Badania wskazują, że oparte na algorytmach sztucznej inteligencji badania przesiewowe w kierunku gruźlicy mogą doprowadzić do wzrostu liczby powiadomień i pomóc zidentyfikować od 30 do 40 procent więcej przypadkowych przypadków, które pozostałyby niezdiagnozowane w Indiach, gdzie i tak przypada duża część światowego ciężaru tej choroby zakaźnej.

Eksperci uważają, że chociaż integracja modeli sztucznej inteligencji może pomóc we wczesnym wykrywaniu gruźlicy dzięki możliwości analizowania obrazów medycznych z większą dokładnością, to trwałe rozwiązanie może być jeszcze kwestią odległej przyszłości.

Podkreślając potencjał rozwiązań opartych na sztucznej inteligencji w badaniach przesiewowych w kierunku gruźlicy, Shibu Vijayan, dyrektor medyczny ds. zdrowia globalnego w Qure.ai, stwierdził, że w ciągu najbliższych pięciu lat rozwiązania te mogą stać się podstawową metodą badań przesiewowych w kierunku gruźlicy, ponieważ sztuczna inteligencja może pomóc lepiej przewidywać podatność na gruźlicę na poziomie indywidualnym i populacyjnym.

„AI może analizować zdjęcia rentgenowskie klatki piersiowej z dużą dokładnością i identyfikować objawy gruźlicy, które mogą zostać przeoczone przez ludzkich radiologów. Zdjęcia rentgenowskie są bardzo czułe w wykrywaniu nieprawidłowości płuc, nawet zanim pojawią się objawy, takie jak kaszel” – powiedział.

Mówiąc o narzędziach AI, Nakul Jain, dyrektor ds. produktów i programów w Wadhwani AI, powiedział, że ich model AI wykorzystuje zaawansowaną technologię komputerowego widzenia do automatyzacji interpretacji pasków testu sondy liniowej (LPA) w celu diagnozowania lekoopornej gruźlicy na poziomie diagnostycznym.

„Nasze narzędzie oparte na sztucznej inteligencji o nazwie »Kaszel przeciwko gruźlicy« wykorzystuje odgłosy kaszlu i dane dotyczące objawów zebrane za pomocą aplikacji mobilnej używanej przez pracowników służby zdrowia, co umożliwia opłacalne i wczesne wykrywanie gruźlicy” – powiedział Jain.

Model AI wykrywający kaszel weryfikuje, czy nagrania audio zawierają ataki kaszlu. Po pomyślnej weryfikacji klasyfikator TB oparty na kaszlu (model AI) przewiduje wynik prawdopodobieństwa TB, podczas gdy model AI w formie tabeli szacuje również wynik TB na podstawie objawów, ich czasu trwania i chorób współistniejących.

„Wyniki tych dwóch modeli połączono w model sztucznej inteligencji, aby przewidzieć, czy u danej osoby istnieje prawdopodobieństwo wystąpienia gruźlicy płuc” – dodał Jain.

Podobnie oprogramowanie qXR firmy Qure.ai potrafi wykryć ponad 30 nieprawidłowości na zdjęciach rentgenowskich klatki piersiowej, dostarczając szczegółowych informacji na temat obecności gruźlicy i innych chorób płuc.

„Dzięki technologii qXR możliwe jest przypadkowe wykrywanie przypadków, co pomaga w identyfikacji gruźlicy wśród populacji poddawanych prześwietleniom rentgenowskim z innych powodów, co poprawia ogólne wskaźniki wykrywalności” – powiedział Vijayan.

Dodał, że rozwiązanie to zostało wdrożone w ponad 90 krajach i 2700 placówkach, a rocznie wykonuje się w nim około miliona zdjęć rentgenowskich klatki piersiowej, co dowodzi jego skalowalności i skuteczności.

Rozwiązania oparte na sztucznej inteligencji w zakresie badań przesiewowych w kierunku gruźlicy rokują ogromne nadzieje, ale mogą wiązać się z pewnymi problemami związanymi z integracją danych i zmiennością panującą w placówkach opieki zdrowotnej.

Podkreślając inne poważne wyzwania, Jain powiedział, że niektóre trudności związane z wdrażaniem badań w realnym świecie ujawniają, że odmowa pacjentów, często spowodowana stygmatyzacją gruźlicy, stanowi istotną barierę, zwłaszcza w przekonaniu osób bezobjawowych do poddania się testom.

„Ponadto w ramach aktywnego wyszukiwania przypadków osoby chore mogą nie dzielić się swoimi objawami w odpowiedni sposób, co obniża skuteczność badań przesiewowych opartych na objawach” – dodał.

Vijayan zauważył, że kolejnym wyzwaniem może być proliferacja nieuregulowanych rozwiązań AI. „Ponieważ jest to nowy obszar, wiele produktów AI jest dostępnych jako opcje open-source, bezpłatne lub tanie. Jednak wiele z nich nie spełnia standardów ustalonych przez rząd Indii” – powiedział.

Jain dodał, że tego typu problemy są typowe dla każdej nowej technologii i są aktywnie rozwiązywane poprzez lepsze ramy, protokoły i ciągłe udoskonalanie.

„W miarę rozwoju i udoskonalania tych systemów możemy spodziewać się płynniejszej integracji i większej niezawodności w różnych środowiskach opieki zdrowotnej” – powiedział Jain.

Chociaż technologia ta jest jeszcze na wczesnym etapie walidacji, jeśli okaże się skuteczna, może pomóc w identyfikowaniu osób, którym należy wykonać badania rentgenowskie, dzięki którym sztuczna inteligencja będzie mogła identyfikować prawdopodobne przypadki gruźlicy w celu wykonania testów potwierdzających.