פיתוח ואימות של מודל חיזוי מובן לסיכון של ניתוח חוזר בלתי מתוכנן במטופלים שעברו ניתוח גידול תוך-גולגולתי

מדוע ניתוח מוח נוסף עדיין משמעותי

עבור אנשים המתמודדים עם ניתוח גידול מוחי, ההליך הוא רק תחילת תקופה ארוכה ועדינה של החלמה. אחד מהמכשולים החמורים ביותר הוא החובה לחזור באופן בלתי צפוי לחדר הניתוח זמן קצר לאחר הניתוח הראשון. המחקר הזה ממחלקה גדולה בסין שואל שאלה פרקטית עם השלכות אנושיות אמיתיות: האם רופאים יכולים להשתמש במידע שכבר נאסף כדי לזהות, מוקדם ככל האפשר, אילו מטופלים נמצאים בסיכון הגבוה ביותר לצורך ניתוח שני בלתי מתוכנן — ולפעול בזמן כדי למנוע זאת?

בעיות אחרי ניתוח גידול מוחי

סרטן המוח ומערכת העצבים המרכזית הם מהמחלות ההרסניות ביותר בעולם, עם מאות אלפי מקרים חדשים ותמותה מדי שנה. הניתוח הוא לעתים קרובות הצעד המרכזי בטיפול, ומאפשר להסיר כמה שיותר מהגידול בבטחה. אף על פי שהניתוח יכול להצליח, סיבוכים חמורים כגון דימום, זיהום, הצטברות נוזלים או בצקת עלולים לכפות ניתוח חוזר בתוך חודש. ניתוחים חוזרים בלתי מתוכננים אלו מלחיצים, מסוכנים ויקרים, ומשמשים באופנים בינלאומיים מדד לאיכות הכירורגיה. שיעורי הדיווח בחולי גידול מוחי נעים סביב 3 עד 17 אחוזים, אך עד כה לרופאים היו כלים מעט בלתי מדויקים להערכת מי בסיכון הגבוה ביותר.

להפוך רשומות בית חולים לאזהרות

צוות המחקר בחן רשומות אלקטרוניות של 825 מבוגרים שעברו ניתוח גידול תוך-גולגולתי בבית החולים הראשון המשוייך לאוניברסיטת סיאן ג׳יאוטונג בין תחילת 2023 לתחילת 2024. לאחר יישום קריטריונים קפדניים להכללה, נותרו 567 מטופלים, מתוכם 49 (כ־9 אחוז) נזקקו לניתוח שני בלתי מתוכנן בתוך 30 יום. החוקרים חלקו את הקבוצה למערך אימון גדול יותר ולמערך בדיקה קטן יותר, ואז הזינו עשרות פרטים קליניים שגרתיים לשיטות חיזוי מבוססות מחשב שונות. הפרטים כללו גיל, מין, מחלות נלוות כמו יתר לחץ דם וסוכרת, ציון קצר לשברירות המשקף עמידות כללית, סוג ומיקום הגידול במוח ותכונות הניתוח עצמו — משך הניתוח והאם המטופל הופרדר ליחידת טיפול נמרץ.

איתור הרמזים המכריעים

כדי למנוע עומס יתר של המודלים עם אותות חלשים, הצוות השתמש ראשית בשיטת סטטיסטית הנקראת LASSO כדי לסנן את גורמי החיזוי המידעיים ביותר. כך נותרו 11 גורמים מרכזיים, לרבות משך הניתוח, מיקום הגידול, סוג הגידול, האם הגידול שפיר או ממאיר, מדד השברירות, סוכרת, אי-ספיקת לב וצורך בטיפול נמרץ. נבנו והושוו חמש שיטות חיזוי שונות, מהלוגיסטית רגרסיה המוכרת ועד טכניקות למידת מכונה מתקדמות כמו יערות אקראיים וגרדיאנט בוסטינג. באופן מפתיע, המודל הפשוט ביותר — רגרסיה לוגיסטית — הציג את הביצועים הטובים ביותר. הוא הבחין נכון בין מטופלים בסיכון גבוה לנמוך עם מדד דיוק (AUC) של 0.84 בקבוצת האימון ו־0.77 בקבוצת הבדיקה, כאשר הסיכונים החזויים התאימו קרוב למה שקרה בפועל.

להפוך תיבות שחורות לברי-הבנה

רופאים חשדנים בצדק כלפי מערכות ממוחשבות שנותנות תשובות בלי הסברים. כדי לפתוח את ה"תיבה השחורה" הזו, החוקרים השתמשו בשיטה הנקראת SHAP, שמדגימה כיצד כל גורם מעלה או מוריד את הסיכון של מטופל בודד. לאורך כל הקבוצה, ניתוחים ארוכים יותר, מיקומי גידול שקשה להגיע אליהם, ציוני שברירות גבוהים וסוגי גידול ממאירים היו האותות החזקים ביותר לתוצאה בעייתית. לצד המיטה, דיאגרמות SHAP למטופלים בודדים הראו, למשל, כיצד ניתוח קצר וציון שברירות נמוך יכולים לנטרל חששות אחרים, או כיצד שילוב של ניתוח ארוך, סוכרת ושהייה בטיפול נמרץ יכול לדחוף את הסיכון גבוה מאוד. כדי להכניס זאת לשימוש יומיומי, הצוות עטף את המודל הסופי בכלי רשת פשוט: קלינאים יכולים להזין את 11 התכונות בעת עזיבת המטופל את חדר הניתוח ולקבל מיד הערכת סיכון יחד עם פירוט חזותי של הגורמים.

מה זה אומר למטופלים וצוותי הטיפול

המחקר מראה שמידע שכבר נאסף בטיפול שגרתי בבית החולים יכול להפוך לציון סיכון ברור ומובן לצורך ניתוח שני בלתי צפוי במוח. אמנם העבודה מגיעה ממרכז יחיד ונדרשת האמתה במרפאות ובמדינות נוספות, אך היא מציעה עתיד שבו צוותי ניתוח יוכלו לזהות במהירות מטופלים פגיעים, לעקוב אחריהם מקרוב יותר ולהתאים תכניות טיפול כדי למנוע סיבוכים קשים. עבור מטופלים ובני משפחותיהם, משמעות הדבר יכולה להיות פחות הפתעות אחרי ניתוח שכבר מעורר דאגה, אשפוזים קצרים יותר וסיכוי גבוה יותר שמספיק ניתוח מוח אחד.

ציטוט: Ye, X., Li, H., Zhang, X. et al. Development and validation of an interpretable prediction model for the risk of unplanned reoperation in patients underwent intracranial tumor surgery. Sci Rep 16, 14448 (2026). https://doi.org/10.1038/s41598-026-43594-6

מילות מפתח: ניתוח גידול מוחי, ניתוח חוזר בלתי מתוכנן, חיזוי סיכון, למידת מכונה, שברירות