Inteligência Artificial pode ajudar a diagnosticar tuberculose em países em desenvolvimento

Pesquisadores testando cinco algoritmos de inteligência artificial (IA) disponíveis comercialmente descobriram que todos tiveram um bom desempenho na detecção de tuberculose (TB) em radiografias de tórax em um estudo a ser publicado na edição de setembro da Lancet Digital Health . Mas apenas dois atenderam aos padrões estabelecidos pela Organização Mundial da Saúde (OMS). 

Os pesquisadores compararam o desempenho de cinco algoritmos de IA em um grande grupo de pacientes com sintomas de tuberculose em Dhaka, Bangladesh. Eles descobriram que os algoritmos não apenas tiveram um desempenho melhor do que os radiologistas certificados locais, mas também reduziram a necessidade de testes moleculares de diagnóstico Xpert de acompanhamento pela metade.

"Todos os cinco algoritmos de IA superaram radiologistas certificados experientes e poderiam evitar o teste Xpert de acompanhamento e reduzir o [número de pessoas necessárias para o teste], mantendo a alta sensibilidade", escreveu Zhi Zhen Qin da Stop TB Partnership em Genebra e colegas ( Lancet Digit Saúde , setembro de 2021, Vol. 3: 9, pp. E543-E554).

Os resultados têm implicações substanciais para a política e prática internacional em relação ao uso de ferramentas de IA para a triagem da tuberculose, especialmente em países sem acesso a radiologistas, escreveram os autores.

Em 2019, cerca de 10 milhões de pessoas desenvolveram tuberculose, mas apenas 7,1 milhões de casos foram notificados aos programas de tuberculose. Essa deficiência ressalta a necessidade urgente de estratégias aprimoradas de detecção precoce, de acordo com a OMS.

Em março, a OMS recomendou o uso de aplicativos de detecção auxiliada por computador (CAD) em radiografia de tórax para triagem e triagem de tuberculose para indivíduos com 15 anos ou mais, mas a organização não recomendou produtos específicos. Os prestadores de cuidados de saúde em países com uma elevada carga de TB foram deixados a considerar muitos fatores - o mais básico é qual algoritmo de IA usar, escreveram os autores.

Neste estudo retrospectivo, os pesquisadores avaliaram o desempenho de cinco algoritmos comerciais de IA como testes de triagem para tuberculose ativa:

• CAD4TB, versão 7 (Delft Imaging Systems)
• InferRead DR, versão 2 (InferRead)
• Lunit Insight CXR, versão 4.9.0 (Lunit)
• JF CXR-1, versão 2 (JF Healthcare)
• qXR, versão 3 (Qure.ai)

Os pesquisadores selecionaram imagens de 24.079 pessoas de 15 anos ou mais que apresentaram ou foram encaminhadas a três centros de triagem de tuberculose em Dhaka entre maio de 2014 e outubro de 2016. As radiografias de tórax não haviam sido usadas anteriormente para treinar algoritmos de IA.

Três radiologistas registrados no Conselho Médico e Odontológico de Bangladesh com 10, seis e um ano de experiência trabalharam em tempo parcial para o projeto e se revezaram na leitura das radiografias de tórax, observaram os autores. Eles leram de 15 a 20 radiografias de tórax por dia e classificaram cada radiografia de tórax como normal ou anormal, de acordo com o manual de pesquisa de prevalência de tuberculose da OMS.

Para avaliar o desempenho do software AI, os pesquisadores usaram uma característica de perfis de produtos-alvo desenvolvidos pela OMS em 2014 que afirmam que novos testes diagnósticos de tuberculose devem ser 95% sensíveis e 80% específicos para qualquer forma de tuberculose ativa quando comparados com um "teste confirmatório" (Xpert) ou minimamente 90% sensível e 70% específico para tuberculose pulmonar quando comparado ao teste confirmatório.

De acordo com os resultados, todos os algoritmos alcançaram especificidade maior do que os leitores do radiologista. No entanto, apenas dois algoritmos de IA - qXR e CAD4TB - atenderam aos critérios mínimos do perfil de produto alvo da OMS para testes de triagem, com especificidades de 74,3% para qXR e 72,9% para CAD4TB quando a sensibilidade foi definida para 90%. Acima desse limite de sensibilidade, as curvas características de operação do receptor não diferiram significativamente entre os cinco algoritmos, afirmaram os pesquisadores.

Além disso, os algoritmos de IA reduziram o número de testes moleculares Xpert necessários em pelo menos 50%, mantendo uma sensibilidade superior a 90%, descobriram os pesquisadores.

"Os algoritmos de IA podem ser ferramentas de triagem altamente precisas e úteis para a detecção da tuberculose em regiões de alta carga, e superam os leitores humanos", concluíram os autores.

Em um comentário complementar, a candidata a doutorado Christine Tzelios e o especialista em doenças infecciosas Dr. Ruvandhi Nathavitharana da Harvard Medical School sugeriram que "aumentar o CAD" com software de IA para diagnosticar tuberculose pode ser particularmente útil em ambientes onde radiologistas qualificados não estão prontamente disponíveis.

No entanto, os algoritmos de IA permitem que os usuários variem a sensibilidade e a especificidade do teste ajustando as pontuações de limite para atender às necessidades programáticas, o que torna as comparações futuras da precisão do algoritmo de IA desafiadoras, escreveram eles.

Em última análise, a eliminação da tuberculose depende da integração significativa de soluções biomédicas modernas com estratégias sociais e políticas inovadoras para aliviar a pobreza, sugeriram Tzelios e Ruvandhi. 

“O aumento sustentável de CAD e outras tecnologias de IA merecem atenção na vanguarda de uma abordagem mais ampla baseada em direitos para melhorar o tratamento da tuberculose”, escreveram eles.

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&ItemID=133338