CAD4TB人工智能技术在南非和莱索托成人结核病筛查中的性能评估与优化策略

本研究针对高负担地区结核病(TB)筛查中计算机辅助诊断(CAD)性能差异问题，通过对比CAD4TB v6与v7在南非和莱索托6524例胸片中的表现，发现v7的AUC显著提升至0.865，但阈值选择受年龄、硬件等因素影响。研究为AI辅助TB筛查的精准实施提供了关键参数优化依据。

　　

结核病(TB)仍是全球重大公共卫生威胁，2023年全球约1080万新发病例中超过270万未被诊断。尽管存在GeneXpert MTB/RIF Ultra等分子检测技术，但其高昂成本和操作复杂性限制了在资源匮乏地区的应用。世界卫生组织(WHO)推荐使用人工智能(AI)辅助胸片解读作为筛查工具，但不同版本计算机辅助诊断(CAD)系统的性能差异及影响因素尚不明确。

针对这一科学问题，Radboud大学医学中心联合多国研究团队在《Journal of Clinical Tuberculosis and Other Mycobacterial Diseases》发表研究，通过分析南非和莱索托6524例胸片数据（288例TB阳性，6236例阴性），系统评估了CAD4TB v6与v7的性能差异。研究创新性地纳入5种X射线硬件系统，采用受试者工作特征曲线(ROC)和阈值分析等方法，首次揭示了软件版本、年龄、硬件等因素对筛查准确性的影响。

关键技术方法包括：1) 回顾性分析TB TRIAGE+ACCURACY研究和莱索托全国流行病学调查(LPS)数据；2) 使用Delft Imaging公司提供的CAD4TB软件进行离线图像分析；3) 采用DeLong算法比较ROC曲线下面积(AUC)；4) 通过阈值依赖分析确定90%敏感性和70%特异性对应的临界值；5) 按年龄、HIV状态等7个维度进行亚组分析。

研究结果部分：

1. 总体性能分析
   CAD4TB v7的AUC达0.865，显著优于v6的0.833。在90%敏感性下，v7特异性提高11个百分点至65%，但均未完全达到WHO推荐的90%敏感性/70%特异性标准。

2. 亚组性能分析
   硬件差异：不同X射线设备需调整阈值，FUJIFILM设备表现最佳(AUC 0.91)。
   年龄影响：≥60岁人群AUC显著低于年轻组（v7:0.79 vs 0.92）。
   TB病史：有既往TB史者性能下降明显（v7 AUC从0.89降至0.76）。
   地域差异：南非组AUC(0.91)优于莱索托组(0.86)，可能与硬件混杂有关。

讨论与结论：
该研究首次系统论证了CAD4TB版本更新带来的"模型漂移"现象——v7虽整体性能提升，但需完全重置阈值体系才能保持筛查效率。研究强调在老年(≥60岁)和既往TB患者中，CAD特异性下降可能导致过度转诊，建议对这些人群调整阈值策略。

值得注意的是，X射线硬件差异可导致高达8%的AUC波动，这为设备标准化提供了实证依据。尽管研究样本存在选择偏倚（仅包含症状阳性或初筛异常者），但其建立的阈值优化框架为WHO CAD校准工具提供了重要补充。作者建议在高负担地区实施CAD前，必须开展包含硬件、人群特征等多维度的本地化验证，这对实现2030年终结TB流行的全球目标具有重要实践意义。

Nonhlanhla Nzimande等学者通过这项跨国研究，不仅证实了AI辅助诊断在TB筛查中的价值，更揭示了技术迭代过程中容易被忽视的"性能-阈值"动态平衡问题，为数字化公共卫生干预提供了精准实施范式。