Mohs Surgeryפורסם 19 במרץ 20267 דקות קריאה

בינה מלאכותית בניתוח מוז: כיצד הטכנולוגיה משפרת תוצאות ניתוחיות למטופלים

נכתב על ידי ד"ר יהונתן קפלן

מומחה ברפואת עור ומין, מומחה בכירורגיה דרמטולוגית וניתוחי מוז, חבר ACMS

עובדות מפתח: AI בניתוח מוז

AUC > 0.93 דווח לזיהוי BCC על ידי AI בחיתוכים קפואים של מוז
30-45 דקות זמן המתנה טיפוסי לכל שלב מוז לקריאת שקופיות
100% מהשוליים הניתוחיים נבדקים במוז, לעומת פחות מ-1% בכריתה רגילה
1-3 שלבים נדרשים ברוב ניתוחי המוז - AI עשוי לסייע בהפחתה נוספת

כשכירורגיה פוגשת טכנולוגיה

ניתוח מוז מיקרוגרפי הוא תקן הזהב לטיפול בקרצינומה של תאי בסיס (BCC) וקרצינומה של תאי קשקש (SCC) כבר עשרות שנים, ומשיג באופן עקבי שיעורי ריפוי מעל 99 אחוז לגידולים ראשוניים. הפרוצדורה עובדת בזכות עיקרון פשוט אך עוצמתי: כל מילימטר מהשוליים הניתוחיים נבדק תחת מיקרוסקופ לפני שהמנתח מחליט אם יש צורך להסיר רקמה נוספת.

תהליך זה יעיל להפליא, אך הוא גם דורש זמן רב. כל שלב ניתוחי מחייב הקפאה, חיתוך, צביעה וקריאה של הרקמה תחת מיקרוסקופ. מטופלים ממתינים בדרך כלל 30 עד 45 דקות בין שלב לשלב. עבור גידולים שדורשים מספר שלבים, הפרוצדורה יכולה להימשך מספר שעות.

כעת, מחקרים הולכים ומראים שבינה מלאכותית עשויה לסייע למנתח המוז בשלב המעבדתי הקריטי הזה, ולהפוך את התהליך למהיר, עקבי ומדויק יותר.

“אני רואה ב-AI זוג עיניים נוסף במעבדה. הוא לא מחליף את שיקול הדעת של מנתח המוז, אבל הוא יכול לסמן אזורים מדאיגים על גבי חיתוך קפוא שדורשים בחינה מדוקדקת יותר. המטרה תמיד אותה מטרה: הסרה מלאה של הסרטן עם ההשפעה המינימלית על המטופל.”
ד"ר יהונתן קפלן / Fellow ACMS, מומחה לניתוחי מוז

הבנת צוואר הבקבוק: ניתוח חיתוכים קפואים

כדי להבין מה AI מביא לניתוח המוז, כדאי להבין לאן הולך הזמן במהלך הפרוצדורה.

לאחר שכל שכבת רקמה מוסרת, טכנאי מעבדה מכין חיתוכים קפואים. הרקמה מוקפאת, נחתכת לפרוסות דקיקות, מונחת על שקופיות זכוכית ונצבעת. מנתח המוז בוחן את השקופיות הללו תחת מיקרוסקופ, ומחפש תאי גידול שנותרו לאורך השוליים.

שלב זה דורש ריכוז אינטנסיבי. שקופית מוז בודדת יכולה להכיל אלפי תאים, והמנתח צריך להבחין בין תאים סרטניים לבין מבנים תקינים של העור, תאי דלקת, רקמת צלקת וארטיפקטים שנוצרים בתהליך ההקפאה. ההבדל בין שוליים חיוביים לשוליים נקיים יכול להיות תלוי בצביר קטן של תאים בפינה אחת של השקופית.

הדיוק של תהליך זה גבוה ביותר בידיים מנוסות. אך הוא גם אנושי מטבעו. עייפות בסוף יום ניתוחי ארוך, דפוסים היסטולוגיים עדינים בתת-סוגים אגרסיביים של גידולים, והיקף הרקמה העצום שיש לבחון - כל אלה מייצגים תחומים שבהם חוות דעת חישובית שנייה עשויה להוסיף ערך.

מה המחקר מראה

סקירה שיטתית ומטה-אנליזה שפורסמו ב-Dermatologic Surgery ב-2024 בחנו את ביצועי מודלי AI שיושמו על חיתוכים ניתוחיים של מוז. הממצאים היו מעודדים. מודלים של למידה עמוקה שאומנו על תמונות שקופיות שלמות של חיתוכים קפואים השיגו שטח מתחת לעקומה (AUC) העולה על 0.93 לזיהוי קרצינומה של תאי בסיס, רמת ביצועים המתקרבת לזו של דרמטופתולוגים מנוסים.

מחקרים נפרדים הדגימו שרשתות עצביות קונבולוציוניות יכולות לזהות BCC בחיתוכים קפואים עם רגישות מעל 90 אחוז תוך שמירה על ספציפיות מעל 85 אחוז. קבוצת מחקר אחת פיתחה מודל סיווג בפיקוח חלש, שתוכנן במיוחד לחיתוכי מוז, שהצליח להבחין בין שקופיות חיוביות לגידול לבין שקופיות שליליות - ללא צורך בסימון ברמת הפיקסל במהלך האימון, יתרון מעשי משמעותי לפריסת מערכות כאלה בסביבות קליניות.

מחקר נוסף מ-2024 הציג מודל למידה עמוקה שעבר אימות על מערך נתונים רב-מוסדי של חיתוכי מוז קפואים לסרטן עור שאינו מלנומה. המודל הפגין ביצועים עקביים על פני שיטות הכנת רקמה ופרוטוקולי צביעה שונים, ממצא חשוב כיוון שאיכות חיתוכים קפואים יכולה להשתנות בין מעבדות.

כיצד AI עשוי לעבוד בפועל

חשוב להבהיר מה AI עושה ומה הוא לא עושה בהקשר זה. אף מערכת AI לא מחליפה כיום את תפקידו של מנתח המוז בקריאת חיתוכים קפואים. הטכנולוגיה מפותחת ככלי תמיכה בהחלטות - קורא שני שיכול להדגיש אזורים מדאיגים על שקופית, לפני או בזמן שהמנתח בוחן אותה.

ביישום טיפוסי, תהליך העבודה ייראה כך: הרקמה מוכנה ונסרקת באמצעות מערכת הדמיית שקופיות שלמות - למעשה, מצלמה דיגיטלית ברזולוציה גבוהה המחוברת למיקרוסקופ. אלגוריתם ה-AI מנתח את התמונה הסרוקה ומייצר מפת חום, המסמנת אזורים שבהם המודל מזהה מאפיינים התואמים תאי גידול. מנתח המוז בוחן הן את מפת החום והן את השקופית המקורית, ומשתמש בפלט ה-AI כנתון נוסף בתהליך קבלת ההחלטות.

גישה זו שומרת על סמכותו ושיקול דעתו הקליני של המנתח, תוך הפחתה פוטנציאלית של הזמן הנדרש לסרוק כל שקופית וצמצום הסיכון להחמצת מוקד קטן של גידול שנותר.

מה זה אומר עבור מטופלים

מנקודת המבט של המטופל, שילוב AI בניתוח מוז עשוי לתרגם למספר יתרונות מוחשיים.

זמני פרוצדורה קצרים יותר. אם AI יכול לסייע למנתח לזהות שוליים נקיים ביעילות רבה יותר, הזמן בין השלבים עשוי להתקצר. למטופל שממתין עם פצע פתוח בפנים, אפילו הפחתה מתונה בזמן ההמתנה היא משמעותית.

עקביות גבוהה יותר. AI לא מתעייף בסוף היום. הוא מספק את אותה רמת ניתוח בשקופית העשרים כמו בראשונה. עקביות זו חשובה במיוחד במקרים מורכבים שדורשים שלבים רבים.

ביטחון גבוה יותר בשוליים נקיים. קורא AI שני מוסיף שכבת אימות. כאשר הן המנתח והן האלגוריתם מסכימים שהשוליים נקיים, יש ביטחון מוגבר שהסרטן הוסר לחלוטין.

