Το υπερηχογράφημα πνευμόνων με τεχνητή νοημοσύνη ξεπερνά τους ειδικούς του ανθρώπου στη διάγνωση της φυματίωσης

Το υπερηχογράφημα πνευμόνων με τεχνητή νοημοσύνη ξεπερνά τους ειδικούς του ανθρώπου στη διάγνωση της φυματίωσης

Μια μελέτη ορόσημο που παρουσιάστηκε σήμερα στο ESCMID Global 2025 έδειξε ότι ένα υπερηχογράφημα πνευμόνων με τεχνητή νοημοσύνη ξεπερνά τους ειδικούς στη διάγνωση της πνευμονικής φυματίωσης (ΤΒ) κατά 9%.

Η σουίτα Ultr-AI αναλύει εικόνες από φορητές συσκευές υπερήχων που συνδέονται με smartphone, παρέχοντας μια εναλλακτική λύση για την ανίχνευση φυματίωσης χωρίς πτύελα, γρήγορη και κλιμακούμενη. Τα αποτελέσματα υπερβαίνουν τα σημεία αναφοράς του Παγκόσμιου Οργανισμού Υγείας (ΠΟΥ) για τη διάγνωση της πνευμονικής φυματίωσης και σηματοδοτούν μια σημαντική ευκαιρία για προσβάσιμη και αποτελεσματική διαλογή της φυματίωσης.

Παρά τις προηγούμενες παγκόσμιες μειώσεις, τα ποσοστά φυματίωσης αυξήθηκαν κατά 4,6% από το 2020 έως το 2023,2 και αποτελούν τα κρίσιμα συστατικά της στρατηγικής του ΠΟΥ για την καταπολέμηση της φυματίωσης. Ωστόσο, σε πολλές χώρες με υψηλή επιβάρυνση, υποφέρουν σημαντικά λόγω του υψηλού κόστους των μηχανημάτων ακτινογραφίας θώρακα και της έλλειψης εκπαιδευμένων ακτινολόγων.

Αυτές οι προκλήσεις υπογραμμίζουν την επείγουσα ανάγκη για πιο προσιτά διαγνωστικά εργαλεία. Η σουίτα Ultr-AI χρησιμοποιεί αλγόριθμους βαθιάς μάθησης για την ερμηνεία του υπερήχου των πνευμόνων σε πραγματικό χρόνο, καθιστώντας το εργαλείο πιο προσιτό για τη διαλογή της φυματίωσης, ειδικά για ελάχιστα εκπαιδευμένους επαγγελματίες υγείας σε αγροτικές περιοχές. Μειώνοντας την εξάρτηση του χειριστή και τυποποιώντας το τεστ, αυτή η τεχνολογία μπορεί να βοηθήσει στη διάγνωση ασθενών πιο γρήγορα και αποτελεσματικά. "

Δρ. Véronique Suttels,Επικεφαλής συγγραφέας της μελέτης

Η σουίτα Ultr-AI περιλαμβάνει τρία μοντέλα βαθιάς εκμάθησης: Το Ultr-ai προβλέπει τη φυματίωση απευθείας από εικόνες υπερήχων πνευμόνων. Το Ultrisch (Σήμα) καταγράφει μοτίβα υπερήχων που ερμηνεύονται από ειδικούς. και το Ultr-AI (MAX) χρησιμοποιεί την υψηλότερη βαθμολογία κινδύνου και των δύο μοντέλων για τη βελτιστοποίηση της ακρίβειας.

Η μελέτη διεξήχθη σε ένα τριτογενές αστικό κέντρο στο Μπενίν της Δυτικής Αφρικής. Μετά τους αποκλεισμούς, συμπεριλήφθηκαν 504 ασθενείς, με 192 (38%) να έχουν επιβεβαιωθεί ότι έχουν πνευμονική φυματίωση. Στον πληθυσμό της μελέτης, το 15% ήταν οροθετικό και το 13% είχε ιστορικό φυματίωσης. Πραγματοποιήθηκε ένα τυποποιημένο πρωτόκολλο σάρωσης διαφανειών υπερήχου πνεύμονα 14 σημείων, με ειδικούς ανθρώπους να ερμηνεύουν εικόνες με βάση τυπικά ευρήματα υπερήχων πνευμόνων. Ένα απλό μοριακό τεστ πτυέλων (MTB Xpert Ultra) χρησίμευσε ως πρότυπο αναφοράς.

Το Ultr-AI (max) έδειξε ευαισθησία 93% και ειδικότητα 81% (AUROC 0,93, 95% CI 0,92-0,95), υπερβαίνοντας τα όρια-στόχους του ΠΟΥ για ευαισθησία 90% και ειδικότητα 70% για τη δοκιμή διαλογής φυματίωσης που δεν βασίζεται στα πτύελα.

"Το μοντέλο μας αναγνωρίζει ξεκάθαρα τα ευρήματα υπερήχων πνευμόνων που αναγνωρίζονται από τον άνθρωπο, τα οποία καταγράφουν παρόμοιες μεγάλες ενοποιήσεις και ενδιάμεσες αλλαγές - μια προσέγγιση βαθιάς μάθησης από άκρο σε άκρο καταγράφει ακόμη πιο λεπτά χαρακτηριστικά πέρα ​​από το ανθρώπινο μάτι", δήλωσε ο Δρ. Suttels. «Ελπίζουμε ότι αυτό θα βοηθήσει στον εντοπισμό πρώιμων παθολογικών σημείων, όπως οι μικρές υπεζωκοτικές βλάβες κάτω του εκατοστού που είναι κοινές στη φυματίωση».

«Ένα βασικό πλεονέκτημα των μοντέλων τεχνητής νοημοσύνης μας είναι ο άμεσος χρόνος διεκπεραίωσης μόλις ενσωματωθούν σε μια εφαρμογή», ​​πρόσθεσε ο Δρ. Σάτελς. "Αυτό επιτρέπει στο υπερηχογράφημα πνευμόνων να λειτουργεί ως αληθινό τεστ σημείου φροντίδας με καλή διαγνωστική απόδοση κατά τη διαλογή, παρέχοντας άμεσα αποτελέσματα ενώ παράλληλα απασχολεί τον ασθενή με τον υγειονομικό. Η ταχύτερη διάγνωση θα μπορούσε επίσης να βελτιώσει τη σύνδεση με τη φροντίδα και να μειώσει τον κίνδυνο απώλειας ασθενών λόγω παρακολούθησης."

Πηγές: