AI-betriebene Lungen-Ultraschall übertrifft menschliche Experten bei der Diagnose von Tuberkulose
Eine wegweisende Studie, die heute bei ESCMID Global 2025 vorgestellt wurde, hat gezeigt, dass eine KI-betriebene Lungen-Ultraschall-Experten bei der Diagnose von Lungentuberkulose (TB) um 9% übertrifft.
Die Ultr-AI-Suite analysiert Bilder von tragbaren, smartphones verbundenen Ultraschallgeräten und bietet eine sputumfreie, schnelle und skalierbare Alternative zur TB-Erkennung. Die Ergebnisse übertreffen die Benchmarks der Weltgesundheitsorganisation (WHO) für die Diagnose der Lungentuberkulose und markieren eine wichtige Chance für zugängliche und effiziente TB -Triage.
Trotz früherer globaler Rückgänge stiegen die TB-Raten von 2020 bis 2023.2 um 4,6% um 4,6% und sind die kritischen Bestandteile der WHO-End-TB-Strategie. Doch in vielen Ländern mit hohem Burden leiden sie aufgrund der hohen Kosten der Brust-X-Ray-Geräte und eines Mangel an geschultes Radiologen in erheblichem Patienten.
Diese Herausforderungen unterstreichen den dringenden Bedarf an zugänglicheren diagnostischen Tools. Die Ultr-AI-Suite nutzt Deep Learning-Algorithmen, um Lungenultraschall in Echtzeit zu interpretieren, wodurch das Tool für TB-Triage zugänglicher wird, insbesondere für minimal geschulte Gesundheitsarbeiter in ländlichen Gebieten. Durch die Reduzierung der Abhängigkeit von Bediener und die Standardisierung des Tests kann diese Technologie dazu beitragen, Patienten schneller und effizienter zu diagnostizieren. „
Dr. Véronique Suttels, Hauptstudienautor
Die Ultr-AI-Suite umfasst drei tiefe Lernmodelle: Ultr-ai prognostiziert TB direkt aus Lungen-Ultraschallbildern; Ultrisch (Zeichen) erfasst Ultraschallmuster, die von menschlichen Experten interpretiert werden; und Ultr-AI (MAX) verwendet die höchste Risikobewertung beider Modelle, um die Genauigkeit zu optimieren.
Die Studie wurde in einem tertiären städtischen Zentrum in Benin, Westafrika, durchgeführt. Nach Ausschlüssen wurden 504 Patienten eingeschlossen, wobei 192 (38%) eine Lungen -TB -TB bestätigt. In der Studienpopulation waren 15% HIV-positiv und 13% hatten eine TB-Vorgeschichte. Es wurde ein standardisiertes 14-Punkte-Lung-Ultraschall-Schieber-Scan-Protokoll durchgeführt, wobei menschliche Experten Bilder basierend auf typischen Lungen-Ultraschall-Befunden interpretierten. Ein einzelner Sputum -Molekulartest (MTB Xpert Ultra) diente als Referenzstandard.
Ultr-AI (max) zeigte eine Sensitivität von 93% und eine Spezifität von 81% (AUROC 0,93, 95% CI 0,92-0,95), was die Zielschwellen von WHOs von 90% Sensitivität und 70% Spezifität für TB-Triage-Tests auf Nicht-Sputum-Basis übertraf.
„Unser Modell erkennt eindeutig die menschlich anerkannten Lungen-Ultraschall-Erkenntnisse, die ähnliche große Konsolidierungen und interstitielle Veränderungen erfassen-ein End-to-End-Ansatz für Deep-Lern-Ansätze erfasst sogar subtilere Merkmale über das menschliche Auge hinaus“, sagte Dr. Suttels. „Wir hoffen, dass dies dazu beiträgt, frühe pathologische Anzeichen wie kleine Pleura-Läsionen von Sub-Centimeter zu identifizieren, die in TB gemeinsam sind.“
„Ein wesentlicher Vorteil unserer KI -Modelle ist die unmittelbare Abwicklungszeit, sobald sie in eine App integriert sind“, fügte Dr. Suttels hinzu. „Dies ermöglicht Lungen-Ultraschall, als echter Point-of-Care-Test mit einer guten diagnostischen Leistung bei Triage zu fungieren, und liefert sofortige Ergebnisse, während der Patient immer noch mit dem Gesundheitsarbeiter einsetzt. Eine schnellere Diagnose könnte auch die Verknüpfung mit der Versorgung verbessern und das Risiko verringern, dass Patienten durch die Nachuntersuchung verloren gehen.“
Quellen:
