למידת מכונה להסקת ציוני בדיקות נוירוקוגניטיביות בקרב מתבגרים ומבוגרים צעירים עם מחלת לב מולדת

מדוע זה חשוב לגדילה עם מצב לבי

יותר ילדים שנולדו עם מומים לבביים חמורים מגיעים כיום לבגרות מאשר בעבר. אך משפחות רבות מגלות שהעברת ניתוחי לב היא רק חלק מהתמונה: חלק מהמתבגרים והצעירים מתקשים בקשב, בלמידה או בזיכרון. המחקר הזה שואל שאלה פרקטית עם השלכות מרחיקות לכת: האם אפשר להשתמש בסריקות מוח, במידע גנטי, בהיסטוריה הרפואית וברקע משפחתי יחד כדי לאמוד כיצד צעיר עם מחלת לב מולדת מתפקד במיומנויות דמויות-בית-ספר בפיענוח ופתרון בעיות, מבלי להסתמך רק על בדיקות ארוכות?

מסתכלים על התמונה המלאה, לא רק על הלב

החוקרים עקבו אחרי 89 מתבגרים ובוגרים צעירים עם מחלת לב מולדת, בגילאי 8 עד 30, ממרכזים ברחבי ארצות הברית. כל משתתף עבר בדיקות סטנדרטיות על נייר שעיצבו קריאה, אוצר מילים, פתרון בעיות, זיכרון, מהירות עיבוד ואינטליגנציה כללית. בתוך כחצי שנה — לעתים בתוך כמה ימים — הם גם עברו סריקות MRI מפורטות של המוח ותרמו דגימות גנטיות. הצוות אסף מידע על אבחנות הלב והניתוחים שלהם, גובה ומשקל, ורקע סוציו-אקונומי של המשפחה, כולל השכלת ההורים והכנסת המשפחה. המטרה הייתה להתמודד עם כל צעיר לא כ"מקרה לב" אלא כאדם שלם שבו המוח, הגנים, היסטוריית הבריאות והסביבה מעצבים יחד את האופן שבו הוא חושב ולומד.

מלמדים מחשבים לאמוד מיומנויות חשיבה

כדי להבין את התערובת המורכבת הזו של מידע, המדענים השתמשו בלמידת מכונה — שיטות מחשב שיכולות למצוא תבניות בערכות נתונים גדולות. הם הזינו אלגוריתמים באלפי מדידות מסריקות MRI מבניות ודיפוזיה (שמלכדות גודל המוח, צורתו וחיבוריו), יחד עם 17 גורמים שאינם תמונתיים כגון מין, מספר ניתוחי לב, סוגי וריאנטים גנטיים נדירים והשכלת ההורים. עבור כל אחד מ-15 ציוני מבחן שונים ב-7 תחומי חשיבה רחבים, הם אימנו מודלים להסיק את הציון מהתכונות הללו. שיטת בחירת תכונות מתקדמת הוסיפה והסירה שוב ושוב משתנים מועמדים, ושמרה רק על השילובים ששיפרו בפועל את הביצוע כשהם נבדקו על משתתפים שלא שימשו לאימון. הצוות שפט הצלחה לפי קרבת ההשערה לציונים הממשיים וכמה גדול שגיאת המדידה הממוצעת בנקודות ציון.

מה המודלים יכלו ומה לא יכלו לראות

המודלים הממוחשבים הצליחו לאמוד את רוב ציוני המבחן טוב יותר ממקריות, עם מתאמים בין ציונים אמיתיים למנובאים שנעו מרמת מתונות עד יחסית חזקה. IQ כללי, זיכרון עבודה (זכירת רצפים של מספרים) ומהירות עיבוד (סריקה ויזואלית מהירה והתאמת סמלים) היו בין הקלים ביותר לאמידה. לדוגמה, הערכות המודל עבור digit span, מבחן זיכרון נפוץ, עקבו אחר הביצועים האמיתיים באופן צמוד. לעומת זאת, מיומנויות ספציפיות יותר כמו הבנת משפטים או פתרון פאזלים של עיצוב בלוקים היו קשות יותר לחיזוי. כשהחוקרים שילבו תוצאות על פני מבחנים, האינטליגנציה הכללית יצאה כיכולת שהכי קל "להסיק" בעוד שההסקה התפיסתית — גילוי דפוסים בצורות ובמרחבים — הייתה הכי פחות.

כיצד מוח, גנים וסביבה כל אחד תורמים

על ידי בחינת אילו תכונות המודלים התבססו עליהן, המחקר מצייר תמונה עדינה של מה מעצב את הקוגניציה בקבוצה זו. מדידות מוחיות מתוך ה-MRI הופיעו בכל שבעת תחומי הקוגניציה. אזורים בלוב הקדמי והטמפורלי, וכבישי החומר הלבן שמקשרים ביניהם, היו חשובים במיוחד — אזורים שזוהו זמן רב עם שפה, זיכרון ופתרון בעיות. אך גם גורמים שאינם מוחיים היו משמעותיים. השכלת האב סייעה באמידת ה-IQ הכולל וכישורים חזותיים-מרחביים, מרמזת על השפעת סביבת הבית והזדמנויות למידה. מאפייני מחלת הלב עצמה, כגון סוג האבחנה ומספר הניתוחים, השפיעו על יכולות ורטיקליות (מילוליות). וריאנטים גנטיים נדירים מסוימים, במיוחד אלו שמפריעים לגני התפתחות עצבית, נטו להיות מקושרים לקריאה, מתמטיקה או אוצר מילים חלשים יותר. במקום סיבה יחידה, התמונה שעולה היא של השפעות חופפות, שבהן מבנה המוח, ההיסטוריה הרפואית, הגנים וההקשר הסוציו-אקונומי דוחפים תוצאות קוגניטיביות בכיוונים שונים.

מה זה עשוי להעיד על טיפול ומעקב

עבור משפחות ומטפלים, המסר גם מרגיע וגם מבטיח לעתיד. בקבוצה זו, שהיא יחסית קטנה אך נחקרת בקפידה, רבים מהצעירים עם מחלת לב מולדת הציגו מיומנויות חשיבה בטווח הממוצע. ובכל זאת המחקר מראה כי הבדלים עדינים בקוגניציה ניתנים לאמידה משמעותית מתוך מידע שכבר נאסף בטיפול מודרני, ובמיוחד מסריקות מוח מפורטות. אם יאוישר הדבר בקבוצות גדולות ומגוונות יותר, מודלים דומים עשויים יום אחד לסייע לרופאים לזהות אילו ילדים נמצאים בסיכון גבוה יותר לקשיים בלמידה או בזיכרון, אפילו לפני שהבעיות מתפתחות במלואן. זה, בתורו, יכול להנחות הפניות מוקדמות לתמיכה חינוכית, אימון קוגניטיבי או התערבויות מבוססות משפחה — ולהפוך את בריאות המוח לחלק מרכזי במעקב כמו בריאות הלב עצמו.

ציטוט: Hussain, M.A., He, S., Adams, H.R. et al. Machine learning to infer neurocognitive testing scores among adolescents and young adults with congenital heart disease. Commun Med 6, 144 (2026). https://doi.org/10.1038/s43856-026-01417-9

מילות מפתח: מחלת לב מולדת, קוגניציה בהתבגרות, MRI מוח, למידת מכונה, התפתחות עצבית