结核病:便携式肺部超声模型在乌干达达到 0.95 的 AUC,但测试仅 73 人,且患者与非患者来自不同招募群体

来自罗格斯大学(Rutgers)、埃默里大学(Emory)和马凯雷雷大学(Makerere University)的团队训练了一个神经网络,利用连接平板电脑的便携式探头拍摄的十二张胸部超声图像,单独使用或结合十二项简单临床数据,来识别肺结核;研究对象是在乌干达坎帕拉招募的 316 名参与者。在预留用于测试的 73 名参与者中,联合模型的 AUC 达到 0.95,仅用六个区域的简化版本也保留了大部分性能,高于世界卫生组织(WHO)为筛查检测设定的最低阈值。对于没有 X 光设备的地方,这是一个有希望的信号;但测试集很小,置信区间非常宽,而且患者与非患者来自不同的招募群体,这很可能美化了结果。

背景

结核病仍是全球致死率最高的传染病之一,大量病例从未得到诊断。瓶颈在于分诊(triage):在咳嗽的人或患者的家庭成员中,决定谁需要做痰液微生物学检测(Xpert MTB/RIF Ultra 是一种快速分子检测;培养更慢,但是参考标准)。世界卫生组织为此推荐胸部 X 光检查,并越来越多地由计算机辅助检测(CAD)软件读片。但 X 光需要设备、电力、辐射防护和专门的房间,而许多基层卫生机构恰恰缺少这些条件。

床旁肺部超声(POCUS,point-of-care ultrasound)恰好相反:探头只有手机大小,没有辐射,检查只需几分钟。文献中已描述过一些提示结核的征象,例如胸膜下的小病灶或实变,但目前没有任何标准化的判读标准,读片结果高度依赖操作者。因此有人设想把读片交给算法。作者引用的两项近期研究为此铺路:在贝宁,Suttels 等人在 504 名有症状的成人中获得 0.93 的 AUC(灵敏度 93%,特异度 81%);在赞比亚,一个处理 497 名参与者视频片段的网络达到 0.89 至 0.92。本预印本增加了一个实际问题:基本临床数据是否已经能完成大部分工作?需要扫描的区域能否减少?

方法

这是一项前瞻性研究:参与者于 2023 年至 2025 年在坎帕拉入组,来源包括现有的结核病研究点和市级卫生机构。共招募三组人群:指示病例(确诊结核、接受治疗不超过 15 天的患者)、他们的家庭接触者,以及因疑似结核就诊、最终被诊断为其他呼吸系统疾病的门诊患者。318 人入组,316 人纳入分析:118 例确诊结核(其中仅 4 例为家庭接触者),96 名无呼吸系统疾病者,102 名患有其他呼吸系统疾病者。中位年龄 32 岁,男性占 56%,20% 为 HIV 感染者。

参考标准是微生物学检测:指示病例和接触者同时做 Xpert Ultra 和液体培养(MGIT),门诊患者只做 Xpert Ultra。两名经过培训和认证的技术员使用连接 Android 平板电脑的 Philips Lumify 探头进行扫描,他们不知道实验室结果和 X 光结果。每位参与者扫描胸部十二个区域(左右两侧的前胸、侧胸和后背),每个区域录制六秒的片段。

建模时,作者每个区域只保留一张图像,即片段的第一帧,这一规则事先确定。每张图像输入 ResNet18——一种卷积神经网络(经典架构,逐层提取越来越抽象的视觉模式)——被压缩成一个数字向量。随后,十二个向量通过基于注意力的多示例学习(attention-based multiple-instance learning)进行组合:每位患者被视为一个由十二张图像组成的“包”,模型自行学习给每个区域分配多少权重,而无需告诉它病灶在哪里。研究比较了三个模型:仅临床模型(随机森林,即由多棵决策树组成的集成模型,输入年龄、HIV 状态、体重指数、咳嗽时长、体重下降时长等十二个变量)、仅超声模型,以及在图像摘要中加入临床变量的联合模型。

参与者被随机分配:223 人用于训练,20 人用于验证(决定何时停止训练),73 人用于测试(28 名结核患者,22 名无呼吸系统疾病者,23 名其他疾病患者)。最后,作者根据训练集中结核阳性者的平均注意力权重,得出一个只扫描六个区域的简化方案:R5、L5、L3、R1、R3 和 L1。

结果

AUC(ROC 曲线下面积)衡量模型把患者排在非患者之前的能力:0.5 相当于随机猜测,1 代表完美。在 73 名测试参与者中,仅临床模型已达到 0.88(95% 置信区间 0.80 至 0.95)。仅超声模型升至 0.93(0.86 至 0.97),联合模型为 0.95(0.89 至 0.99)。使用六个区域时,仅超声模型的 AUC 为 0.91,联合模型为 0.93。

对分诊工具而言,真正的问题是:如果把模型调到很少漏诊,会有多少健康人被白白送去检测?在 90% 灵敏度(被检出患者的比例)下,特异度(被正确排除的非患者比例)分别为:仅临床模型 66.2%,仅超声模型 73.3%,十二区联合模型 82.2%(置信区间 34.9% 至 97.8%),六区联合模型 91.1%(置信区间 25.0% 至 98.0%)。这些工作点是在 ROC 曲线上插值得到的,作者明确表示它们不是部署阈值。就点估计而言,所有十二区模型和六区联合模型都超过了 WHO 2025 年对筛查检测的最低要求(灵敏度至少 90%,特异度至少 60%)。

有两个次要结果值得注意。把每个片段的第一帧换成中间帧后,仅超声模型的 AUC 降至 0.85,联合模型降至 0.90。亚组分析(HIV、性别、既往结核)没有显示差异,但测试集中只有 20 名 HIV 感染者和 3 名既往结核患者。

临床换算(我们自己的计算,并假设了患病率):在 1,000 名有症状、其中 10% 患结核的人中,一个灵敏度 90%、特异度 82% 的模型会检出 90 名患者、漏掉 10 名,并让约 160 名非结核者去做 Xpert 检测。如果真实特异度处于置信区间下限(35%),不必要的检测将约为 585 次,这样的分诊几乎起不到筛选作用。

做得好的地方

第一,就结核病而言,参考标准扎实。诊断依据 Xpert Ultra,并且大多数参与者还有培养结果;超声操作者对检测结果不知情;入组是前瞻性的,采集方案事先确定,选帧规则也事先固定。

第二,对照公平。作者没有拿算法去和匆忙的人类读片者比较,而是与免费的临床数据已能预测的水平(AUC 0.88)比较。这样就能看清超声真正增加了什么:几个百分点的 AUC,尤其是特异度。全文都报告了置信区间,不利的敏感性分析(中间帧)也写进了论文,而没有被略去。

第三,设计面向真实应用。低成本便携探头;20% 的参与者为 HIV 感染者;把方案缩减到六个区域以节省时间;公共资金资助(NIH、NIAID,资助号 R21AI171755);未申报利益冲突;并承诺在正式发表时将数据存入公共数据库。

不足之处

第一,人群偏倚,具体是诊断研究中最典型的谱偏倚(spectrum bias)。结核患者几乎都是已在结核病中心确诊的指示病例,细菌负荷往往较高(76% 涂片阳性);而近一半的非结核者是完全没有呼吸道症状的家庭接触者。区分这两类人,比在一群都在咳嗽的患者中做分诊要容易得多。只有四名家庭接触者患结核,且没有一人无症状:主动发现病例所针对的亚临床结核因此无法评估。此外还存在差异性验证:门诊患者只做了 Xpert,没有做培养。作者自己也承认,这种招募方式可能夸大性能。

第二,样本量导致的误导性指标。测试集只有 73 人,其中 28 名结核患者,且只做了一次随机划分。一个“91.1%”的特异度,其置信区间从 25% 到 98%,无法据此断定它达到了 WHO 阈值。这种不稳定的一个迹象是:六区模型的 AUC 更低,特异度却高于十二区模型。没有校准、决策曲线或重复交叉验证来支撑这些数字。

第三,泛化能力未经检验,且存在捷径学习(shortcut learning)风险。一个研究点、一台设备、两名专门为研究培训的操作者,没有外部验证。仅仅在同一片段内换一帧,AUC 就从 0.93 降到 0.85,说明模型依赖脆弱的采集细节;我们并不清楚它到底学到了什么,也不知道换用其他探头或培训较少的医务人员时表现如何。研究没有与目前的标准——由 CAD 判读的胸部 X 光——比较,也没有与人类超声读片者比较。论文未提及是否公开代码。

带来的改变

对研究界而言,这篇预印本证实了在贝宁和赞比亚已经看到的信号:由神经网络判读的肺部超声包含有关结核的有用信息。它提出了两个值得借鉴的思路:始终与仅临床模型比较,以及缩短采集方案。下一步很明确,作者也已指出:在目标使用人群(前来筛查的连续人群)中、在多个研究点和设备上进行外部验证,并与胸部 X 光和 CAD 进行直接比较。

对临床医生而言,目前没有任何改变。这是一个没有监管资质的研究原型,其结果不足以取代现有的 X 光检查。它也提醒我们:在这一人群中,一个构建良好的临床评分(体重下降、咳嗽时长、体重指数)本身就能达到 0.88 的 AUC。

对患者和公众而言,中期前景是具体的:在没有 X 光的地方,技术员用一个探头和一台平板电脑就能完成结核分诊。但特异度过低的分诊工具会耗尽检测试剂盒,灵敏度过低的工具又会让有传染性的患者回家。只有在真实条件下的研究才能说明它偏向哪一边。

延伸阅读

预印本:Deep learning of point-of-care lung ultrasound and clinical data for pulmonary tuberculosis triage in Uganda,Sharma、Nakiyingi、Jovanovska Janeva 等,Emory University、Rutgers New Jersey Medical School、Makerere University、Mulago National Referral Hospital 和 Georgia Institute of Technology,medRxiv,2026 年 11 月 17 日上线,DOI 10.64898/2026.11.14.26368125。未经同行评审。

Tatakoto 相关文章:贝宁的肺部超声与临床数据结核诊断研究,以及视觉语言模型在结核胸片上的审查。

编辑透明度说明:本文由 Tatakoto 的自动化编辑流程根据该预印本第 1 版(medRxiv PDF 正文)撰写。“每 1,000 人”的换算是我们自己的计算,其中 10% 的患病率仅为示例假设,并非研究结果。英文、西班牙文和中文版本由 AI 生成。发现错误?请联系我们。