מודל יסוד לסריקה של סרטן השד והריאות באמצעות טומוגרפיה ממוחשבת ללא חומר ניגוד

מדוע סריקה אחת לשני סוגי סרטן חשובה

בדיקות סקר לסרטן בדרך כלל פועלות כמו סדרת בדיקות נפרדות: בדיקה אחת לריאות, אחרת לשדיים — כל אחת מוסיפה זמן, עלות וחשיפה לקרינה. המחקר הזה חוקר רעיון אחר — האם סריקת חזה בולטת ונפוצה יכולה, בעזרת בינה מלאכותית (AI), לבדוק בשקט גם סרטן ריאות וגם סרטן השד בבת אחת. אם זה יצליח, גישה כזו יכולה להפוך סריקות שגרתיות לרשת ביטחון כפולה, במיוחד בבתי חולים עמוסים ובאזורים עם משאבים מוגבלים.

סייר דיגיטלי חדש לגילוי סרטן

החוקרים פיתחו מערכת בינה מלאכותית בשם OMAFound שלומדת "לקרוא" סריקות CT תלת־ממדיות של החזה. שלא כמו כלים מסורתיים שאומנו באופן צר על איבר אחד, המערכת הזו לומדת תחילה ממעל ל־200,000 סריקות שלא תויגו, מיותר מ־58,000 אנשים, פשוט כדי להבין איך חזה בריא ומחלה נראים באופן כללי. אימון רחב זה מאפשר ל‑AI לתפוס דפוסים עדינים ברחבי החזה כולו. בהמשך הצוות מוסיף קבוצות נתונים קטנות יותר ומתויגות שמראות האם כל חולה התגלה בסופו של דבר עם סרטן שד, סרטן ריאות או שאינו חולה, ובכך מלמדים את המודל להפוך את ההבנה התמונה הכללית לחיזויים קונקרטיים של סרטן.

לאמן מערכת אחת לעקוב אחרי שני איברים

על בסיס הליבה המשותפת לקריאת תמונה, בנה הצוות שני תת־ענפים ממוקדים: אחד המכוון לזיהוי סימנים לסרטן השד ואחד לזיהוי סימנים לסרטן הריאות. הם אימנו ובדקו תת־ענפים אלה על סריקות CT של יותר מ־150,000 מטופלים ממספר בתי חולים סיניים ומערכי נתונים בינלאומיים. עבור סרטן השד הם גם פיתחו מערכת AI נפרדת שקוראת ממוגרמות, בדיקת הסקר הסטנדרטית כיום, כדי להשוות בצורה הוגנת בין AI מבוסס CT לפרקטיקה המוסכמת אצל אותן נשים. בניסויים מקבילים על נשים שהיו להן שתי סוגי תמונות, המערכת לממוגרפיה הייתה מדויקת במעט בסך הכל, אך הענף המבוסס CT לשרוי שד היה רגיש יותר — גילה יותר מקרים של סרטן — בעוד שממוגרפיה הייתה טובה יותר במניעת אזעקות שווא.

מממצאי איבר לתשובות ברמת המטופל

הסתכלות על כל איבר בנפרד יכולה להטעות: אם שני הענפים אומרים "אפשרי סרטן", הצירוף עלול להציע בצורה לא מציאותית שני גידולים נפרדים באותו אדם. כדי להימנע מכך, החוקרים יצרו מודול AI שלישי שממזג מידע משתי תצפיות השד והריאות של אותה סריקת CT ומחליט האם המטופל ברמה הכוללת צפוי לפתח סרטן. נקודת מבט ברמת המטופל הזו משקפת את המציאות הקלינית, שבה אנשים במקרה שבו יש סרטן, סביר שנמצא גידול יחיד. בקרב נשים במערכי הבדיקה, אסטרטגיה משולבת זו העניקה את האיזון הטוב ביותר — רגישות גבוהה לסרטן קיים תוך שמירה על בקרה על חיוביים לשווא — והצטיינה על פני דרכים מתמטיות פשוטות למיזוג הפלטים ברמת האיבר.

בדיקת המערכת בסקר מציאותי

כדי לראות כיצד OMAFound עובד מחוץ למעבדה, הצוות ערך מחקר פרוספקטיבי בארבעה מרכזים רפואיים, במעקב אחרי יותר מ־21,000 אנשים שהגיעו לסקר CT חזה במינון נמוך. אצל גברים, שבהם רלוונטי רק סרטן הריאות, המערכת הצליחה לשמור על איזון בין גילוי סרטן לאזהרות שווא בכ־86% מהמקרים. אצל נשים, היא השיגה דיוק מאוזן של כ־82% עבור סרטן השד, כ־88% עבור סרטן הריאות וכ־83% כשקבעה האם לאישה יש בכלל סרטן. החוקרים גם ביקשו משבעה רדיולוגים כללים לקרוא דגימה מאתגרת של סריקות, תחילה בעצמם ואז עם ציוני הסיכון ומפות חום של OMAFound שמציגות אזורים מעוררי דאגה. בסיוע ה‑AI, היכולת של הרדיולוגים לתפוס סרטן עלתה באופן משמעותי — במיוחד עבור גידולי השד — בעוד שהנטייה שלהם לטעויות של שיחוי יתר במקרים ללא סרטן לא התגברה.

מה זה יכול להביא לטיפול היומיומי

בסך הכל, המחקר מציע כי סריקת חזה אחת במינון נמוך, שכבר בשימוש רחב לצורכי בדיקות ריאה, יכולה גם לספק שכבת סינון נוספת לסרטן השד כאשר מצרפים לה מערכת בינה מלאכותית חזקה. OMAFound אינה מחליפה ממוגרפיה או שיקול דעת מומחה, אך היא יכולה לסמן אנשים בסיכון גבוה מוקדם יותר ולעזור לרופאים העמוסים לכוון את תשומת ליבם היכן שצריך. על ידי המרת סריקה שכיחה אחת לעין רב‑סרטן, הגישה מצביעה על תוכניות סקר יעילות יותר, נגישות יותר ובעלות פוטנציאל להציל חיים, ללא הוספת בדיקות, עלות או חשיפה לקרינה.

ציטוט: Liang, Z., Niu, Q., Wang, J. et al. A foundation model for breast and lung cancer screening using non-contrast computed tomography. Nat. Health 1, 403–415 (2026). https://doi.org/10.1038/s44360-026-00055-8

מילות מפתח: סריקה רב-סרטנית, CT במינון נמוך, סרטן השד, סרטן הריאות, בינה מלאכותית רפואית