חוקרים הראו כי ניתן להשתמש באלגוריתמים מבוססי בינה מלאכותית על מנת לזהות באופן אוטומטי פגיעות ראש מתוך צילומים רפואיים. אולי שימוש רפואי עתידי באלגוריתמים החדשים יוכל לעזור בתהליך האבחון הרפואי ולהפוך אותו למהיר, יעיל ומדויק יותר.

ההתקדמות במחקר הביו-רפואי בשנים האחרונות יצרה מציאות שבה מעבדות מחקר ומרפאות מפיקות מידע בכמות עצומה, למשל כתוצאה משימוש בדימות רפואי מתקדם (CT, MRI ,EEG, ועוד), חיישנים ביולוגים המלווים מטופלים ומשדרים מדדים פיזיולוגיים, הקלטות חשמליות רפואיות וריצופים גנטיים. היכולת האנושית לעבד כמויות מידע עצומות ולהסיק מהן מסקנות מוגבלת ביותר, ולכן דרושים פתרונות אוטומטיים המסוגלים לנתח עבורנו את המידע בצורה חכמה. פתרונות אוטומטיים כאלה מתבססים על עקרונות מעולם הבינה המלאכותית (Artificial intelligence) - תכנות מחשבים לפתור בעיות באופן דומה לבינה אנושית, ואלגוריתמיקה - תוכניות מחשב המגדירות סט של צעדים לפתרון בעיה. פתרונות אלו דרושים בדחיפות על מנת לענות על הצורך הרפואי הגדל בניתוח של נתוני עתק. 

בעשור האחרון יש עלייה משמעותית בשימוש בשיטת צילום לא פולשני הנקראת "טומוגרפיה ממוחשבת" (CT) בחדרי טיפול נמרץ - עלייה של 330% בארה"ב בלבד [1]. מידע מצילום CT יכול, למשל, לאפשר לרופאים לזהות פגיעות ראש. למרבה הצער, העלייה בשימוש ב-CT לא הביאה עמה ייעול דומה בתהליך האבחון בשל הקושי לנתח במהירות כמויות מידע עצומות אלו. ואכן, אחת הבעיות הניצבות מול רופאים ביחידות טיפול נמרץ היא היכולת להבחין במהירות בין פגיעות ראש קלות לפגיעות חמורות ומסכנות חיים המצריכות טיפול מיידי.

במחקר מעניין שיצא בכתב העת המדעי The Lancet, חוקרים הראו כי שימוש בשיטות מבוססות בינה מלאכותית מאפשרות להפריד ולזהות ביעילות כתשעה מקרים רפואיים בצילומי סריקות ראש [2]. באופן ספציפי, החוקרים השתמשו בשיטת בינה מלאכותית הנקראת "רשתות עצביות מלאכותיות", כלומר אלגוריתם הלומד לפתור בעיות על ידי חיקוי תהליך הלמידה של המוח האנושי.

במחקר, החוקרים השתמשו במאגר מידע של מאות אלפי סריקות ראש מבוססות CT, מצומדות לאבחון הקליני שלהן, שנאספו מ-20 מרכזים רפואיים בהודו. חלק מהסריקות אפשרו לחוקרים "ללמד" את האלגוריתם איך נראות סריקות CT של מגוון פגיעות ראש, כאשר שאר הסריקות אפשרו להם לבחון את יעילות האלגוריתם בזיהוי פגיעות ראש. כדי לבדוק את ביצועיו, החוקרים השוו את האבחון שנתן האלגוריתם לאבחון קליני שניתן לכל מקרה וקיבלו ציון המתאר את דיוק הזיהוי. מההשוואה עלה כי האלגוריתם מזהה בדיוק רב מספר פתולוגיות ראש (כמו דימומים מוחיים ושברים בגולגולת). בהמשך, השתמשו החוקרים במאגר מידע נוסף על מנת להשוות את ביצועי האלגוריתם עם דעתם המקצועית של שלושה רדיולוגים, כאשר תוצאות האלגוריתם התאימו לאבחון הרדיולוגים ב86%-99% מהמקרים, כתלות בסוג המצב הרפואי.

מחקר זה הוא מהראשונים להציג רשת עצבית המסוגלת לזהות מצבים רפואיים שונים ממאגר גדול של סריקות ראש אשר נלקחו מאוכלוסיה גדולה של מטופלים. בנוסף, ובשונה מאלגוריתמים אחרים, אלגוריתם זה מאפשר לזהות לא רק את קטגוריית הפתולוגיה (למשל "דימום מוחי"), אלא גם את תת הקטגוריה (למשל "דימום בין הגולגולת לקרומי המוח").

האם שיטה זאת או דומות לה יעזרו בעתיד לייעל את תהליך האבחון הרפואי? שימוש רפואי נרחב באלגוריתם הוא כנראה עדיין מוקדם, בין היתר בגלל שהאלגוריתם מוגבל מאוד בכמות המצבים הרפואיים אותם הוא יכול לזהות, בנוסף למגבלות של הערכת היעילות שלו. בשביל ללמד אלגוריתם לזהות מצבים רפואיים דרושים מאגרי מידע גדולים ואמינים, שיהיו בהם הרבה דוגמאות לכל סוג של מצב רפואי שרוצים לאבחן, מה שלא סופק כאן בכל המקרים. שימוש במאגר מידע קטן מדי עלול להוביל לזיהוי שגוי. בנוסף, במספר מקרים הרדיולוגים לא הגיעו להסכמה בינם לבין עצמם, מה שיוצר בעיה בבחינת ביצועי האלגוריתם. כנראה שלפני שימוש קליני נרחב באלגוריתם יש לבצע מחקרים בהם תיבדק יעילותו תחת שימוש קליני, מאחר שאחד החששות הגדולים ביותר של רופא הוא זיהוי של אדם חולה כבריא, ולכן יש לוודא את אמינות האלגוריתם.

אף על פי כן, בהחלט מדובר בצעד משמעותי בכיוון הנכון. בתקופה האחרונה עולה כמות המחקרים המנסים להשתמש בבינה מלאכותית על מנת לבצע זיהוי מהיר ואמין של סריקות רפואיות כדי לתת מענה לצורך הרפואי הגדל. מחקר זה בולט בהיותו אחד מהמחקרים הראשונים המציגים אלגוריתם המאפשר לא רק לזהות האם יש בעיה רפואית (כן או לא), אלא אף לזהות את סוג הבעיה הרפואית המדויקת. לא מן הנמנע שנזכה לראות אימוץ של שיטות אבחון מבוססות בינה מלאכותית ע"י בתי החולים אפילו בעשור הקרוב. מעניין יהיה לראות כיצד אימוץ טכנולוגיה זו ישפיע על התייעלות ומהירות תהליכי האבחון ואולי אפילו, אם נהיה אופטימיים, על העומס במחלקות השונות.

מקורות:

1. מאמר על שימוש בסריקות CT בחדרי טיפול נמרץ
2. המאמר המקורי - אבחון CT באמצעות אלגוריתם של בינה מלאכותית