综述：人工智能驱动的结核病诊断：技术进展、实施挑战与全球展望

《Molecular Medicine》：Methods and applications of artificial intelligence in tuberculosis diagnostics: advances, opportunities, and challenges

　　结核病（TB）仍然是全球最严峻的健康挑战之一，每年病例超过一千万例，且持续存在的诊断空白延缓了治疗进程并推动疾病传播。尽管分子检测技术和影像技术取得了进展，但传统的诊断工具——如痰涂片镜检、培养和核酸扩增试验——仍然面临灵敏度不佳、周转时间长、对基础设施要求高以及依赖高技能专业人员等局限性。这些限制不成比例地影响着高负担、资源匮乏的地区，在这些地区，病例发现的延迟严重阻碍了结核病防控工作。以机器学习（ML）和深度学习（DL）算法为代表的人工智能（AI）技术正在重塑结核病诊断格局，通过对复杂的临床、放射学和基因组数据集进行快速、自动化且可扩展的分析来实现这一目标。AI增强的胸部影像学已接近专家水平，模型报告的AUC值接近0.95–0.99。与此同时，AI驱动的基因组预测系统利用全基因组测序（WGS）数据来识别耐药模式，F1分数超过90%，为传统药敏试验（DST）提供了一种更快、更全面的替代方案。结合影像学、基因组学和临床参数的整合多模态框架进一步支持了更早、更精准的诊断、个性化治疗选择和实时风险分层。除高诊断性能之外，将AI成功应用于常规结核病护理还需要认真关注伦理、监管和实施方面的挑战。数据异质性、算法偏见、模型可解释性有限以及监管协调不足仍然是公平部署的主要障碍。可持续的采用将取决于透明的验证、具有代表性的数据集、联邦学习策略，以及临床医生、微生物学家、数据科学家、工程师和政策制定者之间的协作。通过审慎的治理和因地制宜的实施，AI有望将结核病诊断转变为一个更精准、更高效、更公正、更以患者为中心的连续过程，推动全球向2030年消除结核病的目标迈进。