העברה של סגנון תמונות אנדוסקופיות במערכת העיכול באמצעות EndoStyle לשיפור מודלים חישוביים מבוססי בינה מלאכותית

עזרה ממוחשבת חדה יותר לבדיקות סרטן המעי הגס

קולונוסקופיות מצילות חיים על ידי גילוי והסרה של גידולים זעירים, המכונים פוליפים, לפני שהם הופכים לסרטן. משתי המוסדות כיום משתמשים בבינה מלאכותית (AI) כדי לסייע לרופאים לזהות את הנגעים הקטנים הללו על מסך הווידאו. אבל כלי ה‑AI נוטים להיתקל בקשיים כשמעבירים אותם מבית חולים אחד למשנהו, משום שהתמונות נראות מעט שונות בהתאם למערכת המצלמה. במחקר זה מוצגת שיטה חדשה, בשם EndoStyle, שמשנה את מראה תמונות הקולונוסקופיה כך שמערכות AI יוכלו לפעול באופן אמין יותר על פני מכשירים שונים.

מדוע תמונות אנדוסקופיה אינן זהות

לקולונוסקופיה עשוי להיות אותו מראה למטופל, אך מאחורי הקלעים כל מרפאה משתמשת במעבד וידאו ומצלמה שונים. מכשירים אלה משתנים בגוון צבע, בהירות, ניגודיות, חדות ואפילו בגודל ומיקום התמונה המעוגלת על המסך. עבור מערכת AI שאומנה בבית חולים אחד, ה"שינוי מתחום" הזה יכול להיות מהומה משמעותית: התמונות החדשות כבר לא תואמות את מה שלמדה המערכת והדיוק עלול לרדת. התיקונים הסטנדרטיים היום—כמו הסבה, סיבוב או הבהרת תמונה קלה במהלך האימון—אינם משחזרם את המראה המובהק של מערכות וידאו שונות. כתוצאה מכך, עוזרים מסחריים מבוססי AI בדרך כלל מכוילים לחומרה ספציפית ועשויים לא לפעול היטב במקומות אחרים.

לימוד התאמת תמונות לסגנון המצלמה המקומית

החוקרים עיצבו את EndoStyle כדי לפעול כמתרגם דיגיטלי בין מערכות אנדוסקופיה. הוא מקבל פריים מקולונוסקופיה וסגנון יעד (למשל המראה הוויזואלי של מעבד וידאו מסוים) ומייצר תמונה חדשה ששומרת על האנטומיה והפוליפים, אך משנה את המראה הכולל להתאים למכשיר היעד. מתחת למכסה המנוע EndoStyle משלב רשת חזקת תרגום תמונה עם מודל סופר‑רזולוציה שמחדד את התוצאה הסופית. מנגנוני בטיחות מיוחדים מוודאים שתכונות חשובות, כמו קפלי המעי ופוליפים שטוחים ועדינים, ישמרו במקום להיטהר או להיברא בטעות.

בדיקה האם המאולתר נראה אמיתי

כדי לבדוק האם התמונות הסינתטיות של EndoStyle מהימנות, הצוות השווה אותן תחילה לתמונות קולונוסקופיה אמיתיות באמצעות מדדי ראייה ממוחשבת שתופסים ריאליזם חזותי ודמיון תפיסתי. בחמישה מעבדי וידאו שונים ובהיקף של מאות אלפי פריימים, התמונות המומרות התאימו בקירבה לתמונות אמיתיות הן במראה הכללי והן במרקם המפורט. שלושה מודלים בלתי תלויים של AI, שאומנו להבנת תמונות רפואיות, שפטו גם הם שהתמונות החדשות דומות יחדיו לתוכן המקורי ולסגנון מכשיר היעד. לאחר מכן, 22 אנדוסקופיסטים מנוסים מ‑16 מרכזים השתתפו בניסוי עיוור. הם צפו בסרטוני קולונוסקופיה קצרים והוצגו בפניהם פריימים סטטיים, חלקם אמיתיים וחלקם נוצרו על ידי EndoStyle. הרופאים נשאלו אילו תמונות מגיעות מאותה בדיקה. הם זיהו תמונות של EndoStyle כמעט באותה תדירות כמו פריימים אמיתיים ובתדירות גבוהה בהרבה מאשר התאמות ברורות שלא התאימו, מה שמעיד שהתמונות הסינתטיות עברו "מבחן חוש" מעשי.

לעזור ל‑AI למצוא את הפוליפים הנכונים ולהתעלם מהרעש

המחברים בדקו כעת האם תמונות ריאליסטיות ותואמות‑סגנון אלה יכולות לשפר בפועל את זיהוי הפוליפים של ה‑AI. הם אימנו מספר מערכות זיהוי על תערובת של תמונות קולונוסקופיה ציבוריות ופריימים שנוצרו על ידי EndoStyle שהותאמו לשני מעבדי Olympus ספציפיים ששימשו בסרטוני המבחן. הם בחנו גם מקרה קשה יותר שבו נתוני האימון המקוריים הגיעו ממותג אחר (Fujifilm) ש‑EndoStyle לא ראה במהלך האימון שלו. בשתי המצבויות, הוספת תמונות סינתטיות מכוילות למעבד היעד הפכה את דגמי ה‑AI לבחירתיים יותר: כמות האזהרות השווא ירדה בכ‑רבע ועד מעל 40 אחוז, בהתאם לתצורה, בעוד הרגישות—כלומר כמה פעמים פוליפים אמיתיים זוהו—ירדה רק במידה מתונה. חשוב להדגיש שהתמונות הסינתטיות לא נראו כיצרו פוליפים מזויפים, ורוב הנגעים המעטים שלא זוהו היו כבר קשים גם לכלי ה‑AI הבסיסיים ולכלים מסחריים.

מה משמעות הדבר עבור מטופלים ומרפאות

בהצגת האפשרות ליצור תמונות סינתטיות ריאליסטיות הספציפיות למעבד וידאו ולהשתמש בהן בבטחה לאימון אלגוריתמי זיהוי, עבודה זו מציעה דרך מעשית להפוך את בינה המלאכותית בקולונוסקופיה לניידת ואמינה יותר. במקום לאסוף ולתייג מערכי נתונים גדולים בכל פעם שמרפאה משדרגת או משנה את הציוד, מפתחים יוכלו להתאים אוספי תמונות קיימים לסגנון המכשיר החדש באמצעות EndoStyle ולחזור לאימון המערכות שלהם עם צעדים נוספים מועטים. התועלת המיידית היא בינה מלאכותית שמפיקה פחות התראות שווא ועדיין תופסת את רוב הפוליפים החשובים, מה שהופך את הכלים לפחות מפריעים ויותר מהימנים עבור האנדוסקופיסטים. עם הזמן, גישות העברת‑הסגנון הללו יכולות לסייע להסמכת ביצועי ה‑AI בין בתי חולים ולתמוך גם במניעת סרטן טובה יותר ובמאמנים מדויקים יותר להכשרת רופאים עתידיים.

ציטוט: Troya, J., Kafetzis, I., Weber, R. et al. Gastrointestinal endoscopic image style transfer using EndoStyle to improve artificial intelligence prediction models. npj Digit. Med. 9, 340 (2026). https://doi.org/10.1038/s41746-026-02693-4

מילות מפתח: קולונוסקופיה, זיהוי פוליפים, בינה מלאכותית בהדמיה רפואית, העברת סגנון, שינוי מתחום