דר' טל פרימן - רדיולוגית בכירה, מומחית בדימות השד, בי"ח בילינסון. פברואר 2025
סרטן השד,
הינה המחלה הממארת השכיחה ביותר בקרב נשים בישראל ובעולם בכלל [1].
בישראל, כ-5,000 נשים מאובחנות מדי שנה כחולות
בסרטן השד. ממקום זה, נולד הצורך בבדיקת סקר לאבחון מוקדם. ממוגרפיה ידועה היטב
ביכולותיה כבדיקה שמורידה תמותה מסרטן השד [2], ועל כן רוב מדינות העולם 'אימצו'
אותה כבדיקת סקר, עם שינויים בתדירות ביצוע הבדיקה בין מדינה למדינה.
עם
זאת, ישנם מספר אתגרים בפענוח בדיקת ממוגרפיה כגון: שוני בגישות הפענוח בין מפענחים
שונים, היכול להוביל לפרשנויות שונות בתוצאות הבדיקה, מחסור עולמי ברדיולוגים
מומחים בדימות שד, עומס על המערכת בשל עליה בכמות בדיקות הממוגרפיה. בנוסף, צפיפות
רקמת השד מהווה אתגר משמעותי בזיהוי ממצאים חשודים בממוגרפיה ורגישות הבדיקה
'צונחת' באופן משמעותי בנשים עם מבנה שד סמיך [3].
הבינה
המלאכותית - AI (artificial intelligent), מציעה פתרונות אפשריים לאתגרים אלו ובשנים האחרונות הפכה לחלק
בלתי נפרד מתהליך פענוח בדיקות הדימות, כולל פענוח ממוגרפיה.
מספר
מחקרים מהשנים האחרונות, הראו כי תוכנות הבינה הללו, יכולות לסייע בהפחתת עומס
העבודה הנובע מריבוי בדיקות, תוך כדי שמירה על רמת ביצועים גבוהה [4-5]. נכון
להיום, ישנן בשוק מעל 20 תוכנות שונות מאושרות FDA, לקריאת ממוגרפיה [6].
בישראל,
השימוש בבינה מלאכותית בתחום הרדיולוגיה הולך ומתרחב בדומה למגמות עולמיות. בינואר
2021 החלה הטמעת תוכנת iCAD ככלי
עזר לפענוח ממוגרפיה. ההטמעה החלה בבי"ח בילינסון ובהמשך הוטמעה ביחידות נוספות ב"כללית"
ברחבי הארץ. מרגע ההטמעה, כל בדיקה מפוענחת על ידי רדיולוגים מומחים בדימות שד כמקובל,
אך בנוסף, הרדיולוג.ית המפענחים מקבלים פלט של התוכנה, בו מפורט האם התוכנה התרשמה
שישנם ממצאים חשודים, המצריכים המשך בירור והמפענחים יכולים להחליט אם הם מקבלים
המלצות אלו או לא.
לאחר
כשנתיים מתחילת ההטעמה, נבחנו השפעות ההטמעה והתוצאות נראות מבטיחות, כפי שכבר פורסם
בעבודות נוספות ברחבי העולם, עם שיפור אחוזי הגילוי של סרטן השד, עליה בגילוי
סרטנים בשלב ראשוני (שהינו בר טיפול והחלמה), שלילה של ממצאים שאינם סרטניים שיתכן
ועל ידי העין האנושית היו מפוענחים כממצא 'אמיתי' הדורש המשך טיפול (עובדה הגורמת
ללחץ ועוגמת נפש בקרב מטופלות). בנוסף, לרופא.ה המפענחים יש ביטחון עם קריאת
התוכנה כאילו מדובר ב'עין נוספת' בפענוח הבדיקה.
:References
- Rodriguez-Ruiz A, Lang K, Guber-Merida A, Broeders M, Gennaro G, Clauser P, et al. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison with 101 Radiologists. J Natl Cancer Inst. 2019 Sep 1; 111(9): 916-22.
- Nicosia L, Gnocchi G, Gorini I, et al. History of Mammography: Analysis of Breast Imaging Diagnostic Achievements over the Last Century. Healthcare (Basel). 2023 May 30; 11 (11): 1596. doi: 10.3390/healthcare 11111596. PMID: 37297735; PMCID: PMC 10252579.
- Lynge E, Vejborg I, Andersen Z, et al. Mammographic Density and Screening Sensitivity, Breast Cancer Incidence and Associated Risk Factors in Danish Breast Cancer Screening. J Clin Med. 2019 Nov 19;8(11):2021. doi: 10.3390/jcm8112021. PMID: 31752353; PMCID: PMC6912479.
- Dembrower K, Wouhlin E, Liu Y, et al. Effect of Artificial Intelligence-based Triaging of Breast Cancer Screening Mammograms on Cancer Detection and Radiologist Workload: a Retrospective Simulation Study. Lancet Digit Heatlth 2020; 2(9) - e474.
- Raya-Povedano JL, Romero-Martin S, Elias-Cabot E, et al. AI-Based Strategies to Reduce Workload in Breast Cancer Screening with Mammography and Tomosynthesis: a Retrospective Evaluation. Radiology 2021; 300 (1): 57-65.
- Taylor CR, Monga N, Johnson C, et al. Artificial Intelligence Applications in Breast Imaging: Current Status and Future Directions. Diagnostics (Basel). 2023 JUn 13; 13 (12): 2041. doi: 10.3390/diagnostics13122041. PMID: 37370936; PMCID: PMC10296832.