基于人工智能辅助胸部X光诊断系统的结核病检测、诊断及监测研究

推荐 为解决结核病（TB）早期筛查效率低、资源有限地区放射科医生短缺等问题，泰国曼谷研究人员开发了一种人工智能（AI）辅助胸部X光诊断系统。研究表明，该系统对结核病的检测灵敏度达100%，但特异性仅为66.7%。其比较功能可实现与专家医生一致的评估效果，显著提升筛查效率和诊断准确性，适用于高负担地区。

　　

论文解读
结核病（TB）作为全球第二大传染病致死原因，每年造成约160万人死亡，其中东南亚地区占新发病例的44%。传统诊断依赖放射科医生对胸部X光的解读，但在资源匮乏地区，医生短缺导致诊断延误。为此，泰国曼谷研究人员开发了一种AI辅助诊断系统，旨在提高结核病的筛查效率和准确性。

该研究采用混合方法学设计，分为AI算法开发和性能评估两个阶段。第一阶段，研究团队收集了来自多个国家的28,900张胸部X光片及泰国公共卫生中心的数据，构建了一个包含UNet架构和Efficientnet B1主干网络的AI模型。该模型通过分割肺异常区域并计算结核病概率，同时利用主成分分析（PCA）和最小绝对收缩选择算子回归（LASSO）实现治疗前后影像对比。

结果显示，AI系统在结核病检测中的灵敏度达100%，成功识别所有43例确诊患者，但对非结核病的特异性仅为66.7%，尤其是将肺癌误诊为结核病的比例高达80%。在45对治疗前后影像的对比测试中，AI与医生的完全一致率为58%，但“改善、稳定、恶化”三档分级的一致率达100%。医生反馈表明，AI系统在减轻工作负担和提高诊断信心方面具有显著优势，但用户界面复杂性和分类准确性仍需改进。

研究结论强调，该AI系统在资源有限地区具有实用价值，可辅助医生进行结核病筛查和疗效监测，减少诊断延误并优化医疗资源配置。未来需通过扩大训练数据集和优化算法提升特异性，并开展前瞻性研究验证其临床应用效果。

研究背景指出，全球每年约1060万例结核病病例中，东南亚占比最高，而传统诊断依赖专业医生，导致高负担地区诊断效率低下。AI技术的引入为解决这一问题提供了新思路。泰国研究团队通过整合深度学习模型和影像分析技术，开发出一种集检测、鉴别诊断和疗效监测于一体的AI系统，填补了现有工具在自动化和连续性评估方面的空白。

该系统的核心优势在于其高灵敏度和稳定的比较功能。尽管特异性不足可能引发假阳性风险，但其对治疗进展的精准分级为临床决策提供了可靠依据。研究团队建议结合人工复核优化系统性能，并探索其在偏远地区的应用潜力，以实现结核病防控的全面覆盖。

技术方法方面，研究采用UNet架构进行肺异常分割，并通过Efficientnet B1提取特征。数据预处理包括肺野提取、尺寸归一化和分割掩码生成。对比测试则基于PCA降维和LASSO回归实现分级评估。样本队列来自北美、南美、欧洲、日本及泰国公共卫生中心的公开数据集和本地医院病例。

研究结果验证了AI系统在结核病筛查中的可行性，其高灵敏度可确保低漏诊率，而稳定的分级功能则有助于动态监测治疗效果。尽管存在假阳性问题，但通过针对性优化训练数据集，系统性能有望进一步提升。

讨论部分指出，该研究为资源有限地区的结核病防控提供了创新解决方案。AI系统的自动化特性可显著降低医生工作负荷，而其诊断准确性接近专家水平，表明其在临床实践中具有推广价值。未来需加强跨机构合作以扩充数据多样性，并探索AI与移动医疗设备的集成应用，推动全球结核病消除目标的实现。