Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

אבחון פציעות ברך לאחר סקי אצל מתבגרים באמצעות דימות תהודה מגנטית בעזרת למידה עמוקה

· חזרה לאינדקס

מדוע סריקות ברך חשובות לסקי־אים צעירים

הסקי מקבל פופולריות גוברת בקרב בני נוער, אך הוא גם חושף לסיכון ממשי לפציעות ברך שעלולות להשפיע הן על הביצועים והן על בריאות המפרק בטווח הארוך. רופאים מסתמכים על דימות תהודה מגנטית (MRI) כדי לראות לתוך הברך, אך קרעים קטנים ונזק ראשוני לסחוס עלולים להישמט כאשר הסריקות נקראות בעין. מחקר זה בוחן כיצד מערכת בינה מלאכותית יכולה לסייע לרדיולוגים לקרוא סריקות MRI של ברכיים של סקי־אים מתבגרים ביתר מהירות ובעקביות רבה יותר, ולגלות בעיות עדינות לפני שהן מחמירות.

כיצד סקי מעמיס על ברכיים צעירות

לסקי־אים מתבגרים יש שיעור גבוה של בעיות ברכיים, במיוחד קרע ברצועה הצולבת הקדמית ובקרעים במניסקוס, וכן נזקים לסחוס ומתיחות ברצועה הצדית המדיאלית. פציעות אלה עלולות להפריע לאימונים, להעלות את הסיכון לאוסטיאוארתריטיס בעתיד ואף לקצר קריירות ספורט. יחד עם זאת, בני נוער אינם פשוט מבוגרים קטנים: העצמות והסחוס שלהם עדיין מתפתחים, ולכן פציעות נראות שונות בסריקות ועלולות להתרחש במיקומים שונים ממבוגרים. על אף זאת, רוב הכלים הממוחשבים לקריאת MRI של הברך אומנו על תמונות של מבוגרים, כך שיש פער בתמיכה עבור מתחרים צעירים.

מגבלות קריאת סריקות בעין

אבחון סטנדרטי ב‑MRI תלוי במידה רבה במיומנות ובניסיון של הרדיולוג. קריאת סט מלא של פרוסות הברך פרוסה אחר פרוסה איטית ומעייפת, ופגמים זעירים בסחוס או קרעים חלקיים ברצועות עלולים להישמט. רופאים שונים עשויים גם לפרש את אותה סריקה באופן שונה, מה שמסבך החלטות טיפול. שיטות מחשוב מוקדמות ניסו לסייע על ידי מדידת תכונות פשוטות בתמונה והזנתן לאלגוריתמים קלאסיים, אך התקשו ללכוד את הדפוסים המורכבים הנדרשים להפרדה בין אנטומיה תקינה של מתבגרים לפציעה מוקדמת.

Figure 1. ממכה בסקי ועד קריאת MRI בעזרת בינה מלאכותית שמבהירה פציעות ברכיים אצל ספורטאים צעירים.
Figure 1. ממכה בסקי ועד קריאת MRI בעזרת בינה מלאכותית שמבהירה פציעות ברכיים אצל ספורטאים צעירים.

מודל חכם שמאתר ומזהה פציעות בו‑זמנית

החוקרים בנו מערכת היברידית בלמידה עמוקה שמבצעת שתי משימות במקביל: היא קודם כל מסמנת את האזורים הפגועים בסריקת ה‑MRI ולאחר מכן קובעת איזה סוגי פציעות קיימים. חלק אחד של המודל, בשם U Net++, מתפקד כמחבר דיגיטלי שמסמן ברמת הפיקסל ארבעה סוגי נזק: קרעים ברצועה הצולבת הקדמית, קרעים במניסקוס, פגיעה בסחוס ומתיחת הרצועה הצדית המדיאלית. העיצוב שלו מאפשר שימוש חוזר בפרטי תמונה ברמות סקאלה שונות וקבלת הדרכה נוספת במהלך האימון, מה שמועיל במיוחד ללזיהוי נגעים זעירים או חלשים. החלק השני, המבוסס על רשת בשם DenseNet121, לוקח גם את הסריקה המקורית וגם את האזורים המסומנים, לומד דפוסים ביניהם ומפיקה אילו פציעות קיימות בכל ברך.

