כשבינה מלאכותית פוגשת דרמטולוגיה
העתיד של מחלות עור דלקתיות כבר כאן

הרמה הבסיסית ביותר: מלמדים מחשב לזהות נגעים מתמונות. מתחילים עם CNN (רשתות שסורקות תמונות בחלונות קטנים) ומתקדמים ל-Vision Transformers שרואים גם תמונה מלאה. המודלים מבדילים בין אגזמה לפסוריאזיס, מעריכים חומרה, ואפילו עובדים עם נתוני EHR וגנומיקה - לא רק עם עיניים. הכי מגניב? מודלים שקופים (Interpretable AI) שמראים לרופא בדיוק *מה* הם ראו בתמונה, כמו Grad-CAM שמסמן את האזור שהשפיע על ההחלטה.

במקום לדביק תווית אחת על כל המטופלים, אלגוריתמי Clustering (Unsupervised Learning) מגלים שבתוך "אגזמה" מסתתרים 5 תת-סוגים שונים. וכשמסתכלים על רשתות חלבון-תרופה, אפשר למצוא שימושים חדשים לתרופות ישנות (Drug Repurposing) - וזה חוסך שנים של פיתוח. ניתוח גנים מגלה את המנגנונים הספציפיים שמניעים כל מחלה.

מודלי שפה גדולים (LLM) כבר יודעים לעשות דברים שנשמעו כמו מדע בדיוני: לתרגם דוח פתולוגי מורכב לשפה שהמטופל מבין, לענות על שאלות נפוצות, לסכם ביקורים אוטומטית. דרך הטלפון, מודלים כמו AIME של Google ו-PanDerm כבר מספקים אבחנה מבדלת שמתחרה ברמת מומחים. גם טלדרמטולוגיה קיבלה בוסט רציני אחרי הקורונה.

הכוכבת של המחקר. מודלים כבר מזהים AD לא רק מתמונות - גם ממיקרוביום, טרנסקריפטום ותיקים רפואיים. ניתוח גנים מראה ברור שב-AD יש הטיה של Th2, בעוד בפסוריאזיס זה Th17/Th1. הממצא הכי מרשים: Clustering על 8,000+ ילדים גילה 5 תת-סוגים שונים לחלוטין - עם הבדלים אמיתיים בסיכוי להגיע לרמיסיה. יש גם מודלים שחוזים מי לא יגיב לדופילומאב, וכלי AI שעוזרים לגלות מעכבי TNFα ו-IL-4 חדשים.

הכמות הכי גדולה של מחקרי תמונות - סגמנטציה, אבחון, PASI אוטומטי. מודלים מבדילים מ-AD ומסבוריאה. התגלית המעניינת: יש 4 תת-סוגים מולקולריים (אימוני, סטרומאלי, ביניים) - וכל אחד מגיב אחרת לטיפול. הסטרומאלי אוהב אנטי-TNFα ואנטי-IL-17, בעוד האימוני מעדיף מתוטרקסט ואנטי-IL-12/23. ביומרקרים שזוהו כוללים UGGT1, CCNE1, MMP9, ו-ARHGEF28.

מודלים כמו RosNet ו-FACES מאבחנים ומבדילים מאקנה ודרמטיטיס סבוריאית - כולל זיהוי סימנים דרמוסקופיים ייחודיים כמו פוליגונים וסקולריים. הפתעה: נמצאו 2 אנדוטיפים שונים - נוירוגני ודלקתי - עם 4 גנים (PNPLA3, CUX2, PLIN2, HMGCR) שמאפשרים אבחנה של הסוג הנוירוגני עם AUC 0.90. גם נמצא קשר מנדליאני למחלות לב, ומטרות תרופתיות חדשות (SKAP2, S100A7A).

תחום שרק מתחיל אבל כבר מראה פוטנציאל ענק. XGBoost מזהה HS מנתוני ביטוח - הסימנים החזקים ביותר: שימוש בקלינדמיצין, טרים-סולפה, ואבחנת השמנה. Clustering גילה 2 אנדוטיפים שונים: גברים לא שמנים עם נגעים אחוריים ו-IL-10 גבוה, לעומת שמנות עם נגעים קדמיים ו-CRP/IL-17 גבוהים. אף מחקר אחד לא פורסם על AI גנרטיבי ל-HS - הזדמנות ענקית.

