Tbornottb: Ett nytt AI-drivet verktyg för att effektivisera tuberkulosbedömning på sjukhus

Tbornottb: Ett nytt AI-drivet verktyg för att effektivisera tuberkulosbedömning på sjukhus

Ett nytt kliniskt beslutsstödssystem "Tbornottb" hjälper till att effektivisera beslut om infektionsisolering, minska arbetsbelastningen och bibehålla noggrannhet för TB-detektion.

I en nyligen publicerad studie publicerad i Infection Control and Hospital Epidemiology presenterade forskarna ett kliniskt beslutsstödssystem (CDSS) för att vägleda utvärderingen av misstänkt tuberkulos (TB).

bakgrund

I USA (USA) har incidensen av tuberkulos minskat från 10,4 fall per 100 000 personer 1992 till 2,2 fall per 100 000 år 2020, med nosokomial överföring som blivit sällsynt de senaste åren.

Trots detta steg TB-incidensen till 2,9 per 100 000 personer i USA 2023. Samtidigt står sjukhusen inför utmaningar med kapacitet och personal, vilket ökar beslutsfattandet för misstänkta TB-patienter.

Aktuella riktlinjer för misstänkt tuberkulos rekommenderar testning av sputumprover för mykobakteriekultur och sura baciller (AFB) markörer, med luftburen infektion (AII) isolering implementerad.

Trots det tar odlingar vanligtvis ≥ två veckor, och nästan hälften av personer med lung-TB-utstryk visar tuberkulos. Medan nukleinsyraamplifieringstest (NAAT) har större känslighet än AFB-pinnar, är de betydligt mindre känsliga än odling.

Därför skulle det vara för tidigt att avbryta behandlingen med NAAT och provtagningsresultat och överföra risker till personal och andra patienter. Därför utför infektionsförebyggande och kontrollpersonal (IPC) ofta ytterligare granskning av patientjournaler innan AII avbryts.

Dessutom kan diskussioner följas med relevanta konsulter och det primära teamet för att avgöra om det är osannolikt att tuberkulos predisponerar för AII-störningen, som är tids- och arbetskrävande.

Om studien

Studien syftade till att utveckla ett kliniskt beslutsstödssystem (CDSS) för att hjälpa till att avbryta luftburen isolering (AII) i luften samtidigt som man säkerställer lämplig bedömning av misstänkta tuberkulosfall (TB). Forskare skapade "tbornottb"-systemet för att effektivisera utsättningen av AII utan att påverka vården av patienter med möjlig TB som testar negativt för nukleinsyraförstärkningstestning (NAAT) och sura snabba baciller (AFB) spjut.

En grupp experter utvecklade och förfinade en serie frågor baserade på kliniska riktlinjer och epidemiologiska data med hjälp av Delphi-konsensusmetoden. Dessa frågor testades på sjukhusvårdade patienter vid Massachusetts General Hospital (MGH).

CDS tilldelade poäng baserat på epidemiologiska riskfaktorer, TB-symtom, medicinsk historia, bronkoskopi/sputumresultat och bröstavbildning. Om en patients poäng översteg en inställd tröskel justerades AII automatiskt. I övrigt rekommenderades ytterligare utvärdering.

För att validera CDSS genomförde forskare en fallkontrollanalys med hjälp av data från Mass General Brigham (MGB)-systemet. Verktyget applicerades retrospektivt på patienter med odlingsbeprövad TB (fall) och matchade odlingsnegativa kontroller.

Variabler som inte förbättrade den prediktiva noggrannheten togs bort eller sänktes. Modellens prestanda finjusterades sedan genom att justera vikten av viktiga TB-prediktorer och analysera dess känslighet, specificitet och area under kurvan (AUC).

En undergruppsanalys jämförde effektiviteten av CDSS före och efter Covid-19-pandemin. Dessutom uppskattade studien IPC-persontimmar för förebyggande och kontroll (infektionskontroll) som sparas årligen vid MGH genom implementering av CDSS.

Slutligen antyder studien att tuberkulos sannolikt inte kommer att vara en stark drivkraft för avbrott i AII med tanke på processens tid och arbetsintensiva karaktär.

Resultat

Forskarna identifierade flera prediktorer för tuberkulos i fall-kontroll substudien. Kavitära lesioner eller andra fynd som misstänks för tuberkulos i bröströntgenrapporten var starkt associerade med aktiv tuberkulos.

Dessutom var tidigare bosättning i ett land som var mycket endemiskt för tuberkulos den starkaste epidemiologiska riskfaktorn för tuberkulos. En historia av positiv interferon-y-frisättningsanalys (IGRA) var också en stark prediktor för aktiv TB.

Noterbart, ett negativt IGRA eller tubulin hudtest under den senaste månaden visade ett negativt samband med TB. En historia av tillstånd som ansågs öka risken för TB var inte associerad med TB.

En historia av viktminskning var det enda traditionella TB-symptomet som förutspådde aktiv TB. Vidare visade signifikant förbättring eller upplösning av symtomen med behandling av en alternativ diagnos ett starkt negativt samband med TB.

Denna initiala CDSS-modell visade 16% specificitet och 100% sensitivitet. Efter iterativa revisioner av poängsystemet visade den slutliga modellen en sensitivitet på 100 %, specificitet på 27 % och AUC på 0,87.

Det fanns inga skillnader i modellprestanda före och efter Covid-19. Forskarna uppskattade att Tbornottb kunde spara mer än 40 IPC-persontimmar årligen vid MGH.

Slutsatser

Tillsammans utvecklade och validerade studien en ny CDSS för att vägleda den diagnostiska utvärderingen av patienter med misstänkt TB i lågprevalensmiljöer. Tidigare positiv IGRA, bosättning i ett endemiskt land för tuberkulos och lungröntgen som misstänks för tuberkulos var signifikanta prediktorer för tuberkulos.

Den slutliga CDSS-modellen visade blygsam specificitet och hög känslighet vid upptäckt av TB. Sammantaget kan Tbornottb hjälpa till att minska risken för nosokomial överföring och rädda en betydande IPC-person.

Källor: