Tuberculosis: un modelo de ecografía pulmonar portátil alcanza un AUC de 0,95 en Uganda, pero con 73 participantes reclutados en grupos separados
Un equipo de Rutgers, Emory y la Universidad Makerere entrenó una red neuronal para reconocer la tuberculosis pulmonar a partir de doce imágenes de ecografía torácica tomadas con una sonda portátil conectada a una tableta, solas o combinadas con doce datos clínicos sencillos, en 316 participantes reclutados en Kampala, Uganda. En 73 participantes reservados para la prueba, el modelo combinado alcanza un AUC de 0,95, y una versión abreviada de seis zonas conserva la mayor parte del rendimiento, por encima de los umbrales mínimos que fija la OMS para una prueba de cribado. La señal es prometedora para lugares sin radiografía, pero el conjunto de prueba es pequeño, los intervalos de confianza son muy amplios, y enfermos y no enfermos se reclutaron en grupos distintos, lo que probablemente infla las cifras.
El contexto
La tuberculosis sigue siendo una de las enfermedades infecciosas más mortíferas del mundo, y una gran parte de los casos nunca se diagnostica. El cuello de botella es el triaje: decidir, entre las personas que tosen o los familiares de un enfermo, quiénes deben hacerse una prueba microbiológica de esputo (Xpert MTB/RIF Ultra, una prueba molecular rápida, o el cultivo, más lento pero de referencia). La Organización Mundial de la Salud recomienda para ello la radiografía de tórax, cada vez más leída por programas de detección asistida por ordenador (CAD). Pero la radiografía exige un equipo, electricidad, protección contra la radiación y un local, algo que falta en muchos centros de salud periféricos.
La ecografía pulmonar en el punto de atención (POCUS, point-of-care ultrasound) cumple lo contrario: una sonda del tamaño de un teléfono, sin radiación, un examen de pocos minutos. Se han descrito signos sugestivos de tuberculosis, como pequeñas lesiones bajo la pleura o consolidaciones, pero no existe ningún criterio de interpretación estandarizado, y la lectura depende mucho del operador. De ahí la idea de confiar la lectura a un algoritmo. Dos trabajos recientes, citados por los autores, abrieron el camino: en Benín, Suttels y colegas obtuvieron un AUC de 0,93 (sensibilidad 93 %, especificidad 81 %) en 504 adultos sintomáticos; en Zambia, una red que procesaba clips de vídeo de 497 participantes alcanzó entre 0,89 y 0,92. Este preprint añade una pregunta práctica: ¿bastan ya los datos clínicos básicos, y se puede reducir el número de zonas a explorar?
El método
El estudio es prospectivo: los participantes se incluyeron entre 2023 y 2025 en Kampala, en sitios de estudios de tuberculosis ya existentes y en centros de salud municipales. Se reclutaron tres grupos: casos índice (personas con tuberculosis confirmada que habían recibido como máximo 15 días de tratamiento), sus contactos domiciliarios, y pacientes de consulta evaluados por tuberculosis pero que finalmente tenían otra enfermedad respiratoria. De 318 incluidos, se analizaron 316: 118 tuberculosis confirmadas (solo 4 de ellas en contactos domiciliarios), 96 personas sin enfermedad respiratoria y 102 pacientes con otra afección respiratoria. La mediana de edad es de 32 años, el 56 % son hombres y el 20 % vive con el VIH.
El estándar de referencia es microbiológico: Xpert Ultra y cultivo en medio líquido (MGIT) para casos índice y contactos, solo Xpert Ultra para los pacientes de consulta. Dos técnicos formados y certificados realizaron las exploraciones con una sonda Philips Lumify conectada a una tableta Android, sin conocer los resultados de laboratorio ni la radiografía. Cada participante fue explorado en doce zonas del tórax (delante, lateral y detrás, en ambos lados), con un clip de seis segundos por zona.
Para el modelo, los autores conservan una sola imagen por zona, la primera del clip, regla fijada de antemano. Cada imagen pasa por una ResNet18, una red neuronal convolucional (una arquitectura clásica que extrae patrones visuales cada vez más abstractos), que la resume en un vector de números. Los doce vectores se combinan luego mediante aprendizaje de instancias múltiples con atención: el paciente se trata como una «bolsa» de doce imágenes, y el modelo aprende por sí mismo qué peso dar a cada zona, sin que se le indique dónde está la lesión. Se comparan tres modelos: uno solo clínico (un bosque aleatorio, conjunto de árboles de decisión, alimentado con doce variables como la edad, el estado VIH, el IMC, la duración de la tos o de la pérdida de peso), uno solo de ecografía, y uno combinado que añade las variables clínicas al resumen de las imágenes.
Los participantes se repartieron al azar: 223 para el entrenamiento, 20 para la validación (decidir cuándo detener el entrenamiento) y 73 para la prueba (28 con tuberculosis, 22 sin enfermedad respiratoria, 23 con otra afección). Por último, se derivó un protocolo abreviado de seis zonas a partir de los pesos de atención medios entre los enfermos del conjunto de entrenamiento: R5, L5, L3, R1, R3 y L1.
Los resultados
El AUC (área bajo la curva ROC) mide la capacidad de un modelo para situar a un enfermo por encima de un no enfermo: 0,5 equivale al azar, 1 a la perfección. En los 73 participantes de prueba, el modelo solo clínico ya alcanza 0,88 (intervalo de confianza del 95 %: 0,80 a 0,95). La ecografía sola sube a 0,93 (0,86 a 0,97), el modelo combinado a 0,95 (0,89 a 0,99). Con seis zonas, los AUC son de 0,91 para la ecografía sola y 0,93 para el modelo combinado.
Para una herramienta de triaje, la pregunta es más bien: si se ajusta el modelo para que se le escapen pocos enfermos, ¿cuántas personas sanas se envían a prueba sin necesidad? Con un 90 % de sensibilidad (proporción de enfermos detectados), la especificidad (proporción de no enfermos correctamente descartados) es del 66,2 % para el modelo clínico, 73,3 % para la ecografía sola, 82,2 % para el combinado de doce zonas (IC 34,9 a 97,8 %) y 91,1 % para el combinado de seis zonas (IC 25,0 a 98,0 %). Estos puntos de funcionamiento se interpolan sobre la curva ROC; los autores precisan que no son umbrales de despliegue. En estimación puntual, todos los modelos de doce zonas y el combinado de seis zonas superan el mínimo de la OMS de 2025 para una prueba de cribado (al menos 90 % de sensibilidad y 60 % de especificidad).
Dos resultados secundarios importan. Cuando se sustituye la primera imagen de cada clip por la del medio, el AUC cae a 0,85 para la ecografía sola y a 0,90 para el combinado. Y los análisis por subgrupo (VIH, sexo, tuberculosis previa) no muestran diferencias, pero se basan en 20 personas que viven con el VIH y 3 con tuberculosis previa en el conjunto de prueba.
Traducción clínica, según nuestro cálculo y con una prevalencia supuesta: de 1.000 personas sintomáticas de las que un 10 % tuviera tuberculosis, un modelo con 90 % de sensibilidad y 82 % de especificidad detectaría a 90 enfermos, dejaría escapar a 10 y enviaría a unas 160 personas sin tuberculosis a hacerse un Xpert. Si la especificidad real estuviera en el límite inferior del intervalo (35 %), serían unas 585 pruebas innecesarias, un triaje que ya casi no clasifica.
Lo que está bien
En primer lugar, la referencia es sólida para la tuberculosis. El diagnóstico se basa en Xpert Ultra y, para la mayoría de los participantes, en el cultivo; los operadores de ecografía desconocían los resultados; la inclusión fue prospectiva, con un protocolo de adquisición definido de antemano y la regla de selección de imagen fijada a priori.
En segundo lugar, el comparador es honesto. En lugar de enfrentar el algoritmo a un humano con prisa, los autores lo comparan con lo que ya predicen datos clínicos gratuitos (AUC 0,88). Así se ve lo que la ecografía aporta realmente, algunos puntos de AUC y sobre todo especificidad. Los intervalos de confianza se publican en todas partes, y el análisis de sensibilidad desfavorable (imagen del medio) figura en el artículo en lugar de omitirse.
En tercer lugar, el diseño apunta al uso real. Una sonda portátil de bajo coste, una población en la que el 20 % de los participantes vive con el VIH, un protocolo reducido a seis zonas para ganar tiempo, financiación pública (NIH, NIAID, subvención R21AI171755), ningún conflicto de intereses declarado y el compromiso de depositar los datos en un repositorio público al publicarse.
