东方时讯网根据发表在《放射学》杂志上的一项研究，人工智能(AI)系统在胸部X光片中检测出的肺结核(TB)水平与放射科医师相当。研究人员表示，人工智能系统可能能够帮助放射科医生资源有限的地区进行筛查。
结核病是一种肺部传染病，每年在全世界造成超过100万人死亡。大流行加剧了这一问题，最近的报告表明，与2019年相比，2020年接受结核病治疗的人数减少了21%。近90%的活动性结核病感染发生在大约30个国家，其中许多国家需要解决的资源稀缺这个公共卫生问题。
“我们有治疗结核病的有效药物，但由于放射科专家的成本和可用性，检测结核病的大规模筛查项目在低收入国家并不总是可行的，”该研究的合著者、工程学士RoryPilgrim说。加利福尼亚州山景城GoogleHealthAI的产品经理。
Pilgrim说，使用胸部X光片和人工智能进行具有成本效益的结核病筛查有可能改善获得医疗保健的机会，尤其是在难以接触到的人群中。
“弥补专家短缺是人工智能的用武之地，”第一作者、谷歌健康软件工程师SaharKazemzadeh说。“我们可以教计算机从X射线中识别结核病，以便在这些资源匮乏的环境中，可以在几秒钟内解释患者的X射线。”
Kazemzadeh及其同事开发并评估了一种人工智能系统，该系统可以快速、自动地评估胸部X光检查是否存在结核病。该系统使用深度学习，这是一种人工智能，可用于教计算机识别和预测医疗状况。研究人员使用来自九个国家的数据开发了该系统。然后，他们对来自五个国家的数据进行了测试，涵盖了多个结核病高负担国家、各种临床环境以及广泛的种族和民族。来自22,000多名患者的165,000多张图像用于模型开发和测试。
对14位国际放射科医师的分析表明，深度学习方法可与放射科医师在胸部X光片上确定活动性结核病相媲美。
深度学习系统(DLS)提供错误解释的胸片示例，对应于(A)结核病(TB)阳性受试者和(B)结核病阴性受试者。蓝色轮廓通过Grad-CAM(35)包围显着区域，这些区域对DLS的正预测影响最大，并在DLS认为图像为正时显示。黄色轮廓由放射科医生注释以指示感兴趣的区域;实线轮廓表示与结核病一致的发现，而虚线轮廓表示其他发现。“自信”表示DLS预测值接近0或1，而“挑战”表示DLS预测值接近工作点(0.45)。rads=放射科医生。图片来源：北美放射学会
“我们想看看这个系统是否能与放射科医生一样预测结核病，这就是研究所显示的，”Pilgrim说。“人工智能对各种患者的表现都非常好。”
与普通公众相比，不同患者亚组的趋势相似，包括来自南非金矿矿工的测试集，这是一个结核病患病率高的群体。
“这项研究特别有希望的是，我们研究了一系列不同的数据集，这些数据集反映了结核病表现的广度、不同的设备和不同的临床工作流程，”Kazemzadeh说。“我们发现这个深度学习系统在所有这些系统中都表现得非常好，它具有一个基于开发数据集预先选择的操作点，这是其他医学成像AI系统发现的挑战。”
如果进一步的研究支持该结果，深度学习系统可用于自动筛查胸部X光检查结果是否存在结核病。检测呈阳性的人将接受痰液检测或核酸扩增检测(NAAT)。这些测试相对昂贵，但如果人工智能可以过滤需要测试的患者，那么好处将是广泛的。使用深度学习系统进行模拟来识别可能的TB阳性胸部X光片以进行NAAT确认，将每个检测到的阳性TB患者的成本降低了40%到80%。
“通过筛查社区中的患者并在他们真正生病之前检测出结核病，他们可以获得更好的结果，并且可能需要更短的治疗过程，”Pilgrim说。“此外，由于结核病是一种传染病，如果你能及早接触到人，传播就会减少，从而增加了这种筛查的好处。”
研究人员正在赞比亚开展前瞻性工作，这意味着他们正在收集参加筛查的患者的数据，并为每位患者提供NAAT以研究该系统。他们还在寻找将这些模型推向世界的方法，以对患者产生最大的影响。
Pilgrim说：“我们希望这可以成为非专家医生和医护人员使用的一种工具，用于对人群进行筛查，并在需要时让他们接受治疗，而无需获得供不应求的专科医生。”“我们相信我们可以以低成本、大批量的方式与当地人一起做到这一点。”