הערכת רב-מרכזית של בינה מלאכותית מובנת לאבחון מחלת עורקי הכלילית מביומרקרים של PET

מדוע חשוב ה־AI לסריקות לב

מחלת עורקי הכלילית, הצטברות משקעי פלאק שיכולים לחסום את זרימת הדם אל הלב, נותרת גורם מוביל להתקפי לב ולתמותה ברחבי העולם. בדיקות הדמיה מודרניות כמו סריקות PET/CT יכולות לחשוף את זרימת הדם, תפקוד הלב והצטברויות סידן בעורקים, אך כמות המידע הגדולה עלולה להציף גם קוראים מקצועיים. המחקר הזה בוחן כיצד מודל בינה מלאכותית ניתן להבנה יכול לאחד את הנתונים הללו לציון יחיד, ידידותי לשימוש, שמסייע לרופאים לזהות חסימות מסוכנות באופן מדויק יותר — ולצד זאת להראות בבירור אילו ממצאים מניעים את החלטתו.

להביא איתותי לב רבים לתמונה אחת

כאשר מטופלים עוברים סריקת PET/CT של הלב, הרופאים יכולים לראות עד כמה הדם זורם דרך שריר הלב במנוחה ובמתח, עד כמה הלב משאיב (שואב) בחוזקה וכמה סידן — מדד של הצטברות פלאק בטווח הארוך — קיים בעורקי הכליליים. באופן מסורתי, הקלינאים בוחנים מדידות אלה אחת-אחת ואז משלבים אותן באופן מוחי כדי להחליט האם סביר שעורקים מצומצמים. שילוב מנטלי זה קשה ולעיתים לא עקבי, ואין שיטה מוסכמת לאזן בין זרימת הדם, ליקויי פרפוזיה וציון הסידן יחד. החוקרים שאפו לבנות כלי AI שיכול לשלב עשר מדידות שגרתיות הניתנות מהסריקה, בנוסף למין המטופל, לתוך הסתברות יחידה שקיימות חסימות משמעותיות בעורקים.

כיצד בוצע המחקר

הצוות נשען על רישום בינלאומי גדול של 17,348 מטופלים שעברו סריקות PET/CT של הלב. מתוך קבוצה זו התמקדו ב־1,664 אנשים מארבעה מרכזים שלא עברו בעבר התקפי לב או ניתוחי מעקפים ושהמשיכו לביצוע אנגיוגרפיה כלילית פולשנית—מבחן רנטגן מבוסס צבע המשמש כיאור סטנדרטי לאישור חסימות בעורקים. הנתונים מבית חולים אחד (386 מטופלים) שימשו לאימון וכיול המודל, בעוד ש‑1,278 המטופלים משלושת בתי החולים האחרים הושבו למבחן חיצוני אמיתי. מודל ה‑AI, המבוסס על שיטת למידת מכונה בשם XGBoost, השתמש בעשר תכונות שמקורן בסריקה כולל זרימת דם במתח, עתודת זרימת דם, גודל ליקויי הפרפוזיה, ציוני סידן שנמדדו אוטומטית בתמונות CT, חוזק השאיבה ומדד של שינוי גודל הלב במתח.

כמה טוב המודל עשה עבודה

בקבוצת המבחן החיצונית, שבה כ־חצי מהמטופלים אכן סבלו ממחלת עורקי כלילית חוסמת, המודל של ה‑AI ביצע באופן ברור טוב יותר הן ממדידות בודדות והן מרופאים מנוסים. באמצעות מדד דיוק מקובל הנקרא שטח תחת עקומת ROC (AUC), ה‑AI הגיע לערך של 0.83, לעומת 0.80 לציוני מומחים קליניים, 0.79 למדד הפרפוזיה העיקרי, 0.75 לעתודת זרימת הדם ו‑0.69 לסידן לבד. כאשר החוקרים כיווננו את סף ההחלטה כך שה‑AI יסווג כרגילים חלק דומה של מטופלים כפי שעושים הספים המסורתיים, ה‑AI זיהה יותר מטופלים בסיכון גבוה עם מחלת כלי דם רב‑צנרת חמורה. הביצועים היו יציבים בגברים ובנשים, צעירים ומבוגרים, ובאנשים עם והשמנת יתר — מה שמרמז על ישימות רחבה של הגישה.

לגרום ללוגיקת ה‑AI להיות נראית

חשש מרכזי בשימוש באלגוריתמים מתקדמים ברפואה הוא שהם עלולים להתנהג כ"קופסאות שחורות", להציע תחזיות בלי הסברים. כדי למנוע זאת, המחברים השתמשו בטכניקה הנקראת ניתוח SHAP כדי להראות אילו תכונות סריקה השפיעו ביותר על כל תחזית פרטנית. לאורך המחקר, המניעים החשובים ביותר היו כמות שריר הלב עם זרימה מופחתת, העומס הכולל של סידן ועתודת זרימת הדם. למשל, במטופל אחד שהוצג עם זרימה מופחתת באופן חמור וממצאי אנגיוגרפיה בסיכון גבוה, ה‑AI העניק הסתברות גבוהה למחלה שנבעה בעיקר מעתודת זרימה לקויה. במטופל אחר עם ציון פרפוזיה בקו הגבול אך זרימה נורמלית וסידן אפס, ה‑AI הצביע נכונה על הסבירות הנמוכה למחלה, בניגוד לקריאת רופא מדאיגה יותר. הסברים כאלה מקרה־מקרה יכולים לסייע לקלינאים להאמין ולהצליב החלטות הנתמכות ב‑AI.

מה זה אומר למטופלים

עבודה זו מציגה את מערכת ה‑AI הרב‑מרכזית הראשונה שנבדקה מבחינה חיצונית ומשלבת מדידות סטנדרטיות של סריקת PET/CT של הלב ודירוג סידן אוטומטי לאבחון מחלת עורקי הכלילית. המודל מספק הערכת סיכון יחידה ומובנת שלעתים קרובות עולה על דיוקם של קוראים מומחים ובו בזמן מדגיש את התכונות הספציפיות שביסוד כל שיפוט. אמנם הכלי טרם אושר לשימוש שגרתי קליני ונדרשים מחקרים פרוספקטיביים נוספים, אך הוא מצביע על עתיד שבו תוצאות הדמיית לב מסוכמות לציוני סיכון ברורים ואישיים שעוזרים לרופאים להחליט בביטחון רב יותר מי זקוק לבדיקות פולשניות או לטיפול אגרסיבי — ומי יכול להימנע מהן בבטחה.

ציטוט: Zhang, W., Kwiecinski, J., Shanbhag, A. et al. Multicenter evaluation of interpretable AI for coronary artery disease diagnosis from PET biomarkers. npj Digit. Med. 9, 154 (2026). https://doi.org/10.1038/s41746-026-02338-6

מילות מפתח: מחלת עורקי כליליים, PET/CT קרדילי, בינה מלאכותית, דירוג סידן, זרימת דם מיוקארדיאלית