ניתוח רשתיתי ב-AI: דירוג וסגמנטציה של הרשתית

ניתוח תמונות קרקעית העין: היכן אובד הדיוק

ניתוח תמונות קרקעית העין אינו נתקע באיכות הזיהוי, אלא באחידות הקריאה. אותה תמונה בדיוק מקבלת תיאור שונה בהתאם למי קורא אותה ובאיזו שעה במשמרת: בבדיקה הארבעים ברצף כבר פחות מבחינים במיקרואנבריזמות בשולי שדה הראייה, ודימומים בודדים נכנסים תחת «מעקב».

פיזור המסקנות בין הרופאים הוא נקודת הצוואר של האבחון, והוא אינו נראה עד שמרכזים את הדוחות על פני כל הזרימה.

הסיבה עמוקה יותר מעייפות. סולם הדירוג מניח תמונת ייחוס וכיול לפיה, אך בפועל כל אחד קורא לפי הנורמה הפנימית שלו: אחד סופר מיקרואנבריזמות לפי רבעים, אחר מעריך את שטח הנגע.

שגיאות של תיאור ידני של הרשתית מצטברות לא במקרים בודדים אלא בסטטיסטיקה — בשלבים גבוליים הפערים בין הקוראים נמדדים בעשרות אחוזים.

לכך מצטרפות בדיקות חוזרות. המטופל מגיע כעבור חצי שנה, המסקנה הקודמת מתבררת כבלתי ניתנת להשוואה לחדשה, הדינמיקה לפי ההיסטוריה אובדת, וההחלטה מתקבלת לפי הטקסט האחרון. ההפסד נראה כמו כמה שורות בתיק, אך דווקא עליהן מתפוררת מעקב אחר ההתקדמות.

מאגרים פתוחים כמו EyePACS מציגים את אותה מהות של שגיאה: פערים בין קוראים תועדו שם בנפרד ונפתרו בבוררות, ולא בחיפוש אחר התשובה הנכונה היחידה. אנחנו מפרקים כיצד זה נסגר: היכן די בדירוג לפי שלבים, היכן נדרשת סגמנטציה ברמת הפיקסל, וכיצד להרכיב מהן מסקנה ברת-השוואה על פני סדרת תמונות.

מה נותן תקן אחיד להערכת הרשתית

המשמעות של תקן אחיד אינה בהערכה האוטומטית עצמה של הרשתית, אלא בנקודת ייחוס משותפת לכל הבדיקות. להלן ארבעה אפקטים הנמדדים על הזרימה: זמן הפענוח, שיעור הצילומים החוזרים, התאמת המסקנות והעומס על הרופא.

פרוטוקול תיאור אחיד

המודל ממיר את התמונה למערכת קבועה של מאפיינים: מיקום הנגעים, שטחם, מידת החומרה, אזור הבצקת. הניסוחים נשענים על הסולם הקליני הבינלאומי לחומרת רטינופתיה סוכרתית, ולכן שני מומחים מתארים תמונה אחת באופן זהה — הפערים נותרים בפרשנות הקלינית ולא בטרמינולוגיה.

מהירות פענוח הבדיקה

הרופא מקבל מפה מסומנת וטיוטת מסקנה, ולא תמונה חשופה. הבדיקה והתיקון אורכים דקות במקום עשרות דקות, סדרת בדיקות נסגרת במשמרת אחת — תפוקת החדר עולה בלי הרחבת הצוות.

פחות צילומים חוזרים

בקרת האיכות פוסלת פריימים לא ראויים בשל חוסר חדות, ארטיפקטים וכיסוי חלקי прямо בזמן הצילום. שיעור הבדיקות היוצאות לביקור חוזר יורד פי כמה, והמטופל אינו שב למרפאה בגלל פגם טכני.

שחזוריות התוצאה

הרצה חוזרת של אותה תמונה מניבה את אותה מערכת מאפיינים ואותה הערכת שלב: גרסאות המודל ויומן ההרצות מתעדים זאת. הדינמיקה של המטופל נראית לפי מדידות ברות-השוואה, ולא לפי ניסוחים של משמרות שונות.

פורמטי הטמעה של פענוח תמונות: ענן, מתאר מקומי, היברידי

בחירת סכמת הפריסה קובעת לא את נוחות הצוות, אלא את התקנון לעבודה עם תמונות רפואיות: היכן מותר לתמונה לשהות ומי רשאי לגשת אליה. פענוח תמונות בענן מסיר שאלות לגבי כוח מחשוב עצמי, אך דורש ערוץ מאובטח ותקופות אחסון שנקבעו מראש.

מתאר עיבוד מקומי, לעומת זאת, משאיר את הנתונים בתוך הארגון ומסיר חלק מהתיאומים, אך מעביר למזמין את שאלות הביצועים ועדכון המודל.

בין הקצוות פועלת סכמה היברידית: התמונות נשארות במתאר, והחוצה יוצא רק תוצאה מחוסרת זיהוי או שאילתה למודל. להלן השוואה בשלושה צירים: היכן פיזית נמצאים הנתונים, מה נדרש בצד המזמין ואילו מגבלות מתגלות כבר בתפעול.

השוואה של סכמות פריסה

הדרישות לאחסון נתונים שונות בכל סכמה, ולכן אנחנו קובעים אותן כבר בהתחלה ומטמיעים בארכיטקטורה, ולא בונים אותן בדיעבד.

כיצד אנחנו מנהלים את הפרויקט: מביקורת נתונים ועד מסירה

ניתוח רשתית מבוסס AI נשבר לא על המודל אלא על הנתונים: בארכיון שכנים זה לזה צילומים ממצלמות שונות, פרוטוקולי צילום שונים ומסקנות טקסטואליות שאינן מתאימות לאימון ישירות. לכן העבודה מתנהלת ברצף קבוע — כל שלב נסגר בארטיפקט שניתן לבדוק לפני המעבר לשלב הבא.

1. ביקורת ארכיון הבדיקות. מרכזים את התמונות במאגר אחד, מחשבים את ההתפלגות לפי שלבים ופתולוגיות, מעריכים אם יש מספיק דוגמאות לכל ממצא מטרה. התוצאה — מפת נתונים עם רשימת פערים שיש לסגור לפני תחילת העבודה.

2. הגדרת הסימון. מתארים מילון מחלקות, קושרים אותו לסולם הקליני, כותבים הנחיות למסמן עם דוגמאות גבוליות. כל תמונה מסומנת באופן עצמאי בידי שניים, פערים עוברים לבוררות של רופא עיניים — תקן הייחוס מפסיק להיות תלוי במומחה אחד.

3. אימון המודל. מחלקים את הארכיון לפי בדיקות ולא לפי פריימים בודדים: תמונות של אותו מטופל לא אמורות להיכנס בו-זמנית לאימון ולבדיקה, אחרת הערכת האיכות תהיה מנופחת. בנפרד בודקים עמידות למצלמות שונות, לתאורה ולארטיפקטים של צילום.

4. בדיקה על מדגם בלתי תלוי. את המדדים מחשבים על נתונים שלא השתתפו לא באימון ולא בסימון, ומפרקים לתת-קבוצות — מצלמה, פתולוגיה, איכות התמונה. המספר הממוצע על המדגם מסתיר כישלון במחלקה נדירה, ודווקא היא קובעת את התועלת הקלינית.

5. הטמעה ומסירה. מחברים את המודל לעמדת העבודה של הרופא בלי לשנות את המסלול הרגיל: העיבוד מתבצע ברקע, מקרים שנויים במחלוקת מסומנים לאימות ידני, ההחלטות נרשמות ביומן. מוסרים קוד, קונפיגורציות סימון, דרכון מודל עם גבולות התחולה ותקנון לאימון מחדש.

ערכת האספקה: מודל, סימון, תקנונים

לאחר ההטמעה נשאר אצל המזמין לא אב-טיפוס להדגמה, אלא מתאר עובד עם מערכת מלאה של ארטיפקטים. להלן ערכת האספקה: כל סעיף ניתן למסור לצוות פנימי או לקבלן אחר, בלי לשחזר את ההיגיון מתוך התכתבות.

