סגמנטציה מבוססת למידה עמוקה רב-ממדית והערכת נפח נוזל בסינוס הספנויד על CT שלאחר המוות במקרים של טביעה

מדוע זה חשוב מעבר לחדר העבודה הפתולוגי

כשמישהו נמצא מת במים, אפילו רופאים משפטיים מנוסים עלולים להתקשות לקבוע בוודאות אם האדם טבע או נפטר מסיבה אחרת קודם לכן. רמז עדין אחד הוא נוזל שמתאסף בכיס אוויר קטן עמוק מאחורי האף, הקרוי הסינוס הספנואידי. מדידת אותו נוזל ב-CT שנעשה לאחר המוות עשויה לסייע, אך המדידה הידנית איטית ותלויה במידה רבה במי שקורא את התמונות. המחקר בוחן האם טכניקות מודרניות של ראייה ממוחשבת יכולות לזהות ולמדוד את הנוזל באופן אוטומטי, ולהציע תמיכה מהירה ועקבית יותר לחקירות טביעה מסובכות.

כיס חבוי עם רמזים חשובים

במקרי טביעה, נוזל לעתים חדר לסינוסים הפרנאזליים, חדרים זעירים בעצמות הפנים. הסינוס הספנואידי, שממוקם עמוק בתוך הגולגולת, מעניין במיוחד מאחר שנוזל שנצבר שם יכול להיבדק לאצות זעירות ולרמות מלח שמרמזות אם האדם טבע במי מתוקים או במי ים. עבודות קודמות הראו ש-CT שנלקח לאחר המוות יכול בקירוב להתאים לנפחי הנוזל שמדדו למעשה בבית החולים המשפטי. אך לצורך קבלת מספרים אלה, מומחים נאלצו למפות את אזור הנוזל פרוסה אחר פרוסה על המחשב — משימה מייגעת שקשה לתקנן ובלתי מעשית לטיפול בכמות גדולה של מקרים.

להדריך מחשבים לזהות נוזל

צוות המחקר פנה למשפחת מערכות לניתוח תמונה שמשמשת רבות בדימות הרפואי, המוכרת כמודלי למידה עמוקה בסגנון U-Net. הם אספו סריקות CT שלאחר המוות מ-165 אנשים שמוותם כתוצאה מטביעה אושר בבית החולים המשפטי. צופה מנוסה שרטט ידנית את הנוזל בסינוס הספנואידי כדי ליצור מפת ייחוס שהמחשב ילמד ממנה. המקרים חולקו לקבוצות אימון, אימות ומבחן כדי שהמודלים יוערכו על נתונים שלא נראו קודם לכן. המדענים לבנאו שלוש גרסאות של המערכת: אחת שבוחנת פרוסות CT בודדות (2D), אחת שבוחנת כל פרוסה יחד עם שתי השכנות שלה (2.5D), ואחת שיוצרת ניתוח של בלוקים תלת‑ממדיים קטנים של הראש בבת אחת (3D).

כמה טוב המודלים עבדו

כל שלושת המודלים הצליחו לסמן את נוזל הסינוס הספנואידי בסריקות המבחן באופן שהתאים במידה רבה למומחה האנושי. הגישות 2D ו-2.5D היו האמינות ביותר בעקיבת הצורה והגבולות של הנוזל, בעוד הגרסה התלת‑ממדית הייתה פחות מדויקת ובעלת שונות גבוהה יותר ממקרה למקרה. כאשר הצוות המיר את קווי המתאר הללו לנפחי נוזל ממשיים, הערכות האוטומטיות היו בתוך חלקי מיליליטר מהערכים הייחוסיים, וההבדלים לא היו משמעותיים סטטיסטית. הנפחים החזויים והידניים זזו בסנכרון, עם מתאמים מאוד חזקים בכל שלושת המודלים, מה שמרמז כי המדידות המיוצרות על ידי המחשב יכולות להחליף מדידות ידניות המצריכות עבודה רבה.

מדוע גישה בינונית ניצחה

מודל 2.5D, שבוחן פרוסה יחד עם שכנותיה המיידיות, הציע את האיזון הטוב ביותר בין דיוק לפרקטיות. הוא נהנה מקונטקסט תלת‑ממדי מסוים, שעוזר להבחין בין נוזל אמיתי לעצם ורקמות רכות קרובות, ובו בזמן נמנע מדרישות חישוביות כבדות וחוסר יציבות שעלולים להעמיד אתגר בדגמי 3D מלאים — במיוחד כשהמבנה המעניין קטן ומופיע רק בכמה פרוסות. עבור מרכזים משפטיים עמוסים שעשויים לעבד מקרים רבים עם כוח מחשוב מוגבל, אסטרטגיה בינונית זו יכולה להיות הבחירה המציאותית ביותר לשימוש שגרתי.

מה זה אומר לחקירות מוות בעתיד

עבור לא‑מומחים, המסקנה המרכזית היא שמחשבים יכולים כעת לזהות ולמדוד באופן אמין כיס נוזל קטן עמוק בתוך הראש ב-CT שלאחר המוות, בביצועים שקרובים מאוד לאנשי מקצוע מנוסים. המחקר מצביע על כך שניתן לייצר מדידות אוטומטיות במהירות ובעקביות, ובכך לפתוח אפשרות לשימוש בנתוני CT כתמיכה באבחון טביעה כבר לפני פתיחת הגופה. על אף שעבודה ממקום יחיד זו צריכה עוד להיבדק באופן רחב ולהיות מורחבת גם לסינוסים אחרים ולמקרים שאינם טביעה, היא מצביעה על עתיד שבו ניתוח תמונות מתקדם מחזק בשקט את הראיות שמאחורי כמה מהשאלות המאתגרות ביותר ברפואה המשפטית.

ציטוט: Heo, JH., Kim, MJ., Jang, S.J. et al. Multi-dimensional deep learning–based segmentation and volumetric assessment of sphenoid sinus fluid on postmortem CT in drowning cases. Sci Rep 16, 13800 (2026). https://doi.org/10.1038/s41598-026-44094-3

מילות מפתח: אבחון טביעה, CT שלאחר המוות, דימות משפטי, למידה עמוקה, נוזל בסינוס