Development and Validation of a Deep Learning Ensemble Model to Predict Drug-resistant Tuberculosis From Initial Chest X-ray Image
本研究提出了一种基于 7,151 张胸部 X 光片训练的深度学习集成模型，该模型能有效预测耐药性结核病，其 AUC 约为 0.82，展示了对人口统计学因素的鲁棒性，以及预测概率与耐药程度之间的相关性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
结核病仍然是地球上最持久且致命的传染病之一，每年夺走超过一百万人的生命。尽管现代医学已经开发出了治疗该疾病的方法，但一个日益增长的威胁正步步逼近：耐药性菌株。这些细菌已经学会了如何在标准药物的攻击下生存。快速识别这些耐药菌株是一场与时间的赛跑。如果一名患者感染了耐药版本却接受了标准药物治疗，疾病就会持续蔓延，患者的病情也会恶化，往往导致死亡。目前的诊断金标准涉及采集样本并在实验室中进行测试，以观察哪些药物有效，但这个过程可能需要数周时间。在传染病的世界里，数周的时间可能意味着控制疫情与大规模爆发之间的差别。
研究人员长期以来一直怀疑，胸部 X 光片上呈现的模式可能隐藏着关于患者是否患有耐药性菌株的线索。胸部 X 光片是一种简单、广泛可用的显示肺部图像的技术。虽然人类医生会观察这些图像以查看肺部是否存在感染，但仅凭肉眼很难区分标准感染与耐药性感染。然而，人类的眼睛并不是唯一能够识别模式的工具。一项新的研究利用人工智能的力量来观察这些图像，以实现超越人类能力的方式，旨在患者抵达诊所后立即发现耐药性的细微迹象。
一个研究团队致力于构建一个能够充当早期预警信号的计算机系统。他们并没有制造一台新机器或一种新型扫描仪。相反，他们利用了大量的现有胸部 X 光图像以及拍摄这些图像的患者的确认医疗记录。这些数据来自一个名为 TB Portals 的全球项目，该项目收集了世界各地结核病患者的信息。研究人员从东欧和中亚的患者中选择了 7,000 多张图像，确保拥有关于每位患者是患有药物敏感型菌株还是耐药型菌株的清晰记录。他们将这些数据分为几组：一组用于教导计算机，一组用于检查其进度，最后一组用于测试其最终技能，就像学生在参加真正的考试前进行模拟考试一样。
为了构建他们的系统，研究人员并没有依赖单一的计算机程序。相反，他们创建了一个“集成模型”（ensemble），即一个由不同人工智能模型组成的团队共同协作。他们利用三组不同的深度学习模型——这些是旨在识别图像模式的复杂计算机程序——在胸部 X 光片上进行了训练。这些模型学会了识别肺部图像中人类肉眼可能会忽略的成千上万个微小细节。与此同时，团队还使用了一种称为“影像组学”（radiomics）的不同方法，这种方法将图像分解为数百个可测量的数学特征，例如纹理和形状。他们还加入了患者的基本信息，如年龄、性别以及是否患有糖尿病或艾滋病毒（HIV）等其他健康状况。
随后，研究人员将来自所有这些不同来源的见解结合在一起。他们提取了三个图像读取模型的预测结果、影像组学分析以及患者的基本健康数据，并将这些数据输入到一个最终的机器学习分类器中。这最后一步充当了“法官”的角色，权衡所有证据以产生一个单一的概率得分。这个得分代表了患者患有耐药性结核病的可能性。该系统被设计为一个“守门员”，作为第一道防线，能够为高风险患者标记出需要立即进行专门测试和治疗的需求，而不是等待缓慢的实验室结果返回。
当团队在从未见过的新数据上测试其最终模型时，结果令人鼓舞。该系统能够以高度的准确性区分耐药型和药物敏感型病例。在测试组中，该模型的得分表明它能够可靠地分离这两组，其表现显著优于仅使用临床信息。该模型并非随机猜测；它展现出了清晰的模式。后来被证实患有最严重耐药形式（即耐多药结核病）的患者，比那些患有较轻程度耐药性的患者获得了更高的风险评分。这表明该系统不仅能检测到耐药性的存在，甚至能感知到耐药强度的变化。
研究人员还观察了模型是如何做出决策的，以确保它关注的是正确的目标。通过一种可以突出显示影响计算机选择的图像部分的技巧，他们发现模型将注意力集中在肺野上，这正是医生观察的位置。它识别出了肺部具有特征性的暗斑和结构变化。然而，研究也揭示了一个局限性。当患者患有贫血或艾滋病毒等其他健康状况时，模型的表现有所下降。这表明虽然该系统功能强大，但肺部的其他疾病可能会干扰它试图寻找的模式，从而使诊断在患有多种健康问题的患者身上变得更加困难。
研究结论指出，通过这种特定类型的人工智能进行分析，胸部 X 光片可以提供快速且有意义的耐药风险评估。作者谨慎地指出，该系统并不是要取代那些能确认哪些特定药物有效的实验室测试。相反，它是一个强大的筛查工具。在繁忙的诊所中，特别是在先进实验室设备匮乏的地区，这一工具可以帮助医生决定哪些患者需要立即接受紧急的专门护理。通过及早识别最具危险性的病例，该系统提供了一种能够更早开始正确治疗的方法，从而有望在这些难以治疗的细菌造成进一步伤害之前挽救生命并阻止其传播。这项工作证明，通过正确的数据以及不同类型计算机模型之间的协作，我们可以从这些已沿用数十年的图像中提取出全新的、拯救生命的洞察力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。