האם בינה מלאכותית יכולה לעבוד בשירות רפואת הלב? על שאלה זו ושאלות ונוספות ניסינו לענות במחקר שערכנו, שפורסם לאחרונה בכתב העת npj Digital Health מקבוצת Nature, תחת השם "יכולת פרשנות קלינית משמעותית של מודל בינה מלאכותית לסיווג אק"ג".
2 צפייה בגלריה
הכלי החדש לא "מוסח" על ידי הרקע, והוא מצליח לזהות ולהדגיש גם פרטים קטנים בתוך התרשים
(צילום: Shutterstock)
המחקר נערך בשילוב בין שתי פקולטות בטכניון – אני מהפקולטה להנדסה ביו-רפואית וד"ר ודים גלינר ופרופ' אסף שוסטר מהפקולטה למדעי המחשב ע"ש טאוב – וממחיש את החשיבות של שיתוף פעולה בין חוקרים מתחומים שונים. המחקר מומן על ידי משרד המדע ורשות החדשנות.
בניית אמון בבינה המלאכותית
אק"ג (אֶלֶקְטְרוֹקַרְדְיוֹגְרָם) הוא אחד הכלים החשובים ביותר ברפואה המודרנית. כלי זה משמש לזיהוי בעיות לב – מהפרעות קצב ועד למחלות הנגרמות משינוי בתפקוד הלב – באמצעות רישום הפעילות החשמלית של הלב. מדובר בבדיקה זולה יחסית, קצרה ולא פולשנית שתוצאותיה מופיעות מיד בסיומה. בארצות הברית לבדה נערכות מיליוני בדיקות אק"ג בשנה, בין אם בביקור שגרתי אצל רופא ובין אם בחדרי מיון. כעת, עם ההתקדמות בתחום ה-AI, מערכות חכמות משמשות יותר ויותר בפענוח ובניתוח בדיקות אק"ג, ואף מצליחות לעיתים לזהות מצבים רפואיים שרופאים עשויים להחמיץ.
פרופ' יעל יניבצילום: חיים מגיורה כתום צלמיםעם זאת, רופאים מבקשים להבין מדוע הבינה המלאכותית מספקת אבחנה מסוימת. מערכות AI, המספקות רמות דיוק גבוהות, פועלות לעיתים כ"קופסה שחורה" ומספקות תוצאה מבלי להסביר איך הגיעו אליה. בהיעדר הסבר ברור, הרופאים מתקשים לתת אמון בכלים האלה.
כדי לגשר על הפער הזה פיתחנו שיטה חדשה שמאפשרת לבינה המלאכותית לא רק לנתח אק"ג, אלא גם להסביר את ממצאי הבדיקה באופן שאלה יהיו אמינים בעיני הרופאים. המחקר שערכנו מאפשר לנו לומר בביטחון כי אכן, בינה מלאכותית בהחלט נמצאת בשירות הרפואה. הפיתוח שלנו מספק פענוח מדויק של בדיקות אק"ג ומנגיש אותו לצוות הרפואי.
פרופ' אסף שוסטרצילום: באדיבות דוברות הטכניוןכדי שבינה מלאכותית תהיה כלי שימושי בקליניקה, עליה להדגיש את אותם המאפיינים בבדיקת האק"ג שעליהם מסתמכים הרופאים בעת האבחון. כאן ישנם כמה אתגרים. ראשית, כלי AI מסמנים לעיתים אזורים רחבים מדי בתרשים האק"ג, ולא תמיד מצביעים על האזור הקריטי שדרוש לרופא. לעיתים המערכת מסמנת אזורים לא רלוונטיים, כמו הרקע של התמונה, במקום להתמקד באותות החשובים באמת. שנית, אפילו בקרב קרדיולוגים אין תמיד הסכמה מלאה לגבי חשיבותם היחסית של משתנים שונים בתוצאות בדיקת האק"ג.
העתיד של AI ברפואה
במציאות, רופאים המנתחים תוצאות אק"ג מתבססים על תדפיסי נייר מהמכשיר ולעיתים מצלמים אותם בטלפון הנייד כדי לשתף עם קולגות או לצרף לתיק רפואי. התמונות האלו עלולות להיות מטושטשות, עקומות או מוצללות – מה שמקשה מאוד על ניתוח אוטומטי. כדי להתמודד עם האתגר הזה, ד"ר ודים גלינר, לשעבר דוקטורנט בקבוצת המחקר שלי בטכניון, פיתח כלי AI חדש בשיתוף המעבדה של פרופ' שוסטר מהפקולטה למדעי המחשב ע"ש טאוב בטכניון.
ד"ר ודים גלינרצילום: באדיבות דוברות הטכניוןכלי זה מבוסס על קונספט מתמטי בשם מטריצת יעקוביאן, המאפשר דיוק ברמת הפיקסל. בניגוד לשיטות קודמות, הכלי החדש לא "מוסח" על ידי הרקע, והוא מצליח לזהות ולהדגיש גם פרטים קטנים בתוך התרשים. יתרה מכך, הוא יכול גם להסביר מדוע מצבים מסוימים אינם מופיעים באק"ג.
2 צפייה בגלריה
האם מערכות AI יכולות לזהות מצבים רפואיים שרופאים עשויים להחמיץ באק"ג?
(צילום: shuttetrstock)
במבחנים קליניים שערכנו, המערכת הצליחה לזהות מאפיינים קליניים בגלי ה-ECG שזהים למאפיינים שרופאים קרדיולוגים מוצאים כדי לאפיין מחלה מסוימת. לדוגמה, חוסר בגל P, שהוא מאפיין מובהק של הפרעת קצב עלייתית. בנוסף, המחקר מאפשר לשלול בעיות לב מסוימות, בהקשר לדוגמה שלנו באמצעות זיהוי מדויק של גלי P תקינים. דיוק הפרשנות עמד על מתאם ממוצע של 0.94–0.96 עם פרשנות של קרדיולוגים בכירים – והעובדה שהשיטה פועלת היטב גם בתמונות מטושטשות או מצולמות בזווית, מעניקה לה יתרון של ממש לשימוש קליני אמיתי, גם במקומות מרוחקים או דלי משאבים.
ככל שהבינה המלאכותית הופכת לחלק בלתי נפרד מהרפואה, היכולת שלה להיות מוסברת ואמינה חשובה לא פחות מהדיוק שלה. פיתוחים כמו זה שאנו מציגים במאמר שפורסם לאחרונה, מאפשרים לבינה המלאכותית להנגיש את מסקנותיה בשפה רפואית ברורה, וכך הופכים את הכלים האלו לחכמים יותר, אמינים יותר ונפוצים יותר בתחום הקרדיולוגיה. עם ההתקדמות הזו, ייתכן שבעתיד הקרוב הרופאים יקבלו לא רק סיוע באבחון בעיות לב – אלא גם הסבר מפורט לכל החלטה מה שיוביל לטיפול מהיר, מדויק ומבוסס יותר עבור המטופלים.
הכותבת היא סגנית הדיקן לתעשייה וניסויים קליניים, הפקולטה להנדסה ביו-רפואית, הטכניון
