AI-drevet lunge-ultralyd overgår menneskelige eksperter når det gjelder å diagnostisere tuberkulose

AI-drevet lunge-ultralyd overgår menneskelige eksperter når det gjelder å diagnostisere tuberkulose

En landemerkestudie presentert i dag på ESCMID Global 2025 har vist at en AI-drevet lungeultralyd overgår eksperter når det gjelder å diagnostisere lungetuberkulose (TB) med 9 %.

Ultr-AI-pakken analyserer bilder fra bærbare, smarttelefontilkoblede ultralydenheter, og gir et oppspyttfritt, raskt og skalerbart alternativ til TB-deteksjon. Resultatene overgår Verdens helseorganisasjons (WHO) benchmarks for diagnostisering av lungetuberkulose og markerer en viktig mulighet for tilgjengelig og effektiv TB-triage.

Til tross for tidligere globale nedganger, økte TB-raten med 4,6 % fra 2020 til 2023.2 og er de kritiske komponentene i WHO's End TB-strategi. Men i mange land med høy belastning lider de betydelig på grunn av de høye kostnadene ved røntgenapparat og mangel på utdannede radiologer.

Disse utfordringene fremhever det presserende behovet for mer tilgjengelige diagnostiske verktøy. Ultr-AI-pakken bruker dyplæringsalgoritmer for å tolke lunge-ultralyd i sanntid, noe som gjør verktøyet mer tilgjengelig for TB-triage, spesielt for minimalt trente helsearbeidere i landlige områder. Ved å redusere operatøravhengigheten og standardisere testen, kan denne teknologien hjelpe med å diagnostisere pasienter raskere og mer effektivt. "

Dr. Véronique Suttels,Hovedstudieforfatter

Ultr-AI-pakken inkluderer tre dyplæringsmodeller: Ultr-ai forutsier TB direkte fra lunge-ultralydbilder; Ultrisch (Sign) fanger opp ultralydmønstre som tolkes av menneskelige eksperter; og Ultr-AI (MAX) bruker den høyeste risikopoengsummen for begge modellene for å optimalisere nøyaktigheten.

Studien ble utført i et tertiært urbant senter i Benin, Vest-Afrika. Etter ekskluderinger ble 504 pasienter inkludert, med 192 (38%) bekreftet å ha lunge-TB. I studiepopulasjonen var 15 % HIV-positive og 13 % hadde en historie med tuberkulose. En standardisert 14-punkts lunge-ultralyd-lysbildeskanningsprotokoll ble utført, med menneskelige eksperter som tolket bilder basert på typiske lunge-ultralydfunn. En enkelt sputum molekylær test (MTB Xpert Ultra) fungerte som en referansestandard.

Ultr-AI (maks) viste en sensitivitet på 93 % og en spesifisitet på 81 % (AUROC 0,93, 95 % KI 0,92-0,95), og overskred WHOs målterskler på 90 % sensitivitet og 70 % spesifisitet for ikke-sputumbasert TB-triage-testing.

"Vår modell gjenkjenner tydelig de menneskelig anerkjente lunge-ultralydfunnene, som fanger opp lignende store konsolideringer og interstitielle endringer - en ende-til-ende dyplæringstilnærming fanger opp enda mer subtile funksjoner utenfor det menneskelige øyet," sa Dr. Suttels. "Vi håper dette vil bidra til å identifisere tidlige patologiske tegn som små, subcentimeter pleurale lesjoner som er vanlige ved tuberkulose."

"En viktig fordel med våre AI-modeller er den umiddelbare behandlingstiden når de er integrert i en app," la Dr. Suttels til. "Dette gjør at lunge-ultralyd kan fungere som en ekte behandlingspunkt-test med god diagnostisk ytelse ved triage, og gir umiddelbare resultater samtidig som pasienten engasjerer seg med helsearbeideren. Raskere diagnose kan også forbedre koblingen til omsorgen og redusere risikoen for at pasienter går tapt for oppfølging."

Kilder: