בוחנת לב וכליות: איך ה-AI עוזרת לרופאים לפענח בדיקות אק"ג?

בדיקת האק"ג – או האלקטרוקרדיוגרם, בשמה המלא – היא אחד הכלים המוכחים והטובים שעומדים לרשות הרפואה לאבחון בעיות לב. ברחבי העולם מבוצעות מדי שנה מיליוני בדיקות כאלה, אם לא עשרות מיליונים. אבל איכשהו, נראה שהאק"ג, כמכשיר, נתקע בעידן האנלוגי ולא התקדם הרבה מאז שפותח בתחילת המאה ה-20 (למעשה, ההמצאה הראשונית פותחה עוד בשלהי המאה ה-19): הפלט שלו, בסופו של דבר, הוא פלט נייר, שמציג גרפים ושאותו נדרשים הרופאים לפענח. לעתים, במעבר לדיגיטל, כשרופאים נדרשים להתייעץ עם עמיתיהם, הם מצלמים או סורקים את פלט הנייר לפורמט דיגיטלי, וזה לכשעצמו מייצר כמה בעיות בתהליך הפענוח. חבורה של חוקרים מהטכניון מצאה לכך פתרון, שמשתמש בבינה מלאכותית, וכך יודע להסביר את הפענוח של הבדיקה בשפה שמוכרת לרופאים – מה שמגביר את האמון שלהם בכלי. הממצאים שלהם פורסמו באחרונה ב-NPJ Digital Medicine, ששייך לקבוצת Nature.

ד"ר ודים גלינר. צילום: דוברות הטכניון

פרופ' יעל יניב מהפקולטה להנדסה ביו-רפואית, וד"ר ודים גלינר ופרופ' אסף שוסטר מהפקולטה למדעי המחשב על שם טאוב בטכניון, נדרשו לכך שלעתים, כלים קיימים שמשתמשים בבינה מלאכותית לפענוח בדיקות אק"ג מסמנים אזורים נרחבים מדי או לא רלוונטיים. כשמוסיפים לכך אמצעי דיגיטציה מאולתרים מסוג אלה שצוינו כאן קודם, כמו צילום עם הסמארטפון, שיוצרים תמונות מוצללות או מטושטשות של פלט הנייר המסורתי, מבינים שמדובר בבעיה רצינית.

זיהוי וניתוח של פלט אק"ג ברמת הפיקסל הבודד

בפיתוח החדש של מדעני הטכניון, ד"ר גלינר, לשעבר דוקטורנט במעבדתה של פרופ' יניב, השתמש בקונספט מתמטי בשם מטריצת יעקוביאן (הנפוץ בהקשרים של עיבוד תמונה, אגב), שמאפשר זיהוי וניתוח של פלט אק"ג ברמת הפיקסל הבודד. בהכרח, בניגוד לשיטות קודמות, הכלי החדש לא מוסח על ידי הרקע, והוא מצליח לזהות ולהדגיש גם פרטים קטנים בתוך התרשים. יתרה מכך, הוא אף יכול להסביר מדוע מצבים מסוימים לא מופיעים בפלט האק"ג.

"הצורך נולד ממשוב ששמעתי מרופאים", אומרת פרופ' יניב בשיחה עם אנשים ומחשבים. "כרגע, המכונות מוציאות להם דיאגנוסטיקה לא מדויקת, והם בדרך כלל לא מתייחסים אליה. הבעיה העיקרית היא שהמכונה הזו אומנה פעם אחת, ולא אומנה שוב. במצב הנוכחי יכולים להיות, באותו בית חולים, שניים-שלושה סוגי מכונות, והן לא מדברות האחת עם השנייה. היינו בטוחים שכל האותות באים בצורה של סיגנל, אבל מסתבר שהמכונות ממירות את הסיגנל בחזרה לתמונה. כיוון שהטכנולוגיה לא השתנתה מאז 1912, אין לבית החולים כל סיבה לקנות מכונה חדשה, אלא אם כן היא מתקלקלת. מההבנה שיש ריבוי מכונות באותה התחלנו לפתח את הפיתוח החדש".

זיהוי מחלות לב על פי סמנים קליניים מקובלים בבדיקת אק"ג. צילום: דוברות הטכניון

היא מסבירה איך התבצע הפיתוח: "השתמשנו באפליקציה. לרופאים הייתה תוכנה על המחשב, שהם יכולים היו לצלם מסך ולהכניס אליה את הצילום. לצורך האימון השתמשנו בבסיסי נתונים קיימים באינטרנט, שיודעים מה המחלה – כמו ד"ר סמית', שמאמנים עליה רופאים, והכנסנו מידע נוסף, שקיים במקומות אחרים ושאין עליו אנליזה. עשינו את זה רק כדי לאמן את המודל באיך נראה משהו מוקלט".

פרופ' אסף שוסטר. צילום: דוברות הטכניון

"במערכת החדשה", אומרת פרופ' יניב, "הבינה המלאכותית מקבלת תמונה שיכולה להגיע או ממצלמה או סרוקה, והראינו שהיא יכולה לקבל את המידע ישירות מסיגנל, ולציין על גבי התמונה איזו מחלה היא מזהה ועל סמך מה היא קבעה את זה. כשמדובר במחלה, אלה קומבינציות. במאמר לקחנו מערכת שאומרת מה המחלה ומסבירה על סמך מה הייתה ההחלטה שלה".

היא מרחיבה על הייחודיות של הפיתוח: "כאמור, העקרון פה הוא לא רק להגיד מה המחלה, אלא לומר למה המערכת החליטה כך – שזה אין בהמון מערכות של בינה מלאכותית, וגם אם יש, הן משתמשות בשפה שלא מובנת לרופאים. לדוגמה, באחת הפעמים ניסו ליצור כל מיני מפות עם צבעים שונים וטופולוגיות. אלה לא דברים שהרופאים מדברים עליהם. כשרופא מסביר למתמחה איך הוא מזהה מחלה, הוא מסמן את הגל בעיגול, או אזור מסוים על הגרף, ואומר: 'הנה, זה קיים, אז זה לא זה'. וזה אומר שיש שתי קומבינציות אפשריות, ואף כמה. ככה הם מגדירים האם יש או אין למטופל שלהם מחלת לב. רצינו להתמקד ולהתפקס, ולעבוד בדיוק באותה השיטה".