אבחון על-ידי אולטרה-סאונד בהפעלת בינה מלאכותית וסיווג גידולים זקיקיים של התריס: מחקר רב-מרכזי

מדוע הדבר חשוב למי שיש לו גושים בבלוטת התריס

אנשים רבים מגלים גושים בבלוטת התריס בבדיקות שגרתיות ואז מתמודדים עם שבועות של דאגה בזמן שמחכים לדעת האם הגידול ממאיר או שפיר. מחקר זה בוחן האם בינה מלאכותית (AI) יכולה לקרוא תמונות אולטרה-סאונד של קבוצה מסוימת של גידולים בתריס—הנקראים גידולים זקיקיים—בדיוק גבוה יותר ממומחים אנושיים, ובכך לסייע למטופלים להימנע מניתוחים מיותרים תוך הבטחת שלא יוחמצו גידולים מסוכנים.

כששפיר ומזיק נראים אותו הדבר

גידולים זקיקיים של התריס קיימים בשתי צורות עיקריות: אדנומות, שהן שפירות, וקארצינומות, שיכולות לחדור לכלי דם ולהתפשט. גם תחת המיקרוסקופ וגם בסריקות אולטרה-סאונד, גידולים אלו לעתים קרובות נראים דומים באופן בולט. גם רדיולוגים ופאתולוגים מנוסים מתקשים להבחין ביניהם לפני ניתוח, ולכן מטופלים רבים עוברים הסרה של חצי מהתריס או כולו רק כדי לקבל אבחנה מוחלטת. מה שעל הפרק גבוה: חלק מהקארצינומות פולשניות רק במידה מועטה ומלוות בסיכוי טוב, בעוד שאחרות אגרסיביות יותר, ולכן זיהוי סוג מדויק יכול להשפיע על היקף הניתוח והמעקב שהמטופל יזדקק להם.

להדריך מחשב לקרוא אולטרה-סאונד של התריס

החוקרים אספו אחת מהמאגרות הגדולות ביותר עד כה של תמונות אולטרה-סאונד של גידולים זקיקיים בתריס, בהתבסס על 2,567 חולים מ-31 בתי חולים ברחבי סין. עבור כל גוש, רדיולוגים סימנו את האזור הרלוונטי בתמונות אולטרה-סאונד שחור-לבן סטנדרטיות. מערכת למידת עומק מודרנית, המבוססת על ארכיטקטורה חזותית הידועה כ-ConvNeXt, אומנה בשלבים. תחילה למדה להבחין בין אדנומות שפירות לקארצינומות. בהמשך, בתוך קבוצת הקארצינומות, למדה למיין אותן לתת-סוגים פחות פולשניים ויותר פולשניים, המקבילים בקירוב למחלה בסיכון נמוך, בינוני וגבוה. הצוות בדק סוגים שונים של מידע אולטרה-סוני ומצא שתמונות B‑mode פשוטות—סריקות גווני-אפור סטנדרטיות—היו אמינות יותר עבור ה-AI מאשר תמונות צבע של זרימת דם, שהיו משתנות מדי באיכותן.

עד כמה ה-AI עמד במבחן בעולם האמיתי

כדי לבדוק האם המערכת תעמוד במבחן מחוץ למעבדות שבהן פותחה, המחברים בחנו אותה על שלוש קבוצות עצמאיות של חולים מבתי חולים אחרים, כל אחת עם התפלגויות שונות של גידולים שפירים וממאירים. במרכזים הללו הראה ה-AI ביצועים יציבים וחזקים בהפרדה בין אדנומות לקארצינומות, עם מדדי דיוק (ערכי AUC) סביב 0.82 עד 0.85. הוא גם הצליח במשימה המאתגרת יותר: דירוג הגידולים לשלוש קבוצות—שפיר, סרטן פולשני במידה מועטה, וסרטן פולשני אגרסיבי יותר—ושמר על ביצועים גבוהים בכל בתי החולים. חשוב לציין שהמודל עבד באופן דומה לגברים ולנשים, עבור גישות ניתוח שונות ובמרבית האזורים הגאוגרפיים, מה שמרמז כי הוא יכול להיות שימושי במגוון רחב של הגדרות קליניות.

לעבוד לצד הרדיולוגים, לא להחליפם

המחקר שאל גם שאלה מעשית: האם ה-AI באמת מסייע לרופאים לקבל החלטות טובות יותר? כאשר רדיולוגים השתמשו רק במערכות דירוג מקובלות לאולטרה-סאונד של התריס, הביצועים שלהם בזיהוי קארצינומות היו חלשים משמעותית לעומת ה-AI. כאשר הוצגו להם תוצרי ה-AI ומפות ה"קשב" המודגשות שלו על אותן תמונות, הדיוק שלהם עלה ובמקרים מסוימים התקרב לזה של המחשב. רופאים צעירים נהנו יותר מהשיפור, אך גם מומחים ותיקים קיבלו יתרון. במקביל, ניתוח של המקרים שבהם ה-AI טעה חשף חולשה מרכזית: בתמונות אלו המערכת נטתה להתרכז באזורים מחוץ לגידול האמיתי במקום בתכונות הפנימיות החשודות, ומרמז היכן יש צורך בשיפורים נוספים.

מה זה יכול לעשות למען מטופלים

במילים פשוטות, עבודה זו מציעה שמודל AI מאומן היטב יכול לשמש כזוג עיניים עקביות ואמינות נוסף כשרופאים קוראים אולטרה-סאונד של התריס. עבור מטופלים עם גושים זקיקיים בתריס, כלי כזה עשוי לשפר את הסיכוי שזיהוי קארצינומה מסוכנת ייעשה לפני ניתוח, ולצמצם את הסיכון שטיפול נרחב מדי יינתן על בסיס אדנומה חסרת חשיבות. המודל אינו מוכן להחליף שיקול דעת מקצועי, והוא עדיין זקוק לבחינה במדינות נוספות ובקבוצות מטופלים מגוונות יותר. אך כחלק מתחנת עבודה לאולטרה-סאונד או סורק, הוא עשוי בקרוב לסייע להתאים ניתוח ומעקב לרמת הסיכון האמיתית של כל אדם, ולהפוך אזור אפור בעבר באבחון התריס לדרכו ברורה יותר קדימה.

ציטוט: Li, J., Zhang, H., Zheng, H. et al. Artificial intelligence-enabled ultrasound diagnosis and stratification of follicular thyroid neoplasms: a multi-center study. npj Digit. Med. 9, 313 (2026). https://doi.org/10.1038/s41746-026-02489-6

מילות מפתח: אולטרה-סאונד של בלוטת התריס, גידול זקיקי, בינה מלאכותית, סיווג סיכון לסרטן, תמיינות רפואית