人工智能驱动的肺部超声在诊断结核病方面优于人类专家

人工智能驱动的肺部超声在诊断结核病方面优于人类专家

今天在 ESCMID Global 2025 上发表的一项具有里程碑意义的研究表明，人工智能驱动的肺部超声在诊断肺结核 (TB) 方面比专家高出 9%。

Ultr-AI 套件分析来自便携式、智能手机连接的超声设备的图像，为结核病检测提供无痰、快速且可扩展的替代方案。结果超过了世界卫生组织 (WHO) 的肺结核诊断基准，并为可及且高效的结核病分类提供了重要机会。

尽管此前全球结核病发病率有所下降，但从 2020 年到 2023.2 年，结核病发病率仍上升了 4.6%，是世卫组织终止结核病战略的重要组成部分。然而，在许多高负担国家，由于胸部 X 光机成本高昂且缺乏训练有素的放射科医生，他们遭受了巨大的损失。

这些挑战凸显了对更易于使用的诊断工具的迫切需求。 Ultr-AI 套件使用深度学习算法实时解释肺部超声，使该工具更容易用于结核病分类，特别是对于农村地区训练有素的卫生工作者而言。通过减少操作员依赖性和标准化测试，该技术可以帮助更快、更高效地诊断患者。 “

维罗尼克·萨特尔博士，主要研究作者

Ultr-AI套件包括三个深度学习模型：Ultr-ai直接从肺部超声图像预测结核病； Ultrisch（符号）捕获由人类专家解释的超声波模式； Ultr-AI (MAX) 使用两个模型的最高风险评分来优化准确性。

该研究在西非贝宁的一个三级城市中心进行。排除后，共纳入 504 名患者，其中 192 名 (38%) 确诊患有肺结核。在研究人群中，15% 的人艾滋病毒呈阳性，13% 的人有结核病史。执行了标准化的 14 点肺部超声幻灯片扫描方案，由人类专家根据典型的肺部超声检查结果解释图像。单一痰分子测试（MTB Xpert Ultra）作为参考标准。

Ultr-AI（最大值）表现出 93% 的敏感性和 81% 的特异性（AUROC 0.93，95% CI 0.92-0.95），超过了 WHO 的非痰结核分诊测试的 90% 敏感性和 70% 特异性的目标阈值。

Suttels 博士说：“我们的模型清楚地识别了人类识别的肺部超声检查结果，捕获了类似的大实变和间质变化 - 端到端深度学习方法捕获了人眼之外的更微妙的特征。” “我们希望这将有助于识别早期病理体征，例如结核病中常见的小型亚厘米胸膜病变。”

“我们的人工智能模型的一个关键优势是，一旦集成到应用程序中，周转时间就可以立即完成，”Suttels 博士补充道。 “这使得肺部超声能够成为一种真正的护理点测试，在分诊时具有良好的诊断性能，可以立即提供结果，同时仍然让患者与卫生工作者保持联系。更快的诊断还可以改善与护理的联系，并降低患者失访的风险。”

资料来源：