2024人工智能在肺结核诊断中的应用.docx

《2024人工智能在肺结核诊断中的应用.docx》由会员分享，可在线阅读，更多相关《2024人工智能在肺结核诊断中的应用.docx（5页珍藏版）》请在第壹文秘上搜索。

1、2024人工智能在肺结核诊断中的应用研究背景结核病(TB)是一种由结核分枝杆菌引起的传染病。尽管肺结核(PTB)的诊断技术已经取得了进步，但对PTB进行准确诊断和鉴别诊断仍具有挑战性。近年来,人工智能(artificialintelligence,Al)的快速发展及其在医学领域中的广泛应用，为TB和PTB的诊断和治疗提供了新的机遇。AI的机器学习模型不仅帮助医生提高了诊断的准确率，还能对感染风险增加的个体进行早期预判。止匕外，AI可以指导医生针对不同病情的PTB患者制定有针对性的治疗策略。Al辅助胸部X线成像近年来,许多成熟的AI软件已应用于TB诊断。具体的AI辅助胸部X线(CXR)结合策略如

2、图1之前的一项荟萃分析显示，尽管每种软件的敏感度和特异度在特定条件下可能有所不同，但医生的诊断结果与基于计算机辅助诊断(CAD)软件的诊断结果的准确率相似，并且CAD软件的使用明显降低了不同经验和工作疲劳引起的诊断变异性。虽然不同软件的性能可能不同，但均具有较高的敏感度，可以帮助医生提高诊断的敏感度和特异度。在偏远和资源贫乏地区开发基于AI的自动筛查平台，可以明显减少患者接收诊断报告的等待时间，提高医院门诊效率和疾病诊断准确率。研究发现，AI辅助系统的敏感度、特异度、阳性预测值、阴性预测值(NPV)和诊断准确率均高于单纯的医生诊断。另一项研究比较了AI自动图像读取技术与人工图像读取技术在识别病

3、原体阳性PTB患者中的表现，结果显示，在47例病原体阳性PTB患者中,有14例被专家误诊，5例被AI误诊。这些数据表明，AI阅读的敏感度比人类阅读高出约20%o然而，需要注意的是，许多影像学表现相似但临床表现不同的病灶可能会造成假阳性，导致误诊率为10%。总之,AI辅助CXR诊断在PTB病变的快速定位和量化方面具有潜在优势，不仅可以准确识别人眼经常错过的显微病变，还有助于PTB的诊断和提高检出率。CAD在PTB防治中的早期探索可以追溯到1968年，Al技术在TB防治中的广泛应用始于2016年。与CAD/AI防治TB相关文献的可视化分析见图2图1AI辅助胸部DR诊断PTB的分析过程图2与CAD/

4、AI防治TB相关文献的可视化分析AI辅助胸部CT诊断近年来，相关的AI系统已经被开发出来用以辅助读取胸部CTz帮助内科医生提高CT诊断PTB的准确率和敏感度，现有的AI算法可以将5类PTB图像的分类准确率提高71%;另外,有人发现，AI自动识别肺部异常的效率是医生的1000倍。一项研究结果显示，AI读取胸部CT的敏感度和准确率分别为95.49%和90.4%,而医生读取的敏感度和准确率分别为93.8%和92.8%oAI辅助其他检查目前，荧光显微镜检查是痰涂片检查最准确的方法之一，敏感度超过70%o然而，仍有20%40%的结果出现假阴性。虽然支气管镜活检可以用于进一步的研究，但由于其侵入性和低敏感

5、度(仅42%63%),通常不推荐作为常规筛查试验。研究发现，Al在病理诊断方面具有一定的优势，可以减少因人为错误出现的假阴性和误诊率。有研究探讨了AI辅助病理在经支气管镜肺活检术(TBLB)中的应用，结果表明,在单独检测抗酸杆菌(AFB)时，AI辅助检查的敏感度明显高于常规细菌学检查(86%ps29%,P=0.046),但AI辅助病理检查的特异度为100%。总之，AI辅助病理检查对通过支气管镜收集的样本中抗酸杆菌的识别率较传统细菌学检查更为敏感，并且使用AI自动显微镜可以提高痰涂片的敏感度。此外，结核感染T细胞斑点试验(T-SPOT.TB)是临床常用的诊断结核感染的免疫学检测方法。既往研究发现

