מסגרת היברידית מתקדמת של טרנספורמר ו-CNN לשיפור סיווג וסגמנטציה של נגעי עור

מדוע גילוי מוקדם של סרטן העור חשוב

סרטן העור נחשב לאחד הסוגים השכיחים ביותר של סרטן ברחבי העולם, אך גם לאחד הניתנים לטיפול הטוב ביותר כאשר מאבחנים אותם בשלב מוקדם. רופאים מסתמכים יותר ויותר על תמונות מקרבות של פיגמנטים וכתמים כדי להחליט אילו מהם מסוכנים. עם זאת, אפילו מומחים מתקשים כאשר התמונות בעלות ניגודיות נמוכה, תאורה לקויה או מכוסות שיער. המחקר הזה מציג מערכת בינה מלאכותית חדשה שנועדה לסייע: היא לא רק קובעת איזה סוג נגע קיים אלא גם מתארת במדויק את אזור הדאגה, אפילו בתמונות קשות.

עוזר דו-שלבי לרופאים

המחברים מציעים מערכת כפולה המשקפת את אופן עבודתו של רופא עור. ראשית, הדגם שלהם, שנקרא GlobalSkinNet, בוחן תמונת עור מוגדלת ומחליט באיזה סוג נגע סביר שמדובר, ומפריד בין גידולים שפירים לבין סרטן מסוכן כמו מלנומה. שנית, מודל משלים בשם SkinFormNet מקבל את אותה תמונה ומפיק מסכת סגמנטציה מפורטת שתוחמת את הנגע פיקסל אחר פיקסל. יחד, שני השלבים האלה מספקים תשובה של "מה זה?" ומפה ברורה של "איפה זה?" שיכולות לתמוך באבחון, בתכנון טיפול ובהשוואות מעקב לאורך זמן.

דרכים חדשות לזהות דפוסים בתמונות עור

מתחת למכסה המנוע, שני הדגמים משלבים שתי טכניקות בינה מלאכותית חזקות אך שונות. רשתות קונבולוציה טובות בזיהוי מרקמים ועצמים עדינים, כמו גבולות לא סדירים או שינויי צבע עדינים בנגע. רשתות טרנספורמר, שפותחו במקור לשפה, מצטיינות בהבנת הקשר גלובלי — למשל איך אזורים שונים בתמונה מתקשרים זה עם זה. GlobalSkinNet משתמש בטרנספורמר "קונטקסטואלי גלובלי" שמחלק את התמונה לתחומים חופפים ומיישם תשומת לב מקומית ורחבת היקף, מה שמאפשר לתפוס רמזים חזותיים זעירים תוך שמירה על צורת הנגע והסביבה. SkinFormNet משתמש במחלץ תכונות מבוסס טרנספורמר יחד עם מפענח בצורת U שמיישם שיקום הדרגתי של קווי המתאר כך שיתקבל קו מתאר חד ונקי של הנגע.

נבדק על נתונים מעולם האמיתי, לא מושלמים

חוזקה מרכזית של עבודה זו היא טווח הבדיקה הרחב. מחקרים קודמים רבים נשענו על אחד או שניים ממאגרי נתונים מסודרים בלבד, אך המערכת הזו הוערכה על כמעט כל אוספי התמונות הדרמוסקופיות הציבוריים הגדולים, כולל PH2, HAM10000 ואתגרי ISIC משנים 2016 עד 2020. מאגרי הנתונים האלה שונים בסוג המצלמה, בתאורה, באיכות התמונה ובאוכלוסיות המטופלים, וכוללים נגעים שפירים וממאירים. למרות השונות הזו, GlobalSkinNet מגיע לדיוק של כ-97–100% בכמה ממאגרי הנתונים ושומר על רגישות גבוהה למלנומה, הצורה הקטלנית ביותר של סרטן העור. גם SkinFormNet משיג חפיפה גבוהה מאוד בין המסכות החזויות שלו לקווי המתאר שציירו מומחים, ולעתים עולה על שיטות מובילות קודמות.

מסתכלים בתוך החלטות המודל

מאחר שבינה מלאכותית רפואית חייבת להיות אמינה, החוקרים גם חקרו מה המערכת שלהם למעשה "מביטה" בו. באמצעות טכניקת ויזואליזציה שמדגישה את אזורי התמונה המשפיעים ביותר על החלטה, הם מראים שהמודל נוטה להתמקד באזורים קליניים משמעותיים: גבולות לא סדירים, שינויים בצבע וחוסר סימטריה בנגע, בעוד שהוא מתעלם ברובו מרקע העור, שיער וסרגלים. כאשר המערכת נכשלה, השגיאות שלה מזכירות מקרים שקשה גם לבני אדם, כגון גבולות מטושטשים מאוד או נגעים שנמזגים בהדרגה לעור תקין. ניתוחים אלה מצביעים על כך שהתנהגות המודל מותאמת לאופן שבו דרמטולוגים שוקלים סיכון, ולא על סמנים מקריים.

מה המשמעות לבדיקה עתידית של העור

במילים פשוטות, המחקר מציג עוזר בינה מלאכותית שיכול גם לתייג שהקעקוע החשוד וגם לצבוע בצורה מדויקת את צורתו, אפילו כאשר התמונה רועשת או מוארת באופן לא אחיד. על ידי שילוב שתי משפחות נוירונים משלימות, המסגרת מציעה ביצועים אמינים יותר מאשר כלים קודמים ממוקדי-מטרה בודדה. למרות שעדיין דרושות בדיקות קליניות בעולם האמיתי ולגרסאות קלות יותר למכשירים יומיומיים, העבודה מצביעה על עתיד שבו דרמטולוגים יוכלו להשתמש במערכות כזו כזוג עיניים משני — לסייע לאתר סרטן מסוכן מוקדם יותר, להפחית ביופסיות מיותרות ולשפר בסופו של דבר את תוצאות המטופלים.

ציטוט: Yousaf, N., Amin, J., Butt, W.H. et al. Advanced hybrid transformer CNN framework for improved skin lesion classification and segmentation. Sci Rep 16, 13592 (2026). https://doi.org/10.1038/s41598-026-43376-0

מילות מפתח: סרטן העור, דרמוסקופיה, למידה עמוקה, דימות רפואי, סגמנטציה של נגעים