一项在ESCMID Global 2025会议上展示的研究表明，一种基于AI的肺部超声技术在诊断肺结核方面的准确率比人类专家高出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，提供了一种无需痰液、快速且可扩展的肺结核检测方法。该结果超过了世界卫生组织（WHO）对肺结核诊断的标准，标志着为肺结核筛查提供了更便捷和高效的机会。
尽管全球肺结核发病率此前有所下降，但在2020年至2023年间，肺结核发病率上升了4.6%。早期筛查和快速诊断是WHO“终结结核病策略”的关键组成部分，但许多高负担国家由于胸部X光设备成本高昂以及放射科医生短缺，在诊断阶段出现了大量患者流失。
“这些挑战凸显了更易获取的诊断工具的迫切需求，”研究的主要作者Véronique Suttels博士解释道。这项工作目前发表在预印本服务器SSRN上。
“ULTR-AI套件利用深度学习算法实时解读肺部超声图像，使这一工具更易于用于肺结核的初步筛查，特别是在农村地区由受过最少培训的医疗工作者使用。通过减少操作依赖性和标准化测试，这项技术可以帮助更快、更有效地诊断患者。”
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中预测肺结核；ULTR-AI（signs）检测由人类专家解读的超声图像模式；ULTR-AI（max）则使用两个模型中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。经过排除后，共有504名患者被纳入研究，其中192人（38%）被确诊为肺结核。在研究人群中，15%的人HIV阳性，13%有肺结核病史。
采用标准化的14点肺部超声滑动扫描协议，由人类专家根据典型的肺部超声发现进行图像解读。单次痰液分子测试（MTB Xpert Ultra）作为参考标准。
ULTR-AI（max）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对非痰液基肺结核初步筛查测试的目标阈值，即90%的敏感性和70%的特异性。
“我们的模型能够清楚地检测到人类可识别的肺部超声发现，如大范围实变和间质性改变，但端到端的深度学习方法甚至可以捕捉到肉眼无法察觉的细微特征，”Suttels博士说。
“我们希望这将有助于识别早期病理迹象，如肺结核中常见的小亚厘米级胸膜病变。”
“我们的AI模型的一个主要优势是它们一旦集成到应用程序中即可立即返回结果，”Suttels博士补充道。“这使得肺部超声成为一种真正的即时检测工具，具有良好的诊断性能，可以在初步筛查时提供即时结果，而患者仍在医疗工作者身边。更快的诊断还可以改善与护理的联系，降低患者失访的风险。”
(全文结束)
声明：本文仅代表作者观点，不代表本站立场，全文内容涉及AI跨语种自动翻译。如有侵权请联系我们删除。