Clear Sky Science · he
תיקון דיפרנציאלי וגריעת פיזור ב-PET ללא CT הניתן להגדרה מחדש באמצעות התאמה בין-תחומית במעט דגימות
מדוע זה חשוב למטופלים ולרופאים
סריקות PET (פוזיטרון אמיסיון טומוגרפיה) מסייעות לרופאים לראות כיצד סרטן ומחלות אחרות מתנהגים בתוך הגוף. אך כדי לקבל תמונות PET מדויקות, בדרך כלל יש צורך בסריקת CT נוספת, המוסיפה קרינה ולעתים עלולה להתאזן באופן שגוי עם תמונות ה-PET. המחקר מציג שיטה לניקוי תמונות PET ללא תלות ב-CT, באמצעות בינה מלאכותית שיכולה להסתגל במהירות לבתי חולים וסוגי סורקים חדשים בעזרת מספר מצומצם של דוגמאות מטופלים.

האתגר: תמונות ברורות יותר עם פחות קרינה
סורקי PET/CT מודרניים משלבים שני סוגי הדמיה: PET שמראה כיצד רקמות משתמשות באנרגיה או במולקולות מסוימות, ו-CT שמציג את מבנה הגוף. חלק ה-CT מסייע לתקן אובדן אות ופיזור ב-PET כדי שהמדדים ברקמות ובגידולים יהיו אמינים. עם זאת, סריקת ה-CT יכולה לתרום עד למחצית ממנת הקרינה הכוללת בבדיקת PET/CT של כל הגוף, דבר שמדאיג בעיקר ילדים וקבוצות רגישות אחרות. גם כאשר משתמשים ב-CT במנה נמוכה מאוד, נשימה טבעית ותזוזת מטופל עלולות לגרום לאי-התאמה בין תמונות ה-CT וה-PET, ליצור פסי-שיבוש ונקודות חמות או קרות מזויפות. לכן החוקרים מבקשים שיטות שמתקנות תמונות PET ללא צורך ב-CT כלל.
כיצד בינה מלאכותית נכנסת לתמונה
שיטות למידה עמוקה עדכניות מנסות לתקן ישירות תמונות PET ללא תיקון. חלקן לומדות לחזות תמונת CT וירטואלית, בעוד אחרות ממירות תמונת PET מטושטשת ולא מתוקנת לתמונה מחודדת ומתוקנת בשלב אחד. מערכות אלה יכולות לעבוד היטב בסביבות שבהן אומנו, אך לרוב מתקשות כאשר משתנים בית החולים, הסורק או הטרייסר. הבדלים קטנים במכונות, בהגדרות או בטרייסרים הרדיואקטיביים המשמשים להדגשת המחלה יכולים לשנות את מראה תמונות ה-PET ולבלבל מודל שראה רק סט צר של דוגמאות. המחברים טוענים כי לא מציאותי לאמן מודל יחיד וקבוע שיעבוד תמיד בכל מקום, ושיש להתייחס לתיקון PET כמערכת חיה הניתנת להתאמה לכל סביבה קלינית חדשה.
מודל תיקון PET גמיש שלומד ממספר מצומצם של מקרים
הצוות פיתח מסגרת בשם CrossPET-Adapt המשתמשת בתהליך למידה דו‑שלבי. בראשית, הם אימנו רשת עמוקה על סט גדול מאוד של סריקות PET מטראסר נפוץ 18F-FDG, שנאספו במרכז גדול עם סורק בעל שדה צירי אופקי ארוך. במקום לחזות ישירות תמונת PET חדשה, הרשת לומדת מפת תיקון חלקה שמידתית כל פיקסל בקלט, תוך שהיא משקפת כיצד אובדנים פיזיקליים ב-PET מתנהגים כשינויים בעוצמת האות. היא משתמשת גם בסטטיסטיקות פשוטות מכל סריקה, כמו בהירות ממוצעת ושונות, כדי לכוונן תכונות פנימיות ולהכיר כיצד סורקים וטרייסרים שונים משנים את המראה. בשלב השני, המודל מעודכן (fine‑tuned) על רק מטופל עד חמישה מטופלים מהתחום החדש—כגון טרייסר, סורק או בית חולים שונים—מה שמאפשר לו ללכוד מאפיינים מקומיים בלי לאמן מחדש מאפס.

מבחנים על פני טרייסרים, סורקים ובתי חולים
כדי לבחון את יעילות הרעיון, החוקרים הרכיבו מאגר נתונים של 1539 מטופלים מ-11 קבוצות, כולל ארבעה טרייסרים, מספר דגמי סורקים מיצרנים שונים, ושלושה בתי חולים חיצוניים. הם השוו שלוש אסטרטגיות: מודלים שאומנו על טרייסר יחיד, מודל משותף שאומן על תערובת טרייסרים, והשיטה שלהם המבוססת על התאמה במעט דגימות. במצבים שבהם הטרייסרים התאימו לנתוני האימון, המודל המשולב התעלה במעט, כפי שניתן לצפות. אך בסביבות חדשות עם טרייסרים, סורקים או מרכזים לא מוכרים, המודל המותאם סיפק בעקביות דמיון תמונה גבוה יותר, שגיאה נמוכה יותר וערכי קליטה סטנדרטיים (SUV) מהימנים יותר, גם כאשר הוא עודכן על רק אדם אחד או מספר מועט של נבדקים. אצל חולי לימפומה, התמונות המתוקנות על ידי הלמידה העמוקה התאימו באופן הדוק לתוצאות הסטנדרטיות של PET/CT, וצמצמו חיתוך שגיאות בנפח וגילויי קליטה של גידולים המדריכים החלטות טיפוליות.
משמעות הדבר לסריקות PET בעתיד
המחקר מראה כי תיקון PET ללא CT יכול להיות מעשי ואמין כשמשולב באסטרטגיית התאמה במעט דגימות. במקום לאסוף מאות סריקות מתויגות בכל פעם שבית חולים מתקין סורק חדש או מתחיל להשתמש בטרייסר חדש, ניתן לכוונן מודל בסיס משותף עם רק מספר מועט של מקרים מקומיים בתוך פחות מעשר דקות על כרטיס גרפי יחיד. גישה זו עשויה להפחית חשיפה לקרינה, לפשט זרימות עבודה ולהפוך הדמיית PET מתקדמת ליותר עקבית בין אתרים, תוך שמירה על פירוט כמותי שרופאים אונקולוגים ומומחים אחרים סומכים עליו.
ציטוט: Wang, H., Wen, M., Qiao, X. et al. Generalizable CT-free PET attenuation and scatter correction via few-shot cross domain adaptation. npj Digit. Med. 9, 374 (2026). https://doi.org/10.1038/s41746-026-02760-w
מילות מפתח: הדמיית PET, תיקון האטנואציה, למידה עמוקה, התאמת תחום (domain adaptation), הדמיה רפואית