דילוג לתוכן הראשי
Game Changers

בינה מלאכותית בדרמוסקופיה - למידת מכונה בגילוי מלנומה

Dermoscopy AI - Machine Learning in Melanoma Detection

ד"ר יהונתן קפלןמומחה ברפואת עור ומין, כירורגיה דרמטולוגית וניתוחי מוהס, ACMS Fellow(עודכן: )9 דקות קריאה

נקודות מפתח

  • 1CNN (Convolutional Neural Networks) הגיעו לרגישות של 95%+ וסגוליות של 82%+ בגילוי מלנומה
  • 2מחקר Esteva et al. (Nature 2017) הראה לראשונה ביצועים שווים לדרמטולוגים
  • 3אתגרים: שונות עורית, Fitzpatrick V-VI, הטיה במאגרי נתונים, regulatory gaps
  • 4AI ישמש ככלי תומך החלטה ולא כמחליף - הרופא נשאר מרכזי
תוכן עניינים

הרקע

מלנומה היא סרטן העור הקטלני ביותר, אך בגילוי מוקדם שיעור ההישרדות ל-5 שנים עולה על 95%. הדרמוסקופיה שיפרה את הרגישות לגילוי ב-20-30%, אך עדיין תלויה במומחיות הרופא. ההבדל ברגישות בין דרמטולוג מנוסה לרופא ראשוני יכול להגיע ל-30%. האם ניתן "לדמוקרטיזציה" את המומחיות?

שנות 2010 הביאו מהפכה בלמידת עומק (Deep Learning). רשתות CNN (Convolutional Neural Networks) הצליחו לזהות דפוסים בתמונות ברמה שלא נראתה קודם. תחום רפואת העור, עם הבסיס הוויזואלי שלו, היה מועמד טבעי ליישום.

המחקרים שעשו את השינוי

Esteva et al. (Nature 2017) - מחקר פורץ הדרך:

  • אימון CNN על 129,450 תמונות קליניות
  • ביצועים שווים ל-21 דרמטולוגים מוסמכים בזיהוי מלנומה וקרצינומה
  • הוכחת עקרון: AI יכול להגיע לרמת מומחה

Haenssle et al. (Annals of Oncology 2018):

  • השוואה ישירה: CNN מול 58 דרמטולוגים ב-100 תמונות דרמוסקופיות
  • CNN: רגישות 95%, סגוליות 82.5%
  • ממוצע דרמטולוגים: רגישות 86.6%, סגוליות 71.3%
  • AI עלה על רוב הדרמטולוגים, כולל מומחים

ISIC Challenge ותחרויות בינלאומיות:

  • מאגר ISIC (International Skin Imaging Collaboration) עם מאות אלפי תמונות
  • תחרויות שנתיות שיפרו את הדיוק באופן מתמיד
  • AUC > 0.95 במודלים המובילים

מחקרים בעולם האמיתי:

  • Tschandl et al. (Lancet Oncol 2019): AI + רופא ביחד > AI לבד > רופא לבד
  • Phillips et al. (Lancet Digit Health 2020): סקירה שיטתית - AI מבטיח אך חסרי מחקרים פרוספקטיביים

מה השתנה בפרקטיקה

  1. כלי עזר אבחנתי - אפליקציות AI לדרמוסקופיה (כגון SkinVision, DermEngine) מתחילות לחדור לשוק
  2. סקירה מוגברת - AI מאפשר סקירה מהירה של מאות נגעים ותיעדוף לביופסיה
  3. דמוקרטיזציה - רופאים ראשוניים יכולים להיעזר ב-AI כ"יועץ וירטואלי"
  4. שינוי בהכשרה - רזידנטים לומדים עם AI כמשוב, AI מזהה דפוסים שלא ראו
  5. רגולציה - FDA אישר מכשירים ראשונים מבוססי AI לסקירת נגעי עור

💡 פנינות קליניות

AI לא מחליף - השתמשו ב-AI כ"דעה שנייה", לא כפוסק הלכה. ההקשר הקליני (היסטוריה, מיקום, סימפטומים) חיוני
הטיה (Bias) - רוב מאגרי האימון מכילים בעיקר עור בהיר (Fitzpatrick I-III). דיוק מופחת בעור כהה
Ugly Duckling - AI לא "רואה" את הנגע בהקשר של שאר הנגעים. עין הרופא עדיין עדיפה ב-pattern recognition כולל
Nodular melanoma - AI מתקשה יותר עם מלנומות נודולריות ואמלנוטיות - בדיוק המקרים המסוכנים ביותר
תיעוד - AI דורש תמונות באיכות גבוהה. השקיעו בדרמוסקופ מחובר למצלמה איכותית

🇮🇱 השלכות על הפרקטיקה בישראל

בישראל, שימוש ב-AI בדרמוסקופיה עדיין בחיתוליו. מרכזים בודדים (כגון שיבא) בוחנים מערכות AI. האתגר העיקרי: רגולציה (אישור משרד הבריאות), אחריות רפואית (מי אחראי אם AI מחמיץ מלנומה?), ושילוב במערכת הקיימת. עם זאת, הפוטנציאל עצום - ישראל עם שיעור מלנומה גבוה יכולה להרוויח רבות מסקירה מונחית AI.

מסרים עיקריים

  1. 1AI הגיע לרמת דרמטולוג מומחה בגילוי מלנומה מדרמוסקופיה - זו עובדה מוכחת
  2. 2השילוב AI + רופא עדיף על כל אחד לבדו - "Augmented Intelligence"
  3. 3אתגרים של הטיה, עור כהה ומלנומות אטיפיות דורשים שיפור לפני אימוץ נרחב
  4. 4הרופא נשאר מרכזי - AI הוא כלי, לא מחליף

📖 מקורות

  1. 1Esteva A et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature 2017;542:115-118. PMID: 28117445
  2. 2Haenssle HA et al. Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition. Ann Oncol 2018;29:1836-1842. PMID: 29846502
  3. 3Tschandl P et al. Human-computer collaboration for skin cancer recognition. Nat Med 2020;26:1229-1234. PMID: 32572267
#AI#בינה מלאכותית#דרמוסקופיה#מלנומה#Deep Learning
י.ק

ד"ר יהונתן קפלן

מומחה ברפואת עור ומין, כירורגיה דרמטולוגית וניתוחי מוז, ACMS Fellow

מומחה ברפואת עור, כירורגיה דרמטולוגית וניתוחי מוז (Mohs Micrographic Surgery). בוגר הפקולטה לרפואה של האוניברסיטה העברית-הדסה, התמחות ברפואת עור במרכז הרפואי שיבא (תל השומר), ו-Fellowship בכירורגיית מוז ב-ACMS. מפתח כלים דיגיטליים מבוססי-ראיות לרפואת עור במסגרת תוכנית DermUnbound.