כאשר מטופל מגיע לחדר המיון עם כאב בחזה, CT של עורקי הלב יכול לסייע לשלול או לזהות חסימות. מחקר רב־מרכזי חדש בדק אם תוכנת בינה מלאכותית מקומית יכולה לקרוא את הבדיקה במהירות וברמת ביצוע שמתקרבת לרדיולוגים מומחים.

מה נבדק

החוקרים ניתחו בדיעבד נתונים של 1,193 מטופלים שעברו אנגיוגרפיית CT של העורקים הכליליים בארבעה חדרי מיון אקדמיים בין 2019 ל־2024. בסך הכול, 342 מטופלים — 28.7% מהמדגם — סבלו ממחלת עורקים חסימתית.

הביצועים נבדקו בשתי קבוצות נפרדות. אצל 885 מטופלים שימשה הסכמה בין מומחים כנקודת הייחוס; אצל 308 מטופלים שימש צנתור פולשני כנקודת הייחוס. ההפרדה חשובה: המספרים משתי הקבוצות אינם בני השוואה ישירה כאילו הגיעו מאותו מבחן.

מה נמצא

בקבוצת הצנתור, ה־AI הגיע לרגישות של 94.6%, לעומת 95.2% אצל רדיולוגים מומחים. גם השטח מתחת לעקומה היה זהה — 0.87 בשתי הקבוצות — וההבדלים ברגישות ובערך הניבוי השלילי לא היו מובהקים סטטיסטית.

עם זאת, הסגוליות של ה־AI הייתה נמוכה יותר: 68.0% לעומת 78.7% אצל הרדיולוגים. גם הערך המנבא החיובי היה נמוך יותר, 81.8% לעומת 87.2%. במילים פשוטות, התוכנה הייתה טובה בזיהוי מטופלים שאכן סבלו מחסימה, אבל נטתה יותר לסמן חסימה גם כשלא אושרה בצנתור.

בקבוצה שבה נקודת הייחוס הייתה הסכמת מומחים, הרגישות הייתה 79.5% והערך המנבא השלילי 95.4%. הפער בין הקבוצות ממחיש עד כמה בחירת מבחן הייחוס ואוכלוסיית המטופלים משפיעה על מדדי הדיוק.

למה זה עדיין לא רדיולוג אוטונומי

המחקר היה רטרוספקטיבי: התוכנה נותחה על בדיקות שכבר בוצעו, ולא נמדד אם השימוש בה בזמן אמת קיצר את זמן האבחון, שינה החלטות טיפוליות או שיפר תוצאות רפואיות. גם רק כרבע מהמדגם עבר צנתור, ולכן ההשוואה הישירה לנקודת הייחוס הפולשנית נשענת על קבוצה נבחרת.

סגוליות נמוכה יותר עלולה להוביל לבירורים מיותרים אם משתמשים בפלט ללא ביקורת מקצועית. לכן החוקרים מציגים את הכלי כקורא שני וכמערכת תמיכה בהחלטה — לא כתחליף לפענוח קליני.

השורה התחתונה

ה־AI הראה ביצועים מבטיחים בזיהוי חסימות ב־CT לבבי, במיוחד ברגישות, אך שילם ביותר התראות חיוביות שגויות. השלב הבא צריך להיות בדיקה פרוספקטיבית בזמן אמת שתמדוד לא רק דיוק, אלא גם השפעה על זרימת העבודה, בדיקות המשך ותוצאות המטופלים.