基于人工智能的牛结核病现场诊断评估：IDR、PCRMpb70与血清学检测新策略

本研究针对突尼斯牛结核病诊断困境，通过贝叶斯潜类别模型(BLCM)和随机森林算法，系统评估了IDR、PCRMpb70及三种血清学快速检测方法（Ac1/Ac2/Ag）。研究发现PCRMpb70具有最优诊断效能（灵敏度高、特异性完美），并筛选出IDR2/Ac2等组合作为PCR不可及时的理想替代方案，为现场诊断提供重要技术支撑。

　　

牛结核病(Bovine tuberculosis, bTB)作为由牛分枝杆菌(Mycobacterium bovis, M. bovis)引起的重要人畜共患病，持续在全球范围内造成重大经济负担。在突尼斯，该病的根除进程因诊断工具受限和资源匮乏而受阻。尽管结核菌素皮内试验(Intra Dermal Reaction test, IDR/TST)仍是当前主要监测手段，但其较低的敏感度与特异性凸显了对优化诊断方法的迫切需求。

本研究通过人工智能手段，系统评估了IDR、靶向MPB70基因的PCR检测(PCR_Mpb70)及三种血清学快速检测技术：Quickvet Ab^?(Ac1，检测重组M.bovis抗原抗体)、Vetdiagnostix Ab^?(Ac2，检测MPB70/MPB83融合蛋白抗体)和Vetdiagnostix Ag^?(Ag，通过抗牛IFN-γ单克隆抗体检测天然M. bovis抗原复合物)在32头突尼斯牛中的诊断表现。

基于贝叶斯潜类别模型(Bayesian Latent Class Model, BLCM)分析，PCR_Mpb70凭借其高灵敏度(Se)和完美特异性(Sp)被确立为最可靠的参考标准。进一步采用随机森林算法进行监督机器学习，评估了单一及联合诊断方式的预测效能。

研究不仅证实了高感染率（46.37%±9.76）的存在，更发现IDR2/Ac2、IDR2/Ag及IDR2/Ac2/Ag（即二次皮内试验与血清学检测的组合）具有与PCR高度互补的诊断价值。这些组合策略为缺乏分子检测条件的野外环境提供了切实有效的诊断替代方案。