בדיקה על סריקות MRI אמיתיות מסקי־אים צעירים

הצוות אימן והעריך את המערכת על 309 מקרים של סריקות MRI של ברכיים ממצטרפים מתבגרים בגילאי 12–18. רדיולוגים מנוסים שרטטו בקפידה את אזורי הפגיעה והגיעו להסכמה על התוויות הסופיות, מה שסיפק רפרנס איכותי למודל. התמונות כיסו מספר רצפי MRI נפוצים ותקננו את הגודל שלהן. במהלך האימון, המערכת נחשפה להרבה גרסאות מעט שונות של כל סריקה, כגון סיבובים קטנים ושינויים בכיוון הבהירות, כדי לעזור לה להתמודד עם וריאציה בעולם האמיתי. החוקרים השוו את הגישה שלהם לשיטות למידת מכונה מסורתיות המשתמשות בתכונות בעבודת יד, לרשת עמוקה פופולרית בשם ResNet50, ולשילוב פשוט יותר של מודלים נפרדים לסגמנטציה וסיווג.

Figure 2. כיצד צינור עיבוד מבוסס בינה מלאכותית ממיר ערמות פרוסות MRI של הברך למפות ברורות של סוגי פציעות שונים.
Figure 2. כיצד צינור עיבוד מבוסס בינה מלאכותית ממיר ערמות פרוסות MRI של הברך למפות ברורות של סוגי פציעות שונים.

כמה טוב המערכת עבדה

המודל ההיברידי הראה שיפורים ברורים הן בסימון והן בזיהוי פציעות. בממוצע, הסגמנטציה שלו התאימה היטב לשרטוטי הרדיולוגים, במיוחד בקרעי מניסקוס ובפגיעות רצועות, והוא שיפר את מיפוי הסחוס בהשוואה ל‑U Net סטנדרטי. בסיווג, הוא זיהה נכונה סוגי פציעות בכ‑90% מהמקרים, עם איזון גבוה בין קליטה של פציעות אמיתיות והימנעות מהתרעות שווא. המערכת התעלתה על שיטות מבוססות תכונה מסורתיות ועל ResNet50 בכל המדדים המרכזיים, ועשתה זאת עם יעילות אימון טובה יותר מאשר הרצת מודלים נפרדים.

מה המשמעות לספורטאים צעירים ומרפאות

פשוטו כמשמעו, המחקר מציע כי עוזר בינה מלאכותית מעוצב היטב יכול לסייע לרופאים לקרוא סריקות MRI של ברכיים של סקי־אים מתבגרים ביתר מהירות ובעקביות, במיוחד עבור פציעות קטנות או קלות להחמצה. על‑ידי הצבעה אוטומטית על אזורים חשודים והצגת סוגי הפציעה הסבירים בתוך שניות, כלי כזה יכול לצמצם ממצאים שהוחמצו, לתמוך ברדיולוגים פחות מנוסים ולהאיץ החלטות לגבי טיפול וחזרה לספורט. המחברים מציינים שעדיין דרושים נתונים מגוונים יותר ממספר בתי חולים, אך התוצאות שלהם מצביעות על כך שבינה מלאכותית עשויה להפוך לשותף מעשי בהגנה על ברכיים צעירות במדרונות.

ציטוט: Xu, W., Li, S., Zhang, G. et al. Magnetic resonance imaging diagnosis of knee injuries after skiing in adolescents under deep learning. Sci Rep 16, 15576 (2026). https://doi.org/10.1038/s41598-026-47058-9

מילות מפתח: MRI של הברך, פציעות סקי אצל מתבגרים, אבחון בלמידה עמוקה, דימות ברפואת ספורט, קרעים ברצועות וסחוס