שחזור לב תלת־ממדי מרחבי‑זמני לחיזוי אירועים קרדיווסקולריים משמעותיים באוטם שריר הלב החריף

מדוע חשוב לחזות בעיות לב שנים מראש

לאחר אוטם לבבי, מטופלים רבים מודאגים לא רק מהישרדות הימים והשוּבועות הראשונים, אלא גם ממה שעלול לקרות בשנים שלאחר מכן. חלקם מתאוששים ללא סיבוכים, בעוד אחרים מתמודדים עם בעיות קשות כמו אוטם חוזר, אי־ספיקת לב או הפרעות קצב חדה ומסוכנת. לרופאים יש מערכות ניקוד להערכת הסיכון, אך כלים אלה מסתמכים על מספר מצומצם של מדדים ולעתים קרובות בוחנים רק את השנה הראשונה. המחקר הזה בודק האם דימות רפואי מודרני ובינה מלאכותית יכולים להפוך תמונה תלת־ממדית נעה של הלב למערכת אזהרה חדה ובעלת טווח ארוך יותר.

מסריקות ובדיקה קלינית לתמונה מאוחדת של הסיכון

החוקרים השתמשו בנתונים של למעלה מ‑4,500 אנשים שאובחנו עם אוטם חריף ועברו פרוצדורות דחופות לפתיחת העורקים. לכל המטופלים האלה בוצעה גם בדיקת MRI לב סטנדרטית זמן קצר לאחר הטיפול, לצד רשומות קליניות מפורטות כגון גיל, בדיקות דם, לחץ דם ומידע על היקף נזק לשריר הלב. במקום להסתמך רק על מדדי סיכום שחושבו מראש מהסריקות, הצוות שאף להשתמש בתמונות עצמן, ולתפוס הן את צורת הלב והן את תנועתו לאורך הזמן. מטרתם הייתה לבנות מערכת שיכולה לספוג את המידע העשיר מהדימות יחד עם 45 משתנים שגרתיים קליניים ומנובאי סריקה ולחזות האם מטופל יסבול מאירוע לבבי משמעותי בחמש השנים הבאות.

שיחזור הלב הפועם בתלת‑ממד

בדיקות MRI של הלב נאספות בדרך כלל כשכבת פרוסות דו‑ממדיות דקות הנלקחות במקומות ובפעימות לב מעט שונות. הדבר עלול להשאיר פערים וחוסר תיאום, כך שהתצוגה המתקבלת של הלב אינה מלאה וקצת מקוטעת. כדי להתגבר על זה, הצוות פיתח מודל בשם ReconSeg3D שלומד לשחזר לב חלק, רציף ותלת־ממדי מהערימות של הפרוסות ולפרק אותו לחלקיו המרכזיים: חדר שמאל, חדר ימין והשריר המקיף. לאחר אימון על מאגרי תמונות ציבוריים ובהפעלתו על סריקות המטופלים, ReconSeg3D הפיק רצפי תלת‑ממד מפורטים של הלב הפועם לאורך מחזור לב שלם, והפך למעשה ערימת פרוסות רועשות לסרט קוהרנטי של תנועת האיבר במרחב ובזמן.

להכשיר בינה מלאכותית לקרוא תנועה, מבנה והיסטוריה רפואית יחד

עם השחזור התלת‑ממדי ה"קולנועי" ביד, החוקרים בנו מודל שני בשם HeartTTable לחיזוי תוצאות לטווח הארוך. המערכת מתייחסת ללב התלת‑ממדי הפועם כווליום מונפש קטן שניתן לחתוך לפאצ'ים ולפריימים. חלק במודל מתמקד בסידור התכונות במרחב, חלק אחר באופן שבו הן משתנות בזמני כיווץ והרפיה של הלב, וחלק שלישי מעבד את המשתנים המספריים הקליניים והמופקים מהסריקות. באמצעות ארכיטקטורה המוכרת בטיפול בתבניות מורכבות, המודל מאפשר לאותם שלושה נתיבים של מידע להיכנס באינטראקציה וללמוד כיצד שינויים עדינים בתנועה ובמבנה קשורים לפרופיל הרפואי של האדם ולתוצאתו בסופו של דבר.

כמה טוב הגישה החדשה הזו?

כאשר HeartTTable הסתמך רק על המספרים הטבלאיים הקליניים והמופקים מהסריקות, ביצועי החיזוי של מי יסבול מאירוע חמור בחמש שנים היו ממוצעים. כששימש רק ברצפי הלב התלת־ממדיים המשוחזרים, הדיוק השתפר באופן מובהק, מה שהראה שמידע התנועה והצורה העשיר הכיל רמזים חשובים. התוצאות הטובות ביותר התקבלו משילוב של שני המקורות: המודל הרב־מודלי המלא הגיע לדיוק גבוה מאוד בחיזוי סיכון לחמש שנים, והבדיל בבירור מטופלים לקבוצות סיכון נמוך וגבוה בניתוחי הישרדות. הייצוג התלת‑ממדי של הלב עקף בעקביות קלטים פשוטים יותר כגון ערימות פרוסות גולמיות, מבטים מוגבלים או נקודות זמן בודדות במחזור הלב, ובכך הדגיש את הערך שבכלל מחזור הלב בתלת‑ממד.

מה משמעות הדבר עבור מטופלים ורופאים

המחקר מציע שסורקי MRI סטנדרטיים אחרי אוטם מכילים מידע ניבוי רב הרבה מעבר למה שמערכות הניקוד הנוכחיות מנצלות. באמצעות שיחזור הלב הפועם בתלת‑ממד ואיחודו עם נתונים קליניים שגרתיים, מודל HeartTTable יכול לזהות מי עלול להתמודד עם סיבוכים קשים בחמש השנים הבאות, הרבה מעבר לחלון של שנה שמאפיין כלים קיימים. עבור מטופלים, תחזיות כאלה עשויות לכוון את עוצמת המעקב, המלצות לשינויי אורח חיים וטיפולים תרופתיים. עבור קלינאים ומערכות בריאות, הן מציעות דרך למקד משאבים לאלה הזקוקים להם ביותר. בעוד נדרשים ניסויים נוספים באוכלוסיות רחבות יותר, עבודה זו מצביעה על עתיד שבו סריקה יחידה ומודל בינה מלאכותית עשויים לתת מפה מפורטת של הסיכון לטווח הארוך עבור שורדי אוטם לב.

ציטוט: Gao, Q., Wu, J., Gao, Y. et al. 3D Spatiotemporal cardiac reconstruction for predicting MACE in acute myocardial infarction. npj Digit. Med. 9, 325 (2026). https://doi.org/10.1038/s41746-026-02449-0

מילות מפתח: התנתקות לב, MRI לב, בינה מלאכותית, חיזוי סיכון, איתור לב בתלת־ממד