Nuovi strumenti AI per diagnosticare e monitorare la tubercolosi ^{CEFR B2}

Alla Union World Conference on Lung Health, tenutasi a Copenhagen dal 18 al 21 novembre, ricercatori e aziende hanno presentato nuovi strumenti basati su intelligenza artificiale che potrebbero cambiare il modo di trovare e seguire la tubercolosi. L'Organizzazione Mondiale della Sanità ha sottolineato che la TB rimane la malattia infettiva più letale, con circa 1.25 milioni di decessi nel 2024, e che molte comunità vulnerabili restano escluse dalle diagnosi tradizionali.

Quattro approcci principali sono stati illustrati. Il primo usa la breathomics: gruppi della Southern University of Science and Technology e dello Shenzhen Third People’s Hospital hanno raccolto campioni con un AveloMask da circa 60 pazienti in Sudafrica e impiegano machine learning per monitorare i cambiamenti chimici nell'aria espirata; secondo Liang Fu, il metodo non invasivo può indicare la guarigione e consentire un accorciamento più sicuro del trattamento, migliorando l'aderenza e riducendo i costi.

Il secondo è Swaasa, una piattaforma di analisi della tosse sviluppata da AIIMS, Jawaharlal Institute e Salcit Technologies: operatori sanitari hanno registrato con smartphone la tosse di oltre 350 partecipanti; l'algoritmo ha identificato correttamente le condizioni nel 94% dei casi e ha predetto il rischio di malattie respiratorie nell'87% dei casi. Il terzo approccio, del Wadhwani Institute for AI, combina oltre 20 set di dati open-source con i dati di sorveglianza anonimizzati Ni-kshay per mappare la vulnerabilità; nei test nazionali ha raggiunto il 71% di accuratezza nell'identificare il 20% dei villaggi più probabili portatori di casi non rilevati, uno strumento pensato per guidare la ricerca attiva dei casi nel National Tuberculosis Elimination Programme.

Infine Qure.ai, con sede a Mumbai, ha presentato qXR, il primo strumento per radiografia toracica abilitato dall'AI autorizzato in Europa per bambini dalla nascita fino a 15 anni; secondo Shibu Vijayan può aiutare a individuare precocemente la TB e a dare priorità alle cure. Esperti come Guy Marks hanno parlato del "potenziale straordinario" dell'AI ma avvertono che la sfida è far arrivare queste innovazioni alle persone e ai sistemi sanitari che ne hanno più bisogno. Ketho Angami ha sollecitato test rigorosi, set di dati solidi e formazione del personale per interpretare gli output dell'AI, ricordando i rischi di affidarsi solo alla tecnologia nei casi complessi. Molti risultati sono ancora in fase di revisione tra pari; saranno necessarie ulteriori validazioni e implementazioni più ampie prima dell'uso su larga scala. Questo pezzo è stato prodotto dalla redazione globale di SciDev.Net.