פוטנציאל לפחות שלבים מיותרים. מיפוי גידולים טוב יותר לפני הניתוח, בשילוב ניתוח שוליים בסיוע AI, עשוי לסייע למנתחים לבצע כריתות ראשוניות מדויקות יותר, ובכך להפחית את מספר השלבים הנדרשים.

אף אחד מהיתרונות הללו אינו דורש מהמטופל לעשות משהו אחרת. חוויית ניתוח המוז - ההרדמה המקומית, ההסרה בשלבים, השחזור באותו יום - נשארת זהה. ההבדל מתרחש מאחורי הקלעים, במעבדה.

המצב הנוכחי במרפאה שלנו

במרפאה שלנו, אנו כבר משלבים בינה מלאכותית בשלב האבחוני של הטיפול באמצעות מערכת FotoFinder AIMEE לניתוח דרמוסקופי. פלטפורמה זו מסייעת לנו לזהות נגעים חשודים מוקדם יותר ובביטחון רב יותר, מה שמשפיע ישירות על תכנון הניתוח.

כשמדובר בניתוח חיתוכים קפואים במהלך ניתוח מוז עצמו, כלי קריאה בסיוע AI עדיין בשלב המחקר והתיקוף. אנו עוקבים אחרי תחום זה מקרוב ובוחנים כלים מתפתחים באותה קפדנות שאנו מפעילים כלפי כל טכנולוגיה חדשה: האם היא משפרת תוצאות מטופלים מבלי להכניס סיכונים חדשים?

העקרונות המנחים את הגישה שלנו ברורים. הטכנולוגיה צריכה לשרת את המטופל, לא להפך. כל כלי AI שנאמץ חייב להדגים תועלת קלינית ברורה במחקרים שפורסמו ועברו ביקורת עמיתים. והמומחיות ושיקול הדעת של מנתח המוז חייבים תמיד להישאר במרכז כל החלטה.

יישומים רחבים יותר של AI בכירורגיה דרמטולוגית

מעבר לניתוח חיתוכים קפואים, AI נחקר במספר תחומים רלוונטיים לכירורגיה דרמטולוגית.

מיפוי גבולות גידול לפני הניתוח. ניתוח בסיוע AI של תמונות דרמוסקופיות ומיקרוסקופיית קונפוקלית עשוי לסייע בהגדרת שולי הגידול לפני החתך הראשון, ובכך להפחית את מספר שלבי המוז הנדרשים.

תכנון שחזור. מודלי למידת מכונה מאומנים על מאגרי נתונים גדולים של תוצאות ניתוחיות כדי לסייע בחיזוי אילו טכניקות סגירה מניבות את התוצאות הפונקציונליות והקוסמטיות הטובות ביותר עבור גדלי פצע ומיקומים אנטומיים שונים.

ניטור לאחר הניתוח. כלי השוואת תמונות מבוססי AI עשויים לסייע בזיהוי סימנים מוקדמים של חזרת הגידול בביקורי מעקב, בסימון שינויים עדינים שעשויים להיות קשים לזיהוי בעין.

יישומים אלה נמצאים בשלבי פיתוח שונים. מה שמשותף להם הוא פילוסופיה אחת: שימוש בכלים חישוביים כדי לשפר, ולא להחליף, את מיומנויות המנתח וניסיונו.

מבט קדימה

שילוב AI בניתוח מוז הוא לא שאלה של אם, אלא של מתי ואיך. הראיות המפורסמות הולכות וגדלות, הטכנולוגיה מבשילה, והיתרונות הפוטנציאליים למטופלים הם אמיתיים.

מה שלא ישתנה הוא האופי הבסיסי של הפרוצדורה. ניתוח מוז ימשיך להסתמך על יכולתו של מנתח המוז לפרש היסטולוגיה מורכבת, לקבל החלטות ניתוחיות בזמן אמת ולבצע שחזור מדויק. AI יהיה כלי בתהליך הזה, בדומה למיקרוסקופ עצמו שהיה כלי מהפכני כאשר ד"ר פרדריק מוז פיתח את הטכניקה לראשונה.

