כשבינה מלאכותית פוגשת דרמטולוגיה
העתיד של מחלות עור דלקתיות כבר כאן

הרמה הבסיסית ביותר: מלמדים מחשב לזהות נגעים מתמונות. מתחילים עם CNN (רשתות שסורקות תמונות בחלונות קטנים) ומתקדמים ל-Vision Transformers שרואים גם תמונה מלאה. המודלים מבדילים בין אגזמה לפסוריאזיס, מעריכים חומרה, ואפילו עובדים עם נתוני EHR וגנומיקה - לא רק עם עיניים. הכי מגניב? מודלים שקופים (Interpretable AI) שמראים לרופא בדיוק *מה* הם ראו בתמונה, כמו Grad-CAM שמסמן את האזור שהשפיע על ההחלטה.

במקום לדביק תווית אחת על כל המטופלים, אלגוריתמי Clustering (Unsupervised Learning) מגלים שבתוך "אגזמה" מסתתרים 5 תת-סוגים שונים. וכשמסתכלים על רשתות חלבון-תרופה, אפשר למצוא שימושים חדשים לתרופות ישנות (Drug Repurposing) - וזה חוסך שנים של פיתוח. ניתוח גנים מגלה את המנגנונים הספציפיים שמניעים כל מחלה.

מודלי שפה גדולים (LLM) כבר יודעים לעשות דברים שנשמעו כמו מדע בדיוני: לתרגם דוח פתולוגי מורכב לשפה שהמטופל מבין, לענות על שאלות נפוצות, לסכם ביקורים אוטומטית

דרך הטלפון, מודלים כמו AIME של Google ו-PanDerm כבר מספקים אבחנה מבדלת שמתחרה ברמת מומחים

גם טלדרמטולוגיה קיבלה בוסט רציני אחרי הקורונה

מודלים כבר מזהים AD לא רק מתמונות - גם ממיקרוביום, טרנסקריפטום ותיקים רפואיים

ניתוח גנים מראה ברור שב-AD יש הטיה של Th2, בעוד בפסוריאזיס זה Th17/Th1

הממצא הכי מרשים: Clustering על 8,000+ ילדים גילה 5 תת-סוגים שונים לחלוטין - עם הבדלים אמיתיים בסיכוי להגיע לרמיסיה

יש גם מודלים שחוזים מי לא יגיב לדופילומאב, וכלי AI שעוזרים לגלות מעכבי TNFα ו-IL-4 חדשים

הכמות הכי גדולה של מחקרי תמונות - סגמנטציה, אבחון, PASI אוטומטי

מודלים מבדילים מ-AD ומסבוריאה

התגלית המעניינת: יש 4 תת-סוגים מולקולריים (אימוני, סטרומאלי, ביניים) - וכל אחד מגיב אחרת לטיפול

הסטרומאלי אוהב אנטי-TNFα ואנטי-IL-17, בעוד האימוני מעדיף מתוטרקסט ואנטי-IL-12/23

ביומרקרים שזוהו כוללים UGGT1, CCNE1, MMP9, ו-ARHGEF28

מודלים כמו RosNet ו-FACES מאבחנים ומבדילים מאקנה ודרמטיטיס סבוריאית - כולל זיהוי סימנים דרמוסקופיים ייחודיים כמו פוליגונים וסקולריים

הפתעה: נמצאו 2 אנדוטיפים שונים - נוירוגני ודלקתי - עם 4 גנים (PNPLA3, CUX2, PLIN2, HMGCR) שמאפשרים אבחנה של הסוג הנוירוגני בדיוק של 90% (AUC, מדד לדיוק אבחנתי)

גם נמצא קשר מנדליאני למחלות לב, ומטרות תרופתיות חדשות (SKAP2, S100A7A)

תחום שרק מתחיל אבל כבר מראה פוטנציאל ענק

XGBoost מזהה HS מנתוני ביטוח - הסימנים החזקים ביותר: שימוש בקלינדמיצין, טרים-סולפה, ואבחנת השמנה

Clustering גילה 2 אנדוטיפים שונים: גברים לא שמנים עם נגעים אחוריים ו-IL-10 גבוה, לעומת שמנות עם נגעים קדמיים ו-CRP/IL-17 גבוהים. אף מחקר אחד לא פורסם על AI גנרטיבי ל-HS - הזדמנות ענקית

AloNet - מודל deep learning שמפלח תמונות נשירה ומחשב SALT אוטומטית

XGBoost חוזה מי יתקדם לאלופציה אוניברסאליס עם 4 גנים מפתח (CD28, HOXC13, KRTAP1-3, GPRC5D)

הכי מעניין: ניתוח רשתות רגולטוריות מאפשר להתאים חולה-תרופה בניסויים קליניים - ruxolitinib ו-tofacitinib עם פרופילי תגובה שונים

חברת Absci יצרה נוגדן (ABS-201) בעיצוב AI גנרטיבי שהראה צמיחת שיער בעכברים טובה ממינוקסידיל

עדיין בשלב מוקדם מאוד

יש מודלים לזיהוי נגעים (YOLOv3 + UNet++) שדווקא עובדים טוב יותר על פיצפטריק III/IV, ו-CNN שמכמת חומרה בפנים עם הסכמה טובה עם רופאים (מדד התאמה ICC = 0.67-0.70, כשמעל 0.6 נחשב הסכמה מקובלת)

מחקר אחד מעניין זיהה kaempferide כמועמד תרופתי - דרך עיכוב CDK1/PBK במסלול p38 MAPK ושיפור ייצור מלנין

שדה פתוח לגמרי למחקר

CNN מבדילים בין תת-סוגי CLE (acute, subacute, discoid) ובין מחקים כמו AD ופסוריאזיס

הטרנסקריפטומיקה חושפת חתימות IFN type I חזקות עם גנים כמו TLR3, MYD88, IRF7

ביומרקרים בסרום (IFI44, EPSTI1) מבדילים CLE מ-SLE בדיוק של 85-89% (AUC)

Clustering מדם מלא גילה 6 קלאסטרים עם פרופילים דלקתיים שונים

הצורך הכי גדול כאן: גילוי תרופות - יש מעט מאוד טיפולים מאושרי FDA

ב-DM: מודל Random Forest חוזה סטטוס anti-MDA5 בדיוק של מעל 97% (AUC) - חום, נשירת שיער, Gottron ו-ILD הם המנבאים הכי חזקים

ISG15 זוהה כביומרקר מאומת בביופסיות עור

ב-SSc: Elastic Net מסווג ל-4 תת-סוגים מולקולריים (דלקתי, פיברו-פרוליפרטיבי, normal-like, מוגבל) עם דיוק 85%

מודלים מבדילים morphea ממחלה סיסטמית על בסיס נוגדנים וסימנים היסטולוגיים

רוב הדאטאסטים מלאים בעור בהיר

זה אומר שמודלים יכולים לפספס או לטעות על עור כהה - וניסיונות לייצר עור כהה סינתטי עלולים דווקא להחמיר

צריך מאמץ מכוון לאסוף דאטה מגוון ולבדוק ביצועים על כל סולם פיצפטריק

הלוצינציות - כשהמודל נותן תשובה שגויה אבל נשמעת מאוד משכנעת. בדרמטולוגיה זה יכול להוביל להמלצות מסוכנות. חייבים רופא בלופ, תמיד. אין תחליף לשיקול דעת קליני.

לשלב גנטיקה + ביטוי גנים + חשיפות סביבתיות + היסטוריה קלינית = לדעת מראש איזה טיפול יעבוד. סוף עידן ה"ניסוי וטעייה" בבחירת ביולוגי או מעכב JAK.

AI כבר עיצב נוגדן חדש (ABS-201 לאלופציה)

Drug Repurposing חוסך שנים

העתיד: עיצוב מולקולות de novo שמטרגטות מסלולים ספציפיים

שילוב של רשתות חלבון-תרופה עם נתונים קליניים פותח אפשרויות חדשות לגמרי

טלדרמטולוגיה + AI = מומחיות גם בפריפריה, גם במדינות מתפתחות

הסמארטפון הופך לכלי אבחון

זה משנה חיים של אנשים שאין להם גישה לרופא עור

מודלים כמו AIME כבר מספקים אבחנה ברמת מומחים דרך צילום פשוט