זיהוי הגדרות שסתום Certas Plus בסריקות CT בעזרת בינה מלאכותית

מדוע זה חשוב לאנשים עם מנקזי נוזל מוחי

רבים מהאנשים עם מצב שנקרא הידרוצפלוס מסתמכים על צינורות זעירים מושתלים, הנקראים שנטות, כדי לנקז נוזל עודף מהמוח. שנטות אלה כוללות שסתום קטן מתכוונן שרופאים יכולים להגדיר כמו חוגה כדי לשלוט בכמות הנוזל שמוזרמת החוצה. אם ההגדרה שגויה או שהשסתום מתקלקל, המטופלים עלולים למחול מאוד, ורופאים זקוקים לעתים קרובות לתשובות מהירות בסריקות מוח. המחקר הזה בוחן האם בינה מלאכותית (AI) יכולה לקרוא את הגדרות השסתום ישירות מסריקות CT שגרתיות, ובכך לחסוך זמן, בדיקות נוספות ואפילו העברות לבית חולים.

האתגר של קריאת חוגה זעירה בתוך הראש

למטופלים עם שנטות מתכווננות, ידיעת הגדרת השסתום הנוכחית היא קריטית. ההגדרה עלולה להשתנות בטעות, למשל לאחר חשיפה למגנטים חזקים במכונות MRI, מה שיוביל לניקוז יתר או לחוסר ניקוז. בתיאוריה, רופאים יכולים לראות את ההגדרה בצילומי רנטגן מיוחדים או עם כלי נייד, אבל במציאות רבים מהבתי חולים מצוידים בעיקר בסורק CT. לצערנו, החלקים המתכתיים בשסתום וטבעו התלת־ממדי של תמונת ה-CT מקשים על קריאת הסמן הקטן, אפילו עבור נוירוכירורגים מנוסים. במחקר זה התמקדו החוקרים בדגם נפוץ אחד, שסתום Certas Plus, ושאלו האם מערכת AI יכולה לקבוע את הגדרה בצורה אמינה מתוך סריקות CT סטנדרטיות.

הפיכת תמונות CT לזווית פשוטה

הצוות אסף 391 סריקות CT של הראש ממטופלים שהותקן אצלם שסתום Certas Plus במהלך שבע שנים. עבור כל סריקה הם ודאו שההגדרה המתועדת בתיק הרפואי תואמת את מה ששני נוירוכירורגים ראו בתמונות, וכך יצרו אמת יסודית חזקה. לאחר מכן השתמשו בסוג מודרני של בינה מלאכותית לתמונות תלת־ממדיות, שנקרא רשת נוירונים בצורת U, כדי ללמד מחשב למצוא חמישה סימני מתכת קטנים בתוך כל שסתום. לאחר מיקום הסמנים, תוכנה מותאמת חישבה את מרכז כל אחד מהם ושחזרה את כיווניות השסתום. על ידי השוואת הקו העובר דרך שני מגנטים מיוחדים עם הקו דרך סמני ייחוס אחרים, התוכנה מדדה זווית, שניתן היה לתרגם לאחת משמונה ההגדרות האפשריות של השסתום.

כמה טוב המחשב התאמה להגדרות במציאות

בקבוצת מבחן נפרדת של 75 סריקות CT, מערכת ה-AI איתרה בהצלחה את הסמנים וחישבה זווית ב-97.3% מהמקרים. היא חזרה על ההגדרה המתועדת בדיוק ב-81.3% מהסריקות. באופן חשוב, כאשר המערכת "טעתה", היא כמעט תמיד בחרה בהגדרה שנמצאת ישירות ליד ההגדרה האמיתית על החוגה, ולא קפצה מהגדרת זרימה נמוכה מאוד לסגירה מלאה. מאחר שהשסתום עצמו ניתן לכוונון ברצף בין המיקומים המסומנים, גם הכלים הרשמיים מתקשים להבחין בין הגדרות סמוכות. כאשר החוקרים נחשבו תחזית כקבילה אם הייתה ההגדרה הנכונה או אחת שלב אחד ממנה, הביצועים הכוללים עלו ל-96%, שזו טענה שהם מציגים כמשמעותית להחלטות קליניות יומיומיות.

מה זה עשוי לשנות בטיפול היומיומי

טיפול בהידרוצפלוס יקר, ועלות משמעותית נובעת מהעברת מטופלים בין בתי חולים לבדיקות מומחים. אם סריקת CT שגרתית בביה"ח קטן תוכל להיבדק באופן אוטומטי כדי לאשר שההגדרה של השסתום סבירה, חלק מההעברות האלה עשויות להימנע. דגם ה-AI גם מייצר קווי מתאר צבעוניים של חלקי השסתום על התמונה, כך שמטפלים יכולים לבדוק חזותית ולאמת את מה שהמחשב עשה במקום להסתמך בעיוורון על מספר יחיד. אף שהמחקר בוצע במרכז יחיד עם סורקי CT בעיקר מיצרן אחד, התוצאות מרמזות כי קריאה אוטומטית של הגדרות שסתומים אפשרית טכנית.

לאן זה עשוי להוביל בהמשך

המחברים מסכמים כי בינה מלאכותית יכולה לזהות באופן אמין את ההגדרות של שסתומי Certas Plus על סריקות CT, ולהשיג דיוק המתחרה במומחים אנושיים וסביר לתמוך בטיפול הקליני בפועל. הם מדגישים כי נדרשים מחקרים רחבים יותר, רב־בייתיים, כדי לאשר שהשיטה עובדת על פני סורקים וסוגי מטופלים שונים, וכן להתאים אותה לסוגי שסתומים נוספים או לחולים עם יותר משסתום אחד. אם מאמצים אלה יצליחו, מטופלים עתידיים עם הידרוצפלוס יוכלו לקבל בדיקה מהירה ובטוחה של הגדרות השסתום מתוך סריקות שהם כבר מקבלים, מה שיקטין את הצורך בהדמיות נוספות ויעזור לרופאים לזהות בעיות בשנט מוקדם יותר.

ציטוט: Scheffler, P., Shah, M., Amirah, R. et al. AI-based detection of Certas Plus shunt valve settings in CT scans. Sci Rep 16, 9647 (2026). https://doi.org/10.1038/s41598-026-45388-2

מילות מפתח: הידרוצפלוס, שאגת נוזל מוחי שילוח, טומוגרפיית ממוחשבת, בינה מלאכותית בתחום הדימות הרפואי, שסתום ניתן לתכנות