פנוטיפציה אוטומטית של מחלות עיניים מתוך רשומות רפואיות שגרתיות באמצעות מודלים שפה קטנים ואונטולוגיית תסמיני האדם (HPO)

מדוע קריאה חכמה יותר של הערות רופאי עיניים חשובה

כל ביקור אצל רופא עיניים מייצר מכתב או דוח מלא תצפיות על עיני המטופל. הערות אלו חיוניות לטיפול, אך נכתבות בטקסט חופשי, לעתים בשפות שונות וכל רופא משתמש בניסוחו. זה מקשה על שילוב מידע בין מרפאות, בניית רישומים מחקריים גדולים או מציאת מטופלים עם בעיות דומות במהירות. המחקר מראה כיצד מערכת בינה מלאכותית (AI) שעוצבה בקפידה יכולה להפוך אוטומטית את הנרטיבים המבלבלים האלו לרשימת ממצאי עיניים סטנדרטית ונקייה — מבלי לשלוח נתוני מטופלים רגישים לענן.

הפיכת רשומות יומיומיות לנתונים מובנים

החוקרים התמקדו בכלי הנקרא Human Phenotype Ontology, קטלוג עולמי של תכונות רפואיות המוגדרות precisely, כולל תכונות עיניים. במקום להסתמך על רופאים שיחפשו ויקצו ידנית קודים אלה — תהליך גוזל זמן וחסר עקביות — הם בנו צנרת AI שקוראת מכתבי אופתלמולוגיה שגרתיים ומפיקה את המונחים הסטנדרטיים המתאימים. המטרה הייתה ללכוד את העושר שבפניית הקליניקה האמיתית תוך הפיכתם לשימושיים למחקר, בקרת איכות ורישומים רב‑מרכזיים.

מסע שלב‑אחר‑שלב מטקסט לממצאי עין

הצנרת פועלת בארבעה שלבים עיקריים. קודם כל, רשומות מרפאת עיניים שאותרו והוסרו מהן מזהים וכתובות בגרמנית מתורגמות לאנגלית על ידי מודל שפה קומפקטי המותאם עם דוגמאות פרומפט. שנית, המערכת מפרקת תיאורים ארוכים לקטעים קצרים, שכל אחד מהם מתאר מאפיין יחיד של החלק הקדמי או האחורי של העין. שלישית, היא מסננת ממצאים נורמליים ומזהה מתי מחלה נשללה במפורש, כך שרק בעיות אמיתיות נשמרות. לבסוף, כל קטע נשאר מומר ל"הטמעה" מתמטית ומותאם להיכנס הקרוב ביותר בגרסה מורחבת ורב‑לשונית של Human Phenotype Ontology, מה שמניב מונח פנוטיפ עיני ספציפי וסטנדרטי.

להכשיר את המערכת לשפת טיפולי העין

מכיוון שרבים ממחלות העין הספציפיות או ניסוחים מקומיים חסרו בקטלוג הסטנדרטי, הצוות בנה רשימת מילים נרדפות מקומית המותאמת למרפאתם. בכל פעם שהמערכת בחרה במונח הלא נכון עבור קטע טקסט, מומחים תיקנו והוסיפו את הביטוי כמילה נרדפת חדשה לקוד הנכון. תהליך "מומחה בלולאה" זה חזר על עצמו על כ‑10,000 דוחות רפואיים. פנוטיפים עיניים חדשים שטרם היו קיימים באונטולוגיה הגלובלית הוצעו חזרה לקונסורציום הבינלאומי של Human Phenotype Ontology, וסייעו לשפר את הסטנדרט המשותף למשתמשים עתידיים.

כמה טוב ה‑AI היה מסכים עם מומחים אנושיים

כדי לבחון ביצועים, החוקרים בחרו באקראי 175 תיקי מטופלים אמיתיים ובקשו מאופטלמולוג מנוסה לתייגם ידנית עם מונחי האונטולוגיה. בממוצע, בני אדם מצאו 2.53 ממצאי עין רלוונטיים לכל מכתב, בעוד ה‑AI הפיק 2.52 — כמעט זהה. מתוך 342 מונחים שזוהו על‑ידי בני אדם, המערכת אחזרה 341. מדדי דיוק מרכזיים היו חזקים: החפיפה בין קבוצות המונחים של ה‑AI ושל האדם (דמיון ג'אקרד) עמדה על כ‑שני שלישים, ומאזן הנכונות והשלמות (ציון F1) היה כ‑0.80, השווה לכלים חדישים בתחומי רפואה אחרים. רוב השגיאות הנותרות קרו כאשר המונח הנדרש פשוט עדיין לא היה קיים באונטולוגיה.

שמירת פרטיות בעת חיבור נקודות המידע

מאפיין בולט של הגישה הזו הוא שהיא רצה במלואה על חומרה מקומית בבית החולים, מה שעוזר למרפאות לעמוד בכללי הגנת נתונים מחמירים ובאותו זמן לשחרר את הערך שברשומותיהן. בעזרת המרת הערות טקסט חופשי לקודים סטנדרטיים שאינם מכילים שמות או מזהים ישירים, המערכת תומכת בשיתוף נתונים בטוח יותר לרישומים ולמחקרים. העיצוב המודולרי שלה מאפשר לבתי חולים אחרים להתאים אותה לניסוחים ולקיצורים שלהם על‑ידי שינוי הפרומפטים והרחבת רשימות המילים הנרדפות, מבלי הצורך לאמן מחדש מודלי AI גדולים.

מה זה יכול להעניק למטופלים ולמחקר העיניים

בעבור מטופלים, סוג זה של פנוטיפציה אוטומטית עשוי להביא לזיהוי מהיר יותר של דפוסים נדירים של מחלה ולקישור טוב יותר של טיפולים שניתן לחקור ולהשוות בין מרכזים. עבור רופאים וחוקרים, זה מבטיח סקירות מהירות יותר של מקרים, רישומים מלאים יותר ופחות שעות עבודה על קידוד ידני. המחברים מסכמים כי צנרת AI מבוססת שליפה — מבוססת אונטולוגיה רפואית אמינה ומותאמת לשפת המרפאה המקומית — יכולה לתרגם בדיוק הערות אופתלמולוגיה שגרתיות לנתונים מובנים ומוכנים למחקר, ובכך לסלול את הדרך לשימוש רחב יותר ב‑AI בטיפול העיני היומיומי.

ציטוט: Thai, B.D., Arens, S., Reinhard, T. et al. Automated phenotyping of ophthalmologic diseases from routine medical records using small language models and the human phenotype ontology (HPO). Sci Rep 16, 14682 (2026). https://doi.org/10.1038/s41598-026-51512-z

מילות מפתח: אופתלמולוגיה, כריית טקסט קליני, פנוטיפציה, אונטולוגיות רפואיות, אינטראופראביליות של נתוני בריאות