AI עשוי לעזור למיין בדיקות CT מוח בחדר המיון לפי דחיפות — אך מחקר תיקוף חדש מראה מדוע ערך ניבוי שלילי גבוה עדיין אינו אישור לשחרר מטופלים על סמך האלגוריתם בלבד.

החוקרים ניתחו בדיעבד 3,424 בדיקות CT מוח ללא חומר ניגוד של מבוגרים שהגיעו לחדר מיון במהלך 2024. מודל ה־AI סיווג כל בדיקה כ״דחופה״ או ״לא דחופה״, וההשוואה הראשית נעשתה מול פענוח הרדיולוג המומחה.

98.3% ערך ניבוי שלילי — לצד 37 החמצות

לפי נקודת הייחוס הראשית, 253 בדיקות — 7.4% מהמדגם — כללו ממצא דחוף. המודל הגיע לרגישות של 85.4%, לסגוליות של 69.1% ולערך ניבוי שלילי של 98.3%. החוקרים העריכו כי 64% מהמפגשים היו שליליים אמיתיים שעשויים להתאים למסלול מהיר יותר.

עם זאת, המודל סיווג 37 בדיקות עם ממצא דחוף כלא דחופות. זהו המספר שחשוב לקרוא לצד ה־NPV הגבוה: כשהשכיחות של ממצאים דחופים נמוכה, גם כלי שמחמיץ חלק מהם יכול להציג ערך ניבוי שלילי מרשים.

הניתוח המאוחר שיפר את המדדים — אך היה פחות מחמיר

בניתוח פוסט־הוק, מעריך יחיד בחן מחדש את 37 ההחמצות עם גישה לתיק הרפואי ולבדיקות המשך, כשהוא יודע את פלט ה־AI. הוא סיווג מחדש 24 מהן כלא דחופות. לאחר השינוי, הרגישות עלתה ל־94.3% וה־NPV ל־99.4%.

ב־13 המקרים שנותרו נמצאו ממצאים קטנים או עדינים, ואף אחד מהם לא הצריך התערבות דחופה במהלך הביקור המקורי. זהו נתון מרגיע, אך אינו שקול להוכחת בטיחות פרוספקטיבית: הבחינה החוזרת לא הייתה סמויה, לא בוצעה בידי כמה מעריכים, והסתמכה על מידע שלא בהכרח זמין ברגע המיון.

מה עדיין צריך להוכיח

המחקר היה רטרוספקטיבי ובמרכז יחיד, ולא בדק שימוש אמיתי במודל לקבלת החלטות. לכן הוא אינו מראה שהמערכת מקצרת שהייה, מאפשרת שחרור בטוח או מפחיתה עומס בלי להגדיל סיכון.

השורה התחתונה: התוצאות מצדיקות ניסוי פרוספקטיבי שבו ה־AI משתלב בזרימת העבודה ונמדדות החלטות ותוצאות מטופלים. עד אז, הוא מתאים יותר ככלי תיעדוף ותמיכה לרופאים — לא כמסנן אוטונומי לשחרור מהמיון.