידי ה‑AI היתה חדות ראייה מתוקנת מיטבית טובה יותר ופחות אסטיגמטיזם בהשוואה לאלה שטופלו באופן קונבנציונלי. מדדים של מידת החלקות והסימטריה של משטח הקרנית לאחר ההחלמה נטו גם הם לטובת קבוצת ה‑AI, ואף מקרה מונחה AI לא נדרש לתפירה חוזרת בשל דליפות.

מה משמעות הדבר לטיפול עיניים עתידי

לקורא שאינו מומחה, המסר המרכזי הוא כי "שותף‑טיסה" מבוסס AI בחדר הניתוח יכול לסייע למנתחים למקם תפרים בצורה אחידה ויעילה יותר לאחר פגיעות עיניים חמורות, מה שמוביל לראייה ברורה יותר ולפחות סיבוכים. זהו מחקר קטן, בלתי אקראי לבחינת היתכנות, ולכן נדרשים ניסויים רחבים ושקולים יותר. למערכת גם יש מגבלות — היא נבנתה לטראומה חדה וקווית ואינה מטפלת עדיין בפצעים מורכבים יותר או מספקת מידע על עומק. אף על פי כן, הממצאים מרמזים כי שילוב המומחיות של המנתח עם תכנון תפירה מונחה‑נתונים עשוי להפוך תיקון עיניים חירומי ליותר מדויק ויותר צפוי, ולשפר את הסיכויים שהמטופלים ישיבו ראייה שימושית ונוחה לאחר פגיעות קרנית משחיתות.

ציטוט: Zheng, J., Lu, H., Chen, Y. et al. AI-guided surgical decision support system for corneal laceration repair: a prospective, non-randomized controlled feasibility study. Sci Rep 16, 12431 (2026). https://doi.org/10.1038/s41598-026-42805-4

מילות מפתח: פציעת קרנית, ניתוח עיניים, בינה מלאכותית, תכנון ניתוחי, אסטיגמטיזם