דירוג ואבחון אוטומטיים של דלקת הסקרואיליאיטיס בתמונות CT באמצעות רשת עצבית קונבולוציונית תלת־ממדית: מחקר רטרוספקטיבי רב‑מרכזי

מדוע זה חשוב לכאבי גב ולבריאות המפרקים

כאבי גב תחתון המופיעים בבגרות המוקדמת ומחמירים בהדרגה עשויים להצביע לעיתים על ספונדיליטיס אנקילוזית, סוג כרוני של דלקת מפרקי עמוד השדרה. רופאים מסתמכים על הדמיה מפורטת של מפרקי הסקרואיליאק—הנקודה שבה עמוד השדרה פוגש את האגן—כדי לזהות נזק מוקדם ולהנחות טיפול. עם זאת, קריאת תמונות אלה יכולה להיות מורכבת ומומחים שונים עלולים לא להסכים. במחקר זה נבדק האם צורה עכשווית של בינה מלאכותית יכולה ללמוד לקרוא סריקות CT של המפרקים הללו בעקביות, לסייע לתפוס מחלה חמורה מוקדם יותר ולתמוך ברופאים במרפאות העמוסות.

המפרקים החבויים בבסיס עמוד השדרה

מפרקי הסקרואיליאק נמצאים עמוק בתוך האגן ונושאים את משקל הגוף העליון אל הרגליים. בספונדיליטיס אנקילוזית יכול דלקת ממושכת לשחוק את המפרקים בהדרגה ולבסוף לאחותם לעצם מוצקה, מה שמוביל לכאב, נוקשות ופגיעה בתנועה. הרופאים מדרגים את הנזק בסולם חמש‑שלבי, מהתקין ועד איחוי מוחלט. השגת דרגה מסוימת מאשרת את האבחנה ומעצבת את החלטות הטיפול. עם זאת, בצילומי רנטגן סטנדרטיים השינויים המוקדמים בדלים, ואפילו רדיולוגים מנוסים לעיתים אינם מסכימים על הדרגה המתאימה. אמנם סריקות CT חושפות את פרטי העצם בצורה ברורה יותר, דירוג שיטתי של אלפי סריקות הוא תהליך גוזל זמן ורבים מבתי החולים חסרים קוראים בעלי התמחות צרה.

ללמד מחשב לראות כפי שרדיולוגים רואים

החוקרים בנו מערכת אוטומטית המדמה את גישתו של מומחה זהיר כלפי סריקת CT, אך בתלת־ממד ובמהירות גבוהה. תחילה מודל סגמנטציה מבודד את עצמות האגן משאר הסריקה, ומרכז את הניתוח באזור הרלוונטי. לאחר מכן מודל שני—מבוסס על ארכיטקטורת למידה עמוקה מסוג 3D DenseNet—בוחן את מבני העצם פרוסה אחר פרוסה ומייצר דירוג. הצוות אימן את המערכת באמצעות סריקות CT של 2,144 אנשים, כולל בריאים וחולים עם חשד לספונדיליטיס אנקילוזית. שלושה רדיולוגים דירגו כל סריקה לפי קריטריונים בינלאומיים, וכל מחלוקת הוסבה על‑ידי מומחה בכיר, ויצרה קבוצת אימון מחמירה עבור ה‑AI.

כמה טוב ה‑AI זיהה נזק מפרקי

כאשר התבקש להבחין בין חמש דרגות הנזק המסורתיות, ביצועי ה‑AI היו חזקים באופן כללי ומצוינים במחלת השלב המתקדם ביותר. יכולתו להפריד בין מפרקים נורמליים ומפרקים מאוחדים לחלוטין לבין שאר הדרגות הייתה גבוהה במיוחד, בהתאמה למה שמצופה מקוראים אנושיים מיומנים. המערכת הייתה פחות החלטית במידת מה בהבחנה בין הנזק המוקדם ביותר לשינויים קלים מאוד—בדיוק הטווח שבו רופאים עצמם לרוב מהססים, כי הסימנים מטשטשים זה את זה. כדי להתאים טוב יותר לקבלת החלטות קלינית יומיומית, הקבוצה גם קיבצה את חמש הדרגות לשלוש קטגוריות רחבות יותר: תקין או חשוד, נזק מבני חד־משמעי, ואיחוי מתקדם. בתצורה המפושטת הזו ה‑AI הפך אפילו לאמין ויציב יותר.

להוכיח שזה עובד מעבר לבית חולים אחד

שאלה מרכזית לכל כלי AI היא האם הוא עובד רק במקום בו נוצר או גם בבתי חולים אחרים עם סורקים ואוכלוסיות שונות. כדי לבדוק זאת, החוקרים העריכו את מודל שלוש‑הקטגוריות שלהם על סריקות CT משני מרכזים נוספים שלא שימשו באימון. המערכת שמרה על דיוק וביטחון גבוהים, הבדילה נכון בין אנשים ללא נזק מבני לאלה עם מחלה ברורה וזיהתה את רוב מקרי האיחוי המתקדם. טכניקות ויזואליזציה הראו שהמודל התמקד באזור שבו אדם היה מסתכל—מפרקי הסקרואיליאק עצמם—ולא באנטומיה לא קשורה, מה שהגביר את אמון הקלינאים בהחלטותיו.

לעבוד לצד רדיולוגים, לא להחליפם

הצוות גם בדק מה קורה כאשר רדיולוגים משתמשים בהצעות ה‑AI בעת דירוג סריקות. שני קוראים מנוסים דירגו תחילה תמונות באופן עצמאי, ואז סקרו את אותן מקרים עם פלט המודל. בעזרת חוות‑דעת דיגיטלית שנייה זו, שניהם שיפרו את הדיוק בכ־7–8 נקודות אחוז, וההסכמה ביניהם עלתה באופן ניכר. ה‑AI לא הסיר את כל אי‑הוודאות, במיוחד במקרים מוקדמים בקצה הגבול, אך הוא צמצם מחלוקות וסיפק תמיכה עקבית, בייחוד בזיהוי נזק מתקדם יותר.

מה המשמעות לחולים ולטיפול בעתיד

במונחים מעשיים, עבודה זו מראה שמערכת למידה עמוקה תלת‑ממדית מתוכננת היטב יכולה לדרג אוטומטית נזק למפרקי הסקרואיליאק בסריקות CT בעקביות הרמה המתחרה בקוראים מומחים. בשימוש כעוזר ולא כתחליף, היא עשויה לסייע לתפוס שינויים מבניים חמורים מוקדם יותר, לאחיד אבחנות בין בתי חולים ולהפנות את הרדיולוגים למקרים המורכבים ביותר. המחברים מציינים ש‑CT חושף נזק רק אחרי שהפך לקבוע, ולכן MRI ושיקול clínי נשארים חיוניים לזיהוי המחלה המוקדמת ביותר. יחד עם זאת, כחלק מארגז כלים רחב יותר, הגישה המונעת‑AI הזו מציעה צעד מבטיח לכיוון טיפול אובייקטיבי וחוזר־נבדק לאנשים בסיכון לספונדיליטיס אנקילוזית.

ציטוט: Du, Yk., Liu, R., Guo, H. et al. Automated grading and diagnosis of sacroiliitis on CT images using a 3D convolutional neural network: a multicenter retrospective study. Sci Rep 16, 14099 (2026). https://doi.org/10.1038/s41598-026-44911-9

מילות מפתח: ספונדיליטיס אנקילוזית, דלקת הסקרואיליאטיס, הדמיית CT, למידה עמוקה, בינה מלאכותית ברדיולוגיה