Ultradźwięki płuc zasilane sztuczną inteligencją przewyższają ludzkich ekspertów w diagnozowaniu gruźlicy

Ultradźwięki płuc zasilane sztuczną inteligencją przewyższają ludzkich ekspertów w diagnozowaniu gruźlicy

Przełomowe badanie zaprezentowane dzisiaj na konferencji ESCMID Global 2025 wykazało, że ultrasonografia płuc oparta na sztucznej inteligencji przewyższa ekspertów w diagnozowaniu gruźlicy płuc (TB) o 9%.

Pakiet Ultr-AI analizuje obrazy z przenośnych urządzeń ultradźwiękowych podłączonych do smartfona, zapewniając pozbawioną plwociny, szybką i skalowalną alternatywę dla wykrywania gruźlicy. Wyniki przekraczają standardy Światowej Organizacji Zdrowia (WHO) dotyczące diagnostyki gruźlicy płuc i stanowią ważną szansę na dostępną i skuteczną selekcję chorych na gruźlicę.

Pomimo wcześniejszych globalnych spadków, wskaźniki gruźlicy wzrosły o 4,6% od 2020 r. do 2023 r.2 i stanowią kluczowe elementy strategii WHO „Wyeliminuj gruźlicę”. Jednak w wielu krajach o dużym obciążeniu osoby te znacznie cierpią z powodu wysokich kosztów aparatów rentgenowskich klatki piersiowej i braku wyszkolonych radiologów.

Wyzwania te podkreślają pilną potrzebę bardziej dostępnych narzędzi diagnostycznych. Pakiet Ultr-AI wykorzystuje algorytmy głębokiego uczenia się do interpretacji ultrasonografii płuc w czasie rzeczywistym, dzięki czemu narzędzie jest bardziej dostępne w przypadku segregacji gruźlicy, zwłaszcza dla minimalnie przeszkolonych pracowników służby zdrowia na obszarach wiejskich. Zmniejszając zależność operatora i standaryzując test, technologia ta może pomóc w szybszym i skuteczniejszym diagnozowaniu pacjentów. „

Doktor Véronique Suttels,Główny autor badania

Pakiet Ultr-AI obejmuje trzy modele głębokiego uczenia się: Ultr-ai przewiduje gruźlicę bezpośrednio na podstawie obrazów USG płuc; Ultrisch (Sign) rejestruje wzorce ultradźwiękowe interpretowane przez ekspertów; a Ultr-AI (MAX) wykorzystuje najwyższy wynik ryzyka z obu modeli, aby zoptymalizować dokładność.

Badanie przeprowadzono w ośrodku miejskim wyższego szczebla w Beninie w Afryce Zachodniej. Po wykluczeniu do badania włączono 504 pacjentów, z czego u 192 (38%) potwierdzono gruźlicę płuc. W badanej populacji 15% było nosicielami wirusa HIV, a 13% miało w przeszłości gruźlicę. Przeprowadzono ustandaryzowany protokół 14-punktowego badania USG płuc, w którym eksperci-ludzi interpretowali obrazy w oparciu o typowe wyniki badania USG płuc. Jako wzorzec referencyjny służył pojedynczy test molekularny plwociny (MTB Xpert Ultra).

Ultra-AI (max) wykazało czułość na poziomie 93% i swoistość na poziomie 81% (AUROC 0,93, 95% CI 0,92-0,95), przekraczając docelowe progi WHO wynoszące 90% czułości i 70% swoistości dla testów segregacji gruźlicy bez plwociny.

„Nasz model wyraźnie rozpoznaje rozpoznane u człowieka wyniki badania ultrasonograficznego płuc, które rejestruje podobne duże konsolidacje i zmiany śródmiąższowe. Dzięki kompleksowemu podejściu do głębokiego uczenia się możliwe jest wychwytywanie jeszcze bardziej subtelnych cech poza ludzkim okiem” – stwierdził dr Suttels. „Mamy nadzieję, że pomoże to zidentyfikować wczesne objawy patologiczne, takie jak małe, subcentymetrowe zmiany w opłucnej, które są częste w gruźlicy”.

„Kluczową zaletą naszych modeli sztucznej inteligencji jest natychmiastowy czas realizacji po zintegrowaniu ich z aplikacją” – dodał dr Suttels. „Dzięki temu USG płuc może pełnić funkcję prawdziwego badania przyłóżkowego, charakteryzującego się dobrą skutecznością diagnostyczną podczas segregacji pacjentów, zapewniając natychmiastowe wyniki przy jednoczesnym kontakcie pacjenta z pracownikiem służby zdrowia. Szybsza diagnoza mogłaby również poprawić współpracę z opieką i zmniejszyć ryzyko utraty pacjentów bez kontroli”.

Źródła: