ספקטומיקה ראמאן נטולת תווית מונחית בינה מלאכותית להערכה תוך‑ניתוחית של גידולי עמוד השדרה

תשובות מהירות יותר במהלך ניתוח בעמוד השדרה

כאשר מזהים גידול בעמוד השדרה, המנתחים לעתים קרובות נדרשים להחליט בתוך דקות עד כמה לנקוט בגישה ניתוחית אגרסיבית ומה יהיה הטיפול הבא. היום ההחלטות האלה עדיין מבוססות על בדיקות מעבדה שעלולות לקחת חצי שעה במיטב המקרים ולימים כשהמצב גרוע יותר. המחקר הנוכחי מציג דרך חדשה לקריאת מדגמים זעירים של גידולי עמוד השדרה בזמן כמעט אמת באמצעות שילוב של מיקרוסקופיה מבוססת לייזר ובינה מלאכותית, במטרה לספק למנתחים תשובות ברורות יותר בעוד המטופל עדיין על שולחן הניתוחים.

למה קשה לקבל אבחנה מהירה

גידולי עמוד השדרה מופיעים בכמה צורות נפוצות, כולל גידולים שמקורם בקרום המוח וחוט השדרה (מנינגיומות), גידולים של מעטפת העצבים (שוואנומות), גידולים מתאים המצפים את תעלת השדרה (איפה־נדימומות), ומשקעים מממאירויות במקום אחר בגוף (מסתמטי­­ות). בדיקות הדמיה כגון MRI יכולות להצביע על סוג הגידול, אך המראה לעתים חופף, ולחלק מהחולים אין אפשרות לבצע MRI בבטחה. במהלך הניתוח, פני השטח של הגידול נדירים מספקים תמונה מלאה. הסטנדרט הנוכחי הוא למהר לשלוח חתיכת רקמה למעבדת פתולוגיה, להקפיא ולפרוס אותה, לצבוע בחומרים כימיים, ולתת למומחה לבדוק אותה במיקרוסקופ. תהליך הסקשן המקפיא הזה דורש עבודה רבה, זמין רק בשעות העבודה, ועדיין עושה טעויות סיווג בשיעור בלתי מבוטל של גידולי עמוד השדרה.

מיקרוסקופ דיגיטלי מסוג חדש

החוקרים בנו על שיטת הדמיה מתפתחת שנקראת היסטולוגיית ראמאן מגרה. במקום להוסיף צבעים, הטכניקה מקרינה אור לייזר מותאם בקפידה על רקמה טרייה ולא מעובדת ורושמת כיצד המולקולות בדגימה רועדות בתגובה. האותות האלה מומרות לתמונות ברזולוציה גבוהה הדומות לשקפים הוורודים־סגולים המוכרים לפתולוגים, אך הן מופיעות בתוך דקות ואינן דורשות חיתוך או צביעה. מאחר שסוג הסורק הנייד הזה שימש כבר בכמה בתי חולים לניתוחי מוח, הקבוצה יכלה לאסוף תמונות של גידולי עמוד השדרה ממספר מרכזים באירופה ובארצות הברית ולבחון מערכת ניתוח חדשה בתנאים שדומים לחדרי ניתוח אמיתיים.

מלמדים בינה מלאכותית לזהות גידולי עמוד השדרה

על בסיס התמונות שנוצרו על ידי הלייזר, המחברים פיתחו פלטפורמת בינה מלאכותית שהם קוראים לה SpineXtract. במקום לאמן תוכנה פשוטה להתאמת דפוסים, הם חשפו תחילה רשת עצבית עמוקה למערך רחב ומגוון של תמונות מוח ועמוד שדרה כך שתלמד תכונות חזותיות כלליות של סוג רקמה זה. לאחר מכן הוסיפו מודול החלטה מבוסס טרנספורמר—ארכיטקטורה שתוכננה במקור לעיבוד שפה—שמתאמנת להתמקד בחלקים המידעיים ביותר של כל כתם תמונה זעיר. המערכת המלאה סורקת שקף שלם, מפרקת אותו למאות כתמים, מקצה לכל אחד הסתברות להשתייך לאחד מארבעת סוגי הגידולים העיקריים, ולאחר מכן משלבת אותן לאבחנה כוללת ומפת חום בצבעים שמדגישה את האזורים המודיים ביותר עבור המנתחים והפתולוגים.

כמה טוב המערכת עשתה את העבודה

הצוות בחן את SpineXtract על 142 תמונות שקפים מ‑44 מטופלים שטופלו בשלושה בתי חולים מרכזיים. עבור כל מטופל הם השוו את תשובת הבינה המלאכותית עם האבחנה הסופית שניתנה ימים לאחר מכן מבדיקות מעבדה קונבנציונליות. בכל ארבעת סוגי הגידולים, המערכת הבחינה ביניהם נכון עם דיוק מאוזן של כ־93 אחוז, כלומר גם החיוביים האמיתיים וגם השליליים האמיתיים היו גבוהים. היא הייתה אמינה במיוחד עבור מנינגיומות ושוואנומות, כשקרובה לביצועים מושלמים, ובעלת ודאות נמוכה מעט—אך עדיין שימושית בבירור—לגבי אפנדימומות, הידועות בכמה הן שינויניות במראה. קריטי לציון, התוצאות היו עקביות בין שלושת המוסדות ובין קבוצות גיל ומין, מה שמרמז שהמודל התמודד עם הבדלים בהרכב המטופלים ותנאי ההדמיה. גם כאשר החוקרים הגבילו את המערכת לתמונה בודדת לכל מטופל, הדיוק נשאר גבוה, וכל העיבוד מתחילת לקיחת הרקמה ועד פלט ה‑AI הסתיים בדרך כלל בתוך חמש דקות.

מדוע זה עשוי לשנות את ניתוחי עמוד השדרה

כדי לבדוק האם AI כללי לגידולי מוח יספיק, המחברים גם בחנו מסווג קיים שאומן על גידולים תוך־גולגולתיים. ביצועי אותו מודל צנחו באופן ניכר במקרים ספינליים, במיוחד לגבי אפנדימומות ומטסטזות, מה שמדגיש את הצורך בכלי מותאם לאתר. SpineXtract לא רק עלה על המערכת הקודמת ביותר ביותר מ‑15 נקודות אחוז בדיוק מאוזן, אלא גם סיפק ציוני ביטחון מכוילים ומפות חזותיות שמסמנות מקרים לא ודאיים ומציעות מתי נדרש רקמה נוספת או בדיקה מומחית. במונחים מעשיים, העבודה מראה שזיווג הדמיה אופטית נטולת תווית עם AI שתוכנן בקפידה יכול לספק תובנות מהירות ומדויקות במהלך ניתוחי עמוד השדרה, מה שעשוי לצמצם עיכובים, לשפר החלטות ניתוחיות ולבסס יסוד לכלים דומים בחלקים אחרים של המערכת העצבים.

ציטוט: Reinecke, D., Müller, N., Meissner, AK. et al. AI-driven label-free Raman spectromics for intraoperative spinal tumor assessment. npj Digit. Med. 9, 227 (2026). https://doi.org/10.1038/s41746-025-02279-6

מילות מפתח: גידולי עמוד השדרה, אבחון תוך־ניתוחי, היסטולוגיית ראמאן מגרה, בינה מלאכותית בניתוחים, פתולוגיה דיגיטלית