Согласно исследованию, опубликованному в Radiology , журнале Радиологического общества Северной Америки (RSNA), система искусственного интеллекта (ИИ) выявляет туберкулез (ТБ) на рентгенограммах грудной клетки на уровне, сравнимом с радиологами . Исследователи заявили, что система ИИ может помочь в скрининге в районах с ограниченными ресурсами рентгенологов.

Туберкулез — это инфекционное заболевание легких, от которого ежегодно умирает более миллиона человек во всем мире. Пандемия COVID-19 усугубила проблему: недавние отчеты показали, что в 2020 г. лечение от туберкулеза получило на 21% меньше людей, чем в 2019 г. Почти 90% активных случаев туберкулеза приходится примерно на 30 стран, многие из которых располагают ограниченными ресурсами, необходимыми для борьбы с туберкулезом. эта проблема общественного здравоохранения.

У нас есть эффективные лекарства для лечения туберкулеза, но широкомасштабные программы скрининга для выявления туберкулеза не всегда осуществимы в странах с низким уровнем дохода из-за стоимости и наличия опытных рентгенологов».

Рори Пилигрим, бакалавр технических наук, соавтор исследования, менеджер по продукту Google Health AI в Маунтин-Вью, Калифорния.

По словам Пилигрима, рентабельный скрининг на туберкулез с использованием рентгенографии грудной клетки и искусственного интеллекта может улучшить доступ к здравоохранению, особенно в труднодоступных группах населения.

«Преодоление нехватки экспертов — это то, где вступает в действие ИИ», — сказал первый автор Сахар Каземзаде, бакалавр наук, инженер-программист в Google Health. «Мы можем научить компьютеры распознавать туберкулез по рентгеновским снимкам, чтобы в условиях ограниченных ресурсов рентгеновский снимок пациента можно было интерпретировать за считанные секунды».

Каземзаде и его коллеги разработали и оценили систему искусственного интеллекта, которая может быстро и автоматически оценивать рентген грудной клетки на наличие туберкулеза. Система использует глубокое обучение, тип ИИ, который можно применять для обучения компьютера распознавать и прогнозировать заболевания. Исследователи разработали систему, используя данные из девяти стран. Затем они проверили его на данных из пяти стран, охватывающих несколько стран с высоким бременем туберкулеза, различные клинические условия и широкий спектр рас и этнических групп. Для разработки и тестирования модели было использовано более 165 000 изображений более чем 22 000 пациентов.

Анализ с участием 14 международных рентгенологов показал, что метод глубокого обучения сопоставим с радиологами для определения активного туберкулеза на рентгенограммах грудной клетки.

«Мы хотели посмотреть, предсказывает ли эта система туберкулёз наравне с радиологами, и это то, что показывает исследование», — сказал Пилгрим. «ИИ показал себя очень хорошо с разными пациентами».

Тенденции были схожими в разных подгруппах пациентов, включая группу для тестирования золотодобытчиков в Южной Африке, группу с высокой распространенностью туберкулеза по сравнению с населением в целом.

«Что особенно многообещающе в этом исследовании, так это то, что мы рассмотрели ряд различных наборов данных, отражающих широту проявлений туберкулеза, различное оборудование и различные клинические рабочие процессы», — сказал Каземзаде. «Мы обнаружили, что эта система глубокого обучения очень хорошо работает со всеми из них с одной рабочей точкой, которая была предварительно выбрана на основе набора данных для разработки, что было сложно для других систем искусственного интеллекта для медицинских изображений».

Если дополнительные исследования подтвердят эти результаты, система глубокого обучения может быть использована для автоматического скрининга результатов рентгенографии грудной клетки на наличие туберкулеза. Затем люди с положительным результатом теста получат анализ мокроты или тест на амплификацию нуклеиновых кислот (МАНК). Эти тесты относительно дороги, но если бы ИИ мог фильтровать пациентов, которым нужен тест, преимущества были бы значительными. Моделирование с использованием системы глубокого обучения для выявления вероятных положительных на туберкулез рентгенограмм грудной клетки для подтверждения МАНК снизило стоимость на 40-80% в расчете на одного выявленного пациента с положительным результатом на туберкулез.

«Благодаря скринингу пациентов в сообществе и выявлению туберкулеза до того, как они действительно заболеют, у них могут быть лучшие результаты и может потребоваться более короткий курс лечения», — сказал Пилгрим. «Кроме того, поскольку туберкулез является инфекционным заболеванием, если вы сможете добраться до людей на ранней стадии, распространение будет меньше, что усугубит преимущества этого скрининга».

Исследователи проводят работу в Замбии в перспективных условиях, то есть они собирают данные от пациентов, посещающих скрининг, и проводят МАНК для каждого пациента с целью изучения системы. Они также ищут способы представить эти модели миру таким образом, чтобы они могли оказать максимальное влияние на пациентов.

«Мы надеемся, что это может быть инструментом, используемым неопытными врачами и медицинскими работниками для массового обследования людей и направления их на лечение там, где это необходимо, без привлечения врачей-специалистов, которых не хватает», — сказал Пилгрим. «Мы считаем, что можем сделать это с людьми на местах недорого и в больших объемах».