Выявить туберкулез и сэкономить поможет искусственный интеллект

Согласно результатам исследования, опубликованным в журнале Radiology и на сайте Medical Xpress, система искусственного интеллекта (ИИ) обнаруживает туберкулез (ТБ) на рентгеновских снимках грудной клетки на уровне, сопоставимом с рентгенологами¹. Исследователи заявили, что система искусственного интеллекта может помочь в проведении скрининга в районах с ограниченным количеством рентгенологов.

ТБ - это инфекционное заболевание легких, от которого ежегодно умирает более миллиона человек во всем мире. Пандемия COVID-19 усугубила проблему: согласно недавним сообщениям, в 2020 году помощь от туберкулеза получили на 21% меньше людей, чем в 2019 году. Почти 90% активных случаев инфицирования туберкулезом приходится примерно на 30 стран, многие из которых располагают ограниченными ресурсами, необходимыми для решения этой проблемы общественного здравоохранения.

"У нас есть эффективные препараты для лечения туберкулеза, но крупномасштабные программы скрининга для выявления туберкулеза не всегда осуществимы в странах с низким уровнем дохода из-за дороговизны и дефицита опытных радиологов", - сказал соавтор исследования. По его словам, экономически эффективный скрининг на туберкулез с использованием рентгенографии грудной клетки и искусственного интеллекта потенциально может улучшить доступ к медицинскому обслуживанию, особенно в труднодоступных регионах.

Группа специалистов разработала и оценила систему искусственного интеллекта, которая может быстро автоматически оценивать рентгеновские снимки грудной клетки на предмет туберкулеза. Система использует глубокое обучение, тип искусственного интеллекта, который может быть применен для обучения компьютера распознавать и прогнозировать медицинские состояния. Исследователи разработали систему, используя данные из девяти стран. Затем они протестировали его на данных из пяти стран с высоким бременем туберкулеза, охватив различные клинические условия и широкий спектр рас и этнических групп. Для разработки и тестирования модели было использовано более 165 000 изображений от более чем 22 000 пациентов.

Анализ с участием международной команды из радиологов показал, что точность распознавания активного туберкулеза на рентгенограммах грудной клетки с помощью метода глубокого обучения была сопоставима с методами рентгенологов.

Если результаты дополнительных исследований подтвердят первоначальные данные, то систему глубокого обучения можно будет использовать для автоматического скрининга результатов рентгенографии грудной клетки на наличие туберкулеза. Лица с положительным результатом скринига затем пройдут анализ мокроты или тест на амплификацию нуклеиновых кислот (NAAT). Эти тесты относительно дороги, но если бы искусственный интеллект мог фильтровать пациентов, нуждающихся в тестировании, преимущества были бы огромными. Моделирование с использованием системы глубокого обучения для определения вероятных результатов рентгенографии грудной клетки с положительным результатом на туберкулез для подтверждения NAAT снизило затраты на 40-80% на одного выявленного пациента с положительным результатом на туберкулез.