A mesterséges intelligencia által működtetett tüdő ultrahang jobban teljesít a humán szakértőknél a tuberkulózis diagnosztizálásában

A mesterséges intelligencia által működtetett tüdő ultrahang jobban teljesít a humán szakértőknél a tuberkulózis diagnosztizálásában

Az ESCMID Global 2025 kiállításon ma bemutatott mérföldkőnek számító tanulmány kimutatta, hogy a mesterséges intelligenciával hajtott tüdő-ultrahang 9%-kal felülmúlja a tüdőtuberkulózis (TB) diagnosztizálásában a szakértőket.

Az Ultr-AI programcsomag hordozható, okostelefonhoz csatlakoztatott ultrahangeszközökről származó képeket elemzi, így köpetmentes, gyors és méretezhető alternatívát kínál a TB-észlelésre. Az eredmények meghaladják az Egészségügyi Világszervezet (WHO) által a tüdőtuberkulózis diagnosztizálására vonatkozó referenciaértékeket, és fontos lehetőséget jelentenek a hozzáférhető és hatékony tbc-osztályozásra.

A korábbi globális visszaesések ellenére a tuberkulózis aránya 4,6%-kal nőtt 2020-ról 2023-ra,2 és a WHO End TB stratégiájának kritikus elemei. Számos nagy teherrel terhelt országban azonban jelentősen szenvednek a mellkasröntgen-készülékek magas költségei és a képzett radiológusok hiánya miatt.

Ezek a kihívások rávilágítanak arra, hogy sürgősen szükség van hozzáférhetőbb diagnosztikai eszközökre. Az Ultr-AI programcsomag mélytanulási algoritmusokat használ a tüdő ultrahangjának valós idejű értelmezésére, így az eszköz elérhetőbbé válik a tbc-osztályozáshoz, különösen a minimálisan képzett egészségügyi dolgozók számára a vidéki területeken. A kezelőtől való függőség csökkentésével és a teszt szabványosításával ez a technológia segíthet a betegek gyorsabb és hatékonyabb diagnosztizálásában. "

Dr. Véronique Suttels,A tanulmány vezető szerzője

Az Ultr-AI programcsomag három mély tanulási modellt tartalmaz: Az Ultr-ai közvetlenül a tüdő ultrahangos képei alapján jósolja meg a tuberkulózist; Az Ultrisch (Sign) ultrahangmintákat rögzít, amelyeket humán szakértők értelmeznek; és az Ultr-AI (MAX) mindkét modell legmagasabb kockázati pontszámát használja a pontosság optimalizálása érdekében.

A vizsgálatot a nyugat-afrikai Benin egy harmadlagos városi központjában végezték. A kizárások után 504 beteget vontunk be, közülük 192-nél (38%) igazolták, hogy tüdő-tbc-ben szenvednek. A vizsgált populáció 15%-a volt HIV-pozitív, és 13%-uk volt már tbc-ben. Szabványos, 14 pontos tüdő-ultrahangos diaszkennelési protokollt végeztek, a humán szakértők a tipikus tüdő-ultrahang-leletek alapján értelmezték a képeket. Referencia standardként egy köpet molekuláris teszt (MTB Xpert Ultra) szolgált.

Az Ultr-AI (max) 93%-os szenzitivitást és 81%-os specificitást (AUROC 0,93, 95%-os CI 0,92-0,95) mutatott, ami meghaladja a WHO 90%-os szenzitivitási és 70%-os specificitási küszöbértékét a nem köpet alapú TB triage teszteknél.

"Modellünk egyértelműen felismeri az ember által felismert tüdő-ultrahang-leleteket, amelyek hasonló nagy konszolidációkat és intersticiális változásokat rögzítenek – a végpontok közötti mély tanulási megközelítés az emberi szemen kívül még finomabb jellemzőket rögzít" - mondta Dr. Suttels. "Reméljük, hogy ez segít azonosítani a korai patológiás jeleket, például a tbc-ben gyakori kis, centiméter alatti pleurális elváltozásokat."

"AI modelljeink egyik legfontosabb előnye az azonnali átfutási idő, miután integrálták őket egy alkalmazásba" - tette hozzá Dr. Suttels. "Ez lehetővé teszi, hogy a tüdő ultrahangja valódi gondozási tesztként működjön, jó diagnosztikai teljesítménnyel az osztályozáskor, azonnali eredményeket biztosítva, miközben továbbra is bevonja a pácienst az egészségügyi dolgozóba. A gyorsabb diagnózis javíthatja az ellátáshoz való kapcsolódást, és csökkentheti annak kockázatát, hogy a betegek elvesznek a nyomon követés miatt."

Források: