MADRID 14 Abr. (EUROPA PRESS) -
Un estudio de la Universidad de Lausana (Suiza) presentado en ESCMID Global 2025 (celebrado en Viena, Austria) ha demostrado que una ecografía pulmonar impulsada por IA supera a los expertos humanos en un 9% en el diagnóstico de tuberculosis pulmonar (TB).
La suite ULTR-AI analiza imágenes de ecógrafos portátiles conectados a teléfonos inteligentes, ofreciendo una alternativa rápida, escalable y sin esputo para la detección de la tuberculosis. Los resultados superan los estándares de la Organización Mundial de la Salud (OMS) para el diagnóstico de tuberculosis pulmonar, lo que representa una gran oportunidad para un triaje de la tuberculosis accesible y eficiente.
A pesar de las disminuciones mundiales anteriores, las tasas de tuberculosis aumentaron un 4,6% entre 2020 y 2023. La detección temprana y el diagnóstico rápido son componentes fundamentales de la "Estrategia para poner fin a la tuberculosis" de la OMS, pero muchos países con alta carga de tuberculosis experimentan un abandono sustancial de pacientes en la etapa de diagnóstico debido al alto costo de los equipos de radiografía de tórax y la escasez de radiólogos capacitados.
"Estos desafíos subrayan la urgente necesidad de herramientas de diagnóstico más accesibles", detalla Véronique Suttels, investigadora doctoral en la Universidad de Lausana, y autora principal del estudio.
"La suite ULTR-AI aprovecha algoritmos de aprendizaje profundo para interpretar la ecografía pulmonar en tiempo real, lo que facilita el acceso a la herramienta para el triaje de la tuberculosis, especialmente para el personal sanitario con formación mínima en zonas rurales. Al reducir la dependencia del operador y estandarizar la prueba, esta tecnología puede ayudar a diagnosticar a los pacientes de forma más rápida y eficiente", señala.
La suite ULTR-AI incluye tres modelos de aprendizaje profundo: ULTR-AI predice la tuberculosis directamente a partir de imágenes de ultrasonido pulmonar; ULTR-AI (signos) detecta patrones de ultrasonido interpretados por expertos humanos; y ULTR-AI (máx.) utiliza el puntaje de riesgo más alto de ambos modelos para optimizar la precisión.
El estudio se realizó en un centro urbano terciario de Benín, África Occidental. Tras las exclusiones, se incluyeron 504 pacientes, de los cuales 192 (38%) presentaron tuberculosis pulmonar confirmada. Entre la población del estudio, el 15% eran VIH positivos y el 13% tenía antecedentes de tuberculosis. Se aplicó un protocolo estandarizado de ecografía pulmonar deslizante de 14 puntos, con expertos humanos que interpretaron las imágenes basándose en los hallazgos típicos de la ecografía pulmonar. Una única prueba molecular de esputo (MTB Xpert Ultra) sirvió como estándar de referencia.
ULTR-AI (máx.) demostró una sensibilidad del 93% y una especificidad del 81 % (AUROC 0,93; IC del 95%: 0,92-0,95), superando los umbrales objetivo de la OMS del 90% de sensibilidad y el 70% de especificidad para pruebas de triaje de tuberculosis no basadas en esputo.
"Nuestro modelo detecta claramente hallazgos ecográficos pulmonares reconocibles por humanos, como grandes consolidaciones y cambios intersticiales, pero un enfoque de aprendizaje profundo integral captura características aún más sutiles que escapan al ojo humano", destaca Suttels. "Esperamos que esto ayude a identificar signos patológicos tempranos, como pequeñas lesiones pleurales subcentimétricas, comunes en la tuberculosis".
"Una ventaja clave de nuestros modelos de IA es su rápida respuesta una vez integrados en una aplicación", añade Suttels. "Esto permite que la ecografía pulmonar funcione como una auténtica prueba en el punto de atención con un buen rendimiento diagnóstico en el triaje, proporcionando resultados instantáneos mientras el paciente aún está con el profesional sanitario. Un diagnóstico más rápido también podría mejorar la vinculación con la atención médica, reduciendo el riesgo de perder pacientes durante el seguimiento".
