AI-drivet lungultraljud överträffar mänskliga experter när det gäller att diagnostisera tuberkulos

AI-drivet lungultraljud överträffar mänskliga experter när det gäller att diagnostisera tuberkulos

En landmärkestudie som presenterades idag på ESCMID Global 2025 har visat att ett AI-drivet lungultraljud överträffar experter på att diagnostisera lungtuberkulos (TB) med 9 %.

Ultr-AI-sviten analyserar bilder från bärbara, smartphone-anslutna ultraljudsenheter, vilket ger ett sputumfritt, snabbt och skalbart alternativ till TB-detektering. Resultaten överträffar Världshälsoorganisationens (WHO) riktmärken för diagnos av lungtuberkulos och markerar en viktig möjlighet för tillgänglig och effektiv TB-triage.

Trots tidigare globala nedgångar ökade TB-frekvensen med 4,6 % från 2020 till 2023.2 och är de kritiska komponenterna i WHO:s strategi för att avsluta TB. Men i många länder med hög börda lider de avsevärt på grund av de höga kostnaderna för lungröntgenapparater och bristen på utbildade radiologer.

Dessa utmaningar visar på det akuta behovet av mer tillgängliga diagnostiska verktyg. Ultr-AI-sviten använder algoritmer för djupinlärning för att tolka lungultraljud i realtid, vilket gör verktyget mer tillgängligt för TB-triage, särskilt för minimalt utbildade vårdpersonal på landsbygden. Genom att minska operatörsberoendet och standardisera testet kan denna teknik hjälpa till att diagnostisera patienter snabbare och mer effektivt. "

Dr Véronique Suttels,Huvudstudieförfattare

Ultr-AI-sviten innehåller tre modeller för djupinlärning: Ultr-ai förutsäger TB direkt från lungultraljudsbilder; Ultrisch (Sign) fångar ultraljudsmönster som tolkas av mänskliga experter; och Ultr-AI (MAX) använder den högsta riskpoängen av båda modellerna för att optimera noggrannheten.

Studien genomfördes i ett tertiärt stadscentrum i Benin, Västafrika. Efter uteslutningar inkluderades 504 patienter, varav 192 (38%) bekräftades ha lung-TB. I studiepopulationen var 15 % hiv-positiva och 13 % hade en historia av tuberkulos. Ett standardiserat 14-punkts lungultraljudsdiagnosprotokoll utfördes, med mänskliga experter som tolkade bilder baserat på typiska lungultraljudsfynd. Ett enda sputum molekylärt test (MTB Xpert Ultra) fungerade som referensstandard.

Ultr-AI (max) visade en sensitivitet på 93 % och en specificitet på 81 % (AUROC 0,93, 95 % CI 0,92-0,95), vilket översteg WHO:s måltröskelvärden på 90 % sensitivitet och 70 % specificitet för icke-sputumbaserad TB-triagetestning.

"Vår modell känner tydligt igen de mänskligt erkända lungultraljudsfynden, som fångar liknande stora konsolideringar och interstitiella förändringar - en end-to-end djupinlärningsmetod fångar ännu mer subtila egenskaper bortom det mänskliga ögat", säger Dr Suttels. "Vi hoppas att detta kommer att hjälpa till att identifiera tidiga patologiska tecken som små, subcentimeter pleurala lesioner som är vanliga vid TB."

"En viktig fördel med våra AI-modeller är den omedelbara handläggningstiden när de väl har integrerats i en app," tillade Dr Suttels. "Detta tillåter lungultraljud att fungera som ett äkta point-of-care-test med god diagnostisk prestanda vid triage, vilket ger omedelbara resultat samtidigt som patienten fortfarande engagerar sig i vårdpersonalen. Snabbare diagnos kan också förbättra kopplingen till vården och minska risken för att patienter går förlorade för uppföljning."

Källor: