тестирование амплификации нуклеиновых кислот (МАНК). Эти тесты относительно дороги, но если бы ИИ мог фильтровать пациентов, которым нужен тест, преимущества были бы значительными. Моделирование с использованием системы глубокого обучения для выявления вероятных ТБ-позитивных рентгеновских снимков грудной клетки для подтверждения МАНК снизило затраты на 40-80% на каждого обнаруженного пациента с положительным ТБ.
"Благодаря скринингу пациентов в сообществе и обнаружив туберкулез до того, как они действительно заболеют, у них могут быть лучшие результаты, и им может потребоваться более короткий курс лечения», — сказал Пилигрим. "Кроме того, поскольку туберкулез является инфекционным заболеванием, если вы сможете попасть к людям на ранней стадии, его распространение будет меньше, что усугубляет преимущества этого скрининга"
Исследователи проводят работу в Замбии в перспективной настройки, что означает, что они собирают данные от пациентов, посещающих скрининг, и предоставляют NAAT для каждого пациента с целью изучения системы. Они также ищут способы представить эти модели миру таким образом, чтобы они оказали максимальное влияние на пациентов.
"Мы надеемся, что это может быть инструментом, используемым неопытными врачами и медицинскими работниками. рабочих для массового обследования людей и направления их на лечение там, где это необходимо, без привлечения врачей-специалистов, которых не хватает». — сказал Пилигрим. "Мы верим, что можем сделать это с помощью людей на местах недорого и в больших объемах"