למטופלים השוקלים ניתוח מוז כיום, המסר מרגיע. אתם כבר מקבלים את הטיפול היעיל ביותר לסרטן עור הקיים, המבוצע על ידי מומחים בעלי הכשרת Fellowship בטכניקות מוכחות. כלי ה-AI באופק רק ישפרו את התהליך הזה.

שאלות נפוצות

האם AI משמש כרגע במהלך ניתוח המוז שלי?

קריאת חיתוכים קפואים בסיוע AI עדיין בשלב המחקר ואינה עדיין חלק מהפרקטיקה הקלינית הסטנדרטית. עם זאת, AI כבר משמש בשלב האבחוני במרפאה שלנו, באמצעות מערכת FotoFinder AIMEE לניתוח דרמוסקופי, המסייעת לזהות נגעים חשודים לפני שמתכננים ניתוח.

האם AI יחליף את מנתח המוז?

לא. AI בהקשר זה מתפקד ככלי תמיכה בהחלטות - קורא שני שמדגיש אזורים מעניינים. המומחיות, שיקול הדעת הקליני והמיומנות הניתוחית של מנתח המוז נשארים חיוניים ובלתי ניתנים להחלפה. מטרת ה-AI היא לסייע למנתח, לא לפעול באופן עצמאי.

כמה מדויק AI בזיהוי סרטן עור בחיתוכים קפואים?

מחקרים שפורסמו מדווחים על שטח מתחת לעקומה העולה על 0.93 לזיהוי BCC בחיתוכי מוז קפואים. זו רמת ביצועים חזקה, אם כי חשוב לציין שתוצאות אלו מגיעות מסביבות מחקר מבוקרות. תיקוף קליני בסביבות מגוונות ומציאותיות נמשך.

האם AI יהפוך את ניתוח המוז למהיר יותר?

ייתכן שכן. אם AI יכול לסייע למנתח לסרוק שקופיות ביעילות רבה יותר ולזהות שוליים נקיים בביטחון גבוה יותר, הזמן בין השלבים עשוי להתקצר. עם זאת, העדיפות היא תמיד דיוק ושלמות של הסרת הסרטן, לא מהירות.

האם AI עובד עבור כל סוגי סרטן העור בניתוח מוז?

רוב המחקר עד כה התמקד בקרצינומה של תאי בסיס, האינדיקציה השכיחה ביותר לניתוח מוז. מחקרים על קרצינומה של תאי קשקש וסוגי גידולים נוספים נמשכים. ביצועי AI יכולים להשתנות בין תת-סוגי גידולים, ונדרש מחקר נוסף לפני שכלים אלה ייושמו באופן נרחב בכל האינדיקציות.

נושאים:AIניתוח מוזבינה מלאכותיתחיתוך קפואזיהוי BCCטכנולוגיה ניתוחיתניתוח סרטן עורתוצאות מטופליםכירורגיה דרמטולוגית

מקורות והפניות

Mirza FN et al. (2024). Artificial Intelligence for Mohs and Dermatologic Surgery: A Systematic Review and Meta-Analysis. Dermatologic Surgery, 50(9):828-835. [Link]
Geijs DJ et al. (2025). Weakly Supervised Classification of Mohs Surgical Sections Using Artificial Intelligence. Modern Pathology, 38(2):100411. [Link]
Chacko N et al. (2023). Intraoperative margin assessment for basal cell carcinoma with deep learning and histologic tumor mapping. npj Precision Oncology, 7:121. [Link]
Varra V et al. (2024). Development and validation of a deep learning model for improving detection of nonmelanoma skin cancers treated with Mohs micrographic surgery. JAAD International. [Link]
Esteva A et al. (2017). Dermatologist-level classification of skin cancer with deep neural networks. Nature, 542(7639):115-118. [Link]
Nahm WJ et al. (2025). Artificial Intelligence in Dermatology: A Review of Approved Applications and Future Directions. International Journal of Dermatology. [Link]

הבהרה רפואית

מאמר זה נועד למטרות מידע בלבד ואינו מהווה ייעוץ רפואי. יש להתייעץ תמיד עם רופא עור מוסמך לצורך אבחון וטיפול. המידע המובא כאן אינו מיועד לאבחון עצמי ואינו תחליף לטיפול רפואי מקצועי.

אודות הכותב

ד"ר יהונתן קפלן