• מודל מכויל וסביבת הרצה ניתנת לשחזור: תוצאה זהה על אותה תמונה בהרצה חוזרת, המתאר עולה בצד שלכם בלעדינו.
• תיעוד המודל: מחלקות ממצאים, דרישות לאיכות תמונות הקלט, ספי ודאות והתנהגות המערכת כשהיא נמנעת מהסקה.
• תיאור הסימון: מילון מחלקות, כללים למקרים שנויים במחלוקת, דרכון מערך הנתונים והסימון של מדגם הבקרה שעליו נבדק המודל.
• דוח איכות לכל מחלקה: היכן המודל טועה, לאיזה כיוון, ואיזה שיעור של בדיקות עובר לאישור המומחה.
• כללי גישה לנתונים: תפקידי משתמשים, מחיקת זיהוי בכניסה, יומן פניות לתמונות, תקופות אחסון וסדר ייצוא.
• הנחיות לרופאים: כיצד התוצאה משתלבת בקבלת הפציינט, מה משמעות ההערכה המספרית ובאילו מקרים ההחלטה נשארת בידי האדם.
• סדר עדכון המודל: סימנים לסטייה מהנתונים בפועל, תקנון אימון משלים, קבלת גרסה חדשה על מערך סגור וחזרה לגרסה הקודמת.

מקרה בוחן: כיצד השתנה פענוח הבדיקות לאחר ההטמעה

נקודת הפתיחה: תור של שבועות ופיזור בהערכות

לפני ההטמעה פענוח של סדרת קרקעית עין אחת ארך 10–14 דקות: צפייה, סימון ידני של אזורים, ניסוח המסקנה. בעומס שיא התור לאבחון התמתח עד שלושה שבועות, ושיעור הפערים בין המומחים על אותן תמונות הגיע ל-9–11% — לרוב על הגבול בין שלבים סמוכים לפי סולם ETDRS. את הפער היה צריך לפתור בצפייה חוזרת, וזו אכלה את זמן הקבלה.

מה שינינו

את המודל הציבו כקורא שני ולא כתחליף לרופא: הוא מסמן אזורים ומציע שלב, המומחה מאשר או מתקן את המסקנה. סדרות שנויות במחלוקת עוברות לפענוח של הבכיר — במקום «אמון במסקנה» הופיע קריטריון מדיד.

בנפרד כיוונו בקרת איכות: שיעור התיקונים והצפיות החוזרות מחושב לכל מומחה ולכל שלב, ולכן הידרדרות המודל נראית עוד לפני שהיא מגיעה לתור.

התוצאה כעבור שלושה חודשי עבודה

הזמן לבדיקה הצטמצם ל-4–6 דקות, עיקרו אישור הסימון. שיעור הפערים בין המומחים ירד ל-3–4%, ושיעור הסדרות הדורשות צפייה חוזרת — מ-18% ל-5%. התור לקבלה הצטמצם משלושה שבועות ל-4–6 ימים בלי הרחבת צוות ובלי רכישת ציוד: את התפוקה נתן הסרת הסימון השגרתי, ולא האצת הבדיקה עצמה.

חשוב יותר מהמספרים — הצפיות: העומס הפסיק להיות תלוי בכמה סדרות מורכבות ייפלו במשמרת. הרופא עוסק במקרים שנויים במחלוקת ובשיחה עם המטופל, ולא בהקפת אזורים מכנית.

במה שונה סגמנטציה מדירוג?

סגמנטציה של הרשתית עונה על השאלה «היכן»: זהו סימון אזורים בתמונה, שבו המודל מסמן כל פיקסל — גבולות דיסקת עצב הראייה, האזור המקולרי, כלי הדם, אקסודטים ודימומים. בפלט מתקבלות מסיכות ומספרים מדידים: שטח כל אזור, חלקו משטח הפריים, ההיסט ביחס למרכז המקולה. דירוג עונה על השאלה «עד כמה חמור» ומקצה דרגת חומרה — מהנורמה ועד שלב חמור לפי הסולם המקובל.

ההבדל במהות התשובה, ולא ב«עוצמה» של המודל. סגמנטציה היא חיזוי צפוף לכל פיקסל, ואיכותה נמדדת בחפיפה בין המסיכה החזויה למסיכת הייחוס; דירוג הוא החלטה על מחלקה, שבה השגיאה אינה סימטרית: להחמיץ שלב חמור גרוע יותר מלהעריך יתר על המידה שלב קל.

לכן גם בקרת האיכות שונה — שיעור הדרגות המדויקות ושיעור ההיסטים בדרגה אחת, לעומת בחינת אזורי סימון גבוליים.

בחירת הגישה נקבעת לפי משימת השלב. לסינון המוני של תמונות נדרש יותר דירוג: הוא נותן תשובה מהירה «נורמה או הפניה לרופא» ומשתלב בזרימת הקבלה. למעקב דינמי, לתכנון קרישה בלייזר ולהערכת גידול של נגעים חדשים נדרשת סגמנטציה — כאן חשובים השטח וההיסט של הגבולות, ולא התווית. בפועל שתי הגישות עובדות לרוב יחד.

דירוג שאומן על סימון שמקורו בסגמנטציה עמיד יותר: דרגת החומרה נשענת על מאפיינים מדידים, ולרופא נראה מה בדיוק השפיע על ההחלטה. המהנדסים שלנו בונים את הסימון כך שמערך תמונות אחד יכסה את שני סוגי המשימות — ואז הבחירה בין הגישות נשארת בידי המרפאה, ולא בידי צורת הנתונים.

ספקות לגבי נתונים, דיוק ואחריות

ההסתייגויות לגבי פענוח קרקעית העין הן בדרך כלל טכניות: האם הארכיון יספיק, כיצד להתמודד עם איכות צילום שונה, האם הפתרון ישתלב במתאר הקיים ומי אחראי לטעות.

מה לעשות עם איכות צילום שונה?

מצלמות ומפעילים שונים מפיקים ברק, חשיפת יתר ופריימים לא חדים. את הבלתי קריא פוסלים, ואת השאר ממירים לצורה אחידה; על פריים חלש המודל מחזיר ודאות נמוכה, ולא תשובה אקראית.

הרופאים חלוקים במסקנות — כיצד לנהוג?

פערים הם חלק מהסימון, ולא מכשול. מקרים שנויים במחלוקת מבררים לפני ההתחלה, את מידת ההסכמה בין המסמנים מודדים; המדד מחושב לפי תקן ייחוס מוסכם, ולא לפי מסקנה אחת.

כיצד הפתרון ישתלב במתאר שלנו?

התמונה נלקחת מארכיון הבדיקות, והמסקנה מוחזרת לעמדת העבודה של הרופא. תיקוני הרופא הופכים למשוב עבור המודל, ולא אובדים בהתכתבות.

מי אחראי לתוצאה?

המסקנה הסופית נשארת בידי הרופא, והפתרון תומך בה. אנחנו אחראים לשחזוריות: גרסאות המודל, ספי ההפעלה, מדדים על קבוצה נשמרת. במקרה של ירידה באיכות — חזרה לגרסה הקודמת.

נדון במשימה שלכם: נחזור עם הערכה ותוכנית

השיחה הראשונה היא לא מצגת, אלא בחינה של הנתונים שלכם ושל מה שנחשב לתוצאה. לכן מתחילים בשאלות שהתשובות עליהן קובעות את הערכת הפרויקט ואת תוכנית העבודה: מהיכן מגיעות התמונות, האם קיים סימון היסטורי, ואילו שגיאות של המודל קריטיות עבור הרופא.

מה מבררים לפני שמציינים לוחות זמנים להטמעה:

• אילו תמונות קרקעית עין אנחנו מעבדים — פורמט הייצוא, המצלמות, והאם פרוטוקול הצילום אחיד בין החדרים;
• אילו משימות בעדיפות: דירוג לפי שלבים, סימון אזורי נגע או מסקנת סקר «נורמה / הפניה לרופא»;
• מה קיים מבחינת סימון: מי סימן, לפי איזה סולם, כמה בדיקות מתאימות לאימון ולבדיקה;
• היכן הפתרון חי בתהליך: עמדת העבודה של הרופא עם המלצה, עיבוד מרוכז של זרימת הבדיקות או ייצוא של מסקנות מוכנות;
• אילו מדדים נחשבים ליעד ואיזו מחלקה של החמצות אינה קבילה — מכך תלוי סף ההפעלה;
• כיצד בנויים ההרשאות, מחיקת הזיהוי ואחסון התמונות במתאר שלכם;
• האם נדרש דוח על איכות המודל על המערך שלכם לפני ההפעלה בעבודה הקלינית.

תארו את המשימה — נחזור עם הערכת הפרויקט, תוכנית עבודה לפי שלבים ולוחות זמנים מציאותיים להטמעה: מהכנת הנתונים והסימון ועד לתפעול ניסיוני ומסירה לצוות שלכם. אם יש פערים בנתונים, נאמר ישירות מה צריך לסגור לפני ההתחלה, ולא אחריה.