AI赋能百万级胸片筛查：AIRIS-TB模型实现结核病高效精准诊断的跨区域研究

本研究针对传统结核病(TB)筛查依赖人工阅片导致的效率低下问题，开发了AI模型AIRIS-TB。通过对超百万胸片(CXR)的验证，模型实现AUC 98.51%、TB假阴性率(FNR)0%，可自动化80%无异常胸片报告，显著提升筛查效率。该成果为高负荷TB筛查项目提供了安全可靠的AI解决方案，发表于《npj Digital Medicine》。

　　

结核病(TB)仍是全球重大公共卫生挑战，尤其在医疗资源匮乏地区，传统胸片(CXR)筛查依赖放射科医师人工判读，存在效率低（日均处理千级胸片）、误诊率高（加速阅片时漏诊率增加26.6%）及人力资源短缺（如马拉维每千万人仅1.1名放射科医师）等痛点。世界卫生组织(WHO)虽推荐计算机辅助检测(CAD)系统用于TB筛查，但现有方案在敏感性(≥90%)与特异性(≥70%)的平衡、大规模验证及跨区域适用性方面仍有局限。

针对这一难题，M42 Health的研究团队开发了AI放射筛查系统AIRIS-TB，通过分析阿联酋首都健康筛查中心(CHSC)两年间104万份胸片数据，构建了基于EfficientNet-V2-S架构的深度学习模型。研究发现，该模型在内部测试集达到AUC 98.51%，TB假阴性率(FNR)0%，优于放射医师组(1.85% FNR)；通过自动化80%无异常胸片报告，显著减轻工作负荷(WLR)。成果发表于《npj Digital Medicine》，为高吞吐量TB筛查提供了新范式。

关键技术方法包括：1) 采用多中心历史CXR数据训练多分类模型（无异常/非TB异常/陈旧性TB/活动性TB）；2) 基于WHO指南设定90%敏感性阈值；3) 引入工作量缩减(WLR)新指标量化效率增益；4) 通过百万级测试集和4个外部数据集(CheXpert/ChestIU/PadChest/TB-11K)验证泛化性；5) 采用Grad-CAM可视化增强模型可解释性。

【研究结果】
安全性能验证：在严格阈值下，AIRIS-TB实现0.33%总体FNR（23例/104万），经复核均为非TB相关异常（如肺纤维化）；TB特异性FNR经校正后达0%，满足WHO安全标准。

临床效能评估：最优阈值下模型保持1.57% FNR（低于人工1.85%），同时实现80%工作量缩减。时空分析显示，日均负荷降低中位数40%（IQR 37.07-42.45%），显著缓解放射医师疲劳。

亚组一致性：跨性别、年龄（16-60+岁）、HIV状态及6个WHO区域的AUROC稳定在96.33-99.36%，TB-FNR均为0%，证实算法无人口统计学偏差。

痰检验证：对2780例放射学疑似病例的痰培养/Xpert MTB/RIF检测显示，模型对257例确诊TB的预测概率集中分布于99%附近，证实临床相关性。

【结论与意义】
该研究通过迄今最大规模（百万级）TB筛查验证，证实AIRIS-TB可安全替代放射医师完成80%常规胸片初筛，其零漏诊特性（0% TB-FNR）尤其适合低流行率（0.5%）地区。创新性体现在三方面：1) 首次实现CAD系统在真实筛查场景中的"安全-效率"帕累托最优；2) 提出WLR指标量化AI对医疗资源的释放效应；3) 通过边缘计算适配网络受限地区，有望缩小高低收入国家间的放射诊断鸿沟。未来需在前瞻性试验中验证其在分诊场景（高TB负荷）的适用性，并探索多模态联合筛查路径。