基于人工智能的咳嗽分析用于肺结核分诊与诊断：技术综述

《npj Biomedical Innovations》：AI Based Cough Analysis for Pulmonary Tuberculosis Triage and Diagnosis: A Technical Review

　　

摘要专业翻译 基于人工智能的咳嗽分析已成为一种潜在的非痰液性肺结核分诊和诊断辅助方法。本技术综述综合了基于咳嗽的结核病研究证据，重点介绍了当前的数据集、人工智能方法、性能基准、实施要求及转化障碍。研究人员指出了关键局限性，包括数据集偏倚、记录变异性、前瞻性验证有限，以及在早期或无症状结核病人群中证据不足。

论文主体内容总结

当前诊断格局及结核病疾病谱中的局限性

结核病并非从潜伏感染到活动性疾病的严格二元进程，而是涵盖一个连续谱，包括早期（incipient）和亚临床（subclinical）阶段，其特征为细菌负荷上升、免疫应答演变及传染性增强。在这些早期阶段检测个体尤为困难，因为他们可能在症状轻微或无症状的情况下传播疾病。亚临床结核病典型地体现了这一挑战：个体可能携带可传播的感染却保持无症状，而常规诊断往往在此窗口期失效。传统工具，包括症状筛查、胸部X线摄影和基于痰液的检测，仍是实践核心，但它们速度慢、依赖基础设施，且对早期或肺外疾病的敏感性有限。正在研究的替代方法包括尿液脂阿拉伯甘露聚糖（lipoarabinomannan，LAM）检测、血液和尿液中的宿主反应生物标志物、呼出气分析（breathomics）、口腔拭子及人工智能辅助影像。每种方法均有前景，但均未达到人群水平筛查所需的可扩展性、稳健性和易整合性的组合要求。

咳嗽作为生物标志物

咳嗽长期以来被认为是肺结核最常见的症状。计算分析方法应用于咳嗽记录，主要探索用于结核病检测，研究报告了相对于临床结核病参考标准的各异性能。处理流程通常包括五个阶段：采集、预处理、特征提取、基于人工智能的分类以及对照临床参考标准的验证。当前证据表明，基于咳嗽的人工智能更接近分诊导向用途，而非独立诊断，特异性仍是达到世界卫生组织（WHO）非痰液诊断检测目标的主要障碍。咳嗽采集的情境至关重要：主动（solicited）咳嗽记录适用于筛查流程，而被动（passive）咳嗽记录捕捉自发性或夜间咳嗽，但自发性咳嗽通常表明个体已有症状，因此被动记录可能无法捕捉症状前社区使用场景。可推广性更多取决于训练数据是否匹配预期部署方案、目标人群和记录环境，而非单纯取决于咳嗽是主动还是被动采集。除结核病外，客观咳嗽频率已被探索作为慢性呼吸系统疾病的潜在监测信号。

研究设计

本技术综述遵循PRISMA框架，综合了人工智能辅助结核病检测的近期进展，特别强调咳嗽作为非侵入性和可扩展工具的应用。检索策略于2025年3月25日在Scopus和PubMed进行，限于2020年以来的英文研究，结合了人工智能与机器学习方法、疾病特异性术语（包括结核病及更广泛的呼吸系统疾病）以及咳嗽、声学标志物、即时检测平台和呼出气分析等诊断模式三类主题。纳入标准涵盖采用人工智能基于咳嗽声音分析进行结核病诊断、筛查或分诊的研究，并纳入替代模式及部署评估研究。检索获得504篇文章，经去重和标题-摘要筛选后，85项研究符合纳入标准，分为四类：基于咳嗽的分析（n = 29）、其他诊断模式和部署研究（n = 41）、多模态框架（n = 3）及综述文章（n = 12）。质量评估显示，多数研究明确了预测任务、架构和评估指标，但很少有研究严格处理类别不平衡问题，外部验证罕见，超参数优化报告尤为有限。性能评估采用标准分类指标，敏感性（sensitivity）对减少高负担环境中漏诊结核病病例至关重要，特异性（specificity）有助于避免不必要的确认检测，AUC-ROC提供阈值无关的判别能力度量。分诊检测优先高敏感性和中等特异性，而非痰液诊断检测需要显著更高的特异性。

