Forscher haben neue KI-Tools vorgestellt, von der Smartphone-Hustenanalyse bis hin zu kinderfreundlichen Screening-Systemen, die die Art und Weise, wie Tuberkulose erkannt, überwacht und verhindert wird, verändern könnten.
Die Innovationen, die auf der Union World Conference on Lung Health in Kopenhagen, Dänemark (18.-21. November), vorgestellt wurden, versprechen eine schnellere, besser zugängliche und personalisierte Tuberkuloseversorgung, insbesondere für Gemeinden, in denen traditionelle Diagnostik unerreichbar bleibt.
Guy Marks, Präsident der Internationalen Union gegen Tuberkulose und Lungenkrankheiten, sagte, die Fortschritte zeigten „das außerordentliche Potenzial der künstlichen Intelligenz, den Kampf gegen Tuberkulose und Lungenkrankheiten zu verändern“.
„Die Herausforderung besteht nun darin, sicherzustellen, dass diese Innovationen die Menschen und Gesundheitssysteme erreichen, die sie am meisten brauchen“, sagte er auf der Konferenz.
Nach Angaben der Weltgesundheitsorganisation (WHO) ist Tuberkulose nach wie vor die tödlichste Infektionskrankheit der Welt und fordert im Jahr 2024 rund 1,25 Millionen Todesfälle. Viele gefährdete Gemeinschaften sind schwer zu erreichen, was die Notwendigkeit einer genauen, zugänglichen Diagnose unterstreicht.
Atemtest
Auf der Konferenz stellten Wissenschaftler der Southern University of Science and Technology und des Shenzhen Third People’s Hospital in China ein KI-gestütztes Atemanalysesystem vor, mit dem sich verfolgen lässt, wie Patienten auf die Tuberkulosebehandlung ansprechen.
Die Forscher untersuchten, ob sogenannte „Breathomics“ – die Analyse chemischer Verbindungen in der ausgeatmeten Luft – in Kombination mit maschinellem Lernen den Fortschritt der Tuberkulosebehandlung effektiver verfolgen könnten als aktuelle Methoden wie Sputumkultur (Laboruntersuchung des von der Lunge produzierten Schleims) oder Röntgen.
Forscher sammelten mit ihrer AveloMask Atemproben von rund 60 Tuberkulosepatienten in Südafrika und untersuchten mithilfe maschinellen Lernens subtile chemische Veränderungen in der ausgeatmeten Luft.
Liang Fu, Lungenarzt und Tuberkulosespezialist am Shenzhen Third People’s Hospital, sagte auf der Konferenz: „Unsere Studie legt nahe, dass ein nicht-invasiver Atemtest in Kombination mit maschinellem Lernen die Genesung während der Tuberkulosebehandlung verfolgen und frühzeitig anzeigen kann, ob es einem Patienten gut geht.“
„Dieser Ansatz könnte eine sicherere Verkürzung der Behandlung ermöglichen, die Therapietreue verbessern und die Kosten für Patienten und Tuberkuloseprogramme senken.“
Hustenanalyse
Forscher des All India Institute of Medical Sciences (AIIMS), des Jawaharlal Institute of Postgraduate Medical Education and Research und von Salcit Technologies präsentierten Ergebnisse von Swaasa, einer KI-Plattform, die ein Smartphone zur Analyse von Hustengeräuschen verwendet.
Die KI ist darauf trainiert, durch Tuberkulose verursachten Husten von Husten zu unterscheiden, der mit anderen Atemwegserkrankungen in Zusammenhang steht. Dies bietet eine kostengünstige diagnostische Alternative für Umgebungen, in denen Röntgenstrahlen und molekulare Tests selten sind.
Mithilfe eines Smartphones zeichneten medizinische Fachkräfte den Husten von mehr als 350 Teilnehmern mit Hustensymptomen auf. Die vom KI-Modell gelieferten Ergebnisse wurden mit Standardtestergebnissen verglichen, um herauszufinden, wie genau es Atemwegserkrankungen wie Tuberkulose erkennen konnte.
Der Studie zufolge hat der KI-Algorithmus in 94 Prozent der Fälle Grunderkrankungen korrekt erkannt und das Risiko von Atemwegserkrankungen in 87 Prozent der Fälle richtig vorhergesagt.
Rakesh Kumar, außerordentlicher Professor am Center for Community Medicine am AIIMS, sagte, das System sei für den Einsatz in großem Maßstab geeignet.
Er sagte auf der Konferenz: „Das Screening wird schneller, einfacher und umfassender und trägt dazu bei, kritische Lücken bei der Erkennung von Tuberkulosefällen in ressourcenbeschränkten Umgebungen zu schließen.“
Schwachstellenkartierung
Um die aktive Ermittlung von Tuberkulose-Fällen im Rahmen des National Tuberculosis Elimination Programme in Indien zu stärken, stellten Forscher des Wadhwani Institute for AI ein KI-gesteuertes Vulnerability-Mapping-System vor, um Gemeinden zu ermitteln, in denen es am wahrscheinlichsten ist, dass es nicht diagnostizierte Tuberkulose-Fälle gibt.
Das System kombinierte über 20 Open-Source-Datensätze – demografische, geografische und wirtschaftliche – mit anonymisierten Falldaten aus dem indischen Ni-kshay-TB-Überwachungssystem.
Aparna Chaudhary, nationale Tuberkuloseleiterin bei Wadhwani AI, sagte, bei landesweiten Tests sei damit eine Genauigkeit von 71 Prozent bei der Identifizierung der 20 Prozent der Dörfer erreicht worden, in denen die höchste Wahrscheinlichkeit unentdeckter Tuberkulose besteht. Die Ergebnisse der Studie werden derzeit einem Peer-Review unterzogen.
Er sagte, das System ziele darauf ab, die Präzision und Effizienz bei der Suche nach TB-Fällen zu erhöhen und zu zeigen, wo Ressourcen am meisten benötigt werden.
Kinderscreening
Unterdessen kündigte das in Mumbai ansässige Gesundheitstechnologieunternehmen Qure.ai mit qXR ein KI-gestütztes Tuberkulose-Screening-Tool für Kinder an, das von der Geburt bis zum 15. Lebensjahr eingesetzt werden kann. Es ist das erste KI-gestützte Röntgengerät des Brustkorbs, das die europäische Zulassung für Kinder dieser Altersgruppe, einschließlich der jüngsten, erhalten hat.
„Die jüngsten Kinder waren lange Zeit am schwersten zu erreichen und am gefährdetsten“, sagte Shibu Vijayan, Chief Medical Officer für globale Gesundheit bei Qure.ai.
„Mit diesem Tool sind wir stolz darauf, Gesundheitssysteme weltweit mit einer skalierbaren und zuverlässigen Möglichkeit auszustatten, Tuberkulose frühzeitig zu erkennen, die Behandlung zu priorisieren und letztendlich Leben zu retten.“
Ketho Angami, Präsident der indischen Access to Rights and Knowledge (ARK) Foundation, sagt, dass neue Technologien zur Verbesserung der Erkennung, Diagnose und Behandlung von Tuberkulose wichtig seien, betont jedoch, dass sie gründlich getestet werden müssen.
„Wir brauchen mehr und bessere Werkzeuge“, sagte er gegenüber SciDev.Net. „Die entscheidende Frage ist jedoch, ob diese KI-Technologien klare und verlässliche Schlussfolgerungen liefern können […].
„Wenn ihre Genauigkeit, Wirksamkeit und Spezifität gut validiert sind, dann ist das eine positive Entwicklung. Aber ohne einen starken und gut unterstützten Datensatz wird es riskant, sich auf solche Tools zu verlassen.“
Menschen, die KI-Systeme verwalten, müssen darin geschult werden, die Ergebnisse zu interpretieren und „über die Systemausgaben hinauszugehen“, fügte Angami hinzu.
„Wenn der KI klare und angemessene Parameter zu Tuberkulose zugeführt werden, kann sie eine klare Antwort geben. Wenn die Situation jedoch komplexer oder unklarer ist, könnte es gefährlich werden, sich allein auf sie zu verlassen“, warnte er.
Quellen: