איך מאבחנים מוקדם את סרטן השד? ללמוד מהחוקרת שחלתה וניצחה

החוקרת רגינה ברזילי הישראלית וחוקרים נוספים מ-MIT פיתחו מודל המבוסס על למידת מכונה שיכול לאבחן סרטן שד מוקדם יותר • בראיון ל"גלובס" מתארת ברזילי את הבעיות בשיטה הנוכחית, מסבירה למה היא לא תקפה לנשים אפרו-אמריקאיות, ומוסיפה: "אנחנו מתבססים על עין אנושית במקום על אוטומציה"

פרופ' רגינה ברזילי הישראלית מ-MIT היא מומחית בטכנולוגיית בינה מלאכותית (AI) שסיפור חייה הוביל אותה להחיל את הידע שלה בתחום על אונקולוגיה. היא הבינה כי שילוב של טכנולוגיה בתהליך האבחון הוא הכרחי, והובילה פיתוח של מודל שיכול לצפות באופן מדויק יותר סיכון להתפתחות סרטן שד בנשים - גם מספר שנים מראש. ברזילי ערכה את המחקר ביחד עם חוקרים מ-MIT ומבית החולים מסצ'וסטס ג'נרל (אחד מבתי החולים המובילים בארה"ב), ולפני מספר חודשים הם פרסמו מאמר על המודל החדש.

המודל של קבוצת החוקרים היה מוצלח יותר באופן מובהק ממודלים קיימים לאמידת סיכון לסרטן השד. הוא זיהה כבעלות סיכון גבוה 31% ממי שבסופו של דבר לקו בסרטן תוך חמש שנים מיום הבדיקה. אמנם 69% מהנשים שחלו תוך חמש שנים לא זוהו כבעלות הסיכון הגבוה ביותר, אך הנתונים הללו עדיין טובים משמעותית מהמודל הקיים (מודל Tyrer-Cuzick), שסיווג כחלק מקבוצת הסיכון הגבוה רק 18% ממי שלקו בסופו של דבר בסרטן תוך חמש שנים.

"אזור המומחיות שלי הוא למידת מכונה ועיבוד שפה טבעית. לא עבדתי עם מידע רפואי, עד שב-2013 אובחנתי כחולה בסרטן השד", מספרת ברזילי בראיון עם "גלובס". מחלתה של ברזילי גרמה לה להבין, כמו אחרים, כיצד השמרנות של העולם הרפואי משאירה אותו פעמים רבות מאחור ולא מאפשרת לו לאמץ טכנולוגיות חדשות. "כשעברתי את הטיפול הבנתי כמה כל התהליך פרימיטיבי, בכל אחד מהשלבים שבו. הייתי מאוד מופתעת מהפער הענקי בין הטכנולוגיות שמשתמשים בהן לכל היישומים האחרים, לעומת אלה שמשתמשים בהן בתחום הבריאות".

מאיזו בחינה התהליך פרימיטיבי?

"קודם כל, ההגדרה של אוכלוסיית הסיכון לא מספיק ברורה, וזה בעצם הדבר העיקרי שהמודל שלנו בא לשנות. אצלי למשל, לפני שאובחנתי לא חשבתי שאני בקבוצת סיכון. לאף אחת במשפחה שלי לא היה סרטן שד, אני די רזה, מתעמלת, אוכלת בריא. אולם למעשה, 80% מסוגי סרטן השד מהווים מקרה ראשון במשפחה, ומופיעים אצל נשים ללא היסטוריה משפחתית או מרכיב גנטי שידוע לנו.

"כשהמשכתי ללמוד את הנושא הבנתי שהמודלים שיש לנו היום לחיזוי סיכון למעשה לא קיימים, ואי אפשר לפעול בהתאם להם. כך למשל, ישנה המלצה לשלוח נשים לבדיקת MRI, הנחשבת לבעלת יכולת גילוי מוקדם טובה יותר, אם הן מקבלות ציון גבוה במדד המשקלל את צפיפות השד ומדדי רקע אחרים כמו היסטוריה משפחתית. ואולם, למדד הזה אין באמת ערך מנבא לסיכון. הוא משפר את הניבוי רק מעט יותר מהטלת מטבע. הרדיולוגים אפילו לא מצליחים להסכים מהי בכלל הצפיפות אצל אישה מסוימת, וההבדל בסיכון לסרטן אצל נשים עם רקמת שד צפופה ולא צפופה אמנם קיים, אבל הוא לא כל כך משמעותי.

"רק אחרי שגילו אצלי את הגידול בממוגרפיה שלחו אותי ל-MRI, שהראה כביכול סרטן מאוד חמור. הבנו רק לאחר ביופסיה שבעצם התמונה בממוגרפיה תיארה הרבה יותר טוב את המצב - שלא היה כה חמור".

זו אחת הדוגמאות לסיבה שבגללה אי אפשר לשלוח את כל האוכלוסייה לבדיקת MRI, גם אם זה לא היה יקר. כמות הביופסיות המיותרות הייתה מרקיעה שחקים. "ברגע שמגלים בדיוק את סוג וחומרת הסרטן, די ברור איך אפשר לטפל ברוב המקרים. אבל השאלה היא איך מקבלים אבחנה באופן המהיר ביותר", אומרת ברזילי.

המודל הקיים לעומת המחקר החדש
 המודל הקיים לעומת המחקר החדש

למידה על בסיס 90 אלף ממוגרפיות

האלגוריתם שפיתחה ברזילי נועד גם לחלק את הנשים לקבוצות סיכון בצורה יותר מדויקת, וגם לאבחן מוקדם יותר את החולות. "הגידול הופיע אצלי שנתיים לפני שהצליחו לאבחן אותו, אפשר ממש לראות אותו בממוגרפיות מאותה תקופה בעין בלתי מזוינת, מעין כתם קטן שהופיע ב-2012 וגדל ב-2013.

"יש לנו כבר מאות אלפי ממוגרפיות שנרכשו לפני שנים ואנחנו יודעים היום את תוצאות האמת - איזו ממוגרפיה הייתה של מצב מחלה. אפשר לנצל אותן כדי לזהות דפוסי שינוי ברקמה שהעין האנושית לא יכולה לתפוס, ובהתאם לזה להציע המשך מעקב.

"העניין הוא שכשמסתכלים על ממוגרפיה, רואים הרבה כתמים לבנים שיש בכל שד. כשהגידול עדיין קטן, לעין האנושית קשה להבחין אם מדובר בסרטן או לא. זו בעיה שקיימת לדעתי בכל סוגי ההדמיות, כאשר דווקא היתרון של ממוגרפיות הוא שלרוב יש הרבה תמונות לאורך זמן אז אפשר לראות את השינוי, וזו למעשה אחת האינדיקציות החזקות לאבחון סרטן. אבל אם מסתכלים רק על התמונה הראשונה, קשה להגיד איזה חלק לבן הוא רע וסרטני ואילו כתמים הם משהו אחר. בשנה שעברה מצאו חוקרים שאפילו בהדמיות שעשו לנשים בסיכון גבוה, נשאיות הגן BRCA - להן עושים בדיקת MRI - לשליש מהן היה סרטן בשד כבר שנה לפני שאובחנו".

כדי שהמודל של ברזילי ידע להבדיל בין כתמים לבנים מסוכנים לבין כתמים לבנים שיש בכל ממוגרפיה, הוא עבר תהליך של אימון: תוך שימוש בלא פחות מ-90 אלף ממוגרפיות ומידע על תוצאותיהן - כלומר אבחנת המטופלות - למד המודל לזהות את הדפוסים העדינים ברקמת שד שמקדימים גידולים ממאירים. הקוד של אותו מודל אף פתוח לצורכי מחקר. "זה כמו שלכלבים יש חוש ריח הרבה יותר טוב משלנו, לא משנה מה נעשה עם האף שלנו", אומרת ברזילי כדי להדגיש את הצורך בשימוש באבחון שלא על ידי העין האנושית בלבד. "חוש הראייה שלנו פשוט מוגבל", היא מסבירה.

המודל למד לאבחן סרטן קיים, וכאשר התמונה לא לגמרי ברורה הוא מצביע על הנשים שאצלן היא מעידה על סיכון נמוך לחלות בעתיד. אלה יכולות לרווח את בדיקות הממוגרפיה, לעומת נשים עם סיכון גדול להופעת סרטן בעתיד - אותן ניתן להפנות ל-MRI, בדיקה יקרה ורגישה יותר, לעתים רגישה מדי. "מחקרים שנערכו בארה"ב מדגימים שהרבה נשים שצריכות MRI לא מקבלות אותו, ונשים שלא צריכות אותו מקבלות אותו. לפעמים ההתפלגות ביניהן מעידה על אפליה - נשים מבוססות יותר ברמה הסוציו-אקונומית יקבלו את הבדיקה, ולא נשים שנמצאות בסיכון גבוה יותר".

זה לא עובד בהכרח לטובתן של אותן נשים מבוססות. "אנחנו לא רוצים לעשות ביופסיות לא נחוצות. יש לזה מספר סיבות: שליחה לביופסיה תגביר משמעותית את החרדה של האישה, יש להליך הזה עלות גבוהה, וזה גם תהליך ניתוחי. אף פעם לא טוב לפגוע ברקמות אם לא חייבים.

"גם לגבי הממוגרפיות עצמן, יש דילמה מתי וכמה לעשות. יש ארגונים מסוימים שממליצים להתחיל בגיל 50 כי הם לא מאמינים שיש הצדקה לעשות את זה קודם. במקרה שלי, אם לא הייתי הולכת לממוגרפיה מוקדם יותר, אולי לא הייתי פה".

האתגר: לגרום לרופאים להשתמש במודל החדש

בחזון של ברזילי, בינה מלאכותית תטייב את תהליך האבחנה בעזרת הקביעה מי בסיכון גבוה או נמוך, אך גם על ידי קביעה איזו בדיקה מתאימה לכל אחת. "בעולם האידיאלי שלי הייתי רוצה לראות מכונה שקוראת ממוגרפיות וצופה את רמת הסיכון של המטופלת, וגם את ההסתברות שממוגרפיה לא תפעל בצורה טובה על הרקמה שלה - כי יש נשים שיכולות להרגיש את הגידול שלהן ושלא רואים אותו בממוגרפיה, אבל רואים אותו בבירור ב-MRI.

"לכן, אפשר לאמן מכונה שתצפה מה סוג הרקמה שבה ממוגרפיה תיכשל ואז צריך בדיקה אחרת. אנחנו משקיעים כל כך הרבה כסף בממוגרפיות ומכונות MRI ובלקיחת התמונות האלו, אולם בעיבוד שלהן אחר כך הכול מבוסס על העין האנושית - ויש כל כך הרבה אפשרויות לאוטומציה. האמת היא שבתור שורדת סרטן שד לא היה אכפת לי מהעלות, אלא מלייצר תחזיות שהעין האנושית היום לא יכולה לעשות - עבור אבחנה עתידית".

מודל שמדייק מאוד בהצבעה על נשים שיש להן סיכוי גבוה לפתח סרטן בעתיד יכול להוביל גם להנחיה למתן כימותרפיה מונעת. כדי להגיע לכך, הרופאים צריכים להיות משוכנעים שהמודל באמת מדויק. לדברי ברזילי, המודל שלה כבר מדויק יותר ממודלים קיימים שמשמשים היום לרישום כימותרפיה מונעת.

נראה שאת מעורבת בצד הרפואי הרבה יותר ממה שאיש טכנולוגיה יהיה לרוב.

"עבורי זה מאוד חשוב. כשאובחנתי, מה שמשך אותי זה לא לכתוב מאמר נוסף, אלא לראות את זה מיושם בקליניקות. המודל כבר מיושם בבית החולים מסצ'וסטס ג'נרל".

מה הדילמות הכי גדולות איתן מתמודדים הרופאים שמשתמשים במודל שפיתחת?

"הדבר הכי חשוב שצריך להיות מודעים לו במודלים של AI ברפואה זה שאם המודל מנבא סיכון, כאדם אתה לא יכול לראות בעיניים את העדות לאותו סיכון בתמונת ההדמיה. לדעתי זו אחת השאלות הפסיכולוגיות הגדולות - איך גורמים לרופאים להשתמש בנוחות במודלים שאותם קשה להם לתקף באופן ישיר".

ברזילי והחוקרים אף שמו דגש על רמת דיוק זהה לנשים מגזע שונה במודל שפיתחו. ברזילי מסבירה כי "המודל שמשתמשים בו באופן מסורתי (מודל Tyrer-Cuzick, אליו הושווה המודל שפיתחה ברזילי במאמר שתואר בפתיחת הכתבה) פותח בהתבסס על נשים לבנות בלונדון בגיל מסוים, ואחר כך יישמו אותו על כולם - גם במקומות עם אוכלוסייה שונה מאוד מזו שעליה הוא פותח. זו בעיה משום שכולנו שונים ויש גם הרבה אנשים מגזע מעורב. אני משערת שבתקופה בה המודל פותח לא היו בבריטניה הרבה נשים אפרו-אמריקאיות, לפחות לא כמו היום. כתוצאה מכך, המודל הזה הוא כמעט רנדומלי לגמרי עבור נשים אפרו-אמריקאיות.

"את המודל שלנו אימנו על מידע ממערכת בריאות ספציפית - האמריקאית, ואני ממליצה שאם יחילו אותו במקום אחר יאמנו אותו מחדש על בסיס דאטה שנוגע לאותה אוכלוסייה. אם הוא יראה מספיק תמונות של נשים מרקע אתני אחר, כנראה שהוא יידע איך להתמודד איתן".

רופאים ומטופלים בכלל מודעים לבעיה הזו?

"כן, אבל רופאים עדיין השתמשו במודל הזה כי לא היה להם שום דבר טוב יותר".

בהמשך, ברזילי מקווה להחיל את המודל שפיתחה גם על מצבים רפואיים נוספים. "אני עובדת עכשיו על יישום שלו בסרטן הלבלב, שם האתגר הוא לא בעצם למידת המכונה, אלא בהשגת הדאטה. במקרה של סרטן שד נשים עוברות הרבה בדיקות, ולרוב לפני שאישה מאובחנת יש לה כבר כמה ממוגרפיות. ביחס לסרטן הלבלב, רוב האנשים לא הולכים סתם כך לעשות סריקה של הגוף שלהם.

"אז עכשיו אנחנו אוספים סריקות מארה"ב ואירופה. אם למשל מישהו פשוט הגיע לחדר המיון כי היה לו כאב בטן, ואולי בהמשך אותו מטופל חלה בסרטן, אנחנו רוצים את הסריקות המוקדמות האלו, ולפיהן נוכל אולי לפתח מודל שיראה שהיה שם כתם מסוכן כבר בסקירות המוקדמות".

בנוסף לאלגוריתם החיזוי של סרטן שד, ברזילי פיתחה בעבר גם מודל שמשתמש בטכנולוגיית עיבוד שפה טבעית מול מידע רפואי של חולי סרטן. "היום כל מה שאנחנו יודעים על סרטן מגיע מהרישום הלאומי לסרטן, שם נשמר מידע כמו מאפייני המחלה, הטיפול ותוצאותיו. ככה יודעים למשל מה שיעור הנשים במדינה שחלו בסרטן השד.

"והיום זה ידני לחלוטין. זו בעיה גדולה. אז בנינו מודל שיכול לעשות אוטומציה לאיסוף מידע, והמידע הנאסף כך הוא בר חיפוש. היום מחקרים בתחום הסרטן עלולים להיות מוגבלים לכמה מאות נשים במקום עשרות אלפים כי קשה להפיק את המידע מן המאגר, וזה מאוד חסר תועלת, יקר ואיטי". 

רוצה להשאר מעודכן/ת בנושא גלובס טק?
✓ הרישום בוצע בהצלחה!
צרו איתנו קשר *5988