今天在ESCMID Global 2025提出的一项开创性研究表明，AI驱动的肺超声波在诊断肺结核（TB）方面的表现高9％。
Ultr-ai Suite分析了来自便携式，智能手机连接的超声设备的图像，提供无痰，快速且可扩展的替代方案，可用于TB检测。结果超过了世界卫生组织（WHO）肺结核的基准诊断，标志着可访问和高效的结核分类的主要机会。
尽管以前的全球下降，但结核病利率从2020年到2023年增长了4.6％。2早期筛查和快速诊断是WHO的“结核结核病策略”的关键组成部分，但由于胸部X射线设备的高成本和受过训练的放射科医生的短缺，许多高负荷国家在诊断阶段经历了大量的患者辍学。3一个 这些挑战强调了迫切需要更容易获得的诊断工具。
Ultr-ai套件利用深度学习算法实时解释肺部超声波，使该工具更容易用于TB Triage，尤其是对于农村地区训练有素的最低培训的医护人员。通过减少操作员的依赖性并标准化测试，该技术可以帮助更快，更有效地诊断患者。”
Vâ©Ronique Suttels博士 主要研究作者
Ultr-ai套件包括三个深度学习模型：Ultr-AI直接从肺超声图像中预测结核。Ultr-ai（标志）检测人类专家解释的超声模式；和Ultr-AI（MAX）使用两种模型的最高风险评分来优化准确性。
该研究是在西非贝宁的三级城市中心进行的。排除后，包括504例患者，确认有192例（38％）患有肺结核。在研究人群中，有15％的HIV阳性，而13％的人患有结核病史。执行了标准化的14点肺超声滑动扫描协议，人类专家根据典型的肺超声发现来解释图像。单个痰分子测试（MTB XPERT ULTRA）用作参考标准。
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），超过了谁的目标阈值90％的敏感性和70％的特异性，对于非输出基于基于基于的TB的TB TB TB TB TRIAGE测试。
Suttels博士说：“我们的模型清楚地发现了人类可见的肺超声检查结果，例如大型固结和间质变化，但端到端的深度学习方法也捕获了超越人眼的特征。”“我们的希望是，这将有助于确定早期的病理体征，例如TB中常见的小中心胸膜病变。”
Suttels博士补充说：“我们的AI模型的关键优势是一旦将它们集成到应用程序中的立即周转时间。”“这使肺超声可以充当真正的护理点测试，并在分类时诊断出良好的诊断表现，在患者仍与医疗保健人员同时提供即时结果。更快的诊断也可以改善与护理的联系，从而降低患者失去随访的风险。”