שיטה הסתברותית של למידה עמוקה לחלוקת הזרועית השלישית (choroid plexus) בספקטרום האוטיזם

מדוע עבודה זו חשובה לבריאות המוח ולאוטיזם

הזרועית השלישית היא מבנה זעיר עמוק בתוך המוח שעוזר לייצר ולסנן את הנוזל המקיף את המוח וחוט השדרה, והיא גם ממלאת תפקיד מרכזי בפעילות החיסונית במוח. ראיות גוברות מצביעות על כך שבחלק מהאנשים עם הפרעת ספקטרום האוטיזם (ASD), מבנה זה עשוי להיראות או לתפקד בצורה שונה, מה שעשוי לשקף שינויים בדלקת המוח. כדי להבין באמת את הקשרים הללו, מדענים צריכים לחקור אלפי סריקות מוח—אך לעשות זאת דורש כלים ממוחשבים מהירים ואמינים שיכולים לאתר ולסמלל את הזרועית השלישית באופן אוטומטי. מחקר זה מציג ובוחן כלי כזה, שמראה לא רק עד כמה הוא מדויק, אלא גם עד כמה הוא בטוח בתשובותיו.

שער קטן אך עוצמתי במוח

הזרועית השלישית יושבת בחללים המלאים בנוזל במוח ומהווה מחסום בין הדם לנוזל השקוף שנקרא נוזל מוחי–שדרתי. היא מסייעת לשלוט במה נכנס ויוצא מסביבת המוח ומשתתפת בתקשורת חיסונית, כולל תגובות הקשורות לדלקת. מחקרים קודמים מצאו שהזרועית השלישית יכולה להיות מוגדלת או משונה במספר מצבים מוחיים, ממחלת טרשת נפוצה ועד דיכאון, ומחקרים ראשוניים מצביעים על הבדלים שעשויים להופיע גם אצל חלק מהאנשים האוטיסטיים. עם זאת, שרטוט מדוקדק של מבנה זה ידנית על סריקות MRI הוא איטי, תובעני ובעל היבטים סובייקטיביים, מה שהופך מחקר בקנה מידה רחב לבלתי אפשרי כמעט ללא אוטומציה.

ללמד מחשב למצוא את הזרועית השלישית

המחברים התמקדו ב-ASCHOPLEX, מערכת למידה עמוקה שפותחה לאחרונה שמסמנת אוטומטית את הזרועית השלישית על סריקות MRI. במקור אומנה על מבוגרים עם ובלי טרשת נפוצה, ו-ASCHOPLEX כבר הראתה דיוק כמעט-אנושי בקבוצות אחרות. במחקר זה, הצוות התאימו את הכלי ל-ASD באמצעות "התאמה דקה" (finetuning) על סט קטן אך מתויג בקפידה של 12 מבוגרים (עם ובלי אוטיזם) מפרויקט מחקר מקומי. לאחר מכן בחנו עד כמה הוא עבד על 53 מבוגרים נוספים שאצלם הזרועית השלישית נשרטה ידנית על ידי מומחים, מה שאיפשר השוואה ישירה בין אדם למכונה. הם גם השוו את ASCHOPLEX לכלי מוכר לעיבוד MRI מוחי בשם FreeSurfer, שלא תוכנן במיוחד עבור מבנה זה.

להוסיף תחושת ביטחון לניבויים

מעבר לשאלה הפשוטה האם הכלי צדק או טעה, החוקרים רצו לדעת עד כמה הוא בטוח לגבי כל החלטה. לשם כך הפכו את ASCHOPLEX למודל "הסתברותי" על ידי הפעלת טכניקת dropout הן במהלך האימון והן במהלך המבחן. במונחים מעשיים, הדבר אומר שהמודל רץ פעמים רבות על אותה סריקה, בכל פעם עם הגדרות פנימיות שונות במעט, ויוצר אוסף של ניבויים מעט שונים. על ידי בחינת מידת ההסכמה או הדיון בין הניבויים בנקודה מסוימת במוח, הצוות יכל להעריך חוסר ודאות—אזורים שבהם המודל בטוח ואזורים שבהם הוא פחות בטוח. הם יישמו גישה זו לא רק על מערך הנתונים המקומי שלהם למבוגרים, אלא גם על יותר מ-1,800 משתתפים, ילדים ומבוגרים, מתוך פרויקט ABIDE (Autism Brain Imaging Data Exchange) הגדול.

כמה טוב הכלי עבד אצל אנשים ובגילים שונים

לאחר התאמה דקה, ASCHOPLEX התאמה בקירוב לקווי המתאר שצוירו בידי האדם של הזרועית השלישית אצל מבוגרים עם ובלי אוטיזם, והשיג רמות דיוק דומות או טובות יותר מההסכמה בין מומחים אנושיים. הוא התעלה באופן ברור על FreeSurfer, שלא אולפן עבור מבנה זה. חשוב לציין כי לאחר ההתאמה הדקה, ASCHOPLEX כבר לא הראה הבדלי ביצועים בין מבוגרים אוטיסטיים ללא-אוטיסטיים או בין גברים לנשים, ובכך הפחית חששות לגבי הטיה מערכתית. כשנוצלה הגרסה ההסתברותית על מערך הנתונים הגדול של ABIDE, המודל נשאר הבטוח ביותר לגבי מבוגרים, במיוחד אלו הדומים לקבוצת האימון, אך חוסר הביטחון שלו עלה עבור גם מבוגרים וגם ילדים מאתרים חיצוניים—והיה הגבוה ביותר אצל ילדים. ניתוח מפורט הראה שחוסר הביטחון הנוסף הזה משקף בעיקר חוסר היכרות של המודל עם סריקות מוח של ילדים, ולא איכות סריקה ירודה.

מה משמעות הדבר עבור מחקר אוטיזם עתידי

ללא-מומחים, המסר המרכזי הוא שמעתה החוקרים מצוידים בכלי מבוסס בינה מלאכותית מעשי שיכול לאתר בדיוק מבנה מוחי קטן וחשוב אצל אנשים עם ובלי אוטיזם, ויכול לציין עד כמה הוא בטוח בכל תוצאה. ASCHOPLEX, ובייחוד בגרסתו ההסתברותית, ניתן ליישום באוספי דימות גדולים כדי לסרוק שינויים בזרועית השלישית שעשויים לסמן פעילות חיסונית משונה במוח. בינתיים, העלייה בחוסר הביטחון אצל ילדים מדגישה שכלים כאלה עדיין זקוקים לאימון נוסף על אוכלוסיות צעירות לפני שניתן יהיה לסמוך עליהם בכל קבוצות הגיל. בסך הכול, המחקר מציג כיצד שילוב של למידה עמוקה עם מדדי וודאות מפורשים יכול להפוך ניתוחי דימות מוחיים לעוצמתיים ושקופים יותר, ולסלול את הדרך להבנה טובה יותר של שינויים נוירו-חיסוניים באוטיזם.

ציטוט: Bargagna, F., Morin, T.M., Chen, YC. et al. A probabilistic deep learning approach for choroid plexus segmentation in autism spectrum disorder. NPP—Digit Psychiatry Neurosci 4, 2 (2026). https://doi.org/10.1038/s44277-026-00056-1

מילות מפתח: הפרעת ספקטרום האוטיזם, הזרועית השלישית, MRI מוחי, למידה עמוקה, דלקת עצבית