Искусственный интеллект выявляет признаки туберкулёза на рентгеновских снимках грудной клетки

Новое исследование, опубликованное в журнале Mayo Clinic Proceedings: Digital Health, оценило, насколько эффективно искусственный интеллект (ИИ) может выявлять туберкулёз (ТБ) по фотографиям рентгеновских снимков грудной клетки. 

В пилотном исследовании специалисты использовали 498 снимков пациентов из медицинских центров Эфиопии и Гвинеи-Бисау, полученных в период с января 2017 года по март 2018 года. Для каждой фотографии использовали мобильные телефоны или цифровые камеры, после чего изображения загружали в модель ИИ qXR (Qure.ai). Итоговый диагноз пациентов был установлен на основе клинических и лабораторных данных. Анализ проводили в сравнении с оценками двух рентгенологов.

Результаты показали, что модель ИИ классифицировала 81 снимок как свидетельствующий о ТБ, тогда как рентгенологи (рентгенолог А и В) отметили 50 и 99 случаев. По сравнению с лабораторно подтвержденными диагнозами модель ИИ показала:

• AUC* — 0,84,
• чувствительность** — 76,5%,
• специфичность*** — 85,9%.

Для рентгенолога А чувствительность составила 64,7%, специфичность — 91,9%, для рентгенолога В — чувствительность 76,5%, специфичность 82,3%. Согласованность оценок между рентгенологами и ИИ была умеренной (каппа = 0,56).

Авторы отмечают, что результаты ИИ сопоставимы с работой опытных рентгенологов при анализе снимков, сделанных с помощью мобильных устройств. Это может быть важным шагом для расширения доступа к скринингу ТБ в странах с ограниченными ресурсами.

В целом исследование показывает, что применение ИИ и фотографий рентгеновских снимков может помочь снизить диагностические барьеры в регионах с нехваткой специалистов и оборудования. Учёные подчёркивают необходимость дальнейших исследований для подтверждения результатов и оценки применения технологии в реальной клинической практике. 

ИИ во многом может помочь медицине. Например, ускорить диагностику и упростить процесс исследований. Так, Учёные из Scripps Research приступили к созданию вакцины от ВИЧ с применением ИИ-моделей. 

*AUC - Это метрика для оценки качества работы модели, которая разделяет объекты на две группы, например, наличие или отсутствие заболевания.

Значение AUC:

• 0,5 — плохой результат,
• 0,7–0,8 — средний результат,
• 0,8–0,9 — хороший результат,
• 0,9–1 — идеальный результат.

** Показывает, насколько хорошо модель/врач определяет наличие заболевания.

*** Показывает, насколько точно модель/врач определяет, что у человека нет заболевания.