用于结核病分诊和诊断的数据集、声学生物标志物和人工智能方法

肺结核约占全球病例的90%。在29项基于咳嗽的分析研究中，14项发表于同行评审期刊，8项为会议论文，4项为预印本。19项研究报告了数据集创建或汇编，共描述了17个独特的声学数据集，其中16个基于咳嗽，1个基于呼吸听诊。数据集在诱发模式（主动vs.被动）、研究设计、对照组构成、记录方案和样本量方面存在显著异质性。仅Swaasa TB、CIDRZ TB和CODA三个数据集招募了超过500名参与者，多数数据集少于200人。公开访问仍然有限，仅三个开放数据集。数据集在地理和结构上存在失衡：多数数据集来自南非、中国和少数其他单一地点，中非、西非、中亚和东南亚大部分地区代表性不足。流行病学代表性同样有限，数据集层面的结核病阳性比例跨度近一个数量级。疾病阶段、症状状态、抽样框架和记录环境是代表性的额外维度，多数数据集招募结核病疑似、有症状或临床确诊参与者，而社区筛查应用需要覆盖更广泛的结核病疾病谱。关于结核病咳嗽的临床和声学特征，少数研究检查了结核病与非结核病参与者咳嗽记录的潜在声学差异，但发现仍属初步且来自小型异质数据集。人工智能方法方面，卷积神经网络（CNN）是最常见的方法，通常应用于频谱图、梅尔频谱图（Mel-spectrogram）、尺度图（scalogram）或其他时频表示。时间模型如BiLSTM注意力架构已被用于建模时间依赖性声学模式，混合CNN-RNN方法结合局部时频特征提取与时间序列建模。传统分类器包括逻辑回归和随机森林。性能格局方面，13项研究报告的性能差异很大，但这些值不能脱离研究设计独立解读。病例对照结构尤为重要：结核病阳性与健康对照比较的研究，与使用结核病阴性呼吸系统疾病（TB-RD）对照的研究相比，临床挑战性较低。在2014年分诊目标产品概况（TPP）（敏感性≥90%，特异性≥70%）下，13项研究中有8项达到敏感性阈值，13项全部达到特异性阈值。在2024年非痰液诊断TPP（敏感性≥65%，特异性≥98%）下，13项全部超过敏感性最低要求，但仅2项达到升高的特异性要求。特异性瓶颈在部署相关阈值下仍未解决。

基于人工智能的结核病咳嗽分析的实施要求和利益相关者框架

人工智能辅助胸部X线解读提供了扩展诊断人工智能的最清晰先例。2024年对十二种商业CAD产品的外部验证显示，产品间差异显著，在老年人、既往结核病患者和HIV感染者中性能持续较低。移动应用方面，mTBScreen项目整合了超过90万条国家结核病患病率调查记录，在二次验证数据集上实现约60%的平衡准确率。成功的开发和部署需要技术开发者、公共卫生当局、医疗服务提供者和社区组织的协调参与。健康系统整合要求社区卫生工作者接受培训，理解人工智能输出并在转诊路径中采取行动，同时人工智能分诊系统必须与确认诊断检测相衔接，避免实验室服务过载。技术平台需要稳健的离线优先功能、安全的数据管道和标准化设备规范。监管框架如FDA的医疗器械软件（SaMD）和WHO人工智能伦理指南提供了通用原则，但尚未针对声学生物标志物或随时间更新的人工智能模型进行定制。跨领域挑战包括信任与接受度、可持续性和公平性。当前，尚无国家大规模部署基于咳嗽的人工智能用于结核病分诊或诊断支持，所有现有工具仍处于研究或试点阶段。四个关键实施研究缺口包括：前瞻性多地点有效性、经济评估、健康系统影响和监管科学。为此提出分阶段实施框架：第0阶段准备、第1阶段受控试点、第2阶段适应性扩展、第3阶段系统整合，每个阶段均需确保公平性、可解释性、隐私和社区信任。

当前基于人工智能的咳嗽分析的局限性

现有证据基础的局限性对于解读基于人工智能的咳嗽分析用于结核病分诊和潜在诊断的成熟度至关重要。核心障碍是缺乏大规模标准化数据集，现有数据收集在地理、设备和协议上分散，没有普遍接受的采集指南。记录环境、麦克风类型、采样率、患者行为和环境噪声的变异性引入分布偏移，可能降低模型在未见数据上的性能。多数数据集偏向来自少数结核病流行国家的成年人，儿童、女性和高负担但研究不足地区的代表性有限。在内部验证上表现良好的模型在新环境中部署时持续表现不佳，模型常常过拟合局部伪影而非真实疾病特征。深度学习方法的不可解释性限制了临床可信度，没有可解释性就无法验证分类器是否依赖生理学上有意义的声学特征。最关键的缺口是确定现有模型在真实世界条件下是否临床可靠，几乎所有算法均在小型回顾性数据集上评估，其在常规实践中的真实性能未知。多数现有数据集未覆盖完整肺结核疾病谱，研究结果不应假设可推广至早期社区病例发现目标人群。疾病阶段和严重程度可能影响咳嗽产生和模型性能，分类器性能随细菌负荷和空洞性疾病变化，表明咳嗽分类可能因疾病阶段而异。

未来方向和战略路线图

进展需要创建大规模、标准化且全球代表性的咳嗽声音库，类似于FIND生物样本库转变分子诊断评估的方式。此类全球声学数据库可由WHO、国家结核病项目和临床联盟协调，采用统一的采集协议，指定设备类型、记录时长、分段、环境噪声表征和质量控制程序。存储库应包含来自现实部署环境的记录，并有意纳入症状轻微、无症状、临床前期和早期结核病参与者。领域适应方法，包括对抗性对齐、迁移学习和无监督分布匹配，可能帮助模型在不同人群和设备间泛化。在大型呼吸声音语料库上预训练后进行结核病特异性微调已显示出前景。可解释人工智能技术如注意力机制、显著性映射和特征归因，可帮助识别咳嗽的哪些频谱或时间成分对模型预测有贡献。临床转化需要大规模前瞻性试验，涵盖社区筛查、HIV/结核病联合管理诊所、惩教设施和城市贫民窟，明确评估儿童、HIV感染者及合并症患者中的性能。除分诊和诊断支持外，基于咳嗽的测量可能为疾病严重程度和治疗监测提供见解。咳嗽是几种有前景的非痰液信号之一，呼出气分析、肺音分析、基于症状的模型、皮肤感应和电子健康记录（EHR）衍生算法均提供互补路径，其整合可能提供更稳健的解决方案。