Gli ultrasuoni polmonari basati sull’intelligenza artificiale superano gli esperti umani nella diagnosi della tubercolosi

Gli ultrasuoni polmonari basati sull’intelligenza artificiale superano gli esperti umani nella diagnosi della tubercolosi

Uno studio fondamentale presentato oggi all’ESCMID Global 2025 ha dimostrato che un’ecografia polmonare basata sull’intelligenza artificiale supera del 9% gli esperti nella diagnosi della tubercolosi polmonare (TBC).

La suite Ultr-AI analizza le immagini provenienti da dispositivi a ultrasuoni portatili collegati a smartphone, fornendo un'alternativa priva di espettorato, veloce e scalabile al rilevamento della tubercolosi. I risultati superano i parametri di riferimento dell’Organizzazione Mondiale della Sanità (OMS) per la diagnosi della tubercolosi polmonare e rappresentano un’importante opportunità per un triage della tubercolosi accessibile ed efficiente.

Nonostante i precedenti cali globali, i tassi di tubercolosi sono aumentati del 4,6% dal 2020 al 2023.2 e rappresentano le componenti cruciali della strategia dell’OMS per porre fine alla tubercolosi. Tuttavia, in molti paesi ad alto carico, soffrono in modo significativo a causa del costo elevato delle macchine a raggi X del torace e della mancanza di radiologi qualificati.

Queste sfide evidenziano l’urgente necessità di strumenti diagnostici più accessibili. La suite Ultr-AI utilizza algoritmi di deep learning per interpretare gli ultrasuoni polmonari in tempo reale, rendendo lo strumento più accessibile per il triage della tubercolosi, in particolare per gli operatori sanitari poco formati nelle aree rurali. Riducendo la dipendenza dell'operatore e standardizzando il test, questa tecnologia può aiutare a diagnosticare i pazienti in modo più rapido ed efficiente. “

Dott.ssa Véronique Suttels,Autore principale dello studio

La suite Ultr-AI comprende tre modelli di deep learning: Ultr-ai prevede la tubercolosi direttamente dalle immagini ecografiche polmonari; Ultrisch (Sign) cattura modelli di ultrasuoni interpretati da esperti umani; e Ultr-AI (MAX) utilizza il punteggio di rischio più alto di entrambi i modelli per ottimizzare la precisione.

Lo studio è stato condotto in un centro urbano terziario del Benin, nell’Africa occidentale. Dopo le esclusioni, sono stati inclusi 504 pazienti, di cui 192 (38%) con diagnosi di tubercolosi polmonare. Nella popolazione studiata, il 15% era positivo all'HIV e il 13% aveva una storia di tubercolosi. È stato eseguito un protocollo standardizzato di scansione di vetrini ecografici polmonari a 14 punti, con esperti umani che interpretavano le immagini sulla base dei tipici risultati dell'ecografia polmonare. Un singolo test molecolare dell'espettorato (MTB Xpert Ultra) è servito come standard di riferimento.

Ultr-AI (max) ha dimostrato una sensibilità del 93% e una specificità dell'81% (AUROC 0,93, IC 95% 0,92-0,95), superando le soglie target dell'OMS del 90% di sensibilità e del 70% di specificità per i test di triage della tubercolosi non basati sull'espettorato.

"Il nostro modello riconosce chiaramente i risultati dell'ecografia polmonare riconosciuti dall'uomo, che catturano grandi consolidamenti e cambiamenti interstiziali simili: un approccio di deep learning end-to-end cattura caratteristiche ancora più sottili oltre l'occhio umano", ha affermato il dottor Suttels. “Speriamo che questo possa aiutare a identificare i primi segni patologici come piccole lesioni pleuriche sub-centimetriche che sono comuni nella tubercolosi”.

"Un vantaggio chiave dei nostri modelli di intelligenza artificiale è il tempo di consegna immediato una volta integrati in un'app", ha aggiunto il dottor Suttels. "Ciò consente all'ecografia polmonare di agire come un vero test point-of-care con buone prestazioni diagnostiche al triage, fornendo risultati immediati pur continuando a coinvolgere il paziente con l'operatore sanitario. Una diagnosi più rapida potrebbe anche migliorare il collegamento con la cura e ridurre il rischio che i pazienti vengano persi al follow-up."

Fonti: