זיהוי אוטומטי של איסכמיות מוחיות חדשות והשלכות פרוגנוסטיות באמצעות למידה עמוקה על MRI סדרתי

מדוע שבצים זעירים ונסתרים חשובים

רבים מהשבצים משאירים סימפטומים ברורים, אך אחרים מייצרים צלקות מוחיות בשקט מבלי שאף אחד ישים לב. פגיעות “שקטות” אלה נראות רק בבדיקות MRI, ועדיין הן יכולות לנבא בעיות חמורות בעתיד. המחקר בוחן האם בינה מלאכותית (AI) יכולה לזהות באופן מהימן פגיעות מוחיות נסתרות אלו בסריקות שגרתיות, והאם הממצאים של ה-AI יכולים להתריע לרופאים אילו מטופלים נוטים יותר לסבול שבץ מלא בעתיד.

נזק נסתר שרופאים מפספסים לעתים קרובות

לאחר שבץ, רופאים לעתים מזמינים סריקות MRI חזרה כדי לעקוב אחר ההחלמה ולחפש נזק חדש. קריאת הסריקות הללו היא עבודה מייגעת: המומחים צריכים לעבור קדימה ואחורה בין תמונות ישנות וחדשות, חתך אחר חתך, ולחפש נקודות בוהקות חדשות וקטנות שמעידות על פגיעה טריה. רבות מן הנקודות הללו אינן גורמות לתסמינים ברורים וקל להחמיץ אותן, במיוחד כשהן קטנות או כשהמוח כבר מציג שינויים ותיקות ישנות. עם זאת, מחקרים אפידמיולוגיים רחבי-היקף הראו שאיסכמיות “שקטות” כאלה נפוצות במבוגרים וקשורות לשבץ מאוחר ולבעיות קוגניטיביות. העדר שיטה מהירה ועקבית לזיהוין הגבילה את השימוש בהן בטיפול היומיומי.

לימוד למחשב להשוות סריקות מוח

החוקרים בנו מודל למידה עמוקה — סוג של בינה מלאכותית שבולטת בזיהוי תמונות — כדי לחקות כיצד מומחה אנושי משווה שתי סריקות מוח לאורך זמן. הם אספו תמונות MRI מזווגות של למעלה מאלף מטופלים בשבץ שטופלו בשתי בתי חולים בדרום קוריאה. עבור כל מטופל הם יישרו את הסריקה הבסיסית עם זו הבדיקה החוזרת ושלפו חתכים תואמים של המוח. נוירולוגים המתמחים בשבץ נתנו תוויות ליותר מ-25,000 זוגות חתכים כ"שונו" (נוצרה נגע חדש) או "לא שונו". בעזרת הדוגמאות המסומנות על ידי המומחים, ה-AI למד לזהות הבדלים עדינים בין שתי נקודות בזמן שמעידים על פגיעה חדשה, תוך התעלמות מרעש רקע וצלקות ישנות.

עד כמה ה-AI זיהה פגיעות מוחיות חדשות

כאשר נבחן על מטופלים משני בית החולים המקורי ובית חולים נפרד, מערכת ה-AI עבדה היטב. ברמת החתך התמונה היחיד, היא הבחינה נכון בין נגעים חדשים לחוסר שינוי כמעט תשע מתוך עשר פעמים. כאשר ההחלטות סוכמו ברמת המטופל כולו, הביצועים נשארו גבוהים ודומים בשני בתי החולים, מה שמרמז על יכולת הכללה טובה. ויזואליזציות חוםמפה הראו כי תשומת הלב של ה-AI התמקדה באותם אזורים במוח שמומחי האנוש סימנו כנגעים חדשים, והיא נטתה להתעלם מהשינויים הוותיקים. זה עזר להרגיע את החוקרים שהמודל לא ניחש סתם, אלא זיהה תכונות תמונה חשובות מבחינה קלינית.

ממצאים שקטים שמנבאים שבצים עתידיים

המדענים שאלו שאלה מכרעת: האם הנגעים השקטים שזוהו על ידי ה-AI אכן משמעותיים לעתיד המטופלים? הם עקבו אחרי 307 אנשים שהיו יציבים בזמן הסריקה החוזרת שלהם, כלומר ללא תסמינים נוירולוגיים חדשים. ה-AI תייג כשלושה מתוך חמשים (בערך שישה מתוך עשרה) כבעלי לפחות איסכמיה שקטה חדשה. במשך כעתיים של מעקב, קצב השבץ הסימפטומטי המאוחר היה גבוה יותר באופן משמעותי בקרב אלה שסומנו על ידי ה-AI בהשוואה לאלה ללא נגעים שזוהו. גם לאחר התחשבות בגיל, בסוכרת ובקצב לב לא סדיר, למטופלים עם איסכמיות שקטות שזוהו על ידי ה-AI היה סיכון כמעט פי ארבע לשבץ נוסף. זה מצביע שהמחשב גילה סימני אזהרה נסתרים שמבדיקה קלינית שגרתית לבדה עשויה להתעלם מהם.

מה זה יכול להוביל בטיפול בחולים

המחקר מראה שמערכת AI יכולה לזהות באופן מהימן פגיעות מוחיות חדשות שלעיתים קרובות נותרות לא-בחושיות ב-MRI סדרתי, ושהממצאים שלה נושאים משמעות מעשית לגבי סיכון לשבץ. הכלי אינו מחליף רופאים, אלא משמש כעוזר ללא פשרות, סורק אלפי תמונות ומדגיש שינויים מדאיגים שדורשים תשומת לב נוספת. אם יאומתו ממצאים אלה במחקרים פרוספקטיביים עתידיים, זיהוי אוטומטי כזה עשוי להפוך לסמן הדמיה סטנדרטי שיעזור לרופאים להחליט מיהו זקוק למניעה אגרסיבית יותר — כמו שליטה הדוקה יותר בלחץ דם, תרופות לדילול הדם שונות או מעקב צמוד יותר — ובכך להפחית את הסיכון שאיסכמיה שקטה תהפוך לשבץ הרסני.

ציטוט: Cho, Hh., Lee, J., Bae, J. et al. Automated detection of new cerebral infarctions and prognostic implications using deep learning on serial MRI. npj Digit. Med. 9, 316 (2026). https://doi.org/10.1038/s41746-026-02511-x

מילות מפתח: אִיסְכֶּמְיָה מוחית שקטה, סיכון לשבץ, MRI מוח, למידה עמוקה, בינה מלאכותית בהדמיה רפואית