מחקר רחב היקף מבריטניה מראה כיצד אלגוריתם מבוסס בינה מלאכותית יכול לשפר את הדיוק של תוכניות הסריקה
במחקר מקיף שכלל למעלה מ־100,000 בדיקות ממוגרפיה, הוכיחו חוקרים את הפוטנציאל של כלי בינה מלאכותית חדש לאתר נשים הנמצאות בסיכון גבוה לפתח סרטן שד “בין בדיקות” — כלומר, סרטן שמתפתח ומתגלה בין בדיקות הממוגרפיה התקופתיות.
ממצאי המחקר פורסמו ב־28 באוקטובר 2025 בכתב העת Radiology, של החברה הרדיולוגית של צפון אמריקה (RSNA).
🧠 מהו סרטן “בין בדיקות”?
סרטן כזה, המכונה Interval Breast Cancer, נחשב לקשה יותר לטיפול, מאחר שהוא נוטה להיות גדול או אגרסיבי יותר מזה שמתגלה במסגרת סריקה שגרתית.
“זו בדיוק הסיבה שחשוב למזער את מספר המקרים הללו בכל תוכנית סקר,” מסבירה פרופ’ פיונה ג’. גילברט, חוקרת ופרופסורית לרדיולוגיה באוניברסיטת קיימברידג’ ואוניברסיטת אדנברוק (U.K).
🤖 הבינה המלאכותית שמזהה סיכון סמוי
החוקרים, בראשות הסטודנט ד"ר ג’ושוע רות’וול ופרופ’ גילברט, השתמשו במאגר נתונים רטרוספקטיבי רחב היקף מתוכנית הסקר הלאומית הבריטית (המתבצעת אחת לשלוש שנים).
הם הפעילו את אלגוריתם הבינה המלאכותית Mirai – מערכת למידה עמוקה (Deep Learning) שפותחה לזיהוי סיכון אישי לסרטן שד על בסיס מידע ויזואלי מהממוגרפיה בלבד: צפיפות הרקמה, מאפייני גידול עדינים ודפוסים מיקרוסקופיים נוספים.
המודל חישב ציון סיכון אישי לשלוש שנים קדימה לכל נבדקת.
📊 נתוני המחקר
המחקר כלל 134,217 ממוגרפיות של נשים בגילאי 50–70, שבוצעו בין השנים 2014–2016 בשני מרכזי סקר שונים בבריטניה.
במהלך התקופה אותרו 524 מקרי סרטן בין בדיקות.
להלן שיעור הזיהוי הרטרוספקטיבי של האלגוריתם בקרב קבוצות הסיכון השונות:
-
1% העליון בציון הסיכון → 3.6% מהמקרים (19 מתוך 524)
-
5% העליון → 14.5% מהמקרים
-
10% העליון → 26.1% מהמקרים
-
20% העליון → 42.4% מהמקרים
המשמעות: אילו היו מזמנים לבדיקה נוספת את 20% הנשים עם ציון הסיכון הגבוה ביותר, ניתן היה לגלות כמעט מחצית מהמקרים של סרטן שהתפתח בין הבדיקות.
🩺 דיוק גבוה – גם ביחס לכלים קיימים
המערכת Mirai הדגימה ביצועים טובים במיוחד בזיהוי מקרים שהתפתחו עד שנה לאחר הבדיקה, ופחות במקרים שהתגלו לאחר שנתיים או שלוש.
בנשים עם רקמת שד צפופה במיוחד, הדיוק ירד במעט, אך עדיין היה גבוה יותר מהמודלים הקיימים לניבוי סיכון.
לדברי רות’וול:
“אם נבצע בירור נוסף לנשים עם 20% הציונים הגבוהים ביותר – נוכל לזהות כמעט חצי מהמקרים של סרטן בין בדיקות. המשמעות היא שניתן להשתמש ב־Mirai כדי להמליץ על דימות נוסף או על קיצור מרווח הזמן בין הבדיקות.”
🇬🇧 השלכות על מערכת הבריאות הבריטית
בבריטניה, כ־2.2 מיליון נשים עוברות בדיקות ממוגרפיה מדי שנה.
פרופ’ גילברט מציינת כי שילוב AI עשוי לייעל את תוכנית הסקר הלאומית באמצעות התאמת תדירות הבדיקות או שימוש באמצעי דימות נוספים (כמו MRI או ממוגרפיה עם הזרקת חומר ניגוד) לנשים בסיכון גבוה בלבד.
עם זאת, היא מזהירה:
“אם נקרא ל־20% מהנשים לבדיקה משלימה, נצטרך להיערך ל־440,000 בדיקות נוספות – אתגר לוגיסטי משמעותי מאוד למערכת הבריאות.”
🔬 הצעד הבא של החוקרים
בשלב הבא, החוקרים מתכננים:
-
להשוות בין כלים מסחריים שונים לחיזוי סיכון,
-
לבצע מודלים כלכליים וניתוח עלות-תועלת,
-
ולהפעיל ניסוי קליני שבו בינה מלאכותית תזהה בזמן אמת נשים הזקוקות לדימות נוסף מיד לאחר סריקה רגילה.
“זיהוי נשים בסיכון גבוה הוא אתגר רב־גורמי ומורכב,” אומרת פרופ’ גילברט.
“המטרה היא לזהות כמה שיותר נשים שבאמת צפויות לפתח סרטן – אך בלי להעמיס על מערכת הבריאות בבדיקות מיותרות.”
הירשמו כדי לקבל את תכנים ישירות לתיבת הדואר שלכם.
קבלו גישה מיידית לחדשות מתפרצות, ביקורות חמות, מבצעים מעולים וטיפים מועילים.
⚙️ סיכום
המחקר מדגים כיצד בינה מלאכותית יכולה לשנות את פני גילוי סרטן השד:
יותר דיוק, פחות בדיקות מיותרות, ויכולת לזהות מוקדם נשים שנמצאות בסיכון אמיתי — עוד לפני שהסרטן מתגלה.
אם ייושם בקנה מידה רחב, מדובר בצעד משמעותי לעבר רפואה מותאמת אישית אמיתית, שבה כל אישה תקבל תוכנית סריקה אישית לפי מאפייני הגוף שלה – ולא לפי לוח זמנים קבוע מראש.