AloNet - מודל deep learning שמפלח תמונות נשירה ומחשב SALT אוטומטית. XGBoost חוזה מי יתקדם לאלופציה אוניברסאליס עם 4 גנים מפתח (CD28, HOXC13, KRTAP1-3, GPRC5D). הכי מעניין: ניתוח רשתות רגולטוריות מאפשר להתאים חולה-תרופה בניסויים קליניים - ruxolitinib ו-tofacitinib עם פרופילי תגובה שונים. חברת Absci יצרה נוגדן (ABS-201) בעיצוב AI גנרטיבי שהראה צמיחת שיער בעכברים טובה ממינוקסידיל.

עדיין בשלב מוקדם מאוד. יש מודלים לזיהוי נגעים (YOLOv3 + UNet++) שדווקא עובדים טוב יותר על פיצפטריק III/IV, ו-CNN שמכמת חומרה בפנים עם הסכמה טובה עם רופאים (ICC = 0.67-0.70). מחקר אחד מעניין זיהה kaempferide כמועמד תרופתי - דרך עיכוב CDK1/PBK במסלול p38 MAPK ושיפור ייצור מלנין. שדה פתוח לגמרי למחקר.

CNN מבדילים בין תת-סוגי CLE (acute, subacute, discoid) ובין מחקים כמו AD ופסוריאזיס. הטרנסקריפטומיקה חושפת חתימות IFN type I חזקות עם גנים כמו TLR3, MYD88, IRF7. ביומרקרים בסרום (IFI44, EPSTI1) מבדילים CLE מ-SLE עם AUC 0.85-0.89. Clustering מדם מלא גילה 6 קלאסטרים עם פרופילים דלקתיים שונים. הצורך הכי גדול כאן: גילוי תרופות - יש מעט מאוד טיפולים מאושרי FDA.

ב-DM: Random Forest חוזה סטטוס anti-MDA5 עם AUC מעל 0.97 - חום, נשירת שיער, Gottron ו-ILD הם המנבאים הכי חזקים. ISG15 זוהה כביומרקר מאומת בביופסיות עור. ב-SSc: Elastic Net מסווג ל-4 תת-סוגים מולקולריים (דלקתי, פיברו-פרוליפרטיבי, normal-like, מוגבל) עם דיוק 85%. מודלים מבדילים morphea ממחלה סיסטמית על בסיס נוגדנים וסימנים היסטולוגיים.

רוב הדאטאסטים מלאים בעור בהיר. זה אומר שמודלים יכולים לפספס או לטעות על עור כהה - וניסיונות לייצר עור כהה סינתטי עלולים דווקא להחמיר. צריך מאמץ מכוון לאסוף דאטה מגוון ולבדוק ביצועים על כל סולם פיצפטריק.

הלוצינציות - כשהמודל נותן תשובה שגויה אבל נשמעת מאוד משכנעת. בדרמטולוגיה זה יכול להוביל להמלצות מסוכנות. חייבים רופא בלופ, תמיד. אין תחליף לשיקול דעת קליני.

לשלב גנטיקה + ביטוי גנים + חשיפות סביבתיות + היסטוריה קלינית = לדעת מראש איזה טיפול יעבוד. סוף עידן ה"ניסוי וטעייה" בבחירת ביולוגי או מעכב JAK.

AI כבר עיצב נוגדן חדש (ABS-201 לאלופציה). Drug Repurposing חוסך שנים. העתיד: עיצוב מולקולות de novo שמטרגטות מסלולים ספציפיים. שילוב של רשתות חלבון-תרופה עם נתונים קליניים פותח אפשרויות חדשות לגמרי.

טלדרמטולוגיה + AI = מומחיות גם בפריפריה, גם במדינות מתפתחות. הסמארטפון הופך לכלי אבחון. זה משנה חיים של אנשים שאין להם גישה לרופא עור. מודלים כמו AIME כבר מספקים אבחנה ברמת מומחים דרך צילום פשוט.