Lo que está menos bien
En primer lugar, un sesgo de población en su forma más clásica en diagnóstico, el sesgo de espectro. Los enfermos son casi todos casos índice ya diagnosticados en centros de tuberculosis, a menudo con una carga bacteriana alta (76 % con baciloscopia positiva), mientras que casi la mitad de los no enfermos son contactos domiciliarios sin ningún síntoma respiratorio. Distinguir estos dos grupos es más fácil que clasificar una fila de pacientes que tosen todos. Solo cuatro contactos domiciliarios estaban enfermos, ninguno asintomático: la tuberculosis subclínica, objetivo del cribado activo, no pudo evaluarse. A ello se suma una verificación diferencial: los pacientes de consulta solo tuvieron Xpert, sin cultivo. Los propios autores reconocen que este reclutamiento puede inflar el rendimiento.
En segundo lugar, una métrica engañosa por el tamaño de la muestra. La prueba abarca 73 personas, 28 con tuberculosis, procedentes de un único reparto aleatorio. Una especificidad «del 91,1 %» cuyo intervalo va del 25 al 98 % no permite concluir que alcance el umbral de la OMS. Como señal de esta inestabilidad, el modelo de seis zonas muestra mejor especificidad que el de doce zonas pese a un AUC más bajo. Ni calibración, ni curva de decisión, ni validación cruzada repetida respaldan las cifras.
En tercer lugar, una generalización no probada y un riesgo de shortcut learning (aprendizaje por atajos). Un sitio, un equipo, dos operadores formados para el estudio y ninguna validación externa. La caída del AUC de 0,93 a 0,85 con solo cambiar de imagen dentro del mismo clip muestra que el modelo depende de detalles de adquisición frágiles; no se sabe exactamente qué aprende, ni cómo se comportaría con otras sondas o con personal menos entrenado. No hay comparación con la radiografía leída por CAD, el estándar actual, ni con lectores humanos de ecografía. No se menciona la publicación del código.
Lo que cambia
Para la comunidad investigadora, este preprint confirma una señal ya vista en Benín y Zambia: la ecografía pulmonar leída por una red neuronal contiene información útil sobre la tuberculosis. Aporta dos ideas a retomar: comparar siempre con un modelo solo clínico y acortar el protocolo de adquisición. El paso siguiente es conocido, y los autores lo nombran: una validación externa en la población de uso previsto (personas consecutivas que acuden a cribado), en varios sitios y equipos, cara a cara con la radiografía y el CAD.
Para los clínicos, nada cambia hoy. Es un prototipo de investigación sin estatus regulatorio, y el resultado no justifica sustituir una radiografía disponible. También recuerda que una puntuación clínica bien construida (pérdida de peso, duración de la tos, IMC) ya alcanza un AUC de 0,88 en esta población.
Para los pacientes y el público, la promesa a medio plazo es concreta: un triaje de la tuberculosis que un técnico puede hacer con una sonda y una tableta, allí donde no hay radiografía. Pero una herramienta de triaje poco específica agota los cartuchos de prueba, y una poco sensible deja marchar a enfermos contagiosos. Solo un estudio en condiciones reales dirá hacia qué lado se inclina esta.
Para saber más
El preprint: Deep learning of point-of-care lung ultrasound and clinical data for pulmonary tuberculosis triage in Uganda, Sharma, Nakiyingi, Jovanovska Janeva et al., Emory University, Rutgers New Jersey Medical School, Makerere University, Mulago National Referral Hospital y Georgia Institute of Technology, medRxiv, publicado el 17 de noviembre de 2026, DOI 10.64898/2026.11.14.26368125. Sin revisión por pares.
En Tatakoto: la ecografía pulmonar y los datos clínicos para la tuberculosis en Benín y la auditoría de modelos de visión y lenguaje sobre radiografías de tórax de tuberculosis.
Nota de transparencia editorial: este artículo fue producido por la cadena editorial automatizada de Tatakoto a partir de la versión 1 del preprint (PDF de medRxiv, texto principal). La conversión «de 1.000 personas» es nuestro cálculo, con una prevalencia del 10 % supuesta a modo de ilustración, y no un resultado del estudio. Las versiones en inglés, español y chino han sido generadas por IA. ¿Un error? Contáctenos.