6、,血液T-SPOT.TB检测结合肺部CT图像和基于AI的诊断系统可以提高诊断准确率。AI辅助PTB和其他疾病的鉴别诊断在某些情况下，基于图像的PTB鉴别诊断可能具有挑战性，特别是对于经验有限的医生。在这种情况下，AI可作为必要的辅助工具，建立标准化的病变分类，从而提高诊断的准确率。外周肺癌和PTB结节在CT成像上具有相似的形状。不同的AI模型可通过与AI参数的最大和平均的CT值进行比较，通过图像分类自动提取抽象特征。基于内容的图像检索与卷积连体神经网络(cir-csnn)可以用于CT图像的鉴别诊断。此外，深度学习列线图算法也可用于结核性肉芽肿与肺腺癌的鉴别诊断，且曲线下面积(AUC)高于80%

7、。临床实验表明，AI鉴别良恶性病变的准确率最高可达88.9%o胸部CT检查也是矽肺的常规诊断方法，矽肺表现出与粟粒性PTB相似的特征。先前有研究基于机器学习算法、统计分析和数据挖掘的矽肺和PTB预测模型，结果显示诊断准确率为83.1%,表明AI在鉴别诊断中的重要作用。肺炎的诊断主要依靠影像学检查。AI也有助于肺炎和PTB的鉴别诊断，其诊断准确率高达97.7%,而医生的准确率仅为79.9%o此外，AI在COVID-19与非结核分枝杆菌肺病(NTM-PD)的鉴别诊断中也具有优异的表现。一项研究评估了深度学习系统(DLS)的性能，发现它在排除正常CXR方面与委员会认证的放射科医生表现相当，且它的阴性

8、预测值一般异常范围为0.850.95,PTB为0.880.98,COVID-19为0.560.85,这些阴性预测值与放射科医生的阴性预测值(一般异常范围为0.670.87PTB为0.740.88zCOVID-19为0.620.78)相似。同样，一项回顾性研究也评估了有与没有AI辅助的放射科医生通过CT扫描区分COVlD-19感染的肺炎与其他肺部疾病(如PTB和普通肺炎)的表现,发现在694例患者中，AI的准确率、敏感度和特异度分别为91.4%、91.8%和90.9%,其准确率和敏感度分别较提高了1%和4.7%0AI辅助肺部疾病预后预测在AI技术的帮助下，医生不仅可以确定每例患者与治疗失败相关的

9、特征，如药物过敏、影像学表现、微生物学检查结果、教育程度和就业情况，也可以早期识别出高危患者。一项研究利用机器学习识别与TB治疗失败相关的特征，并根据基线人口统计学和临床特征预测治疗失败高风险患者，发现药物过敏模式、影像学结果、显微镜Ziehl-Neelsen染色结果、教育水平和就业状况均与治疗失败相关。通过识别治疗失败风险较高的患者，我们可以对这些患者给予更多的关注，以预防或降低耐药结核病(DR-TB)的发生风险。AI建模的分类方法可以在TB治疗开始时预测特定患者的治疗结果。随机森林(RF)模型的预测准确率最高，达到76%;支持向量机(SVM)模型的精度和特异度最高，分别为73.05%和95

10、.71%;人工神经网络(ANN)的敏感度最高，为68.5%o因此,AI辅助的机器学习模型可以预测TB的治疗结果，帮助医生更好地评估治疗的益处，并鼓励患者定期接受抗结核治疗，从而降低治疗中断率。AI辅助TB诊断的问题和挑战Al在PTB诊断中的应用已经显示出提高准确率和效率的巨大潜力o尽管如此在PTB诊断中AI辅助诊断工具的开发和实施面临着各种挑战和问题，包括数据的可用性和质量有限、缺乏标准化、伦理考虑和偏见、可解释性，以及融入临床工作的流程。止匕外，由于Al辅助诊断的特点，如不能全面分析患者的临床症状、注重发现小病变及减少漏诊，可能会出现较高的假阳性结果。解决上述挑战对于最大限度地发挥AI辅助诊断在提高准确率、效率和患者预后方面的潜力至关重要。临床医生、研究人员、政策制定者和监管机构的合作努力对于克服这些挑战并确保将AI成功整合到PTB诊断的常规临床实践中至关重要。